-
公开(公告)号：CN107064513A
公开(公告)日：2017-08-18
申请号：CN201710045397.X
申请日：2017-01-22
Applicant: 中国科学院自动化研究所
IPC: G01N33/577 , G01N33/574 , G01N33/533
CPC classification number: G01N33/577 , G01N33/533 , G01N33/574 , G01N33/57419 , G01N33/57423 , G01N33/57446
Abstract: 本发明公开了一种肿瘤诊断试剂盒。其是将Cetuximab用于肿瘤诊断的新用途而开发的试剂盒，通过细胞及动物实验验证，发现对cetuximab进行一定荧光标记后具有食管癌、结直肠癌以及肺癌等早期检测的功效，实现旧药新用。
-
公开(公告)号：CN109447185A
公开(公告)日：2019-03-08
申请号：CN201811441094.0
申请日：2018-11-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于深度学习的显微荧光图像分类方法，该方法包括如下步骤：利用不同肿瘤细胞系构建生物体肿瘤模型；对生物体肿瘤模型静脉注射吲哚菁绿，切除肿瘤做冰冻切片；利用荧光显微镜采集冰冻切片的显微荧光图像；预处理显微荧光图像；搭建卷积神经网络；利用卷积神经网络实现显微荧光图像的分类。本发明提出的基于深度学习的肝癌显微荧光图像分类方法，无需对冰冻切片做复杂的染色操作，因此可以减免染色过程带来的时间和金钱成本。
-
公开(公告)号：CN109658463B
公开(公告)日：2021-07-09
申请号：CN201811441093.6
申请日：2018-11-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于非局部全变分规则化的激发荧光断层成像方法，该方法包括如下步骤：基于扩散方程和有限元方法，构建激发荧光断层成像逆问题；在逆问题中加入非局部全变分规则化约束条件；利用分裂Bregman方法迭代求解逆问题；构建生物体肿瘤原位模型，采集注射荧光探针后的荧光数据和断层数据；利用重建算法处理生物体的数据，获得荧光探针在生物体肿瘤区域的形态学分布。本发明提出了非局部全变分规则化方法，实现了准确的FMT形态学重建，解决了FMT重建的过光滑和信背比低的问题，提高了FMT重建的鲁棒性和信背比。
-
公开(公告)号：CN109615673B
公开(公告)日：2021-01-05
申请号：CN201811404727.0
申请日：2018-11-22
Applicant: 中国科学院自动化研究所
Abstract: 本公开提供了一种基于自适应高斯拉普拉斯规则化的FMT重建方法及装置，其中FMT重建方法包括：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针一时间段内的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。本公开实现了准确的FMT形态学重建，解决了FMT重建的过光滑问题，提高了FMT重建的信背比和鲁棒性，提高了FMT形态学重建的准确度。
-
公开(公告)号：CN106384350B
公开(公告)日：2019-06-07
申请号：CN201610861004.8
申请日：2016-09-28
Applicant: 中国科学院自动化研究所
IPC: G06T7/33
Abstract: 本发明公开了一种基于CUDA加速的神经元活动图像动态配准方法，包括：对输入图像做均值拉伸处理，得到均值拉伸处理后的图像；利用傅里叶变换计算均值拉伸处理后的图像整体的平移量；利用所述平移量和模板图像对均值拉伸处理后的图像做刚性变换，得到第一次刚性变换后的图像；将第一次刚性变换后的图像和模板图像分成若干个小块区域，利用傅里叶变换计算每个小块区域的平移量；利用所述小块区域的平移量计算第一次刚性变换后的图像中每个像素点的平移量，并利用平移量和模板图像更新所述第一次刚性变换后的图像中的每个像素点，得到配准图像。本发明基于CUDA架构实现神经元活动图像配准的并行加速计算，实现神经元活动图像的实时配准。
-
Patent Agency Ranking
公开(公告)号：CN109658463A
