-
公开(公告)号：CN113393461B
公开(公告)日：2021-12-07
申请号：CN202110939852.7
申请日：2021-08-16
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度学习的分裂中期染色体图像质量筛选方法和系统，所述方法和系统使用附带标注的分裂中期细胞染色体图像构建训练集和测试集，并进行模型的构建和训练。模型完成训练后，可以对输入的一个病例的每一张染色体图像进行质量评估，输出每一张染色体图像的质量评估结果，然后将所有的染色体图像按照质量评估结果的高低进行降序排序，即模型认为排序靠前的染色体图像质量更高，然后在排序后的染色体图像中靠前选取足够进行诊断的染色体图像即可完成染色体图像质量筛选过程。所述方法和系统数据来源简单，能够准确评价染色体图像质量的高低，AUC值为0.927，模型检测速度快，检测速度大大快于人工速度。
-
公开(公告)号：CN109523520A
公开(公告)日：2019-03-26
申请号：CN201811250267.0
申请日：2018-10-25
Applicant: 北京大学第三医院 , 中国科学院计算技术研究所
CPC classification number: G06T7/0012 , G06K9/0014 , G06K9/00147 , G06N3/0454 , G06T2207/10056 , G06T2207/20081 , G06T2207/30004 , G06T2207/30242
Abstract: 本发明公开了一种基于深度学习的染色体自动计数方法，包括以下步骤：(1)图像收集和预处理步骤；(2)图像分类和回归步骤；(3)模型训练步骤；(4)测试计数步骤，其中，在步骤(2)中采用新的抽样策略，并对Faster R-CNN模型损失函数进行了改进。本发明所需的数据来源于真实显微镜视野下的G显带染色体，所述方法无需复杂实验过程，成本低廉，耗时更短，能够自动准确完成目标染色体计数。本发明使用1000例标注的染色体图训练模型，随后用175例标注的染色体图做测试，统计显示175例共包含8023条染色体，测试的准确率为98.95％，召回率为98.67％。测试结果显示用机器计数后人工校正的方法完成一份报告的染色体计数所需时间短于目前的1/3。
-
公开(公告)号：CN113393461A
公开(公告)日：2021-09-14
申请号：CN202110939852.7
申请日：2021-08-16
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度学习的分裂中期染色体图像质量筛选方法和系统，所述方法和系统使用附带标注的分裂中期细胞染色体图像构建训练集和测试集，并进行模型的构建和训练。模型完成训练后，可以对输入的一个病例的每一张染色体图像进行质量评估，输出每一张染色体图像的质量评估结果，然后将所有的染色体图像按照质量评估结果的高低进行降序排序，即模型认为排序靠前的染色体图像质量更高，然后在排序后的染色体图像中靠前选取足够进行诊断的染色体图像即可完成染色体图像质量筛选过程。所述方法和系统数据来源简单，能够准确评价染色体图像质量的高低，AUC值为0.927，模型检测速度快，检测速度大大快于人工速度。
-
Patent Agency Ranking
公开(公告)号：CN109523520B
公开(公告)日：2020-12-18
申请号：CN201811250267.0
申请日：2018-10-25
Applicant: 北京大学第三医院 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于深度学习的染色体自动计数方法，包括以下步骤：(1)图像收集和预处理步骤；(2)图像分类和回归步骤；(3)模型训练步骤；(4)测试计数步骤，其中，在步骤(2)中采用新的抽样策略，并对Faster R‑CNN模型损失函数进行了改进。本发明所需的数据来源于真实显微镜视野下的G显带染色体，所述方法无需复杂实验过程，成本低廉，耗时更短，能够自动准确完成目标染色体计数。本发明使用1000例标注的染色体图训练模型，随后用175例标注的染色体图做测试，统计显示175例共包含8023条染色体，测试的准确率为98.95％，召回率为98.67％。测试结果显示用机器计数后人工校正的方法完成一份报告的染色体计数所需时间短于目前的1/3。
-
公开(公告)号：CN113408505B
公开(公告)日：2022-06-14
申请号：CN202110957126.8
申请日：2021-08-19
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于深度学习的染色体极性识别方法，所述方法包括（1）收集数据集，（2）构建训练集和测试集，（3）基于训练集对染色体极性识别模型进行学习训练，（4）将测试集输入到染色体极性识别模型进行测试，输出待预测染色体的极性结果。本发明还提供了一种基于深度学习的染色体极性识别系统。本发明提供的方法和系统基于深度学习分类算法，能够准确地判断当前染色体极性类别，并据此完成染色体极性调整，使得染色体均保持短臂朝上的状态。所述方法和系统染色体极性识别准确率达96.36%，而且数据来源简单，染色体分析自动化程度高，流程更加简洁，具有广泛的工业实用性。
-
公开(公告)号：CN109136356A
公开(公告)日：2019-01-04
申请号：CN201710466362.3
申请日：2017-06-19
Applicant: 北京大学第三医院
IPC: C12Q1/6883
CPC classification number: C12Q1/6883 , C12Q2600/156
Abstract: 本发明提供了一种体外评估胎儿颈部透明带增厚发生的SNP阵列芯片，所述芯片含有针对位于人体染色体2号、4号、5号、7号、8号、10号、13号和17号染色体上，19个SNP位点的19条探针序列；本发明进一步提供了一种体外评估胎儿颈部透明带增厚发生的检测试剂盒，所述试剂盒由所述SNP阵列芯片和相关基因引物对组成；本发明所提供的阵列芯片和检测试剂盒可以对胎儿颈部透明带增厚的发生提供早期的评估，检测过程快速，高通量，且准确性高，适合工业产业化。
-
公开(公告)号：CN113408505A
公开(公告)日：2021-09-17
申请号：CN202110957126.8
申请日：2021-08-19
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于深度学习的染色体极性识别方法，所述方法包括（1）收集数据集，（2）构建训练集和测试集，（3）基于训练集对染色体极性识别模型进行学习训练，（4）将测试集输入到染色体极性识别模型进行测试，输出待预测染色体的极性结果。本发明还提供了一种基于深度学习的染色体极性识别系统。本发明提供的方法和系统基于深度学习分类算法，能够准确地判断当前染色体极性类别，并据此完成染色体极性调整，使得染色体均保持短臂朝上的状态。所述方法和系统染色体极性识别准确率达96.36%，而且数据来源简单，染色体分析自动化程度高，流程更加简洁，具有广泛的工业实用性。
-
公开(公告)号：CN109136355A
公开(公告)日：2019-01-04
申请号：CN201710466094.5
申请日：2017-06-19
Applicant: 北京大学第三医院
IPC: C12Q1/6883
CPC classification number: C12Q1/6883 , C12Q2600/156
Abstract: 本发明提供了一种体外评估胎儿双胎输血综合征发生的SNP阵列芯片，所述芯片含有针对位于人体染色体2号、5号、6号、7号、8号、9号、19号号染色体上，9个SNP位点的9条探针序列；本发明进一步提供了一种体外评估胎儿双胎输血综合征发生的检测试剂盒，所述试剂盒由所述SNP阵列芯片和相关基因引物对组成；本发明所提供的阵列芯片和检测试剂盒可以对胎儿双胎输血综合征的发生提供早期的评估，检测过程快速，通量高，且准确性高，适合工业产业化。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
