-
公开(公告)号：CN116580396B
公开(公告)日：2023-09-22
申请号：CN202310851584.2
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: G06V20/69 , G06V10/22 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种细胞水平识别方法、装置、设备及存储介质，该方法包括：对输入细胞图像进行卷积，得到一阶特征图并加入特征图集合；当特征图集合中特征图的数量小于预设值时，从特征图集合中获取n阶特征图，对n阶特征图进行卷积和/或池化后，得到n+1阶特征图并加入特征图集合，将n的值加一，其中，n初始值为1；当特征图集合中特征图的数量达到预设值时，根据预设注意力机制对特征图集合中的特征图进行注意力过滤，得到注意力过滤后的特征图；基于特征图进行细胞的定位和分类。注意力模块对提取的多个特征进行融合，提升模型在图像识别方面的准确性。解决了现有的细胞水平图像识别的方法信息利用不充分，易出现小尺寸细胞漏检的技术问题。
-
公开(公告)号：CN116596954A
公开(公告)日：2023-08-15
申请号：CN202310851591.2
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
Abstract: 本发明涉及图像分割技术领域，公开了一种病变细胞图像分割方法、装置、设备及存储介质，该方法包括：增强高斯降噪处理后病变细胞图像的对比度，获得待分割病变细胞图像；根据待分割病变细胞图像的轮廓信息绘制待分割病变细胞图像的对比度曲线，并根据对比度曲线提取待分割病变细胞图像的轮廓特征点；根据轮廓特征点确定轮廓特征点的分割率，并根据分割率确定待分割病变细胞图像的分割点；根据分割点对待分割病变细胞图像进行边缘检测，并根据检测结果确定连通域；对连通域的连通阈值进行叠加，获得分割的病变细胞图像。本发明根据轮廓特征点、分割率和分割点等对细胞图像进行分割从而解决图像中细胞重叠和粘连等问题，提高图像分割的精确度。
-
公开(公告)号：CN116580397A
公开(公告)日：2023-08-11
申请号：CN202310851588.0
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
Abstract: 本发明涉及计算机医学应用技术领域，公开了一种病理图像识别方法、装置、设备及存储介质，该方法包括：将病理图像进行灰度处理，将灰度处理后的病理图像进行二值化处理，获得二值图像；对二值图像进行去噪，生成预处理病理图像；对预处理病理图像进行特征提取，获得特征区图；识别特征区图中是否存在目标病理特征，并将存在目标病理特征的区域确认为病理区域；将病理区域映射到特征区图，获得病理区域对应特征；对病理区域对应特征进行分类，获得特征类别；获取病理区域的定位数据；根据特征类别和定位数据生成病理图像的识别结果。本发明通过对预处理后的病理图像进行特征识别、分类以及定位，能够进一步提高病理医生的诊断效率和准确率。
-
公开(公告)号：CN116580396A
公开(公告)日：2023-08-11
申请号：CN202310851584.2
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: G06V20/69 , G06V10/22 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种细胞水平识别方法、装置、设备及存储介质，该方法包括：对输入细胞图像进行卷积，得到一阶特征图并加入特征图集合；当特征图集合中特征图的数量小于预设值时，从特征图集合中获取n阶特征图，对n阶特征图进行卷积和/或池化后，得到n+1阶特征图并加入特征图集合，将n的值加一，其中，n初始值为1；当特征图集合中特征图的数量达到预设值时，根据预设注意力机制对特征图集合中的特征图进行注意力过滤，得到注意力过滤后的特征图；基于特征图进行细胞的定位和分类。注意力模块对提取的多个特征进行融合，提升模型在图像识别方面的准确性。解决了现有的细胞水平图像识别的方法信息利用不充分，易出现小尺寸细胞漏检的技术问题。
-
公开(公告)号：CN116580216A
公开(公告)日：2023-08-11
申请号：CN202310851594.6
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: G06V10/75 , G06V10/762 , G06V10/764 , G06V10/774 , G06V20/69 , G06T7/11 , G06T7/12 , G06T7/13 , G06T7/187 , G06N5/01
Abstract: 本发明涉及图像匹配技术领域，公开了一种病理图像匹配方法、装置、设备及存储介质，该方法包括：确定病理图像中各像素点相邻区域的像素信息，并映射像素信息，获得映射病理图像；对映射病理图像进行形状拟合，并对拟合后病理图像的连接区域和边界区域进行图像分割；根据分割后病理图像的像素点确定像素矩阵，并卷积像素矩阵更新像素点的灰度值；对更新后灰度值进行特征筛选确定病理特征图像，并根据多类别分类器对病理特征图像进行匹配。本发明对映射病理图像进行图像分割便于进行匹配，根据分割后病理图像卷积更新像素点的灰度值，根据灰度值确定病理特征图像并根据分类器对病理特征图像进行匹配，从而减少误诊情况，提高工作效率和匹配精确度。
