Standard

Система для персонализации терапии рака молочной железы на основе интерпретации данных полногеномного секвенирования с применением методов машинного обучения. / Евгенов, Илья Викторович (автор); Приходько, Александр Александрович (автор); Шифон, Софья Андреевна (автор) и др.

Роспатент - Федеральная служба по интеллектуальной собственности. Номер патента: 2025665590. июн. 18, 2025.

Результаты исследований: Патенты/Свидетельства о регистрации › свидетельство о регистрации программы для ЭВМ

Harvard

Евгенов, ИВ, Приходько, АА, Шифон, СА, Гуляева, ЛФ, Сидоров, СВ, Карпец, ИО & Иванов, ДВ июн.. 18 2025, Система для персонализации терапии рака молочной железы на основе интерпретации данных полногеномного секвенирования с применением методов машинного обучения, Номер патента 2025665590. <https://www.fips.ru/registers-doc-view/fips_servlet?DB=EVM&DocNumber=2025665590&TypeFile=html>

APA

Евгенов, И. В., Приходько, А. А., Шифон, С. А., Гуляева, Л. Ф., Сидоров, С. В., Карпец, И. О., & Иванов, Д. В. (2025). Система для персонализации терапии рака молочной железы на основе интерпретации данных полногеномного секвенирования с применением методов машинного обучения. (Номер патента 2025665590). Роспатент - Федеральная служба по интеллектуальной собственности. https://www.fips.ru/registers-doc-view/fips_servlet?DB=EVM&DocNumber=2025665590&TypeFile=html

Vancouver

Евгенов ИВ, Приходько АА, Шифон СА, Гуляева ЛФ, Сидоров СВ, Карпец ИО и др, Изобретатели. Система для персонализации терапии рака молочной железы на основе интерпретации данных полногеномного секвенирования с применением методов машинного обучения. 2025665590. 2025 июнь 18.

Author

Евгенов, Илья Викторович (автор) ; Приходько, Александр Александрович (автор) ; Шифон, Софья Андреевна (автор) и др. / Система для персонализации терапии рака молочной железы на основе интерпретации данных полногеномного секвенирования с применением методов машинного обучения. Роспатент - Федеральная служба по интеллектуальной собственности. Номер патента: 2025665590. июн. 18, 2025.

BibTeX

@misc{6b6ab2832ba344a1aa719f5c2e3c75f6,
title = "Система для персонализации терапии рака молочной железы на основе интерпретации данных полногеномного секвенирования с применением методов машинного обучения",
abstract = "Программа предназначена для преобразования клинико-генетических данных и последующей их обработки алгоритмами машинного обучения. В основу программы легли библиотеки pandas, numpy, Scikit-learn, методики LabelEncoding, PCA. Основной инструмент прогнозирования - градиентный бустинг CatBoost. Модель обучается на комбинированных наборах данных. Качество модели оценивается метриками AUC-ROC, F1-score. Программа может быть использована для прогнозирования успеха лечения рака молочной железы. Возможна интеграция с медицинскими информационными системами.",
author = "Евгенов, {Илья Викторович} and Приходько, {Александр Александрович} and Шифон, {Софья Андреевна} and Гуляева, {Людмила Федоровна} and Сидоров, {Сергей Васильевич} and Карпец, {Ирина Олеговна} and Иванов, {Дмитрий Владимирович}",
year = "2025",
month = jun,
day = "18",
language = "русский",
publisher = "Роспатент - Федеральная служба по интеллектуальной собственности",
address = "Российская Федерация",
type = "Patent",
note = "2025665590",

}

RIS

TY - PAT

T1 - Система для персонализации терапии рака молочной железы на основе интерпретации данных полногеномного секвенирования с применением методов машинного обучения

AU - Евгенов, Илья Викторович

AU - Приходько, Александр Александрович

AU - Шифон, Софья Андреевна

AU - Гуляева, Людмила Федоровна

AU - Сидоров, Сергей Васильевич

AU - Карпец, Ирина Олеговна

AU - Иванов, Дмитрий Владимирович

PY - 2025/6/18

Y1 - 2025/6/18

N2 - Программа предназначена для преобразования клинико-генетических данных и последующей их обработки алгоритмами машинного обучения. В основу программы легли библиотеки pandas, numpy, Scikit-learn, методики LabelEncoding, PCA. Основной инструмент прогнозирования - градиентный бустинг CatBoost. Модель обучается на комбинированных наборах данных. Качество модели оценивается метриками AUC-ROC, F1-score. Программа может быть использована для прогнозирования успеха лечения рака молочной железы. Возможна интеграция с медицинскими информационными системами.

AB - Программа предназначена для преобразования клинико-генетических данных и последующей их обработки алгоритмами машинного обучения. В основу программы легли библиотеки pandas, numpy, Scikit-learn, методики LabelEncoding, PCA. Основной инструмент прогнозирования - градиентный бустинг CatBoost. Модель обучается на комбинированных наборах данных. Качество модели оценивается метриками AUC-ROC, F1-score. Программа может быть использована для прогнозирования успеха лечения рака молочной железы. Возможна интеграция с медицинскими информационными системами.

M3 - свидетельство о регистрации программы для ЭВМ

M1 - 2025665590

Y2 - 2025/06/18

PB - Роспатент - Федеральная служба по интеллектуальной собственности

ER -

ID: 70308369