-
公开(公告)号：CN112986223A
公开(公告)日：2021-06-18
申请号：CN202110210398.1
申请日：2021-02-25
Applicant: 吉林大学第一医院
IPC: G01N21/78
Abstract: 本发明提供一种精浆生化锌离子快速检测试剂条，制备方法包括：配置点胶液；其中，点胶液至少包括碱性的缓冲液、显色剂、增稠剂、表面活性剂；将点胶液点胶到高分子膜上，得到显色层；将显色层粘贴于塑料基材上。本发明提供的试剂条的制备方法制备的精浆生化锌离子快速检测试剂条，在碱性条件下，精浆锌离子能够与试纸条种的硝基PAPS迅速发生反应，产物颜色深浅与锌离子浓度成正比，试纸呈现颜色深浅，配合干化学分析仪，能够准确得到结果，且不受精浆中其他物质的干扰。试纸制备方法简单，易操作，测试快速，性能稳定，测定结果准确。
-
公开(公告)号：CN110031382A
公开(公告)日：2019-07-19
申请号：CN201910281950.9
申请日：2019-04-09
Applicant: 中国科学院苏州生物医学工程技术研究所 , 吉林大学第一医院
IPC: G01N15/10
Abstract: 本发明公开了一种精子分析质控试剂及其质控方法，该精子分析质控试剂通过以下方法制备得到：1)将乳胶微球分散在水中，超声震荡使其分散，得到悬浮液；2)向悬浮液中加入增稠剂、分散剂、表面活性剂、防腐剂；3)采用血球计数板在显微镜下计数，然后计算浓度；4)采用库尔特计数仪对制得的精子分析质控试剂浓度进行绝对定量。本发明的精子分析质控试剂采用与精子大小接近的单分散聚苯乙烯乳胶微球，微球粒径非常均一；质控试剂具有很好的悬浮稳定性，使用前轻轻震荡即可混合均匀，无需采用混匀器或超声等混匀，方便使用。本发明的质控试剂制备方法简单，使用方便，性能稳定，能够有效提高精子分析的可靠性。
-
公开(公告)号：CN111986183B
公开(公告)日：2023-07-04
申请号：CN202010864918.6
申请日：2020-08-25
Applicant: 中国科学院长春光学精密机械与物理研究所 , 吉林大学第一医院
IPC: G06T7/00 , G06T7/11 , G06T7/187 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种染色体散型图像自动分割识别系统，通过第一确定单元对第一获取单元获取到的当前染色体散型图像进行分割，得到当前染色体图像连通域图像块，并通过分类单元将当前染色体图像连通域图像块输入至深度卷积神经网络模型中，得到染色体分类结果。本系统将第一确定单元的分割过程和分类单元的分类过程结合为一个完整的处理流程，设计的算法需要的处理时间短、处理效率高，并且通过深度卷积神经网络模型对当前染色体图像连通域图像块中的染色体进行判断，准确率高，不需要人工参与，实现了全自动识别染色体散型图像中的染色体。本发明还公开了一种染色体散型图像自动分割识别装置，具有与上述染色体散型图像自动分割识别系统相同的有益效果。
-
公开(公告)号：CN113643306A
公开(公告)日：2021-11-12
申请号：CN202110939327.5
申请日：2021-08-16
Applicant: 中国科学院长春光学精密机械与物理研究所 , 吉林大学第一医院
Abstract: 本发明提供了一种染色体散型图像自动分割方法，包括：S1、获取染色体散型图像的连通域二值化图像；S2、对连通域二值化图像进行分割，得到染色体散型图像的连通域图像；S3、对连通域图像进行二分类，分离出黏连染色体图像和单条染色体图像；S4、将分离出的黏连染色体图像输入深度学习分割网络预训练模型中进行二次分割，得到染色体核型图像。本发明相对于现有的染色体散型图像分割方法，先使用传统算法实现大部分染色体的分割，再使用图像二分类进一步对分类结果是黏连染色体再次分割，实现染色体分割的多级精细操作，分割过程更加稳定，同时本发明的分割方法只需要标注黏连的染色体，不需要标注大量数据，节约了人工标注成本。
-
公开(公告)号：CN113005077A
公开(公告)日：2021-06-22
申请号：CN202110293852.4
申请日：2021-03-19
Applicant: 吉林大学第一医院
Abstract: 本发明提供的一种体外睾丸组织活体单精子悬液的制备方法，包括：组织预处理、组织切割、寻找活动精子、组织培养、分离组织、提取、配制悬液等步骤，本发明操作步骤简单明确易操作，减少外界污染的机会，可以高效解决现有技术中对睾丸组织切割不充分和睾丸组织浪费的问题，减少精子损失，增加获得单个活动精子的机会，对患者精子研究和临床辅助生育治疗极其重要。
-
Patent Agency Ranking
公开(公告)号：CN108877949B
