-
公开(公告)号：CN114875151B
公开(公告)日：2023-05-16
申请号：CN202210676338.3
申请日：2022-06-15
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
IPC: C12Q1/6886 , C12N15/113
Abstract: 本发明涉及血浆外泌体mRNA、miRNA和/或lncRNA生物标志物及其在筛选胃癌患者新辅助化疗敏感人群、预测新辅助化疗疗效、筛选胃癌治疗药物中的应用。本发明首次确定了血浆外泌体miRNAlet‑7i‑5p，miR‑1307‑3p、miR‑181a‑5p和miR‑1843、血浆外泌体mRNA LZIC和SRSF6、以及血浆外泌体lncRNAlncFTH1‑211和lncPTMA‑209是胃癌患者对新辅助化疗响应的体内关键分子特征。利用本发明的生物标志物及其组合可在治疗之前，仅通过少量血液样本即可有效筛选胃癌患者新辅助化疗敏感人群、预测新辅助化疗疗效，极大推动胃癌患者优化治疗策略的实现。
-
公开(公告)号：CN113989294A
公开(公告)日：2022-01-28
申请号：CN202111628829.2
申请日：2021-12-29
Applicant: 北京航空航天大学 , 北京肿瘤医院(北京大学肿瘤医院)
IPC: G06T7/10 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种基于机器学习的细胞分割和分型方法、装置、设备及介质。所述方法包括获取目标对象的至少一个细胞代谢图像；利用机器学习分割模型对至少一个细胞代谢图像进行单细胞图像分割，得到多个单细胞代谢图像；对多个单细胞代谢图像中的每个单细胞代谢图像进行单细胞特征提取，得到与单细胞代谢图像对应的单细胞图像特征图谱；将与多个单细胞代谢图像中的每个单细胞代谢图像对应的单细胞图像特征图谱进行组合，得到目标对象的图像特征图谱；通过对目标对象的图像特征图谱进行聚类对细胞进行分型。本公开提供的上述方法不受病理医生主观因素的影响，能够避免对细胞形态造成损伤并实现对细胞的精准分型，从而确定目标对象的病变程度。
-
公开(公告)号：CN113160889A
公开(公告)日：2021-07-23
申请号：CN202110118814.5
申请日：2021-01-28
Applicant: 清华大学 , 北京肿瘤医院(北京大学肿瘤医院)
IPC: G16B30/00 , G16B40/00 , G16B50/30 , G16B20/20 , C12Q1/6806 , C12Q1/6869 , C12Q1/6886 , C40B50/06
Abstract: 本发明涉及一种基于cfDNA组学特征的癌症的无创早筛系统，包括cfDNA组学特征模型和机器学习训练模型，包括建立cfDNA组学特征模型；通过血液采集提取cfDNA；将提取的cfDNA进行建库和测序；并提取cfDNA组学特征，用于比对。本发明通过结合cfDNA长度分布特征，拷贝数变异密度分布特征以及cfDNA启动子周围开放性特征，通过cfDNA低深度的全基因组测序方式，全面地刻画cfDNA在胃癌病人中的特征，准确地识别早期胃癌病人。
-
公开(公告)号：CN112851793A
公开(公告)日：2021-05-28
申请号：CN201911188148.1
申请日：2019-11-28
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
IPC: C07K14/54 , C07K14/545 , C12N9/64 , G16B40/00 , G16H50/30
Abstract: 本发明涉及一种体腔内感染性并发症早期诊断的标记物，以及相关的试剂盒和装置，同时本发明构建出一种对腔内感染性并发症的评分方法、对其危险等级的检测方法，以及提供一种筛选体腔内感染性并发症的标记物的方法。本发明实现了对体腔内感染的早期诊断，能够有效地指导临床干预，降低患者围手术期死亡率，具有极高的临床应用价值。
-
公开(公告)号：CN118609765A
公开(公告)日：2024-09-06
申请号：CN202410709291.5
申请日：2024-06-03
Applicant: 北京肿瘤医院(北京大学肿瘤医院) , 北京安德医智科技有限公司
Abstract: 本发明实施例涉及一种由模型基于前后期CT影像评估胃癌治疗效果的方法，所述方法包括：将胃癌患者治疗前、后的CT影像作为对应的前期CT影像和后期CT影像；将前、后期CT影像输入疗效评估和前后期特征比对模型进行治疗效果评估和治疗前后特征比对得到对应的疗效预测结果和特征比对结果。通过本发明既可以提高评估效率也可以提高评估准确度。
-
Patent Agency Ranking
公开(公告)号：CN118506007A
公开(公告)日：2024-08-16
