买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学孙逸仙纪念医院深汕中心医院;中山大学孙逸仙纪念医院申请的专利一种肿瘤放疗患者症状管理与预后评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119153099B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411611865.1，技术领域涉及：G16H50/30；该发明授权一种肿瘤放疗患者症状管理与预后评估方法及系统是由李玉凤;邱玉婷;李托瑞;陈雅洁;陈洁设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种肿瘤放疗患者症状管理与预后评估方法及系统在说明书摘要公布了：本发明公开了一种肿瘤放疗患者症状管理与预后评估方法及系统，涉及肿瘤放疗患者管理技术领域，包括：获取肿瘤放疗患者的基本信息，根据所述基本信息进行预后评估，生成第一结果，根据所述第一结果判断风险类别；获取肿瘤放疗患者的症状信息，根据所述症状信息评估症状严重程度，生成第二结果；根据所述第二结果和所述风险类别进行症状管理，同时生成预后数据，通过所述预后数据更新所述第一结果。本发明通过融合双重对比学习网络与双路径决策树集成模型，实现了肿瘤放疗患者多维度医疗数据的动态关联分析和自适应特征增强，从而为临床实践提供精准化的预后评估和个性化的症状管理方案。

本发明授权一种肿瘤放疗患者症状管理与预后评估方法及系统在权利要求书中公布了：1.一种肿瘤放疗患者症状管理与预后评估方法，其特征在于，包括： 获取肿瘤放疗患者的基本信息，根据所述基本信息进行预后评估，生成第一结果，根据所述第一结果判断风险类别； 获取肿瘤放疗患者的症状信息，根据所述症状信息评估症状严重程度，生成第二结果； 根据所述第二结果和所述风险类别进行症状管理，同时生成预后数据，通过所述预后数据更新所述第一结果； 其中，根据所述基本信息进行预后评估，生成第一结果，包括如下步骤： 构建患者特征矩阵，将所述基本信息中的数值型特征和类别型特征分别进行标准化处理和编码转换，生成标准化特征矩阵； 构建双重对比学习网络对所述标准化特征矩阵进行特征增强，生成增强特征矩阵； 基于所述增强特征矩阵，通过集成树模型进行预后评估建模并输出第一结果； 所述构建患者特征矩阵，将所述基本信息中的数值型特征和类别型特征分别进行标准化处理和编码转换，生成标准化特征矩阵，包括如下步骤： 将患者基本信息构建为包含人口学特征向量、疾病相关特征向量、治疗相关特征向量、既往病史特征向量、生活方式特征向量，以及实验室检查特征向量的原始特征矩阵X； 对原始特征矩阵X中的数值型特征采用基于时间衰减的Z-score标准化处理： ； 其中，为第j个特征的标准化值；为待评估患者的第j个特征的原始值；为待评估患者的第j个特征的均值；为历史患者的第j个特征的标准差；为当前时间点；为历史患者的数据采集时间点；为时间衰减系数； 对原始特征矩阵X中的类别型特征采用加权目标编码转换： ； 其中，为类别c的编码值，为类别c中第r个历史患者的目标变量值，为类别c的历史患者数量，为第r个历史患者的时间权重系数，通过如下公式计算： ； 其中，为时间权重衰减系数，其取值范围为[0.2,0.6]；为第r个历史患者的数据采集时间点； 将标准化处理后的数值型特征值和编码转换后的类别型特征值按照原始特征的对应位置重新组合，生成标准化特征矩阵A： ； 其中，为第i个待评估患者的第j个标准化特征值，若第j个特征为数值型特征，则；若第j个特征为类别型特征，则； 所述双重对比学习网络包括全局对比学习模块和局部对比学习模块； 其中，全局对比学习模块的损失函数为： ； 其中，为第i个待评估患者的特征表示；为第i个待评估患者的正匹配历史患者对应的特征表示；为第v个负匹配历史患者的特征表示；为余弦相似度函数；为全局温度参数，取值范围为[0.1,1.0]；N为负匹配历史患者数量； 其中，局部对比学习模块的损失函数为： ； 其中，为待评估患者的局部特征表示；为第w个近邻历史患者的局部特征表示；为第z个非近邻历史患者的局部特征表示；K为近邻历史患者数量；M为非近邻历史患者数量；为局部温度参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学孙逸仙纪念医院深汕中心医院;中山大学孙逸仙纪念医院，其通讯地址为：516621 广东省汕尾市城区东涌镇站前横二路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。