-
公开(公告)号：CN115851958A
公开(公告)日：2023-03-28
申请号：CN202211730936.0
申请日：2022-12-30
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6886 , C12Q1/6858 , C12N15/11
Abstract: 本公开提供了一种检测胰腺癌相关基因甲基化的引物、探针、试剂盒及方法，涉及生物技术领域。上述检测胰腺癌相关基因甲基化的引物和探针包括检测BNC1基因、NPTX2基因、ADAMTS1基因、PCDH10基因和DIRAS1基因甲基化的引物和探针。通过采用本公开的引物探针组合在进行胰腺癌检测时，显著提高了胰腺癌检测的灵敏性和特异性，可以辅助胰腺癌的早期诊断、预后、治疗反应预测和复发风险评估，在检测结果呈甲基化阴性时，能够避免不必要的镜检，整个过程可以简便的采用外周血体外检测，无创伤、简便易行。
-
公开(公告)号：CN115658877B
公开(公告)日：2023-03-21
申请号：CN202211683493.4
申请日：2022-12-27
Applicant: 神州医疗科技股份有限公司
IPC: G06F16/335 , G06F16/36 , G16H20/10 , G16H50/50 , G16H50/70
Abstract: 本公开涉及肝癌免疫药物推荐领域，提供了一种基于强化学习的药物推荐方法、装置、电子设备和介质。包括：采集初始患者数据并进行预处理，得到标准患者数据；基于上述标准患者数据构建知识图谱；基于Trans模型得到上述知识图谱的节点向量和边关系向量；基于强化学习、上述知识图谱和上述知识图谱的节点向量和边关系向量训练智能体；基于上述智能体和上述知识图谱得到推荐药物和上述推荐药物对应的推荐路径。本公开结合强化学习与知识图谱对真实肝癌病人用药信息进行建模，在给出病人推荐药物的同时也可以提供模型推荐药物诊疗路径，为药物推荐提供可解释性。
-
公开(公告)号：CN115798722A
公开(公告)日：2023-03-14
申请号：CN202310052229.9
申请日：2023-02-02
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了基于知识图谱的免疫药物人群高低危筛选方法及系统，该方法包括以下步骤：S1：获取病人数据，并对病人数据进行数据预处理，并构建同构图数据以及异构图数据；S2：根据病人数据中的PFS值，对病人节点赋予标签，若PFS值大于PFS中位数，则赋予低危标签；S3：根据异构图数据构建异构图；将异构图节点数据转换为同构图数据，并根据同构图数据构建同构图；S4：将同构图输入到GCN以及GAT模型，异构图输入HAN模型，分别输出节点特征矩阵；S5：将三个节点特征矩阵进行拼接，输入MLP多层神经网络，并输出PFS类别预测。本发明融合了同构图信息以及异构图信息，并分别将其输出的节点表征拼接到一起，经过双层的MLP网络结构，能够准确预测病人的PFS类别。
-
公开(公告)号：CN115797638A
公开(公告)日：2023-03-14
申请号：CN202310054375.5
申请日：2023-02-03
Applicant: 神州医疗科技股份有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0895
Abstract: 本申请提出一种医学图像分割方法、装置、电子设备及存储介质，方法包括：用少量人工标注的图像训练全监督医学图像分割模型；采用该模型对未进行标注的医学图像进行预测，得到伪标注医学图像；从伪标注医学图像中选出高质量伪标注图像，使用少量人工标注的图像与高质量伪标注图像来对全监督医学图像分割模型进行微调，得到半监督模型；重复进行n轮生成n个半监督模型，用最终的半监督模型预测未进行人工标注的图像。装置包括：人工标注模块、全监督模型训练模块、伪标注图像生成模块、高质量伪标注图像选择模块、半监督模型训练模块、标注结果输出模块。本申请仅用少量人工标注，就能够得到准确的多器官分割模型，并实现所有医学图像的标注。
-
公开(公告)号：CN115691813A
公开(公告)日：2023-02-03
申请号：CN202211720285.7
申请日：2022-12-30
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明涉及基因分析技术领域，具体为一种基于基因组学和微生物组学的遗传性胃癌评估方法及系统，本发明方法包括：获取遗传性胃癌患者的数据，遗传性胃癌患者的数据包括患者的微生物组学、基因组学、表观基因组学、代谢组学、临床表现型、癌症类型、饮食习惯、年纪、性别和综合评分，将遗传性胃癌患者的数据分为训练集和测试集并进行预处理，构建基于AdaBoost算法优化的BP神经网络的预测模型，通过训练集对预测模型进行训练，通过测试集对预测模型进行验证，通过预测模型对人患胃癌进行评估；本发明通过患者的基因组学和微生物组学数据，构建基于AdaBoost算法优化的BP神经网络的预测模型，实现对患胃癌的准确预测。
