-
公开(公告)号：CN116503667A
公开(公告)日：2023-07-28
申请号：CN202310553837.8
申请日：2023-05-16
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00 , G16H50/20
Abstract: 本发明公开了一种肝细胞癌CD34免疫组化图像识别与微血管密度计算方法，针对人工方法诊断过程复杂、费时费力、依靠长时间的诊断经验的问题，为了更全面的评估肝细胞癌患者的患病程度，指导接下来的治疗，本发明采用深度学习网络对图像进行二分类，其泛化能力强，鲁棒性高；生成的概率热图直观反应了模型识别结果；微血管密度的计算的可解释性强，简单方便，易于医生操作调整。
-
公开(公告)号：CN115546605A
公开(公告)日：2022-12-30
申请号：CN202211131103.2
申请日：2022-09-16
Applicant: 安徽省立医院(中国科学技术大学附属第一医院) , 中国人民解放军陆军军医大学第一附属医院
Abstract: 本发明提供了一种基于图像标注和分割模型的训练方法及装置，包括以下步骤：获取样本图像，对照连续切片的免疫组织化学染色配准图像标注得到对应的的掩膜图像；将样本图像、掩膜图像作为一组训练样本，将样本图像按照不同染色空间的模板进行适应性色彩变换，基于多组训练样本对分割模型进行训练。本发明提供的技术方案改善了病理图像感兴趣目标难以精确标注的问题，提升标注效率和有效性，提高了算法对不同染色条件和扫描仪器产生的图像的泛化性，使用主动学习模式和迁移学习技术，使模型在小型数据集训练上达到良好的分割性能。
-
公开(公告)号：CN112011612A
公开(公告)日：2020-12-01
申请号：CN202010732353.6
申请日：2020-07-27
Applicant: 中国人民解放军陆军军医大学第一附属医院
IPC: C12Q1/6886 , C40B50/06 , C12Q1/6806 , C12N15/11 , G16B40/20 , G16B35/00 , G16H50/30
Abstract: 本发明涉及一种胶质瘤患者生存预测的预后分类的生物标志物，所述生物标志物为CALR、KPNA2、HDAC3、NDC1、SP100、BCCIP和DDX25这七种基因，并建立检测这七种基因表达值来对胶质瘤患者生存预测的预后分类的试剂盒，还提供合成cDNA所需正向和/或反向引物，所述引物序列如SEQ ID No.1-SEQ ID No.14所示。将来自生存预测的胶质瘤患者样本中所述七种基因表达值转换为胶质瘤患者的核转运风险评分，再根据胶质瘤患者的核转运风险评分对待测胶质瘤患者生存预测进行预后分类。
-
公开(公告)号：CN118085105A
公开(公告)日：2024-05-28
申请号：CN202410086991.3
申请日：2024-01-22
Applicant: 中国人民解放军陆军军医大学第一附属医院
Abstract: 本发明提供了一种融合蛋白及其制备方法和用途，该融合蛋白名为MDMP‑Fc融合蛋白，其氨基酸序列为SEQ ID NO:1；该融合蛋白被设计到由真核细胞表达并经纯化获得，其特点是可同时识别革兰阴性细菌并与巨噬细胞Fc受体结合，增强机体天然免疫细胞对细菌的调理吞噬作用，从而实现对细菌的捕获和杀伤，具有成为治疗细菌感染性疾病的新型抗菌药物的应用价值。
-
公开(公告)号：CN115910290A
公开(公告)日：2023-04-04
申请号：CN202211296357.X
申请日：2022-10-21
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 北京知见生命科技有限公司 , 重庆知见生命科技有限公司
IPC: G16H30/20 , G16H30/40 , G06V30/41 , G06V30/148 , G06V30/164 , G06V30/18
Abstract: 本发明属于数据处理技术领域，公开了一种全景病理扫描图像管理方法及装置、设备、存储介质，通过对标签图中识别码所位于的矩形区域图进行扫描获得扫描信息，对标签图中除了矩形区域图之外的剩余区域图进行文字识别获得标签信息，将标签信息与扫描信息进行合并去重，获得目标信息；可以进一步提高对全景病理扫描图像中标签的识别准确率；同时通过接收用户输入的多个医院代码，调取与各个医院代码对应的命名规则对目标信息进行重命名，获得多个文件名，再根据多个文件名将全景病理扫描图像存储为多个图像文件，从而可以基于不同医院的个性化命名需求，对全景病理扫描图像进行重命名，方便后续的归类和检索，使得管理方法更加标准化和多样化。
-
Patent Agency Ranking
公开(公告)号：CN113694203A
公开(公告)日：2021-11-26
申请号：CN202110921362.4
申请日：2021-08-11
Applicant: 中国人民解放军陆军军医大学第一附属医院
