-
公开(公告)号：CN119006501A
公开(公告)日：2024-11-22
申请号：CN202411009523.2
申请日：2024-07-26
Applicant: 新疆大学 , 新疆医科大学第一附属医院
Abstract: 本发明为一种缺血性脑卒中多序列磁共振图像的融合模型及方法。一种缺血性脑卒中多序列磁共振图像的融合模型，包括：病灶检测模块、2个渐进式特征引导模块、边缘检测模块，损失函数模块；所述的病灶检测模块：用于聚焦到DWI图像中的高信号病灶区域；所述的渐进式特征引导模块：用于引导模态图像分支进行特征提取；所述的边缘检测模块：用于提取病灶边缘特征。本发明所述的一种缺血性脑卒中多序列磁共振图像的融合模型及方法，不仅在客观指标上达到SOTA，且主观融合效果更具解释性，首次实现了对缺血性脑卒中辅助诊断主客观评价的统一，有效解决缺血性脑卒中多序列磁共振图像融合中的临床问题。
-
公开(公告)号：CN116977346A
公开(公告)日：2023-10-31
申请号：CN202310955970.6
申请日：2023-08-01
Applicant: 新疆大学 , 新疆医科大学第一附属医院
Abstract: 本发明为一种基于空间注意力机制的多模态图像分割模型和方法。一种基于空间注意力机制的多模态图像分割模型，包括：编码器模块、解码器模块、跳跃连接模块、空间注意力模块和特征选择模块；所述的编码器模块和解码器模块用于提取特征和恢复图像；所述的跳跃连接模块用于将所述的编码器模块和解码器模块之间的特征图进行拼接；所述的空间注意力模块用于加强关注权重。本发明所述的一种基于空间注意力机制的多模态图像分割模型和方法，将模型和方法可以集成多模态图像信息，使用空间注意机制自适应地调整每个模态的权重，并通过不同的损失函数比率进行优化，解决了模型中的特征缺失问题，使模型聚焦更多关于重要区域。
-
公开(公告)号：CN105260990A
公开(公告)日：2016-01-20
申请号：CN201510597101.6
申请日：2015-09-18
Applicant: 新疆医科大学第一附属医院
Abstract: 本发明涉及红外光谱信号的去噪方法技术领域，是一种染噪红外光谱信号的去噪方法，按下述步骤进行：第一步，将加入高斯白噪声后的染噪红外光谱信号进行经验模态分解后得到j个本征模态分量，将j个本征模态分量加权平均后得到加权平均本征模态分量和残余量；第二步，对染噪红外光谱信号进行信号重构后得到重构信号。本发明所述的染噪红外光谱信号的去噪方法对染噪红外光谱信号的降噪效果更佳，并且根据本发明所述的染噪红外光谱信号的去噪方法降噪后的红外光谱信号更加贴近未染噪的红外光谱信号，为乳腺癌等疾病的诊断和治疗，能够提供更好的依据。
-
公开(公告)号：CN114613494A
公开(公告)日：2022-06-10
申请号：CN202210256653.0
申请日：2022-03-16
Applicant: 新疆医科大学第一附属医院 , 新疆大学
Abstract: 本发明为一种用于快速筛查宫颈肿瘤的模型及其建立方法。一种用于快速筛查宫颈肿瘤的模型的建立方法，包括以下步骤：(1)采集不同病变程度的宫颈肿瘤患者的血清样本后，测定并获取傅立叶红外光谱数据；(2)所述的傅立叶红外光谱数据通过PSO‑CNN算法建立分类模型，得所述的用于快速筛查宫颈肿瘤的模型。本发明所述的一种用于快速筛查宫颈肿瘤的模型及其建立方法，通过对PSO‑CNN算法进行优化，可以提高识别效果，从而可以更好的应用于快速筛查宫颈肿瘤。
-
公开(公告)号：CN106092988A
公开(公告)日：2016-11-09
申请号：CN201610405785.X
申请日：2016-06-08
Applicant: 新疆医科大学第一附属医院
IPC: G01N21/64
CPC classification number: G01N21/6489
Abstract: 本发明涉及包虫蛋白分子检测技术领域，是一种基于SOI自发光特性的包虫蛋白分子的快速检测方法，其按下述方法进行：将需要检测的包虫蛋白分子待测样品滴加到SOI基多孔硅上，然后进行干燥，用紫外可见荧光分光光谱仪测其荧光，激发波长为320nm至450nm，建立线性回归方程。本发明将具有无标记特性的SOI技术引入包虫蛋白分子检测的领域，在SOI材料上制备出的SOI基多孔硅用于检测包虫蛋白分子，其工艺简单、成本低廉、可控性强，根据光谱数据的变化可以实现待检测物的定量检测工作，检测流程更简单，操作方便快捷，检测时间短，为3小时至4小时，为研发基于SOI技术的可定量包虫病诊断技术提供了有利条件。
-
Patent Agency Ranking
公开(公告)号：CN109243613A
公开(公告)日：2019-01-18
申请号：CN201810910036.1
