-
公开(公告)号:CN119296764A
公开(公告)日:2025-01-10
申请号:CN202411321370.5
申请日:2024-09-23
Applicant: 福建医科大学附属协和医院
IPC: G16H50/20 , G06F18/2135 , G06F18/27 , G06F18/243 , G06F18/214 , G06N20/20
Abstract: 本发明提供了一种检测肿瘤放疗敏感性标志物及其筛选方法与应用,属于医学诊断技术领域,包括以下步骤:获得处理后的样本集、初始差异物质样本集、第二差异代谢物样本集、第三差异代谢物样本集、训练好的逻辑回归模型、训练好的随机森林模型、训练好的支持向量机和训练好的LASSO模型;利用ROC分析,根据AUC值,确定逻辑回归、LASSO、支持向量机、随机森林的最优模型,将得到最优模型的物质合并,得到检测肿瘤放疗敏感性标志物。该方法能够筛选多种不同来源的样本得到多种检测肿瘤放疗敏感性标志物,可以独立或联合起来对癌症病人进行放疗敏感性有效区分,提高了判断放疗敏感程度的准确性。
-
公开(公告)号:CN118655311A
公开(公告)日:2024-09-17
申请号:CN202410538670.2
申请日:2024-04-30
Applicant: 福建师范大学 , 福建医科大学附属协和医院
IPC: G01N33/569 , G01N33/552 , G01N33/553 , G01N33/543 , G01N21/65
Abstract: 本发明公开的一种基于表面增强拉曼光谱芯片的新冠毒株XBB.1.5鉴定方法,属于新冠病毒检测技术领域。本发明通过构建与抗原相对应的免疫三明治检测结构,鉴别新型冠状病毒Sars‑CoV‑2S蛋白,区分亚型。通过本发明的检测方法进行新冠毒株XBB.1.5的鉴定,避免复杂昂贵的基因测序,既能够准确的判断定新冠亚型种类,成本低、准确度高、用时短、操作便捷。
-
公开(公告)号:CN117760937B
公开(公告)日:2024-09-06
申请号:CN202310615298.6
申请日:2023-05-29
Applicant: 福建医科大学附属协和医院
Abstract: 本发明公开一种基于血液/骨髓样本液基细胞制片术的红细胞数量梯度溶血素法用于细胞形态及免疫标记观察,步骤为:测试样本红细胞计算;根据红细胞数量范围确定溶血素用量;溶血后样本洗涤及液基细胞制片机制片和染色观察,取计算所得样本量加入流式细胞管中,加PBS补充容量,加免疫荧光探针,震荡混匀,室温孵育后,加入溶血素,沉淀免疫荧光探针标记的细胞及部分红细胞,并移除上清液;去除未结合免疫荧光探针及红细胞碎片,得到免疫荧光探针‑细胞偶联物;加PBS,通过离心力将免疫荧光探针‑细胞偶联物移至粘附型玻片上,于室温下晾干;滴用瑞氏/瑞‑姬氏染液复染,冲洗,室温晾干,可用于显微镜下细胞形态及标记观察和图像采集。
-
公开(公告)号:CN114445482B
公开(公告)日:2024-08-02
申请号:CN202210112398.2
申请日:2022-01-29
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/62 , G06T3/4007 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/084
Abstract: 本发明涉及一种基于Libra‑RCNN和椭圆形状特征的图像中目标检测方法及系统,该方法包括以下步骤:S1、输入训练集中图像并进行预处理;S2、基于Libra‑RCNN架构设置骨干网络模型信息;S3、通过矩形框标签构建椭圆框标签,并计算椭圆交并比IoU;S4、计算椭圆锚框的长短轴及角度;S5、设置分类损失函数、回归损失函数和角度损失函数;S6、设置不同尺度输出后的Head部分;S7、设置Libra‑RCNN的采样策略为IoU最大值采样策略,并设置相应的IoU阈值;S8、生成网络模型,并通过训练集图像训练网络模型,得到训练好的网络模型;S9、通过训练好的网络模型检测图像,得到目标的相应位置和目标类别。该方法及系统有利于提高对于具有椭圆形状特征目标的检测精度。
-
公开(公告)号:CN114445689B
公开(公告)日:2024-07-26
申请号:CN202210112397.8
申请日:2022-01-29
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N5/04
Abstract: 本发明涉及一种目标先验信息指导的多尺度加权融合目标检测方法及系统,该方法包括以下步骤:首先使用卷积神经网络进行特征提取,然后对目标尺寸、颜色及形状角度先验信息进行基于尺度大小的聚类,使用聚类结果得到的权重来指导多尺度特征的加权融合,使得多尺度检测在目标具有多种形态、大小的场景下能够更有针对性地学习目标尺度的分布;其次在多尺度动态加权融合之后,引入尺度特征贡献度微调来进一步学习多尺度特征图的贡献度,并使用先验信息权重引导初始化;最后将多尺度输出传入分类与回归两个子网络进行目标物体的定位与分类。该方法及系统可以有效地利用目标的先验信息解决目标尺度不均衡问题,提高目标检测的准确性。
