-
公开(公告)号：CN115708127A
公开(公告)日：2023-02-21
申请号：CN202110947770.7
申请日：2021-08-18
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供组织病理学染色切片图像的模型训练装置和模型应用装置。模型训练装置(100)具备组织病理学染色切片图像分块单元(101)、免疫组化染色切片图像分块单元(102)、肿瘤组织分类单元(103)、配准单元(104)和模型训练单元(105)。本发明通过对组织病理学染色切片的同一切片再进行多次IHC复染，获得多个IHC复染切片图像，根据生物规则对该多个IHC复染切片图像所对应的肿瘤组织进行分类，能够得到肿瘤组织的生物标记的定量空间掩膜(mask)，然后将组织病理学染色切片图像作为输入值，将定量空间掩膜作为基底真值(GT)，将二者配准，由此能够建立更为准确的深度学习模型。
-
公开(公告)号：CN114492785A
公开(公告)日：2022-05-13
申请号：CN202011267057.X
申请日：2020-11-13
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供模型学习系统及模型学习系统中的模型学习方法，该模型学习系统，包括：服务器；及两个以上的客户端，分别与所述服务器以能够通信的方式连接，所述两个以上的客户端分别具备：数据获取部，获取数据；固有模型处理部，基于本客户端固有的固有模型，对由所述数据获取部获取的数据进行处理；以及通用模型处理部，基于由所述固有模型处理部处理过的数据，对从所述服务器获取的通用模型进行训练，所述通用模型在所述两个以上的客户端间通过所述服务器而共享，所述服务器，基于所述两个以上的客户端的各自的通用模型的差分，更新上述通用模型。
-
公开(公告)号：CN114381360A
公开(公告)日：2022-04-22
申请号：CN202011137316.7
申请日：2020-10-22
Applicant: 佳能医疗系统株式会社
IPC: C12M1/38 , C12M1/34 , C12M1/12 , C12M1/00 , C12N9/22 , C12N15/113 , C12N15/11 , C12Q1/6804
Abstract: 本发明提供核酸检测系统及其应用，所述核酸检测系统是用于检测样品中的靶核酸的核酸检测系统，其包含形成液体流路的第1腔室～第4腔室，液体从所述第1腔室流至所述第4腔室，其中，所述第1腔室包含用于插入附着有样品的拭子的拭子入口，所述第2腔室包含用于对样品进行热灭活和裂解的试剂，所述第3腔室包含对所述靶核酸进行等温扩增的试剂，和所述第4腔室包含用于与所述靶核酸进行CAS酶反应和侧向流检测的测试条。
-
公开(公告)号：CN111223103A
公开(公告)日：2020-06-02
申请号：CN201811405328.6
申请日：2018-11-23
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供一种医用图像诊断装置以及医用摄像装置，该医用图像诊断装置，具有：图像取得部，通过对被检体的脑进行摄像来输出图像数据；选择部，从上述图像数据中选择对象区域；提取部，提取脑功能与上述对象区域关联的关联区域来作为追加区域；以及摄像区域输出部，输出包含上述对象区域以及上述追加区域的区域来作为摄像区域。
-
公开(公告)号：CN119517148A
公开(公告)日：2025-02-25
申请号：CN202311073407.2
申请日：2023-08-24
Applicant: 佳能医疗系统株式会社
Abstract: 本发明涉及一种基于计算的磷酸化蛋白的分析方法，其包含：磷酸化蛋白序列预测步骤(20)：使用计算模型预测目标蛋白的各磷酸化组合的存在概率，选择其中存在概率大于或等于规定概率的磷酸化蛋白；磷酸化蛋白三维结构预测步骤(30)：将通过磷酸化蛋白序列预测步骤得到的磷酸化蛋白序列中的磷酸化丝氨酸和磷酸化苏氨酸分别替换成天冬氨酸和谷氨酸，使用计算模型预测替换后蛋白的三维结构；和分类、聚类步骤(40)：根据磷酸化蛋白三维结构预测步骤中得到的三维结构将磷酸化蛋白分类、聚类。通过本发明，能够不通过实验而仅依靠AI模型的计算全面、快速、低成本地预测磷酸化蛋白的三维结构，进而基于得到的三维结构筛选可作为生物标记物、或药物作用靶的磷酸化蛋白。
