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！

龙图腾网获悉山东大学申请的专利一种基于机器学习的多种肝脏病理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：CN119905274B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510086982.9，技术领域涉及：G16H50/70；该发明授权一种基于机器学习的多种肝脏病理评估方法及系统是由赵世刚;杨子逸;李姝敏;赵涵;陈子江;刘少壮;黄鑫设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于机器学习的多种肝脏病理评估方法及系统在说明书摘要公布了：本发明提供了一种基于机器学习的多种肝脏病理评估方法及系统，获取多个历史患者的体重信息、临床检查信息和肝组织样本的评估结果；基于获取的信息，进行数据预处理，构建训练集和测试集；利用训练集训练Logistic回归及Ridge回归模型，确定模型在预测气球样变、脂肪变性、小叶炎症、显著纤维化和NASH上的性能，确定最终的预测指标参数和预测模型；获取患者的体重信息、临床检查信息和肝组织样本的评估结果，提取其中的预测指标参数相关数值，针对相应的预测指标参数，以所确定的训练后的预测模型对其进行处理，得到最终的预测结果。本发明通过获取临床指标构建简单模型，能够实现综合评估慢性肝脏疾病肝脏病理的各个方面。

本发明授权一种基于机器学习的多种肝脏病理评估方法及系统在权利要求书中公布了：1.一种基于机器学习的多种肝脏病理评估方法，其特征是，包括以下步骤： 获取多个历史患者的体重信息、临床检查信息和肝组织样本的病理评估结果； 基于获取的信息，进行数据预处理，构建训练集和测试集，并确定出各病理指标的关键预测特征； 利用训练集训练机器学习模型，确定模型在预测气球样变、脂肪变性、小叶炎症、显著纤维化、NASH、NAS评分和风险NASH上的性能，确定最终的预测指标参数和预测模型； 获取患者的体重信息、临床检查信息和肝组织样本的评估结果，提取其中的预测指标参数相关数值，针对相应的预测指标参数，以所确定的训练后的预测模型对其进行处理，得到最终的预测结果； 对于Logistic回归模型，加入正则化项以防止过拟合，设定该模型的损失函数为： ； 其中，Jw为损失函数；N为样本总数；yi为第i个样本的实际标签，实际标签为0或1；pi为第i个样本预测为类别1的概率；λ为正则化强度，由交叉验证自动选择；Rw为正则化项，采用L1正则化； 模型的预测公式为： 其中：σ为原始数据中，每个指标的标准差，w0为偏置项，由模型输出；wj为权重，即每个特征对模型的贡献，由模型输出；xj为输入特征向量的第j个分量，由训练集每个样本的指标具体数值确定； 如果py=1|x≥0.5，预测该样本的为类别1； 如果py=1|x0.5，预测该样本的为类别0； 对于Ridge回归模型，定义其损失函数为： 其中，yi为第i个样本的实际标签；w0为模型的偏置项；wj为第j个特征的权重参数；xij为第i个样本的第j个特征值；α为正则化强度； 模型的预测公式为： 其中，wj是第j个特征的权重系数，由模型输出；xij是第i个样本的第j个特征值，由训练集每个样本的指标具体数值确定； 如果≥0.5，预测该样本的类别为1； 如果0.5，预测该样本的类别为0； 最终的选择的预测指标包括： 对于气球样变，选择丙氨酸氨基转移酶、总胆汁酸、胰岛素抵抗稳态模型评估作为预测指标，选择Ridge回归模型； 对于脂肪变，选择丙氨酸氨基转移酶和谷氨酸脱氢酶作为预测指标，选择Ridge回归模型； 对于小叶炎症，选择丙氨酸氨基转移酶、凝血酶原活动度和镉作为预测指标，选择Logistic回归模型； 对于显著纤维化，选择外周血单核细胞比例、谷草转氨酶、FPG、糖化白蛋白指数、β2-微球蛋白作为预测指标，选择Logistic回归模型； 对于NASH，选择磷脂酶A2、Cd、镁、空腹胰岛素、HOMA-IR、脂肪组织胰岛素抵抗指数作为预测指标，选择Logistic回归模型； 对于NAS评分，选择ALT、钴、甘油三酯葡萄糖体重指数作为预测指标，选择Logistic回归模型； 对于风险NASH，选择ALT、GA.index、Beta2作为预测指标，选择Logistic回归模型。

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山东大学，其通讯地址为：250012 山东省济南市历下区文化西路44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”。