-
公开(公告)号：CN119464444A
公开(公告)日：2025-02-18
申请号：CN202411887897.4
申请日：2024-12-20
Applicant: 南昌大学第二附属医院
Abstract: 本发明涉及一种快速鉴定产碳青霉烯酶肠杆菌目细菌菌血症碳青霉烯酶酶型的试剂盒及应用，涉及生物检测技术领域。所述试剂盒包括亚胺培南，和阿维巴坦钠、瑞莱巴坦、2，6‑吡啶二羧酸中的任意一种。与现有的传统技术相比较，本发明检测产碳青霉烯酶肠杆菌目细菌菌血症碳青霉烯酶酶型具有速度快、准确率高、干扰因素少及成本低(＜1美元)等优点，能够显著提高产碳青霉烯酶肠杆菌目细菌菌血症患者的生存率，缩短住院时间，减少住院费用，具有极大的经济及社会效益。
-
Patent Agency Ranking
公开(公告)号：CN119395164A
公开(公告)日：2025-02-07
申请号：CN202411332620.5
申请日：2024-09-24
Applicant: 南昌大学第二附属医院
Abstract: 本发明涉及一种用于检测产超广谱β‑内酰胺酶大肠埃希菌菌血症的有机代谢标志物及其应用，涉及临床检测和生物检测领域，所述的有机代谢标志物由大肠埃希菌产的超广谱β‑内酰胺酶水解头孢噻肟得到。相比于现有传统ESBL‑EC菌血症的检测方法，需要过夜培养获得纯菌落，检测过程耗时过长；而本发明采用的是物理检测方法，从ESBL‑EC产生的ESBL水解头孢噻肟过程中释放的气体中发现的一类分子标志物作为靶标，进而实现快速鉴定ESBL‑EC。因此，本发明能够及早并高效准确地检出由ESBL‑EC引起的血流感染，进而提高ESBL‑EC血流感染患者的生存率，缩短住院时间，减少住院费用，具有极大的经济及社会效益。
-
公开(公告)号：CN118247784B
公开(公告)日：2024-08-06
申请号：CN202410666582.0
申请日：2024-05-28
Applicant: 南昌大学第二附属医院
Abstract: 本发明公开了一种基于深度卷积神经网络的隐球菌图像识别方法，包括：针对隐球菌图像构建基于YOLOv5的Input‑Backbone‑Neck‑Head‑Output的深度卷积神经网络基准模型；设计可变形卷积神经网络框架与空间金字塔池化特征方法对图像特征进行多尺度池化操作；通过特征金字塔网络与像素聚集网络传递多尺度深层与浅层特征，设计文本增强架构实现多尺度特征自适应融合；设计动态头提取隐球菌动态特征；设计模型失真度驱动的剪枝技术进行轻量化设计；输出隐球菌图像识别结果。本发明通过多尺度特征提取与融合网络架构显著地提高了特征提取精度与能力，并设计网络剪枝技术与动态头提高预测速度与适应性，针对隐球菌图像特征所呈现的多尺度形态与边界特征的识别精度高、识别效率高。
-
公开(公告)号：CN118521572A
公开(公告)日：2024-08-20
申请号：CN202410963272.5
申请日：2024-07-18
Applicant: 南昌大学第二附属医院
IPC: G06T7/00 , G06V20/69 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于数据增强DETR的隐球菌识别方法及系统，该方法通过针对隐球菌图像特征构建DETR模型，DETR模型包括依次连接的输入层、骨干层、编码层、解码层以及输出层；将初始训练集中的图像数据输入DETR模型中，进行训练，得到目标DETR模型；获取待识别图像，将待识别图像预处理后，输入目标DETR模型中，输出识别结果，具体的，分别设计基于幅度信息扰动的数据增强技术以及基于三通道像素区域随机扰动的数据增强技术来产生大量表达隐球菌图像核心特点的图像，以扩增隐球菌图像数据集，在此基础上，可变形的轻量级DETR模型加快针对图像信息的识别速度与识别精度。
-
公开(公告)号：CN118521572B
公开(公告)日：2024-09-20
申请号：CN202410963272.5
申请日：2024-07-18
Applicant: 南昌大学第二附属医院
IPC: G06T7/00 , G06V20/69 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于数据增强DETR的隐球菌识别方法及系统，该方法通过针对隐球菌图像特征构建DETR模型，DETR模型包括依次连接的输入层、骨干层、编码层、解码层以及输出层；将初始训练集中的图像数据输入DETR模型中，进行训练，得到目标DETR模型；获取待识别图像，将待识别图像预处理后，输入目标DETR模型中，输出识别结果，具体的，分别设计基于幅度信息扰动的数据增强技术以及基于三通道像素区域随机扰动的数据增强技术来产生大量表达隐球菌图像核心特点的图像，以扩增隐球菌图像数据集，在此基础上，可变形的轻量级DETR模型加快针对图像信息的识别速度与识别精度。
-
公开(公告)号：CN118247784A
公开(公告)日：2024-06-25
申请号：CN202410666582.0
申请日：2024-05-28
Applicant: 南昌大学第二附属医院
Abstract: 本发明公开了一种基于深度卷积神经网络的隐球菌图像识别方法，包括：针对隐球菌图像构建基于YOLOv5的Input‑Backbone‑Neck‑Head‑Output的深度卷积神经网络基准模型；设计可变形卷积神经网络框架与空间金字塔池化特征方法对图像特征进行多尺度池化操作；通过特征金字塔网络与像素聚集网络传递多尺度深层与浅层特征，设计文本增强架构实现多尺度特征自适应融合；设计动态头提取隐球菌动态特征；设计模型失真度驱动的剪枝技术进行轻量化设计；输出隐球菌图像识别结果。本发明通过多尺度特征提取与融合网络架构显著地提高了特征提取精度与能力，并设计网络剪枝技术与动态头提高预测速度与适应性，针对隐球菌图像特征所呈现的多尺度形态与边界特征的识别精度高、识别效率高。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
