申请/专利权人:GSI 科技公司
申请日:2022-05-27
公开(公告)日:2022-11-29
公开(公告)号:CN115410715A
主分类号:G16H50/70
分类号:G16H50/70;G16H50/20;G06K9/62;G06N3/04;G06N3/08;G06N5/04
优先权:["20210527 US 63/193,616","20220413 US 63/330,323"]
专利状态码:在审-公开
法律状态:2022.11.29#公开
摘要:用于癌症类型预测的系统包括经训练的神经网络NN、患者特征集提取器PFE和关联特征集搜索器FSS。经训练的NN从患者记录接收患者输入向量并生成癌症类型预测。当通过经训练的NN时,PFE从来自具有已知癌症类型的患者记录的患者输入向量中提取已知癌症特征集,并从来自不具有已知癌症类型的患者记录的患者输入向量中提取未知癌症特征集。FSS将已知癌症特征集存储在列的第一部分中,并且将元数据存储在列的第二部分中,并从存储的已知癌症特征集中找到未知癌症特征集的K个最近邻。
主权项:1.一种用于癌症类型预测的方法,所述方法包括:训练神经网络NN以从患者记录接收患者输入向量并且生成癌症类型预测;从通过所述NN的来自具有已知癌症类型的患者记录的所述患者输入向量中,对已知癌症特征集进行提取;将所述已知癌症特征集存储在关联特征集搜索器FSS的列的第一部分中,并且将所述已知癌症类型存储在列的第二部分中;从通过所述NN的来自不具有已知癌症类型的患者记录的所述患者输入向量中,对未知癌症特征集进行第二提取;使用所述FSS从至少一个存储的所述已知癌症特征集中,找到所述未知癌症特征集的至少一个K最近邻;以及提供与所述未知癌症特征集的所述至少一个K最近邻相关联的所述癌症类型预测,以及来自与所述未知癌症特征集的所述至少一个K最近邻相关联的所述患者记录的数据。
全文数据:
权利要求:
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。