-
Patent Agency Ranking
公开(公告)号：CN118800411A
公开(公告)日：2024-10-18
申请号：CN202310390508.6
申请日：2023-04-12
Applicant: 佳能医疗系统株式会社
IPC: G16H30/40 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 一种能够提高医用图像处理准确度的基于半监督学习的医用图像处理方法、装置、存储介质及程序产品。医用图像处理方法包括：有标签图像数据训练步骤，使用被输入的有标签图像数据，对深度神经网络进行训练；弱增强步骤，进行弱数据增强而得到弱增强图像；注意力设定步骤，使用深度神经网络对弱增强图像进行预测，基于所述弱增强图像中的各像素的预测信息来决定每个像素是否能够成为伪标签；强增强步骤，进行强数据增强而得到强增强图像；无标签图像数据训练步骤，使用强增强图像和伪标签进行训练；图像处理步骤，使用基于有标签图像数据及无标签图像数据的训练结果而更新后的深度神经网络，对被输入的医用图像进行处理。
-
公开(公告)号：CN116934657A
公开(公告)日：2023-10-24
申请号：CN202210337866.6
申请日：2022-03-31
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供一种能够提高医用图像的分析准确性和分析结果的可解释性的医用图像处理装置和医用图像处理方法。医用图像处理装置具备：分割部，取得医用图像，确定医用图像中的感兴趣区域；区块提取部，提取感兴趣区域中的由具有规定特征的像素构成的区块作为目标区块；区块提取修正部，根据区块提取部进行区块提取时的影响因素，修正提取结果；基础特征提取部，提取修正后的目标区块的基础特征；临床可解释特征生成部，利用将基础特征与临床可解释特征建立了关联的转换模型，根据基础特征，生成修正后的目标区块的临床可解释特征；以及分类部，根据临床可解释特征，对包含修正后的目标区块的医用图像进行分类，得到分类结果。
-
公开(公告)号：CN115393246A
公开(公告)日：2022-11-25
申请号：CN202110544478.0
申请日：2021-05-19
Applicant: 佳能医疗系统株式会社
Abstract: 图像分割系统具有：注意力热力图生成部，分别根据作为患者的目标病变的不同模态的扫描图像的第一图像和扫描图像的第二图像，生成第一注意力热力图和第二注意力热力图，第一注意力热力图的各像素表示在进行图像分割时给予第一图像中的相同位置的像素的关注程度，第二注意力热力图的各像素表示在进行图像分割时给予第二图像中的相同位置的像素的关注程度；差异值计算部，计算表示第一注意力热力图和第二注意力热力图的差异的注意力差异图像；以及第一神经网络，至少基于第一图像和由差异值计算部生成的注意力差异图像，对第二图像进行图像分割，取得第二图像的分割结果。
-
公开(公告)号：CN114418925A
公开(公告)日：2022-04-29
申请号：CN202011175577.8
申请日：2020-10-28
Applicant: 佳能医疗系统株式会社
Abstract: 一种医学图像处理方法，其包含以下步骤：分割步骤，对医学图像进行分割；选择步骤，基于所述分割的结果及其答案数据的差异，从所述医学图像中选择出医学图像校正用的图像作为关键图像；以及显示步骤，显示所述关键图像。
-
公开(公告)号：CN113674838A
公开(公告)日：2021-11-19
申请号：CN202010411119.3
申请日：2020-05-15
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供医学图像处理装置、方法和记录介质，根据已有的医学图像的数据集，生成新的医学图像的数据集。医用图像处理装置具备：关键信息点生成机构，从已有的医学图像的数据集的图像提取表示该已有的医学图像的特征的特征点并使其位移以生成关键信息点；变形场生成机构，针对关键信息点，生成表示因特征点的位移而在关键信息点的周围产生的变形的变形场；以及数据集生成机构，基于所生成的变形场和关键信息点进行使已有的医学图像变形的处理，以生成新的医学图像的数据集。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.033 seconds)
