-
公开(公告)号：CN109509189B
公开(公告)日：2023-05-23
申请号：CN201811348179.4
申请日：2018-11-13
Applicant: 复旦大学附属中山医院 , 复旦大学
Abstract: 本发明涉及一种基于多个子区域模板的腹部肌肉标注方法及标注装置，针对腹部肌肉区域范围较广、形状变化较大、且具有多样性的特点，根据腹部肌肉形状特征及解剖学意义，将腹部肌肉划分为4个子区域；收集标准标注数据构建标准的腹部肌肉标注数据库，同时根据构建的标准标注数据库，针对腹部肌肉的4个子区域，分别构建每个子区域的多个形状模板，形成形状模板库；基于上述标注数据库和形状模板库，采用多模板匹配的方法对腹部肌肉的4个子区域分别进行自动分割与标注；同时，本发明的标注方法和标注装置能够对结果进行查看和修正，对标注结果进行细化和修正；本发明的自动标注方法大大减轻了医生的日常工作负担，同时保证了医学数据标注的精确性。
-
公开(公告)号：CN109509189A
公开(公告)日：2019-03-22
申请号：CN201811348179.4
申请日：2018-11-13
Applicant: 复旦大学附属中山医院 , 复旦大学
Abstract: 本发明涉及一种基于多个子区域模板的腹部肌肉标注方法及标注装置，针对腹部肌肉区域范围较广、形状变化较大、且具有多样性的特点，根据腹部肌肉形状特征及解剖学意义，将腹部肌肉划分为4个子区域；收集标准标注数据构建标准的腹部肌肉标注数据库，同时根据构建的标准标注数据库，针对腹部肌肉的4个子区域，分别构建每个子区域的多个形状模板，形成形状模板库；基于上述标注数据库和形状模板库，采用多模板匹配的方法对腹部肌肉的4个子区域分别进行自动分割与标注；同时，本发明的标注方法和标注装置能够对结果进行查看和修正，对标注结果进行细化和修正；本发明的自动标注方法大大减轻了医生的日常工作负担，同时保证了医学数据标注的精确性。
-
公开(公告)号：CN102296105A
公开(公告)日：2011-12-28
申请号：CN201010212048.0
申请日：2010-06-25
Applicant: 复旦大学 , 复旦大学附属肿瘤医院
IPC: C12Q1/68
Abstract: 本发明属于分子生物学和医学领域。本发明提供了一种检测MLH1基因突变的方法：首先，获得样品中MLH1基因的启动区或者编码区的DNA序列或者氨基酸序列，然后与正常MLH1基因的相应序列对比确定样品中MLH1基因是否存在基因突变情况；所述的编码区是MLH1基因的第1号、第2号或者第19号外显子。本发明还提供了相应的检测MLH1基因突变的试剂盒以及该方法在确定遗传性非息肉性结直肠癌致病患者方面的应用。本发明的检测方法简便易行，成本低廉，高效快速，结果明了。可以大大减轻患者的负担，尽早排除非HNPCC患者，为结直肠癌患者的用药方案提供了参考。
-
公开(公告)号：CN116825291A
公开(公告)日：2023-09-29
申请号：CN202310760578.6
申请日：2023-06-26
Applicant: 复旦大学附属中山医院
IPC: G16H30/20 , G16H50/50 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种精准诊断肺腺癌气腔内播散的深度学习模型建立方法，其特征在于，包括以下步骤：获取用于模型训练的临床数据；对所获得的临床数据进行预处理并进行肺结节标注；建立机器学习模型；建立基于深度学习框架的AI模型；建立融合模型。本发明基于肺腺癌瘤体CT图像研究术前精准预测STAS，探讨CT图像与STAS之间的关联性；通过建立并对比传统机器学习模型、基于DL的AI模型以及融合模型，选择诊断效能最优、泛化性最佳的预测模型，构建基于CT图像高诊断效能的肺腺癌STAS术前预测模型，运用于真实世界临床实践及研究，为肺腺癌精准个体化治疗方案提供有价值的辅助决策支持。
-
公开(公告)号：CN112255335A
公开(公告)日：2021-01-22
申请号：CN202011037497.6
申请日：2020-09-28
Applicant: 复旦大学
Abstract: 本发明属于生物医药技术领域，具体为一种用于区分良性和恶性卵巢肿瘤的血浆代谢标志物及其应用。本发明提供了全新的用于区分良性和恶性（交界性+恶性）卵巢肿瘤的血浆诊断标志物组合，还可用于区分良性和早期恶性卵巢肿瘤（交界性+恶性），具有准确性高、灵敏度高的特点，训练集AUC分别达到0.876，验证集AUC为0.896。早期诊断训练集AUC为0.847，验证集AUC为0.988，优于CA125效果（AUC:训练集：0.733；验证集：0.893）。标志物组合属于血浆小分子代谢物，具有无创的优点。
