深度机器学习所生成的乳腺癌预后的概率识别模型
专利汇可以提供深度机器学习所生成的乳腺癌预后的概率识别模型专利检索，专利查询，专利分析的服务。并且发明 的技术领域： 乳腺癌 预后 的识别模型以计算临床预后及辅助化疗是否值得进行，服务于精准 治疗 。应用自主发展的深度 机器学习 数据挖掘 算法 ，我发展了癌症预后的概率识别模型。“70基因标签”是第一个也是到目前为止唯一的美国FDA批准的乳腺癌预后的检测。基于同一临床2万5千RNA数据集(151例乳腺癌淋巴结阴性病患，97例存活五年以上，54例对照)，我的深度机器学习从2个基因开始，每次增加1个基因，选择识别能 力 最强的组合。我的深度机器学习产生的7个基因“乳腺癌预后的概率识别模型”，识别能力已经超过了“70基因标签”的能力。，下面是深度机器学习所生成的乳腺癌预后的概率识别模型专利的具体信息内容。
1.深度机器学习所生成的乳腺癌预后的概率识别模型
发明人：张培森
1，独立权利要求
(一)前序部分
我们的发明是“深度机器学习所生成的乳腺癌预后的概率识别模型”。我们的发明是乳腺癌预后的基因识别模型以计算临床预后并确定辅助化疗是否值得进行。我们采用“70基因标签”同一临床2万5千RNA数据集(151例乳腺癌淋巴结阴性病患，97例存活五年以上，54例对照)。
(二)特征部分
我们的发明其特征是：深度机器学习和概率识别模型。从“70基因标签”的151例70基因的数据集，应用我们自主发展的深度机器学习数据挖掘算法，我们发展了癌症预后的概率识别模型。我们深度机器学习从2个基因开始，每次增加1个基因，选择识别能力最强的组合。7个基因的组合，识别能力已经超过了“70基因标签”的能力。我们选择了如下7个基因构建了我们的认知模型：Contig46223_RC，X05610，NM_006931，Contig55725_RC，NM_020386，AF055033，Contig2399_RC.
从属权利要求
2，深度机器学习：
(1.1)我们的发明是“深度机器学习所生成的乳腺癌预后的概率识别模型”.
(1.2)我们的发明其特征是：深度机器学习。我们的深度机器学习从2个基因开始，每次增加1个基因，选择识别能力最强的组合.机器学习模式的改动(例如，从3个基因开始，每次增加2个基因)它们都应被视为包括在本发明。
3，概率识别模型：
(3.1)我们的发明是“深度机器学习所生成的乳腺癌预后的概率识别模型”.
(3.2)我们的发明其特征是：我们的识别模型采用基因表达概率独立，“预后良”和“预后差”的概率是各个基因表达“预后良”和“预后差”的概率之积。识别模型的改动，(例如，分类树模型)它们都应被视为包括在本发明.
4，基因组合：
(4.1)我们选择了如下7个基因构建了我们的认知模型：Contig46223_RC，X05610，NM_
006931，Contig55725_RC，NM_020386，AF055033，Contig2399_RC。
(4.2)我们的发明其特征是：这个7基因组合所形成的“7基因模型”是我们深度学习得到的最优的模型之一.我们发现其他基因组合也能形成类似的模型具有非常接近的精度。
这些类似的基因组合都应被视为包括在本发明。
5检测方法：
(5.1)我们选择了如下7个基因构建了我们的认知模型：Contig46223_RC，X05610，NM_
006931，Contig55725_RC，NM_020386，AF055033，Contig2399_RC。
(5.2)我们将生产“7基因模型”的7个基因相应的试剂盒以帮助医院和其他需要的机构。我们也准备建立检测机构以承担“7基因模型”的7个基因的检测.
6.“7基因模型”的计算：
(6.1)我们选择了如下7个基因构建了我们的认知模型：Contig46223_RC，X05610，NM_
006931，Contig55725_RC，NM_020386，AF055033，Contig2399_RC。。
(6.2)我们将提供网络“7基因模型”的计算服务器。手机“7基因模型”的计算APP也要提供。
深度机器学习所生成的乳腺癌预后的概率识别模型
每次取出一个，直到所有样本穷尽为止。这个方法避免了信息渗透。要识别的样本不在“学习集”内。“70基因标签”一次取出一个样本，并使用剩余的77个样本来定义基于231个区分基因的分类器。然后预测首先取出的那个样本的结果。样本的预测基于其与“预后良”模板和“预后差”模板的相关系数，其中“良”和“差”模板是临床77个样本中“良”和“差”的样本的平均表达。使用选择的报道基因计算相关系数。重复这个程序，直到78个样品中的每一个都被排取一次。最终计算了多少个案例的预测是正确的，和多少个案例的预测是不正确的。分类器的性能由该选择的基因组的类型1(假阴性)和类型2(假阳性)的错误率来度量。从候选列表的顶部每次添加5个更多的标记基因，直到所有231个基因被用作区分基因时，“70基因标签”重复基于“排取一个”交叉验证的上述性能评估程序。1型和2型错误的错误预测数量随着所用标记基因的数量而显着改变。从候选列表的顶部使用“70基因标签”时，组合错误率达到最低。因此，“70基因标签”认为这组70个基因是可用于将患者分为两个预后亚组，“预后良”组和“预后差”组的最佳标记基因组。有趣的是，当仅使用少数标记基因时，预测“散发性”乳腺癌患者预后的准确性相当低。准确性随着标记基因数量的增加而提高，直到达到最佳数量的标记基因(～70个基因)。但是，除了标记基因的最佳数目之外，由于引入噪声，准确度变差。
70基因要简单的多，成本可能低到十分之一，而且减少了噪音的渗入，提高了精度。我们用RT-PCR就可以进行检测。技术文献【2】发表了“70基因标签”和传统临床St.Gallen和NIH准确性的比较。这里，我们加入了7基因概率识别模型的结果。临床样本，151例乳腺癌淋巴结阴性病患，97例存活五年以上，54例对照。“7基因模型”：准确度，84.1％；“70基因标签”：准确度，80.8％；“St.Gallen”准确度，59.0％；“NIH”准确度，46.2％。
(五)具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 超参数优化方法、装置、计算机设备和存储介质 | 2020-05-08 | 690 |
| 基于深度学习的操作系统的异常日志的处理方法及装置 | 2020-05-08 | 911 |
| 基于机器学习的直落式物料下料机控制方法 | 2020-05-11 | 49 |
| 一种用于智慧数据碰撞的机器学习方法及装置 | 2020-05-08 | 379 |
| 控制支援装置及方法、车辆、记录介质、用于使计算机发挥功能的已学习模型及生成方法 | 2020-05-11 | 179 |
| 一种基于机器学习的应收账款兑付风险控制方法及系统 | 2020-05-08 | 568 |
| 一种基于区块链的安全SVM训练方法 | 2020-05-08 | 630 |
| 用于支持盘故障预测的方法、设备和计算机程序产品 | 2020-05-08 | 122 |
| 一种海量数据库表快速分类的方法 | 2020-05-08 | 492 |
| 视频处理方法、装置、电子设备及存储介质 | 2020-05-08 | 217 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