申请日：2018-08-10
Applicant: 新疆医科大学第一附属医院
Abstract: 本发明为一种高肾素性高血压模型及其建立方法。一种高肾素性高血压模型的建立方法，包括：(1)收集高肾素性高血压患者和非高肾素性高血压患者的新鲜血液，提取血清，得血清样本；(2)采用Horiba共聚焦拉曼光谱仪检测血清样品，获得血清拉曼光谱；(3)拟合所有血清自体荧光背景后，校正基线，再在对校正后的光谱数据进行积分面积归一化处理，得处理后的光谱数据；(4)采用PCA法对处理后的光谱数据进行降维和特征提取后，采用SVM算法建立模型，即所述的高肾素性高血压模型。本发明所述的一种高肾素性高血压模型及其建立方法，该方法建立了高肾素性高血压模型，该模型可用于高肾素高血压患者的普查与诊断。
-
公开(公告)号：CN105260990B
公开(公告)日：2018-10-09
申请号：CN201510597101.6
申请日：2015-09-18
Applicant: 新疆医科大学第一附属医院
Abstract: 本发明涉及红外光谱信号的去噪方法技术领域，是一种染噪红外光谱信号的去噪方法，按下述步骤进行：第一步，将加入高斯白噪声后的染噪红外光谱信号进行经验模态分解后得到j个本征模态分量，将j个本征模态分量加权平均后得到加权平均本征模态分量和残余量；第二步，对染噪红外光谱信号进行信号重构后得到重构信号。本发明所述的染噪红外光谱信号的去噪方法对染噪红外光谱信号的降噪效果更佳，并且根据本发明所述的染噪红外光谱信号的去噪方法降噪后的红外光谱信号更加贴近未染噪的红外光谱信号，为乳腺癌等疾病的诊断和治疗，能够提供更好的依据。
-
公开(公告)号：CN115112633A
公开(公告)日：2022-09-27
申请号：CN202210979811.5
申请日：2022-08-16
Applicant: 新疆医科大学第一附属医院
IPC: G01N21/65
Abstract: 本发明为基于血清拉曼光谱的羊细粒棘球蚴病和羊布氏杆菌病的分类模型及其建立方法、检测装置。基于血清拉曼光谱的羊细粒棘球蚴病和羊布氏杆菌病的分类模型的建立方法，包括：(1)采集健康羊和患病羊的血液，提取血清，得血清样本；(2)对血清样本采用激光拉曼光谱仪进行检测，得拉曼光谱数据；(3)对拉曼光谱数据进行降噪、基线校正和归一化等处理，得预处理后的光谱数据；(4)对处理后的光谱数据进行主成分分析(PCA)降维后，建立线性判别分析(LDA)或支持向量机(SVM)分类模型，得羊细粒棘球蚴病和羊布氏杆菌病的分类模型。本发明基于机器学习算法、拉曼光谱，建立的分类模型和检测装置，在筛查感染细粒棘球蚴病羊、感染布氏杆菌病羊方面具有潜力。
-
公开(公告)号：CN106092988B
公开(公告)日：2019-03-01
申请号：CN201610405785.X
申请日：2016-06-08
Applicant: 新疆医科大学第一附属医院
IPC: G01N21/64
Abstract: 本发明涉及包虫蛋白分子检测技术领域，是一种基于SOI自发光特性的包虫蛋白分子的快速检测方法，其按下述方法进行：将需要检测的包虫蛋白分子待测样品滴加到SOI基多孔硅上，然后进行干燥，用紫外可见荧光分光光谱仪测其荧光，激发波长为320nm至450nm，建立线性回归方程。本发明将具有无标记特性的SOI技术引入包虫蛋白分子检测的领域，在SOI材料上制备出的SOI基多孔硅用于检测包虫蛋白分子，其工艺简单、成本低廉、可控性强，根据光谱数据的变化可以实现待检测物的定量检测工作，检测流程更简单，操作方便快捷，检测时间短，为3小时至4小时，为研发基于SOI技术的可定量包虫病诊断技术提供了有利条件。
-
公开(公告)号：CN106596507A
公开(公告)日：2017-04-26
申请号：CN201611178745.2
申请日：2016-12-19
Applicant: 新疆医科大学第一附属医院
IPC: G01N21/65
CPC classification number: G01N21/65
Abstract: 本发明涉及光谱识别技术领域，是一种基于主成分分析‑BP神经网络的包虫病患者血清的光谱识别方法，其按下述步骤进行：第一步，分别吸取至少20名健康人和至少20名包虫病患者的血清，并将吸取的血清置于拉曼光谱仪中进行全波长扫描并进行采集数据；第二步，将采集的数据进行归一化处理；第三步，将进行归一化后的数据进行主成分分析,将主成分累计贡献率达到80%的所有主成分的得分作为BP神经网络的输入层节点。本发明采用基于主成分分析(PCA)和BP神经网络相结合的方法,建立了准确度较高的包虫病光谱诊断技术方案，诊断正确率高，操作方便，便于实施。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.033 seconds)