-
Patent Agency Ranking
公开(公告)号：CN116564556A
公开(公告)日：2023-08-08
申请号：CN202310851590.8
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: G16H70/40 , G16H70/60 , G16H30/20 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明涉及模型预测技术领域，公开一种药物不良反应的预测方法、装置、设备及存储介质，该方法包括：基于ResNet构建初始化预测模型，获取服用目标药物的患者的相关病理图像，对相关病理图像进行切分，获得相关病理图像块，对相关病理图像块进行随机抽样，将抽样获取的相关病理图像块作为第一训练集，基于第一训练集训练初始化预测模型，获得目标药物的不良反应预测模型，将当前用户的病理图像输入至目标药物的不良反应预测模型，获得目标药物的不良反应预测结果。由于本发明是根据模型来预测药物的不良反应，能够考虑到不同用户进行区别预测，并采用抽样后相关病理图像块作为训练集，能够提高模型预测的准确性，使预测结果具有可解释性。
-
公开(公告)号：CN113450870A
公开(公告)日：2021-09-28
申请号：CN202110656718.6
申请日：2021-06-11
Applicant: 北京大学
Abstract: 本发明涉及一种药物与靶点蛋白的匹配方法及系统，属于药物研发技术领域，解决了现有技术中药物与靶点蛋白匹配难度大、计算量大且准确度低的问题。该方法包括，获取多组样本训练集；对样本训练集中药物靶点蛋白对中药物和靶点蛋白的特征向量进行编码、解码并获得损失函数，进而获得优化好的栈式自编码网络；获取样本训练集中药物靶点蛋白对中药物、靶点蛋白的深度表征向量，并获得深度神经网络的损失函数，进而获得优化好的深度神经网络，以获得优化好的匹配模型；用该匹配模型预测待匹配药物和待匹配靶点蛋白是否匹配，该方法通过对药物、靶点蛋白的特征进行降维并经深度神经网络进行匹配，减少了计算量，提高了匹配精度，有利于新药的快速研发。
-
公开(公告)号：CN119377619A
公开(公告)日：2025-01-28
申请号：CN202411961096.8
申请日：2024-12-30
Applicant: 北京大学
Inventor： 侯艳
Abstract: 本申请公开了一种多源生物标志物数据的分析方法及系统，涉及数据分析技术领域，该方法包括：获取待分析生物标志物对应的多源生物标志物数据，多源生物标志物数据包括生物样本的局部测量数据和参考测量数据；根据局部测量数据和参考测量数据构建待分析生物标志物与目标疾病的关联表达模型；对关联表达模型基于贝叶斯方式进行求解，获得待分析生物标志物与目标疾病的关联分析结果。由于本申请中构建了一个描述局部测量数据、参考测量数据以及目标疾病关联关系的模型，并基于贝叶斯方式对该模型进行求解，能够精准地估计生物标志物与疾病关联的分析结果，无需依赖于复杂的假设，相较于现有方式更适用于临床试验场景对多源生物标志物的整合分析。
-
公开(公告)号：CN118213088A
公开(公告)日：2024-06-18
申请号：CN202410356198.0
申请日：2024-03-27
Applicant: 北京大学
IPC: G16H70/20
Abstract: 本发明公开了一种罕见病临床试验样本含量估算方法及系统，该方法包括：确定目标罕见病的疾病类型，并获取临床试验中对照组的治疗类型和试验组的治疗类型；基于疾病类型确定临床试验中各决策者对应的收益函数；根据对照组的治疗类型、试验组的治疗类型和各收益函数构建目标决策理论模型；通过目标决策理论模型估算目标罕见病的临床试验样本含量。由于本发明是基于目标罕见病的疾病类型确定临床试验中各决策者对应的收益函数，然后根据对照组的治疗类型、试验组的治疗类型和各收益函数构建目标决策理论模型，最后通过目标决策理论模型估算目标罕见病的临床试验样本含量，相比于现有技术，本发明有效提高了罕见病临床试验样本含量估算的准确率。
-
公开(公告)号：CN117809858A
公开(公告)日：2024-04-02
申请号：CN202410234401.7
申请日：2024-03-01
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
IPC: G16H50/70 , G16H10/60 , G06N3/0464 , G06N3/0455 , G16H50/30
Abstract: 本发明涉及医疗检测技术领域，公开了一种免疫治疗效果预测方法及装置，该方法包括：获取待预测患者对应的诊疗评效记录、人口学基线数据和时序化检查数据；对诊疗评效记录、人口学基线数据和时序化检查数据进行预设数据融合处理，获得时序化诊疗数据；将时序化诊疗数据输入至预设治疗效果预测模型，以确定待预测患者对应的免疫治疗效果预测结果；根据免疫治疗效果预测结果从待预测患者中确定目标治疗患者。本发明基于待预测患者的时序化诊疗数据确定免疫治疗效果预测结果，并根据免疫治疗效果预测结果从待预测患者中确定目标治疗患者，解决了现有技术中无法精准筛选出免疫治疗有效的患者，以减少不适合免疫治疗患者的开销的问题。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.021 seconds)