IPC: A61K45/06 , A61K31/496 , A61K31/4188 , A61P35/00
Abstract: 本发明涉及EZH2抑制剂新的药物用途，涉及EZH2抑制剂在制备抵抗替莫唑胺(Temozolomide,TMZ)耐药性药物中的应用。以及EZH2抑制剂在制备提高胶质瘤细胞对TMZ敏感性药物中的应用。本发明通过大量一系列的体内外功能实验发现HOXA5表达与TMZ的IC50值呈显著正相关，研发了HOXA5在胶质瘤干细胞调控及TMZ耐药性产生过程中的作用。证明使用EZH2抑制剂GSK343可以部分回复由HOXA5过表达所引起的肿瘤细胞抵抗TMZ的杀伤作用，也可以使用EZH2抑制剂提高胶质瘤细胞对TMZ的敏感性，EZH2抑制剂可以作为TMZ耐药患者的联合用药选择。
-
公开(公告)号：CN119162300A
公开(公告)日：2024-12-20
申请号：CN202411288018.6
申请日：2024-09-12
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 中国人民武装警察部队重庆市总队医院
IPC: C12Q1/6883 , G01N33/68 , G16B25/00
Abstract: 本发明属于生物医学技术领域，具体涉及一种用于预测肺纤维化程度及预后情况的标志物、模型及应用。本发明首先提供了一种用于预测肺纤维化程度和/或评估肺纤维化预后的标志物，其包括CD163、DNAJB11、EIF6、ITGAX、REEP5、RNASE3、SFTPB和/或TIMM8B。然后基于该标志物，利用IPF表达数据和预后数据进行单因素COX、LASSO和多因素COX回归分析建立了肺纤维化预后风险预测模型。该肺纤维化预后风险预测模型具有良好的预测效能，可为新突发传染病及病毒性肺炎的肺纤维化程度做预后评估，并辅助临床识别潜在的重症患者，进一步为更精准、个性化的制定治疗策略提供帮助。
-
公开(公告)号：CN115457069A
公开(公告)日：2022-12-09
申请号：CN202211128481.5
申请日：2022-09-16
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 安徽省立医院(中国科学技术大学附属第一医院)
Abstract: 本发明提供一种基于图像的特征提取和预后模型建立方法及装置，用于判断胶质瘤的预后情况。通过深度学习算法分割出病理切片H&E染色数字图像上的微血管，通过分水岭算法分割出微血管内部的细胞核，以病理组学方法计算出微血管的特征。通过机器学习方法挑选与患者预后相关的特征，构建所述特征与肿瘤患者实际生存情况的关系模型。本发明提供了患者关键图像区域选择和特征提取的自动化方案，通过机器学习方法遴选组合出对患者预后评估有益的特征集。
-
公开(公告)号：CN115082909A
公开(公告)日：2022-09-20
申请号：CN202111296412.0
申请日：2021-11-03
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 重庆知见生命科技有限公司 , 北京知见生命科技有限公司 , 任菲
Abstract: 本发明提出一种肺部病变识别方法及系统。通过目标检测和实例分割算法对肺部医学影像中的磨玻璃区域和支气管伴扩张区域进行检测，从而用于肺部病变的识别。本方法使用多尺度多深度的卷积神经网络结构提取肺部医学影像的基础视觉特征，通过特征金字塔网络来融合不同尺度和深度的特征。通过病变候选区域识别网络来提取可能是目标的区域的特征，同时过滤掉无用的背景信息。然后将提取出的目标区域特征通过分类头网络，检测头网络以及分割头网络得到检测分割的结果，最后通过非极大值抑制后处理得到最终预测结果。整体网络结构采用端到端的多任务模型，使得网络可以有效的学习医学影像的特征信息，增强算法的鲁棒性和泛化能力。
-
公开(公告)号：CN112011612B
公开(公告)日：2022-06-07
申请号：CN202010732353.6
申请日：2020-07-27
Applicant: 中国人民解放军陆军军医大学第一附属医院
IPC: C12Q1/6886 , C40B50/06 , C12Q1/6806 , C12N15/11 , G16B40/20 , G16B35/00 , G16H50/30
Abstract: 本发明涉及一种胶质瘤患者生存预测的预后分类的生物标志物，所述生物标志物为CALR、KPNA2、HDAC3、NDC1、SP100、BCCIP和DDX25这七种基因，并建立检测这七种基因表达值来对胶质瘤患者生存预测的预后分类的试剂盒，还提供合成cDNA所需正向和/或反向引物，所述引物序列如SEQ ID No.1‑SEQ ID No.14所示。将来自生存预测的胶质瘤患者样本中所述七种基因表达值转换为胶质瘤患者的核转运风险评分，再根据胶质瘤患者的核转运风险评分对待测胶质瘤患者生存预测进行预后分类。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.044 seconds)