-
Patent Agency Ranking
公开(公告)号：CN115637285A
公开(公告)日：2023-01-24
申请号：CN202211496285.3
申请日：2022-11-28
Applicant: 神州医疗科技股份有限公司
IPC: C12Q1/6806
Abstract: 本发明涉及生物学检测领域，具体为一种DNA重亚硫酸盐试剂盒及方法；本方法包括：将待处理的基因组DNA解冻；配制重亚硫酸盐转化体系；重亚硫酸盐转化体系配制好后在PCR热循环仪上设置温度变化程序进行亚硫酸盐转化；所述重亚硫酸盐转化体系包括X体积份的DNA样本、40‑X体积份的ddH2O和110体积份的转化剂；温度变化程序为95℃、3min，60℃、10min，95℃、5min，60℃、12min；本试剂盒包括8‑13体积份的转化剂；0.8‑1.2体积份的磁珠；50‑70体积份的结合液；120‑180体积份的洗涤液；40‑60体积份的脱磺液；5‑10体积份的洗脱液；通过本发明试剂盒及方法可以在2h内完成对DNA样品的处理，30分钟内完成转化过程，其中未甲基化胞嘧啶转化为尿嘧啶的转化率高达99%以上。
-
公开(公告)号：CN115631868A
公开(公告)日：2023-01-20
申请号：CN202211461585.8
申请日：2022-11-17
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了一种基于提示学习模型的传染病预警直报方法和系统，涉及医疗信息化技术领域，包括如下步骤：获取不同医院的原始诊断疾病数据，提取所述原始诊断疾病数据中的诊断描述；基于所述诊断描述构建诊断描述的集合；获取不同传染病的规范名称，基于所述规范名称构建传染病名称集合；基于语言模型对诊断描述的集合中的每个诊断描述与传染病名称集合中的每个规范名称进行比对，判断是否匹配，当任一诊断描述与任一规范名称判断为匹配时上报预警。避免了碍于各个地区的医生的诊断业务能力不同，对传染病进行个性化的诊断描述或自定义的诊断描述，导致传染病不能够被及时发现，提高了识别传染病的准确度。
-
公开(公告)号：CN115629064A
公开(公告)日：2023-01-20
申请号：CN202211523586.0
申请日：2022-11-30
Applicant: 神州医疗科技股份有限公司
Abstract: 本申请公开了一种采样检测一体化装置及其控制方法，采样检测一体化装置包括包括采样装置、储液装置、反应装置和显示装置，采样装置用于采集待测样本，储液装置用于获取并储存待测样本混合液，反应装置用于发生反应，显示装置用于显示检测结果；采样检测一体化装置的采样器可根据检测样本类别进行选择，可满足居家采样所需的大部分样本类别采集；本申请通过结果区贴纸及信息贴纸，采样后无需直视样本检测反应，避免用户使用的不适感。储液腔和试纸条腔相对密闭独立，用户可以居家检测，按照使用说明，居家完成取样、检测、判读。综上，本申请公开的装置操作便捷、快速，提高了样本保存新鲜度和检测结果准确度。
-
公开(公告)号：CN115579094A
公开(公告)日：2023-01-06
申请号：CN202211436205.5
申请日：2022-11-16
Applicant: 神州医疗科技股份有限公司
Abstract: 本发明提供了一种多模态医疗数据湖构建方法及系统，该方法包括：S1：获取临床数据，并汇聚进入数据湖中；S2：获取影像、病理以及基因的医疗多模态数据，并形成影像、病理以及基因数据文件；S3：根据患者信息和就诊信息，将临床数据与影像、病理以及基因数据文件进行整合，构建DHCDM多模态模型。本发明所提供的一种多模态医疗数据湖构建方法及系统，将医疗临床数据与医疗多模态数据进行整合，兼容多种格式的医疗数据，并形成多模态医疗模型，进而能够通过多模态平台对医疗多模态数据进行分析和处理，且模型具备伸缩性强、实时性高、读取速度快以及应用范围广的优势。
-
公开(公告)号：CN115223715A
公开(公告)日：2022-10-21
申请号：CN202210833903.2
申请日：2022-07-15
Applicant: 神州医疗科技股份有限公司
Abstract: 本申请提出一种基于多模态信息融合的癌症预测方法与系统，其中方法包括：获取任意两种或两种以上的多模态信息；针对所述任意两种或两种以上的多模态信息，分别提取对应的特征；将所述特征在时间域上对齐；将对齐后的特征融合在动态的多模态图网络中，进行多模态表征交互与融合后，输出总表征向量；选择评价结果最高的对应预测算法作为最终预测算法，对应的癌症预测结果为最终的癌症预测结果。所述系统包括：数据获取模块、特征提取模块、多模态融合模块、算法预测模块、参数评价模块。本申请实现了CT影像、病理信息、临床信息以及基因数据的多模态信息融合，并且提高了术后癌症预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.035 seconds)
