-
Patent Agency Ranking
公开(公告)号：CN118280572A
公开(公告)日：2024-07-02
申请号：CN202410498706.9
申请日：2024-04-24
Applicant: 上海市闵行区中心医院 , 复旦大学
Abstract: 本发明提供了一种预测肝细胞癌索拉非尼疗效的多模态模型构建方法和系统，包括：步骤1：收集目标患者的临床信息，生成全视野数字图像；步骤2：对临床数据进行预处理，保留临床特征作为多模态深度学习模型输入；步骤3：对全视野数字图像进行预处理；步骤4：构建图像模型，基于预处理后的图像，采用不同聚合算法获取病理图像补丁级得分，对整张病理图像得分进行预测，得到最优模型特征；步骤5：构建多模态模型，将最优模型特征与临床特征进行模态融合，输出图像级或患者级的预测结果；步骤6：对模型进行测试和评估。本发明实现了病理图像和临床信息的双模态输入，充分利用两个模态数据的互补性，提高了预测准确度。
-
公开(公告)号：CN113533547A
公开(公告)日：2021-10-22
申请号：CN202010312780.9
申请日：2020-04-20
Applicant: 复旦大学
Abstract: 本发明属于生物医药技术领域，涉及血清中细胞因子补体蛋白C1R(Complement C1R，C1R)的MRM/SRM靶向定量方法及其应用。该定量方法使用补体蛋白C1R的标志性肽段检测肽段片段的含量；所述的C1R的标志性肽段包括序列如SEQ ID NO 1所示的肽段，包括步骤：血清蛋白质的前处理，具体程序包括血清样品的收集，还原烷基化与酶解的MRM/SRM方法开发，具体包括C1R蛋白标志性肽段的设计，同位素内标肽的合成，监测母子离子对的筛选以及LC‑MRM条件的优化；临床血清样本中C1R的MRM/SRM检测与数据分析。该方法可用于辅助皮肤鳞状细胞癌的诊断、检测、病程监测以及预后评估。
-
公开(公告)号：CN113533546A
公开(公告)日：2021-10-22
申请号：CN202010312779.6
申请日：2020-04-20
Applicant: 复旦大学
Abstract: 本发明属于生物医药技术领域，涉及测量补体蛋白C3表达量的方法，具体涉及血清中补体蛋白C3的MRM/SRM靶向定量方法及其应用。该方法使用质谱检测和/或定量补体蛋白C3的肽段片段的含量，通过步骤：血清蛋白质的前处理，包括血清样品的收集，还原烷基化与酶解；MRM/SRM方法开发，包括C3蛋白标志性肽段的设计，同位素内标肽的合成，监测母子离子对的筛选以及LC‑MRM条件的优化；临床血清样本中C3的MRM/SRM检测与数据分析。本方法可用于辅助胃癌的诊断、检测、病程监测以及预后评估。
-
公开(公告)号：CN101901345B
公开(公告)日：2013-02-27
申请号：CN200910052187.9
申请日：2009-05-27
Applicant: 复旦大学
Abstract: 本发明属蛋白质组学分类领域，涉及差异蛋白质组学分类方法。包括：用单变量统计分析、顺序特征选择和遗传算法选择特征，用主成分分析和偏最小二乘法提取特征，并与线性判别分析、k-最近邻分类器、支持向量机、决策树、朴素贝叶斯分类器和人工神经网络分类器串联整合，得系列串联整合分类器并将其并联组合，对各基分类器按分类准确率赋予权重系数，以模糊属性值为分类结果输出形式，得对目标样本的分类判断结果。本方法在差异蛋白质组学的异常和正常样本分类和判断中具有较高的分类准确率和鲁棒性。适用于对差异蛋白质组数据的分类分析。
-
公开(公告)号：CN101901345A
公开(公告)日：2010-12-01
申请号：CN200910052187.9
申请日：2009-05-27
Applicant: 复旦大学
Abstract: 本发明属蛋白质组学分类领域，涉及差异蛋白质组学分类方法。包括：用单变量统计分析、顺序特征选择和遗传算法选择特征，用主成分分析和偏最小二乘法提取特征，并与线性判别分析、k-最近邻分类器、支持向量机、决策树、朴素贝叶斯分类器和人工神经网络分类器串联整合，得系列串联整合分类器并将其并联组合，对各基分类器按分类准确率赋予权重系数，以模糊属性值为分类结果输出形式，得对目标样本的分类判断结果。本方法在差异蛋白质组学的异常和正常样本分类和判断中具有较高的分类准确率和鲁棒性。适用于对差异蛋白质组数据的分类分析。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
