公开(公告)号：CN115060819A

公开(公告)日：2022-09-16

申请号：CN202210646820.2

申请日：2022-06-08

Applicant: 重庆大学附属肿瘤医院

Inventor： 李巧巧 ,  李丽仙 ,  陈万一 ,  张敏 ,  周宏 ,  唐甜甜 ,  李超 ,  白浩 ,  汪潇潇

IPC: G01N30/02 ,  G01N30/06 ,  G01N30/72 ,  G01N30/86

Abstract: 本发明公开了一种基于HPLC‑MS/MS单峰法同时测定人血浆中SUN及SU12662的方法，该方法基于HPLC‑MS/MS技术，以SUN‑D10为同位素内标，采用同位素内标法进行人血浆中SUN和SU12662的定量测定，其中，SUN的Z异构体和E异构体在色谱柱上的保留时间一致，同时通过离子通道，经质谱检测只以单峰形式出现，通过对单峰面积进行积分计算即可准确得到Z、E异构体总的浓度，具有快速、灵敏、重现性好、操作简单、准确度高等优点。

公开(公告)号：CN114648562A

公开(公告)日：2022-06-21

申请号：CN202210272128.8

申请日：2022-03-18

Applicant: 重庆大学附属肿瘤医院

Inventor： 周宏 ,  牟建波 ,  杨维斌 ,  谢婷婷 ,  吴永忠 ,  林博

IPC: G06T7/33 ,  G06K9/62 ,  G06N3/04 ,  G06T7/73 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74

Abstract: 本发明提出了一种基于深度学习网络的医学图像配准方法，包括以下步骤：S1，获取多个图像对；S2，将训练集中的图像对输入包含编码器‑解码器结构的卷积神经网络，预测从浮动图像到固定图像的位移场，然后利用空间梯度上的正则化平滑位移场均值，得到平滑后的位移场；S3，利用空间变换网络对平滑后的位移场进行变形得到采样网格，然后用采样网格对浮动图像进行重采样得到配准后的图像；S4，计算配准后的图像和固定图像之间的相似性损失函数，然后最小化所述相似性损失函数即可得到最优的配准图像，选取最小的参数作为参数θ；S5，输入测试集中的图像对，利用深度学习图像配准网络进行配准，最终得到配准的图像。本发明能够快速的对图像进行配准，并且不需要添加标签数据就可取得较好的配准效果。

公开(公告)号：CN115060819B

公开(公告)日：2023-09-01

申请号：CN202210646820.2

申请日：2022-06-08

Applicant: 重庆大学附属肿瘤医院

Inventor： 李巧巧 ,  李丽仙 ,  陈万一 ,  张敏 ,  周宏 ,  唐甜甜 ,  李超 ,  白浩 ,  汪潇潇

IPC: G01N30/02 ,  G01N30/06 ,  G01N30/72 ,  G01N30/86

Abstract: 本发明公开了一种基于HPLC‑MS/MS单峰法同时测定人血浆中SUN及SU12662的方法，该方法基于HPLC‑MS/MS技术，以SUN‑D10为同位素内标，采用同位素内标法进行人血浆中SUN和SU12662的定量测定，其中，SUN的Z异构体和E异构体在色谱柱上的保留时间一致，同时通过离子通道，经质谱检测只以单峰形式出现，通过对单峰面积进行积分计算即可准确得到Z、E异构体总的浓度，具有快速、灵敏、重现性好、操作简单、准确度高等优点。

公开(公告)号：CN118197597A

公开(公告)日：2024-06-14

申请号：CN202410290020.0

申请日：2024-03-14

Applicant: 重庆大学附属肿瘤医院

Inventor： 尹黎 ,  谢梦婷 ,  柳先锋 ,  吴禧千 ,  周宏 ,  孙健

IPC: G16H50/20 ,  G16H20/40 ,  G16H50/70 ,  G06F18/22 ,  G16H30/40 ,  G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明提供一种基于可解释临床决策模型的脑肿瘤剂量预测方法，涉及数据处理领域，包括：建立并训练可解释临床决策模型；获取患者的脑肿瘤相关图像数据及脑肿瘤相关非图像数据；对患者的脑肿瘤相关图像数据及脑肿瘤相关非图像数据进行预处理，生成预处理后的脑肿瘤相关图像数据及脑肿瘤相关非图像数据；将预处理后的脑肿瘤相关图像数据及脑肿瘤相关非图像数据输入至可解释临床决策模型，可解释临床决策模型输出最优放射处方剂量及预处理后的脑肿瘤相关图像数据及脑肿瘤相关非图像数据对最优放射处方剂量的选择贡献，具有辅助医生确定适合患者个体的放射剂量，提高放射治疗的效果的优点。

公开(公告)号：CN113990509A

公开(公告)日：2022-01-28

申请号：CN202111395476.6

申请日：2021-11-23

Applicant: 重庆大学附属肿瘤医院

Inventor： 何美 ,  周宏 ,  杜佳 ,  李必波 ,  刘秀 ,  赵胜林 ,  张艳 ,  郭晴

IPC: G16H50/30

Abstract: 本发明涉及癌症风险评估模型技术领域，且公开了一种区域性癌症风险评估方法，包括以下步骤，1、确定区域性危险因素；2、假定区域性危险因素的危险系数；3、确定危险因素分值；4、确定个体癌症风险；5、建立区域性癌症风险评估模型。实施本发明时，能够建立科学可行的常见癌症高危人群评估、筛查和早诊早治管理模式和方法，确立适合于当地情况、切实可行的癌症早诊早治技术方案和管理模式。

公开(公告)号：CN114648663A

公开(公告)日：2022-06-21

申请号：CN202210271664.6

申请日：2022-03-18

Applicant: 重庆大学附属肿瘤医院

Inventor： 吴永忠 ,  郭聪 ,  杨维斌 ,  谢婷婷 ,  周宏 ,  林博

IPC: G06V10/764 ,  G06V10/774 ,  G06K9/62 ,  G06V10/82 ,  G06V10/25 ,  G06N3/04 ,  G06T7/11

Abstract: 本发明提出了一种基于深度学习的肺癌CT图像亚型分类方法，包括以下步骤：S1，预处理：采集CT图像原始数据信息并进行预处理，得到增强后的数据集，并将预处理之后的CT图像数据划分为测试集和训练集；S2，构建模型：构建改进的3D‑LungNet网络模型，用于对预处理后的图像进行特征提取；S3，训练模型：将训练集输入到所述改进的3D‑LungNet网络模型中进行训练，得到训练好的CT图像分类模型；S4，测试集输入模型：将所述测试集输入到所述CT图像分类模型中，得到CT图像分类结果。本发明能够充分利用医学图像与自然图像之间的内在联系进行特征迁移，提高了网络层的特征提取效率和图像分类准确率，并减少了训练过程中的冗余计算量。还提高CT图像的分类准确率及分类精确率。