-
公开(公告)号:CN116503667A
公开(公告)日:2023-07-28
申请号:CN202310553837.8
申请日:2023-05-16
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00 , G16H50/20
Abstract: 本发明公开了一种肝细胞癌CD34免疫组化图像识别与微血管密度计算方法,针对人工方法诊断过程复杂、费时费力、依靠长时间的诊断经验的问题,为了更全面的评估肝细胞癌患者的患病程度,指导接下来的治疗,本发明采用深度学习网络对图像进行二分类,其泛化能力强,鲁棒性高;生成的概率热图直观反应了模型识别结果;微血管密度的计算的可解释性强,简单方便,易于医生操作调整。
-
公开(公告)号:CN119162300A
公开(公告)日:2024-12-20
申请号:CN202411288018.6
申请日:2024-09-12
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 中国人民武装警察部队重庆市总队医院
IPC: C12Q1/6883 , G01N33/68 , G16B25/00
Abstract: 本发明属于生物医学技术领域,具体涉及一种用于预测肺纤维化程度及预后情况的标志物、模型及应用。本发明首先提供了一种用于预测肺纤维化程度和/或评估肺纤维化预后的标志物,其包括CD163、DNAJB11、EIF6、ITGAX、REEP5、RNASE3、SFTPB和/或TIMM8B。然后基于该标志物,利用IPF表达数据和预后数据进行单因素COX、LASSO和多因素COX回归分析建立了肺纤维化预后风险预测模型。该肺纤维化预后风险预测模型具有良好的预测效能,可为新突发传染病及病毒性肺炎的肺纤维化程度做预后评估,并辅助临床识别潜在的重症患者,进一步为更精准、个性化的制定治疗策略提供帮助。
-
公开(公告)号:CN115457069A
公开(公告)日:2022-12-09
申请号:CN202211128481.5
申请日:2022-09-16
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 安徽省立医院(中国科学技术大学附属第一医院)
Abstract: 本发明提供一种基于图像的特征提取和预后模型建立方法及装置,用于判断胶质瘤的预后情况。通过深度学习算法分割出病理切片H&E染色数字图像上的微血管,通过分水岭算法分割出微血管内部的细胞核,以病理组学方法计算出微血管的特征。通过机器学习方法挑选与患者预后相关的特征,构建所述特征与肿瘤患者实际生存情况的关系模型。本发明提供了患者关键图像区域选择和特征提取的自动化方案,通过机器学习方法遴选组合出对患者预后评估有益的特征集。
-
公开(公告)号:CN115082909A
公开(公告)日:2022-09-20
申请号:CN202111296412.0
申请日:2021-11-03
Applicant: 中国人民解放军陆军军医大学第一附属医院 , 重庆知见生命科技有限公司 , 北京知见生命科技有限公司 , 任菲
Abstract: 本发明提出一种肺部病变识别方法及系统。通过目标检测和实例分割算法对肺部医学影像中的磨玻璃区域和支气管伴扩张区域进行检测,从而用于肺部病变的识别。本方法使用多尺度多深度的卷积神经网络结构提取肺部医学影像的基础视觉特征,通过特征金字塔网络来融合不同尺度和深度的特征。通过病变候选区域识别网络来提取可能是目标的区域的特征,同时过滤掉无用的背景信息。然后将提取出的目标区域特征通过分类头网络,检测头网络以及分割头网络得到检测分割的结果,最后通过非极大值抑制后处理得到最终预测结果。整体网络结构采用端到端的多任务模型,使得网络可以有效的学习医学影像的特征信息,增强算法的鲁棒性和泛化能力。
-
公开(公告)号:CN110152010B
公开(公告)日:2022-09-16
申请号:CN201910408552.9
申请日:2019-05-16
Applicant: 中国人民解放军陆军军医大学第一附属医院
Abstract: 本发明的目的在于为了改善现有纳米药物制备技术中的不足,而提供了一种MOFs类纳米药物及其制备方法;采用ZIF‑8为药物递送载体,将葡萄糖氧化酶(GOx)封装于ZIF‑8的孔道内,并负载MnO2纳米颗粒制备得到GM/ZIF‑8纳米复合药物。此种制备GM/ZIF‑8纳米复合药物的方法操作简单,反应条件温和,不需要复杂的制备仪器;此纳米药对肿瘤细胞的增值有很好的抑制效果。
-
公开(公告)号:CN112773896B
公开(公告)日:2022-06-07
申请号:CN202110043334.7
申请日:2021-01-13
Applicant: 中国人民解放军陆军军医大学第一附属医院
