-
Patent Agency Ranking
公开(公告)号：CN108107216B
公开(公告)日：2020-03-31
申请号：CN201611038981.4
申请日：2016-11-24
Applicant: 中国医学科学院北京协和医院 , 清华大学
IPC: G01N33/68 , G01N33/574
Abstract: 胰腺癌是具有极差预后的肿瘤，识别其有效的预后标志物具有重要的临床意义。本发明人提出了一种基于组合标志物来进行胰腺癌患者预后风险评估的方法及其测定系统。其依据病例样本中组合标志物的表达情况，定量地计算其预后风险指数，并对病例进行高、低风险的分层。本发明涉及五个蛋白(CAPN2，DLV1，FLNA,SHH,GLI1，其中CAPN2，DVL1，FLNA对胰腺癌的预后意义为本发明首次确立)构成的组合标志物、可供检测标志物表达的免疫组化试剂盒以及预后风险评估和分层的确定系统等。在280例和120例胰腺癌患者中的案例实施结果表明，本发明能有效地预测胰腺癌患者预后风险，尤其对于具有高预后风险的胰腺癌亚群病人具有显著的预测效果。
-
公开(公告)号：CN108107216A
公开(公告)日：2018-06-01
申请号：CN201611038981.4
申请日：2016-11-24
Applicant: 中国医学科学院北京协和医院 , 清华大学
IPC: G01N33/68 , G01N33/574
Abstract: 胰腺癌是具有极差预后的肿瘤，识别其有效的预后标志物具有重要的临床意义。本发明人提出了一种基于组合标志物来进行胰腺癌患者预后风险评估的方法及其测定系统。其依据病例样本中组合标志物的表达情况，定量地计算其预后风险指数，并对病例进行高、低风险的分层。本发明涉及五个蛋白(CAPN2，DLV1，FLNA,SHH,GLI1，其中CAPN2，DVL1，FLNA对胰腺癌的预后意义为本发明首次确立)构成的组合标志物、可供检测标志物表达的免疫组化试剂盒以及预后风险评估和分层的确定系统等。在280例和120例胰腺癌患者中的案例实施结果表明，本发明能有效地预测胰腺癌患者预后风险，尤其对于具有高预后风险的胰腺癌亚群病人具有显著的预测效果。
-
公开(公告)号：CN119523651A
公开(公告)日：2025-02-28
申请号：CN202411740138.5
申请日：2024-11-29
Applicant: 中国医学科学院北京协和医院
Abstract: 本申请涉及一种手术刀、手术刀的切割深度追踪方法、系统、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：在手术刀的操作过程中，获取目标手术刀的旋转后状态信息；所述旋转后状态信息包括旋转后角速度信息；根据所述旋转后角速度信息和预设的数据融合算法，确定所述目标手术刀的旋转后空间坐标信息；根据所述旋转后空间坐标信息和所述目标手术刀的原始空间坐标信息，确定所述目标手术刀的切割深度，并输出所述切割深度。采用本方法能够提高手术效率。
-
公开(公告)号：CN116831733A
公开(公告)日：2023-10-03
申请号：CN202310787150.0
申请日：2023-06-30
Applicant: 中国医学科学院北京协和医院
Abstract: 本申请涉及一种器械定位方法、装置、计算机设备和存储介质。方法包括：获取手术器械的三维切入点信息、手术器械的位移速度信息、手术器械的角速度信息、以及手术器械的显影信息；基于手术器械的位移速度信息、确定手术器械的移动信息，基于手术器械的角速度信息，确定手术器械的旋转信息，并基于手术器械的移动信息、手术器械的三维切入点信息、以及手术器械的旋转信息，确定手术器械的运行轨迹信息；基于手术器械的显影信息，确定手术器械的二维显影位置信息，并基于手术器械的运行轨迹信息、以及手术器械的二维显影位置信息，确定手术器械的当前目标位置信息。采用本方法能够提升识别该手术器械的位置的精准度。
-
公开(公告)号：CN114372531A
公开(公告)日：2022-04-19
申请号：CN202210027883.X
申请日：2022-01-11
Applicant: 北京航空航天大学 , 中国医学科学院北京协和医院
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于自注意力特征融合的胰腺癌病理图像分类方法，首先，采用卷积神经网络模型提取输入图像的特征并对卷积神经网络模型最后阶段输出的特征图进行特征嵌入；其次，卷积神经网络模型不同阶段输出的特征图进行注意力解析获得注意力引导信息；然后，构建基于自注意力特征建模的Transformer模型和自注意力特征融合网络模型；最后，对自注意力特征融合网络模型训练多个轮次，使用验证集的病理图像衡量确定结果最佳的轮次对应的模型，由此构建胰腺细胞癌变分类诊断系统，通过该系统判断该胰腺细胞病理图像为胰腺癌细胞或正常细胞图像。本发明应用自注意力技术与注意力解析机制将卷积神经网络特征进行全局建模，以实现高精度的胰腺癌快速现场评估。
-
-
-
-
Search Results
5
records
(took 0.049 seconds)
