-
公开(公告)号：CN114529554B
公开(公告)日：2024-07-26
申请号：CN202111619961.7
申请日：2021-12-28
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06T7/11 , G06T7/33 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82
Abstract: 本发明涉及一种胃癌HER2数字病理切片智能辅助判读方法。在现有的临床应用中，需要人工肉眼比对HE染色切片图像和HER2免疫组化切片进行诊断，胃癌HER2评分过程繁琐且耗时。因此，本发明首次提出一种胃癌HER2智能评分算法来辅助医生进行判读。输入一张病理切片，输出每个类别的百分比，根据这些百分比（患者级别）输出HER2分数；最后，根据各个类别的百分比，输入SVM分类器，得出要不要做FISH的建议。其次，为了加速智能判读的计算过程，在卷积神经网络设计上，采用了3*3卷积和ReLU，不用分支结构，使得模型的推理速度提升不少，节约大量内存，可以在硬件端实现模型推理速度的提升，更适用于医院设备。本发明能够辅助医生判读，提供相较客观的数据。
-
公开(公告)号：CN116452892A
公开(公告)日：2023-07-18
申请号：CN202310470070.2
申请日：2023-04-27
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/56 , G06T3/40 , G06T7/00 , G16H50/20
Abstract: 本发明的目的在于提供一种原发性胃MALT淋巴瘤数字病理切片图像处理及辅助判读系统，通过在计算机系统当中，输入一张病理切片，输出一张有着疑似原发性胃MALT淋巴瘤类别和位置的图像，并可以自动化得到原发性胃MALT淋巴瘤初步判读的结果，能够大大减轻医生的阅片时间和诊断难度，提升医生的工作效率，为判断原发性胃MALT淋巴瘤患者的预后及治疗手段的改善起到积极的作用，具有非常重要的意义和广阔的前景。
-
公开(公告)号：CN114529554A
公开(公告)日：2022-05-24
申请号：CN202111619961.7
申请日：2021-12-28
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06T7/11 , G06T7/33 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/82
Abstract: 本发明涉及一种胃癌HER2数字病理切片智能辅助判读方法。在现有的临床应用中，需要人工肉眼比对HE染色切片图像和HER2免疫组化切片进行诊断，胃癌HER2评分过程繁琐且耗时。因此，本发明首次提出一种胃癌HER2智能评分算法来辅助医生进行判读。输入一张病理切片，输出每个类别的百分比，根据这些百分比（患者级别）输出HER2分数；最后，根据各个类别的百分比，输入SVM分类器，得出要不要做FISH的建议。其次，为了加速智能判读的计算过程，在卷积神经网络设计上，采用了3*3卷积和ReLU，不用分支结构，使得模型的推理速度提升不少，节约大量内存，可以在硬件端实现模型推理速度的提升，更适用于医院设备。本发明能够辅助医生判读，提供相较客观的数据。
-
公开(公告)号：CN114612482B
公开(公告)日：2024-06-07
申请号：CN202210217663.3
申请日：2022-03-08
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06T7/11 , G06V10/764 , G06V10/82 , G06N3/09
Abstract: 本发明提出一种胃癌神经浸润数字病理切片图像定位和分类方法及系统，首先将整张病理图像采用滑动窗口的方式切分小patch训练图像块；其次，构建并将训练图像块输入训练分割模型，分割胃癌细胞区域并输出胃癌细胞生成掩模，同时构建并将训练图像块输入DETR模型，检测神经区域对神经进行定位和分类；而后，基于胃癌分割模型的输出结果和DETR网络输出结果，将胃癌分割掩膜和神经检测结果图输入神经浸润判别网络，对神经区域与胃癌区域进行像素级别的重叠判别，若不存在重叠区域，则对该神经区域判别为正常神经区域，不对其进行定位和类别的呈现；若存在重叠区域，则判别是神经浸润，输出神经浸润的定位和分类结果；最后，将小patch图像块拼回原始大小图像输出。
-
公开(公告)号：CN115330722A
公开(公告)日：2022-11-11
申请号：CN202210974249.7
申请日：2022-08-15
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
Abstract: 本发明提供了一种胃癌H&E染色图像智能预测PD‑L1抑制剂疗效的方法，提出基于半监督学习的癌变区域分割模型，分割H&E染色图像中的癌变区域；其次，取出包含癌变区域的图像块，根据临床医生标记的PD‑L1抑制剂疗效标签得到每张图像块的类别标签，运用基于多实例学习的图像分类模型进行图像块层面的预测；最后，基于图像块层面的预测结果生成整张H&E染色图像的疗效判别矩阵，运用基于深度卷积神经网络的图像分类模型进行切片层面的疗效预测。应用本技术方案可得到胃癌患者使用PD‑L1抑制剂后疗效的预测结果，辅助医生进行临床决策。