公开(公告)日：2021-04-27
申请号：CN201810592920.5
申请日：2018-06-11
Applicant: 吉林大学
Abstract: 本发明涉及一种基于孤立森林算法和投票机制的唐氏综合症筛查方法，该方法包括下述步骤：数据预处理：将多条样本加入数据集；划分数据集，得到A训练集和B训练集，进一步交叉划分A训练集，得到多个训练子集：训练得到多个孤立森林模型及其对应的异常度得分阈值；对B训练集中的样本投票得到每个样本的所得票数：获得预判决阈值以及B训练集中的每条样本的预判决结果；使用训练支持向量机SVM模型进行最终判决。本发明能够提高异常的检出率，降低误诊率。
-
公开(公告)号：CN111986183A
公开(公告)日：2020-11-24
申请号：CN202010864918.6
申请日：2020-08-25
Applicant: 中国科学院长春光学精密机械与物理研究所 , 吉林大学第一医院
Abstract: 本发明公开了一种染色体散型图像自动分割识别系统，通过第一确定单元对第一获取单元获取到的当前染色体散型图像进行分割，得到当前染色体图像连通域图像块，并通过分类单元将当前染色体图像连通域图像块输入至深度卷积神经网络模型中，得到染色体分类结果。本系统将第一确定单元的分割过程和分类单元的分类过程结合为一个完整的处理流程，设计的算法需要的处理时间短、处理效率高，并且通过深度卷积神经网络模型对当前染色体图像连通域图像块中的染色体进行判断，准确率高，不需要人工参与，实现了全自动识别染色体散型图像中的染色体。本发明还公开了一种染色体散型图像自动分割识别装置，具有与上述染色体散型图像自动分割识别系统相同的有益效果。
-
公开(公告)号：CN108847285A
公开(公告)日：2018-11-20
申请号：CN201810436034.3
申请日：2018-05-09
Applicant: 吉林大学
Abstract: 本发明涉及一种基于机器学习的孕前期及孕中期唐氏综合征筛查方法，该方法包括如下步骤：选择孕妇中孕期唐氏筛查结果数据中的ns个字段作为训练特征；将Ns条样本加入数据集A；对数据集A内的样本进行预处理，使少数类集合与多数类集合中的样本数目达到均衡，获得合成数据集；将合成数据集中的样本进行处理获得胎儿是否患有唐氏综合征的预测模型，利用预测模型对测试样本进行预测得到预测结果。本发明避免了人为划分指标阈值的过程，减轻了人力资源，能够取得较高的准确率和较低的假阳性率。
-
公开(公告)号：CN214984234U
公开(公告)日：2021-12-03
申请号：CN202121412311.0
申请日：2021-06-24
Applicant: 吉林大学第一医院 , 长春新产业光电技术有限公司
IPC: B41J2/435 , B41J3/407 , B41J3/01 , B41J29/393 , B41J29/377 , G01N1/36
Abstract: 本实用新型涉及一种病理包埋盒打号机，包括架体、激光发生器、扫描头、聚焦镜、工作台、储料盒、第一推料装置、滑道、第二推料装置、坡道、回收盒，所述的激光发生器设在架体的底板上，扫描头设在架体上部，聚焦镜安装在扫描头上，所述的工作台设在架体中部，储料盒竖直设在工作台上层，第一推料装置位于储料盒下端出口处；滑道和第二推料装置设在工作台下层，滑道的上料端位于扫描头镜头正下方；所述的坡道连接在储料盒的下端出口与滑道的上料端之间；回收盒设在底板上，位于滑道的出料口下方。本实用新型在包埋盒上常温或低温下的标识清晰、永久不脱落，可以在包埋盒侧边狭小的位置上进行打号，效率高、无污染，节省人力物力，适合推广使用。
-
公开(公告)号：CN211387350U
公开(公告)日：2020-09-01
申请号：CN201921920549.7
申请日：2019-11-08
Applicant: 长春新产业光电技术有限公司 , 吉林大学第一医院
IPC: B23K26/362 , B23K26/00
Abstract: 本实用新型提供一种医用激光标记仪，包括：激光模组、脉冲式运动控制卡、二维扫描头、聚焦镜、散热风扇、运动模组、防呆工装、底座、光电开关、伺服电机和伺服驱动器；激光模组安装在底座上，脉冲式运动控制卡安装在激光模组外壳体上，二维扫描头通过支架安装在底座上，聚焦镜安装在二维扫描头上，二维扫描头下方的支架上固连有散热风扇，运动模组固连在二维扫描头下方的底座上，防呆工装安装在运动模组的滑块上，光电开关安装在滑块的一侧，本实用新型的优点是：选用无耗材无污染的激光作为光源，并适用于标记生殖实验室耗材材料，经聚焦镜聚焦在材料表面，刻出输入的患者信息和日期，并设计专用的防呆工装，实现耗材上永久清晰的快速标识。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