-
公开(公告)号:CN116999475B
公开(公告)日:2024-04-16
申请号:CN202310993655.2
申请日:2023-08-09
Applicant: 福建医科大学附属协和医院
Abstract: 本发明提供了鼠曲草或其提取物在制备治疗病毒性肺炎的药物中的用途。本发明鼠曲草乙醇提取物治疗病毒性肺炎,药效明确、安全可控,鼠曲草醇提物治疗病毒性肺炎的优点体现在:显著减少炎症相关的中性粒细胞和巨噬细胞的数量;显著下调关键炎症因子(IL‑1β、TNF‑α)的表达;具有广谱、高效的抗病毒活性,为临床提供了一种新的选择。
-
公开(公告)号:CN116739992B
公开(公告)日:2023-12-22
申请号:CN202310554269.3
申请日:2023-05-17
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/00 , G06T7/11 , G06T5/50 , G06T5/30 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种甲状腺被膜侵犯智能辅助判读方法。该方法主要采用本研究自行提出的一种提供高效的局部‑全局融合与Transformer和CNN并行网络的生物医学图像分割方法。本研究提出的模型使用方便,输入一张甲状腺超声图片,即可输出一张有着疑似甲状腺结节的定位和分割图片,自动化的得到甲状腺结节初步判读结果,能够大大的减轻医生的阅片时间和诊断难度,提升医生的工作效率,为判断甲状腺结节患者的预后及治疗手段的改善提到积极的作用,具有非常重要的意义和广阔的前景。(56)对比文件郜佳琪.基于 Swin Transformer 的嵌入式零样本学习算法《.小型微型计算机系统》.2023,全文.曹玉珍.基于超声影像的甲状腺结节智能分割算法《.天津大学学报(自然科学与工程技术版)》.2022,第55卷(第7期),第2-4页的1-2节.
-
公开(公告)号:CN117088981A
公开(公告)日:2023-11-21
申请号:CN202311022479.4
申请日:2023-08-15
Applicant: 福建医科大学附属协和医院 , 福州创方医药科技有限公司
IPC: C07K16/28 , C12N15/13 , A61K39/395 , A61P35/00
Abstract: 本发明公开了抗B7‑H3的单链抗体。包含:轻链可变区CDR1包含SEQ ID NO:1或SEQ ID NO:11所示的氨基酸序列;CDR2包含SEQ ID NO:2或SEQ ID NO:12所示的氨基酸序列;CDR3包含SEQ ID NO:3或SEQ ID NO:13所示的氨基酸序列;重链可变区CDR1包含SEQ ID NO:4或SEQ ID NO:14所示的氨基酸序列;CDR2包含SEQ ID NO:5或SEQ ID NO:15所示的氨基酸序列;CDR3包含SEQ ID NO:6或SEQ ID NO:16所示的氨基酸序列;其中所述单链抗体与B7‑H3特异性结合。
-
公开(公告)号:CN115590861B
公开(公告)日:2023-09-19
申请号:CN202211104517.6
申请日:2022-09-09
Applicant: 福建医科大学附属协和医院
IPC: A61K31/585 , A61K31/506 , A61P35/00 , C07J73/00
Abstract: 本发明涉及肺癌药物领域,具体公开了雷公藤氯内酯醇的用途,雷公藤氯内酯醇在制备用于抑制人体肺癌细胞生长和延缓人体肺癌细胞对靶向药耐药性的药物中的应用。本发明能够通过多个途径对非小细胞肺癌进行治疗,并且能够延缓非小细胞肺癌对于靶向药的耐药性。
-
公开(公告)号:CN116596890A
公开(公告)日:2023-08-15
申请号:CN202310574404.0
申请日:2023-05-22
Applicant: 福州大学 , 福建医科大学附属协和医院
IPC: G06T7/00 , G06T5/20 , G06T3/40 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于图卷积网络的动态图像甲状腺癌危险分层预测方法,包括以下步骤;步骤一、采用图像滤波增强和超分辨率网络来对超声图像进行预处理,设计用于甲状腺超声图像分割的基于图卷积神经网络结构的算法,建立对应的网络模型进行训练;步骤二、以基于人工智能技术的动态超声影像组学的特征提取方法,对动态的视频序列进行特征提取,并引入深度学习方法来融合动态的超声影像组学,使提取的影像组学特征更为丰富;步骤三、利用多分支神经网络模型,综合多种不同模态的数据,通过挖掘不同模态数据互补信息来计算多模态生物标记物,以此建立可指导临床决策的甲状腺癌危险分层预测模型;本发明能够提高甲状腺癌危险分层的准确性和精度。
-
-
-
-
-
-
-
-
-