-
公开(公告)号：CN119156650A
公开(公告)日：2024-12-17
申请号：CN202380035246.X
申请日：2023-03-31
Applicant: 基因泰克公司 , 文塔纳医疗系统公司 , 豪夫迈·罗氏有限公司
Abstract: 本文描述的技术包括：例如，生成针对输入图像的特征图，生成所述特征图的多个同心裁剪，以及使用所述多个同心裁剪来生成输出向量，所述输出向量表示在所述输入图像的中心区中描绘的结构的特征。生成所述输出向量可包括：例如，聚合从所述多个同心裁剪生成的输出特征集，并且描述了几种聚合方法。还描述了对在所述输入图像的所述中心区中描绘的结构进行分类的应用。
-
公开(公告)号：CN118679501A
公开(公告)日：2024-09-20
申请号：CN202280069474.4
申请日：2022-10-07
Applicant: 文塔纳医疗系统公司
Abstract: 本公开提供了用于使用机器学习模型来在目标图像分辨率下检测经预测伪影的方法和系统。访问经过训练以在目标图像分辨率下检测图像中的伪影像素的机器学习模型。可以将在初始图像分辨率下的描绘生物学样品的至少一部分的图像转换为在所述目标图像分辨率下。将所述机器学习模型应用于经转换图像以从所述经转换图像中识别一个或多个伪影像素。还提供了用于训练所述机器学习模型以在所述目标图像分辨率下检测经预测伪影的方法和系统。
-
公开(公告)号：CN117378015A
公开(公告)日：2024-01-09
申请号：CN202280035189.0
申请日：2022-05-14
Applicant: 基因泰克公司 , 豪夫迈·罗氏有限公司 , 文塔纳医疗系统公司
IPC: G16H50/20
Abstract: 本公开提供了一种方法，所述方法包括：访问描绘从受试者采样的肿瘤细胞的数字病理学图像。可从所述数字病理学图像选择多个图块，其中所述图块中的每一者描绘肿瘤细胞。可针对所述图块中的每一者生成突变预测，其中所述突变预测表示对可操作突变出现在所述图块中的可能性的预测。基于多个突变预测，可生成与针对所述受试者的一个或多个治疗方案相关的预后预测。所述预后预测可基于将所述数字病理学图像的一个或多个突变背景确定为未知驱动因子或肿瘤抑制因子、致癌基因驱动因子突变、或基因融合。
-
公开(公告)号：CN117177985A
公开(公告)日：2023-12-05
申请号：CN202180097253.3
申请日：2021-08-27
Applicant: 文塔纳医疗系统公司
IPC: C07F9/547
Abstract: 本发明公开了用于标记生物学样品中具有一种或多种分子特征的特性的一种或多种形态学标志物的系统和方法。特别地，本发明描述了用于用共价沉积的窄带可检测部分来标记生物学样品中的一种或多种形态学标志物的系统和方法。由于可用光谱带宽的保留，窄带可检测部分对所述一种或多种形态学标志物的标记允许进行更高阶的多重测定。此外，与常规复染方法相比，一个或多个可检测部分的共价沉积可以提供关于在给定染色方案中标记生物标志物和形态学标志物的次序的灵活性和稳健性。
-
公开(公告)号：CN117054211A
公开(公告)日：2023-11-14
申请号：CN202310995524.8
申请日：2014-12-08
Applicant: 文塔纳医疗系统公司
Abstract: 一种构造为执行的自动化系统和对载玻片承载生物样本上的一个或多个载玻片进行处理操作的方法。所述系统和方法使得能够实现高样本吞吐量同时也使得能够最小化或者限制载玻片交叉污染的可能性。所述自动化系统包括促进处理时间和/或处理温度的一致性和可控性的特征。
-
Patent Agency Ranking
公开(公告)号：CN116547727A
公开(公告)日：2023-08-04
申请号：CN202180074126.1
申请日：2021-11-01
Applicant: 基因泰克公司 , 豪夫迈·罗氏有限公司 , 文塔纳医疗系统公司
IPC: G06V20/69
Abstract: 系统和方法涉及通过使用神经网络处理数字病理学图像来预测疾病进展。访问描绘用一种或多种染色剂染色的样本的数字病理学图像。所述样本可以已经从受试者进行收集。针对所述数字病理学图像定义块集。所述块集中的每个块描绘所述数字病理学图像的一部分。针对所述块集中的每个块并且使用注意力评分神经网络来生成注意力评分。所述注意力评分神经网络可以已经使用损失函数进行过训练，所述损失函数对跨训练数字病理学图像中的块的注意力评分可变性进行罚分，所述训练数字病理学图像被标记以指示没有后续疾病进展或低的后续疾病进展。使用结果预测神经网络和所述注意力评分来生成结果，所述结果表示关于所述受试者的疾病是否会进展或进展程度的预测。
-
-
公开(公告)号：CN116113993A
公开(公告)日：2023-05-12
申请号：CN202180051943.5
申请日：2021-08-17
Applicant: 文塔纳医疗系统公司
IPC: G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本文提供了一种用于将组织学载玻片的视场(FOV)图像分类为各种种类的方法和系统，所述各种种类包括某些染色模式、伪影和/或其他目标特征。少样本学习(例如，原型网络)技术用于使用针对少数图像类别的少数训练样品来训练深度卷积神经网络，以用于对属于多数图像类别的染色图像进行分类。
-
公开(公告)号：CN116113983A
公开(公告)日：2023-05-12
申请号：CN202180056819.8
申请日：2021-08-11
Applicant: 文塔纳医疗系统公司
Abstract: 本文公开的实施方案总体涉及在样本切片的多重免疫荧光图像中识别坏死组织。特别地，本公开的方面涉及：访问包括针对细胞核标志物的第一通道和针对上皮肿瘤标志物的第二通道的样本切片的多重免疫荧光图像，其中所述样本切片包括一个或多个坏死组织区域；将所述多重免疫荧光图像提供给机器学习模型；接收所述机器学习模型的输出，所述输出对应于以下预测：所述多重免疫荧光图像在所述多重免疫荧光图像的一个或多个特定部分处包括一个或多个坏死组织区域；基于所述机器学习模型的所述输出，生成用于所述多重免疫荧光图像的后续图像处理的掩膜；以及输出用于所述后续图像处理的所述掩膜。
-
公开(公告)号：CN116057585A
公开(公告)日：2023-05-02
申请号：CN202180056644.0
申请日：2021-07-29
Applicant: 文塔纳医疗系统公司
IPC: G06V10/778 , G06V10/82 , G06N20/00 , G06T7/00
Abstract: 访问一种机器学习模型，所述机器学习模型配置成使用一个或多个参数来处理图像以生成标记。执行所述机器学习模型以将至少一个数字病理学图像中的每一个的至少一部分转换成多个预测标记；并且为所述多个预测标记中的每一个生成置信度度量。利用一种界面，所述界面描绘所述至少一个数字病理学图像的所述至少一部分并且基于对应的置信度度量差异性地表示预测标记。响应于所述界面的利用，接收确认、拒绝或替换所述多个预测标记中的至少一个的标记输入。基于所述标记输入更新所述机器学习模型的所述一个或多个参数。
-
-
-
-
-
-
-
-
-
Search Results
282
records
(took 0.038 seconds)