IPC: A61K47/55 , A61K47/54 , A61K47/60 , A61K47/64 , A61K41/00 , A61P35/00 , C08G81/00 , C08G83/00 , B82Y5/00 , B82Y30/00 , B82Y40/00
Abstract: 本发明涉及一种MOFs基纳米复合物的制备方法,具体制备方法为:UiO‑66金属有机骨架负载纳米Au水溶液,加入一定量浓度的CA IX的ASO水溶液,于50‑120rpm,10‑20℃反应8‑12小时,再加入PEG‑SH于50‑120rpm,10‑20℃反应8‑12小时后;固液分离得MOFs基纳米复合物。该纳米复合物具有小分子抑制剂和ASO对CA IX的双重靶向抑制作用,以及Au纳米材料赋予的放射敏增敏作用,可缓解乏氧,增强RT。
-
公开(公告)号:CN112011612B
公开(公告)日:2022-06-07
申请号:CN202010732353.6
申请日:2020-07-27
Applicant: 中国人民解放军陆军军医大学第一附属医院
IPC: C12Q1/6886 , C40B50/06 , C12Q1/6806 , C12N15/11 , G16B40/20 , G16B35/00 , G16H50/30
Abstract: 本发明涉及一种胶质瘤患者生存预测的预后分类的生物标志物,所述生物标志物为CALR、KPNA2、HDAC3、NDC1、SP100、BCCIP和DDX25这七种基因,并建立检测这七种基因表达值来对胶质瘤患者生存预测的预后分类的试剂盒,还提供合成cDNA所需正向和/或反向引物,所述引物序列如SEQ ID No.1‑SEQ ID No.14所示。将来自生存预测的胶质瘤患者样本中所述七种基因表达值转换为胶质瘤患者的核转运风险评分,再根据胶质瘤患者的核转运风险评分对待测胶质瘤患者生存预测进行预后分类。
-
公开(公告)号:CN114549394A
公开(公告)日:2022-05-27
申请号:CN202111388306.5
申请日:2021-11-22
Applicant: 北京知见生命科技有限公司 , 重庆知见生命科技有限公司 , 中国人民解放军陆军军医大学第一附属医院
Abstract: 本发明提出一种基于深度学习的肿瘤病灶区域语义分割方法和系统,本发明提出端到端的网络结构模型,整体结构分为编码层和解码层两部分,在编码层中引入密集连接网络结构块解决网络过深造成梯度弥散问题,在解码层引入特征注意力机制和通道注意力机制精确获取分割目标信息,在跳跃连接处增加多尺度感受野网络结构获取不同尺度语义信息,提升分割精度。该模型在兼顾速度和精度的前提下可以精确地分割出肿瘤病灶区的准确位置,在医学图像处理领域中具有广泛的应用前景。
-
公开(公告)号:CN114507693A
公开(公告)日:2022-05-17
申请号:CN202210122025.3
申请日:2022-02-09
Applicant: 中国人民解放军陆军军医大学第一附属医院
IPC: C12N15/864 , C12N15/113 , C12N15/55 , C12N15/66 , C12N15/90 , A61K38/17 , A61K48/00 , A61P35/00
Abstract: 本发明属于生物技术领域,具体涉及重组腺相关病毒表达载体及其应用。所述重组腺相关病毒表达载体hGFAP‑promoter‑dsacas9‑VP64‑3flag‑polyA病毒载体、U6‑saGRNA(HUWE1)*3病毒载体,U6‑sagRNA(NC)病毒载体、pAAV‑RC载体和pHelper质粒。本发明的重组腺相关病毒表达载体能够利用SadCas9实现HUWE1在胶质母细胞瘤中内源性过表达,特异性强,副作用小,本发明为胶质母细胞瘤的治疗提供了良好的理论和实践基础。
-
公开(公告)号:CN113866411A
公开(公告)日:2021-12-31
申请号:CN202110953641.9
申请日:2021-08-19
Applicant: 中国人民解放军陆军军医大学第一附属医院
IPC: G01N33/574 , G01N33/573 , C12Q1/6886
Abstract: 本发明属于肿瘤诊断/预后的试剂制备技术领域,具体涉及一种髓母细胞瘤/细胞标志物及其应用。是基于GPR37蛋白、RAB35蛋白、RPS10蛋白、NUDT3蛋白、USP6NL蛋白、RERE蛋白、CACYBP蛋白、CKAP5蛋白中的一种或多种的SMO激活性突变性的髓母细胞瘤/细胞中的蛋白研究及应用。这些蛋白的特异性结合物制备成试剂盒或试剂,能更加简单、方便、精准的诊断/预后髓母细胞瘤/细胞,特别是更加精确地筛选出耐药性髓母细胞瘤/细胞,然后对症下药。
-
-
-
-
-
-
-
-
-