System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及教学演示领域,尤其是涉及了一种生存期预测验证方法。
技术介绍
1、近乎平行的发病数与死亡数和差距悬殊的新发与死亡比率暗示着此种疾病极高的恶性程度和公共卫生事业面临的重大挑战。
2、准确预测病人的生存期具有重要的临床、科研及社会价值。在临床工作中,准确的生存期预测可指导医生针对高风险病人制定个性化的检查及治疗方案,帮助医生制定合理的复查及随访计划,进而提高医疗服务的质量。在科研中,准确的预测病人风险层级,可以为研发针对高风险病人的有效治疗方案提供重要依据,并且可以成为检验新型治疗效果的重要参考。
3、现有的肿瘤患者生存期预测方法主要依赖于分子标记物和基因表达量,该方法需要依赖于临床。在教学过程中,只能依赖数据和影像等资料,单纯的讲解难以直观的进行呈现,学习者也难以直观的进行参与学习和分析,教学效果较差。
技术实现思路
1、为了解决
技术介绍
中所存在的问题,本专利技术提出了一种生存期预测验证方法。
2、一种生存期预测验证方法,包括
3、构建生存期预测模型和关联影响策略;
4、获取目标对象的病灶信息和关联影响信息;
5、根据病灶信息在生存期预测模型内构建病灶模型;
6、通过生存期预测模型对目标对象的关联影响信息与病灶模型进行关联;
7、通过生存期预测模型及其关联影响策略,对目标对象的关联影响信息及病灶模型进行关联时间维度的关联运行;
8、通过生存期预测模型运行效果与阈值
9、基于上述,建立神经网络模型并通过深度学习算法构建生存期预测模型。
10、基于上述,构建关联影响策略库,用于存储关联影响信息与生存期预测模型的关联影响策略;其中,关联影响策略用于人为设定和调整关联影响信息与病灶模型的关联影响关系和关联影响程度。
11、基于上述,构建基础信息库,用于获取和存储已有目标对象的关联影响信息及关联的病灶信息,以及存储已知目标对象的实际生存期信息。
12、基于上述,所述病灶信息至少包括病灶名称信息、病灶位置信息、病灶病理信息、病灶影像学指标信息、病灶建模参数信息;所述目标对象的关联影响信息至少包括目标对象的患者基线资料信息、体征信息、病理检查信息、既往史信息、合并症与合并用药信息、历次生化检查指标信息、过往的治疗方案规划信息和对方案的依从性信息。
13、基于上述,通过已有的目标对象的关联影响信息及关联的病灶信息,在生存期预测模型内进行运行和预测,并将预测结果与对应的实际生存期信息进行比对验证,并根据验证结果对生存期预测模型及其关联影响策略进行调整,从而对生存期模型进行训练和验证。
14、基于上述,生存期预测模型中病灶模型运行效果指病灶在各预测时间点下病灶模型预测呈现的病灶结果信息,所述阈值效果指影响到目标对象生命时的病灶结果信息;病灶模型从当前状态预测运行至运行效果达到阈值效果时,所对应的运行期间即为预测的生存期长短。
15、基于上述,构建同步验证信息库,用于同步获取和存储治疗期内目标对象的病灶信息和关联影响信息,通过生存期预测模型对目标对象的病灶信息进行同步预测和验证。
16、本专利技术相对现有技术具有突出的实质性特点和显著的进步,具体的说,本专利技术通过构建生存期预测模型和病灶模型,并通过已有完整生存期内的目标对象的病灶信息和关联影响信息,对生存期预测模型和病灶模型进行训练和验证后,根据待预测目标对象的病灶信息和关联影响信息,构建病灶模型后,通过生存期预测模型对目标对象的生存期进行预测,同时,验证后稳定的关联影响策略,也方便学习者直观掌握各影响信息对病灶等的作用关系,具有方便教学演示和研究验证的优点。
本文档来自技高网...【技术保护点】
1.一种生存期预测验证方法,其特征在于:包括
2.根据权利要求1所述的生存期预测验证方法,其特征在于:建立神经网络模型并通过深度学习算法构建生存期预测模型。
3.根据权利要求1所述的生存期预测验证方法,其特征在于:构建关联影响策略库,用于存储关联影响信息与生存期预测模型的关联影响策略;其中,关联影响策略用于人为设定和调整关联影响信息与病灶模型的关联影响关系和关联影响程度。
4.根据权利要求1所述的生存期预测验证方法,其特征在于:构建基础信息库,用于获取和存储已有目标对象的关联影响信息及关联的病灶信息,以及存储已知目标对象的实际生存期信息。
5.根据权利要求4所述的生存期预测验证方法,其特征在于:所述病灶信息至少包括病灶名称信息、病灶位置信息、病灶病理信息、病灶影像学指标信息、病灶建模参数信息;所述目标对象的关联影响信息至少包括目标对象的患者基线资料信息、体征信息、病理检查信息、既往史信息、合并症与合并用药信息、历次生化检查指标信息、过往的治疗方案规划信息和对方案的依从性信息。
6.根据权利要求4所述的生存期预测验证方法,
7.根据权利要求1所述的生存期预测验证方法,其特征在于:生存期预测模型中病灶模型运行效果指病灶在各预测时间点下病灶模型预测呈现的病灶结果信息,所述阈值效果指影响到目标对象生命时的病灶结果信息;病灶模型从当前状态预测运行至运行效果达到阈值效果时,所对应的运行期间即为预测的生存期长短。
8.根据权利要求1所述的生存期预测验证方法,其特征在于:构建同步验证信息库,用于同步获取和存储治疗期内目标对象的病灶信息和关联影响信息,通过生存期预测模型对目标对象的病灶信息进行同步预测和验证。
...【技术特征摘要】
1.一种生存期预测验证方法,其特征在于:包括
2.根据权利要求1所述的生存期预测验证方法,其特征在于:建立神经网络模型并通过深度学习算法构建生存期预测模型。
3.根据权利要求1所述的生存期预测验证方法,其特征在于:构建关联影响策略库,用于存储关联影响信息与生存期预测模型的关联影响策略;其中,关联影响策略用于人为设定和调整关联影响信息与病灶模型的关联影响关系和关联影响程度。
4.根据权利要求1所述的生存期预测验证方法,其特征在于:构建基础信息库,用于获取和存储已有目标对象的关联影响信息及关联的病灶信息,以及存储已知目标对象的实际生存期信息。
5.根据权利要求4所述的生存期预测验证方法,其特征在于:所述病灶信息至少包括病灶名称信息、病灶位置信息、病灶病理信息、病灶影像学指标信息、病灶建模参数信息;所述目标对象的关联影响信息至少包括目标对象的患者基线资料信息、体征信息、病理检查信息、既往史信息、合并症与合并用药信...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。