-
Patent Agency Ranking
公开(公告)号：CN112255334A
公开(公告)日：2021-01-22
申请号：CN202011037472.6
申请日：2020-09-28
Applicant: 复旦大学
Abstract: 本发明属于生物医药技术领域，具体为一种用于区分交界性和恶性卵巢肿瘤的小分子标志物及其应用。本发明提供了全新的用于区分交界性和恶性卵巢肿瘤的尿液诊断标志物组合，具有准确性高、灵敏度高的特点，训练集AUC达到0.943，验证集AUC为0.836，优于CA125效果（AUC:训练集：0.830；验证集：0.807）。尿液诊断标志物组合属于尿液小分子代谢物，具有无创的优点。
-
公开(公告)号：CN112255333A
公开(公告)日：2021-01-22
申请号：CN202011037452.9
申请日：2020-09-28
Applicant: 复旦大学
Abstract: 本发明属于生物医药技术领域，具体为一种卵巢肿瘤尿液代谢标志物及其应用。本发明提供了全新的用于诊断、区分卵巢肿瘤患者和健康人的标志物组合，具有准确性高、灵敏度高的特点，训练集AUC达到0.987，验证集AUC分别为0.984，都优于CA125效果（AUC:训练集：0.965；验证集：0.978）。标志物组合属于尿液小分子代谢物，具有无创的优点。
-
公开(公告)号：CN115171905B
公开(公告)日：2023-04-07
申请号：CN202210695043.0
申请日：2022-06-20
Applicant: 复旦大学
IPC: G16H50/70 , G16H10/60 , G06F18/23213
Abstract: 本发明公开了一种基于独热编码无监督聚类的肿瘤患者相似性计算方法；该方法首先将临床数据的各个观测指标统一采用one‑hot编码，获得特征嵌入矩阵；然后对特征嵌入矩阵进行KMeans无监督聚类，生成患者相似度网络（PSN）；再基于肿瘤患者总生存期（OS）进行临床结局相关性分析，并检验评估这些不同聚类分组后病人生存曲线的统计学差异，获得临床结局高度相关的cPSN；最后对于一个待评估的目标肿瘤患者，使用KNN算法在cPSN中获取一组与目标患者最相似的患者，通过调节K值选定目标患者的范围和精细度。本发明方法能克服多模态医疗数据编码和整合困难、算法依赖医生标注的难题，构建cPSN有效地还原患者的相似性。
-
公开(公告)号：CN115171905A
公开(公告)日：2022-10-11
申请号：CN202210695043.0
申请日：2022-06-20
Applicant: 复旦大学
Abstract: 本发明公开了一种基于独热编码无监督聚类的肿瘤患者相似性计算方法；该方法首先将临床数据的各个观测指标统一采用one‑hot编码，获得特征嵌入矩阵；然后对特征嵌入矩阵进行KMeans无监督聚类，生成患者相似度网络（PSN）；再基于肿瘤患者总生存期（OS）进行临床结局相关性分析，并检验评估这些不同聚类分组后病人生存曲线的统计学差异，获得临床结局高度相关的cPSN；最后对于一个待评估的目标肿瘤患者，使用KNN算法在cPSN中获取一组与目标患者最相似的患者，通过调节K值选定目标患者的范围和精细度。本发明方法能克服多模态医疗数据编码和整合困难、算法依赖医生标注的难题，构建cPSN有效地还原患者的相似性。
-
公开(公告)号：CN107742062A
公开(公告)日：2018-02-27
申请号：CN201711175316.4
申请日：2017-11-22
Applicant: 复旦大学
CPC classification number: G16B25/00
Abstract: 本发明属于医学分子生物学技术领域，具体为一种基于基因表达预测FIGO IIIC期浆液性卵巢癌预后的方法。本发明方法包括如下步骤：提取病人组织样本中的mRNA，对其中的靶基因进行定量，并对所获取的基因进行去背景和归一化处理；对样本所在样本集进行z-score转化，得到初始靶基因表达相对量；根据所描写的方程和方程中所测的靶基因的相对表达量，计算风险系数；并根据阈值判断病人术后的危险程度。本方法具有稳健性强，检测速度快，不依赖于已有临床指标和治疗药物的特点。通过本方法可为病人的预后，随访和治疗提供指导。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