公开(公告)日：2019-04-19
申请号：CN201811441093.6
申请日：2018-11-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于非局部全变分规则化的激发荧光断层成像方法，该方法包括如下步骤：基于扩散方程和有限元方法，构建激发荧光断层成像逆问题；在逆问题中加入非局部全变分规则化约束条件；利用分裂Bregman方法迭代求解逆问题；构建生物体肿瘤原位模型，采集注射荧光探针后的荧光数据和断层数据；利用重建算法处理生物体的数据，获得荧光探针在生物体肿瘤区域的形态学分布。本发明提出了非局部全变分规则化方法，实现了准确的FMT形态学重建，解决了FMT重建的过光滑和信背比低的问题，提高了FMT重建的鲁棒性和信背比。
-
公开(公告)号：CN110974166B
公开(公告)日：2021-03-12
申请号：CN201911259864.4
申请日：2019-12-10
Applicant: 中国科学院自动化研究所
IPC: A61B5/00
Abstract: 本发明属于数字图像领域，具体涉及一种基于K近邻局部连接网络的光学断层成像方法、系统，旨在为了解决现有FMT成像的重建精度和成像速度不能兼顾的问题。本发明包括：利用蒙特卡洛仿真构建第一样本；利用第一样本，通过样本组合的方式实现训练样本集的扩充；对所搭建的K近邻局部连接网络，利用训练样本集训练，利用残差学习优化局部连接子网络；利用训练好的K近邻局部连接网络进行基于目标物外表荧光图像进行内部光源重建。本发明基于数据驱动的神经网络方法，直接学习光子在生物体内部的逆向传播过程，实现了准确而快速的激发荧光断层成像。
-
公开(公告)号：CN106840811A
公开(公告)日：2017-06-13
申请号：CN201710045429.6
申请日：2017-01-22
Applicant: 中国科学院自动化研究所
IPC: G01N1/30
CPC classification number: G01N1/30
Abstract: 本发明公开了一种肿瘤组织体外病理染色试剂盒。其是将Cetuximab用于肿瘤组织体外病理染色的新用途而开发的试剂盒，通过实验验证，发现对Cetuximab进行一定荧光标记后用于肿瘤组织体外病理染色，可以将正常组织与肿瘤组织进行很好的区分，在一定程度上可区分高分化和低分化的肿瘤组织，可以用作肿瘤检测，实现旧药新用。
-
公开(公告)号：CN110974166A
公开(公告)日：2020-04-10
申请号：CN201911259864.4
申请日：2019-12-10
Applicant: 中国科学院自动化研究所
IPC: A61B5/00
Abstract: 本发明属于数字图像领域，具体涉及一种基于K近邻局部连接网络的光学断层成像方法、系统，旨在为了解决现有FMT成像的重建精度和成像速度不能兼顾的问题。本发明包括：利用蒙特卡洛仿真构建第一样本；利用第一样本，通过样本组合的方式实现训练样本集的扩充；对所搭建的K近邻局部连接网络，利用训练样本集训练，利用残差学习优化局部连接子网络；利用训练好的K近邻局部连接网络进行基于目标物外表荧光图像进行内部光源重建。本发明基于数据驱动的神经网络方法，直接学习光子在生物体内部的逆向传播过程，实现了准确而快速的激发荧光断层成像。
-
公开(公告)号：CN109615673A
公开(公告)日：2019-04-12
申请号：CN201811404727.0
申请日：2018-11-22
Applicant: 中国科学院自动化研究所
Abstract: 本公开提供了一种基于自适应高斯拉普拉斯规则化的FMT重建方法及装置，其中FMT重建方法包括：步骤S100：基于扩散方程和有限元模型转换，建立激发荧光断层成像逆问题；步骤S200：在步骤S100建立的逆问题中，加入自适应的高斯拉普拉斯规则化约束条件；步骤S300：利用共轭梯度方法迭代求解逆问题；步骤S400：合成靶向性的荧光探针；步骤S500：构建小鼠脑胶质瘤原位模型，捕获注射探针一时间段内的荧光数据，获得荧光探针在脑胶质瘤区域的形态学分布。本公开实现了准确的FMT形态学重建，解决了FMT重建的过光滑问题，提高了FMT重建的信背比和鲁棒性，提高了FMT形态学重建的准确度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.027 seconds)