-
Patent Agency Ranking
公开(公告)号：CN113034462A
公开(公告)日：2021-06-25
申请号：CN202110303208.0
申请日：2021-03-22
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
Abstract: 本发明涉及一种基于图卷积的胃癌病理切片图像的处理方法，其特征在于，包括以下步骤：步骤S1:获取胃癌数字病理切片，并进行数字化处理，构建胃癌数字病理切片图像数据集；步骤S2:根据胃癌数字病理切片图像数据集，采用阈值分割算法，获取数字病理切片图像的层次先验信息；步骤S3:根据得到的先验信息，构建并训练图卷积网络分割模型，并根据训练后的图卷积网络分割模型得到切片上胃癌区域的分割结果；步骤S4:根据结合分割出的层次信息和胃癌区域分布信息，进行T分期的分类，并得到图像中存在神经侵犯和脉管侵犯的概率分布。本发明可用于解决相关技术中对病理切片的分析不够准确的技术问题。
-
公开(公告)号：CN116705311A
公开(公告)日：2023-09-05
申请号：CN202310424950.6
申请日：2023-04-20
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G16H50/30 , G16H50/20 , G06T7/194 , G06T7/136 , G06T7/12 , G06T5/00 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/096
Abstract: 本发明涉及一种原发胃癌数字病理切片淋巴结转移风险预测方法。首先将胃癌病理切片放大不同倍数并基于迁移学习通过特征提取器分别提取出特征，接着输入弱监督网络后生成WSI级别的特征表示以及晚期融合临床数据包括患者的性别、年龄、肿瘤位置和lauren分类，得到不同放大倍数下预测淋巴结转移风险的结果，最后，利用模型融合集成基于不同尺度的模型结果，从而最终预测该患者是否发生淋巴结转移。本发明旨在分析原发性胃癌患者常规组织切片以及临床数据，预测术前淋巴结转移的风险；本发明能够帮助患者选择合适的手术方式并且帮助患者改善预后，提升医生的工作效率，具有非常重要的意义和广阔的前景。
-
公开(公告)号：CN113034462B
公开(公告)日：2022-09-23
申请号：CN202110303208.0
申请日：2021-03-22
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
Abstract: 本发明涉及一种基于图卷积的胃癌病理切片图像的处理方法，其特征在于，包括以下步骤：步骤S1:获取胃癌数字病理切片，并进行数字化处理，构建胃癌数字病理切片图像数据集；步骤S2:根据胃癌数字病理切片图像数据集，采用阈值分割算法，获取数字病理切片图像的层次先验信息；步骤S3:根据得到的先验信息，构建并训练图卷积网络分割模型，并根据训练后的图卷积网络分割模型得到切片上胃癌区域的分割结果；步骤S4:根据结合分割出的层次信息和胃癌区域分布信息，进行T分期的分类，并得到图像中存在神经侵犯和脉管侵犯的概率分布。本发明可用于解决相关技术中对病理切片的分析不够准确的技术问题。
-
公开(公告)号：CN112419452B
公开(公告)日：2022-08-23
申请号：CN202011546997.2
申请日：2020-12-24
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
Abstract: 本发明涉及一种胃癌PD‑L1数字病理切片图像快速合并系统，包括依次连接的数字化扫描设备和数字病理切片图像快速合并装置；所述数字病理切片图像快速合并装置包括依次连接的胃癌数字病理切片数据库、图像处理单元、配准单元、标注单元和图像合并单元；本发明装置能够实现胃癌PD‑L1数字病理切片图像快速合并，降低医生工作量，提高效率。
-
公开(公告)号：CN114612482A
公开(公告)日：2022-06-10
申请号：CN202210217663.3
申请日：2022-03-08
Applicant: 福州大学 , 福建省肿瘤医院(福建省肿瘤研究所、福建省癌症防治中心)
IPC: G06T7/11 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明提出一种胃癌神经浸润数字病理切片图像定位和分类方法及系统，首先将整张病理图像采用滑动窗口的方式切分小patch训练图像块；其次，构建并将训练图像块输入训练分割模型，分割胃癌细胞区域并输出胃癌细胞生成掩模，同时构建并将训练图像块输入DETR模型，检测神经区域对神经进行定位和分类；而后，基于胃癌分割模型的输出结果和DETR网络输出结果，将胃癌分割掩膜和神经检测结果图输入神经浸润判别网络，对神经区域与胃癌区域进行像素级别的重叠判别，若不存在重叠区域，则对该神经区域判别为正常神经区域，不对其进行定位和类别的呈现；若存在重叠区域，则判别是神经浸润，输出神经浸润的定位和分类结果；最后，将小patch图像块拼回原始大小图像输出。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.04 seconds)