申请号：CN202410709289.8
申请日：2024-06-03
Applicant: 北京肿瘤医院(北京大学肿瘤医院) , 北京安德医智科技有限公司
IPC: G06V10/26 , G06V20/70 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明实施例涉及一种对CT影像进行胃癌病灶语义分割和区域勾画的方法，所述方法包括：构建第一分割模型；并构建三类位姿的胃癌CT影像数据集训练第一分割模型得到三组模型参数；模型训练结束后接收第一CT影像、第一影像位姿；并根据第一影像位姿和三组模型参数配置第一分割模型；并对第一CT影像进行特征图预处理；并按三维滑窗切片方式对第一特征图进行切片；并将各个第一切片特征图输入第一分割模型进行胃癌病灶语义分割；并对得到的所有第一切片语义分割图按对应的切片位置进行拼接得到第一语义分割图；并基于第一语义分割图和第一CT影像进行胃癌病灶区域勾画显示处理。通过本发明可以提高胃癌病灶的识别效率、识别精度和识别准确度。
-
公开(公告)号：CN118166128A
公开(公告)日：2024-06-11
申请号：CN202211582824.5
申请日：2022-12-09
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
Abstract: 本发明涉及生物信息学和生物医学，具体涉及术后感染的诊断；通过对胃肠道肿瘤术后患者引流液中细菌的16S rRNA进行检测，经过微生物分类数据聚类、分析，获得胃肠道肿瘤术后患者术后感染的代表性菌群，通过菌群的差异性，通过差异分析和特征筛选，最终得到30个OTUs，涵盖26个Genus(属)；由30个OTUs特征构建的逻辑回归模型进行验证，ROC分析结果中AUC可稳定在0.95以上；从而通过ROC预测曲线预测胃肠道肿瘤术后患者感染的风险；当ROC曲线的AUC面积大于预定值，则诊断为有腹腔感染。
-
公开(公告)号：CN112795647B
公开(公告)日：2022-08-16
申请号：CN201911117303.0
申请日：2019-11-14
Applicant: 北京肿瘤医院(北京大学肿瘤医院) , 普瑞基准科技(北京)有限公司
IPC: C12Q1/6886 , C12N15/12 , C07K14/47 , G01N33/574
Abstract: 本发明涉及一种肿瘤标志物及其应用，特别是C10orf71基因、C10orf71蛋白、C10orf71基因检测引物试剂盒中的至少一种在制备用于预测癌症患者对新辅助化疗的响应的产品中的应用。本发明首次确定了C10orf71基因突变为与肿瘤对新辅助化疗响应的关键分子特征，基于本发明的技术方案，新辅助化学疗法在改善预后以及在治疗开始之前确定响应性患者方面具有优势，因此可以制定更好的治疗方案。
-
公开(公告)号：CN114875151A
公开(公告)日：2022-08-09
申请号：CN202210676338.3
申请日：2022-06-15
Applicant: 北京肿瘤医院(北京大学肿瘤医院)
IPC: C12Q1/6886 , C12N15/113
Abstract: 本发明涉及血浆外泌体mRNA、miRNA和/或lncRNA生物标志物及其在筛选胃癌患者新辅助化疗敏感人群、预测新辅助化疗疗效、筛选胃癌治疗药物中的应用。本发明首次确定了血浆外泌体miRNAlet‑7i‑5p，miR‑1307‑3p、miR‑181a‑5p和miR‑1843、血浆外泌体mRNA LZIC和SRSF6、以及血浆外泌体lncRNAlncFTH1‑211和lncPTMA‑209是胃癌患者对新辅助化疗响应的体内关键分子特征。利用本发明的生物标志物及其组合可在治疗之前，仅通过少量血液样本即可有效筛选胃癌患者新辅助化疗敏感人群、预测新辅助化疗疗效，极大推动胃癌患者优化治疗策略的实现。
-
公开(公告)号：CN118571428A
公开(公告)日：2024-08-30
申请号：CN202410709293.4
申请日：2024-06-03
Applicant: 北京肿瘤医院(北京大学肿瘤医院) , 北京安德医智科技有限公司
Abstract: 本发明实施例涉及一种基于CT影像进行胃癌分期和术后生存期预测的方法，所述方法包括：接收CT影像和个人信息；将CT影像和个人信息输入术前后胃癌分期与术后生存期预测模型进行预测得到对应的术前、术后分期预测向量和术后生存期预测向量；根据第一术前分期预测向量、第一术后分期预测向量和第一术后生存期预测向量进行预测记录组装得到对应的第一预测记录；并由第一CT影像、第一个人信息和第一预测记录组成一个对应的第一预测报告并保存。通过本发明可以提高预测实时性和预测效率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.053 seconds)
