-
公开(公告)号：CN116363081A
公开(公告)日：2023-06-30
申请号：CN202310252466.X
申请日：2023-03-16
Applicant: 北京大学 , 北京大学第三医院(北京大学第三临床医学院)
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/25 , G06V10/26 , G06V10/80 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09
Abstract: 本发明公布了一种基于深度神经网络的胎盘植入MRI征象检测分类方法及装置，包括：MRI图像预处理模块和MRI胎盘植入征象区域检测分类模块；其中MRI胎盘植入征象区域检测分类模块包括：特征提取模块、征象区域生成模块、假阳性区域消减模块和掩码生成模块。构建基于深度神经网络的胎盘植入MRI征象区域检测分类模型，针对医学MRI图像数据，通过少量的标注信息和数据处理作为模型输入，模型输出包含征象区域的三维包围框以及征象所属类别，可用于胎盘植入MRI征象区域的检测分类。本发明具备一定的扩展性，支持对征象类型的修改以及广泛的三维数据类型处理和分类检测。
-
公开(公告)号：CN116310604A
公开(公告)日：2023-06-23
申请号：CN202310579742.3
申请日：2023-05-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京大学
IPC: G06V10/766 , G06V10/82 , G06V10/25 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及一种胎盘植入分型评估工具和方法，该工具包括感兴趣区域预处理输入模块、多流深度模型模块和多流模型预测融合输出模块,感兴趣区域预处理输入模块用于提取感兴趣区域，得到整体ROI区域标注信息；多流深度模型模块用于采用相同的深度为18层3D残差网络对FIESTA序列、SSFSE序列、FIESTA ROI序列和SSFSE ROI序列进行各自独立训练；多流模型预测融合输出模块用于对多流深度模型的四个流FIESTA流、SSFSE流、FIESTA ROI流和SSFSE ROI流对不同胎盘植入类型的预测概率相加取平均，得到最终的融合预测概率值，取最高的概率值对应的胎盘植入类别作为多流模型最终的预测输出。
-
公开(公告)号：CN116310604B
公开(公告)日：2024-02-13
申请号：CN202310579742.3
申请日：2023-05-23
Applicant: 北京大学第三医院(北京大学第三临床医学院) , 北京大学
IPC: G06V10/766 , G06V10/82 , G06V10/25 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及一种胎盘植入分型评估工具和方法，该工具包括感兴趣区域预处理输入模块、多流深度模型模块和多流模型预测融合输出模块,感兴趣区域预处理输入模块用于提取感兴趣区域，得到整体ROI区域标注信息；多流深度模型模块用于采用相同的深度为18层3D残差网络对FIESTA序列、SSFSE序列、FIESTA ROI序列和SSFSE ROI序列进行各自独立训练；多流模型预测融合输出模块用于对多流深度模型的四个流FIESTA流、SSFSE流、FIESTA ROI流和SSFSE ROI流对不同胎盘植入类型的预测概率相加取平均，得到最终的融合预测概率值，取最高的概率值对应的胎盘植入类别作为多流模型最终的预测输
-
公开(公告)号：CN115400224A
公开(公告)日：2022-11-29
申请号：CN202110589545.0
申请日：2021-05-28
Applicant: 北京大学第三医院(北京大学第三临床医学院)
IPC: A61K47/60 , A61K33/24 , A61P35/00 , A61P35/04 , C25B1/04 , C25B11/04 , B82Y5/00 , B82Y30/00 , B82Y40/00
Abstract: 本发明提供了一种超声压电催化产生氧气和活性氧的钛酸钡及其制备方法和应用，属于生物医药技术领域。本发明提供的钛酸钡纳米粒子，包括表面修饰和内核，所述表面修饰为二硬脂酰磷脂酰乙醇胺‑聚乙二醇分子；所述内核的组分为钛酸钡纳米粒子。本发明提供的钛酸钡在超声辐照下可实现体内压电催化同时产生氧气和活性氧进行肿瘤治疗。
-
公开(公告)号：CN118136243A
公开(公告)日：2024-06-04
申请号：CN202311763582.4
申请日：2023-12-20
IPC: G16H50/30 , A61B5/0205 , A61B5/1455 , A61B5/00
Abstract: 一种急性肾损伤风险预警系统，属于急性肾损伤预测的技术领域，解决了现有技术不能及时准确地预测急性肾损伤风险的问题。系统包括数据采集装置，用于定时采集患者的体征数据，将体征数据发送至患者医疗数据综合管理平台；患者医疗数据综合管理平台包括数据存储模块、风险预测模块和通知模块；存储模块用于存储体征数据；风险预测模块用于提取最新的体征数据构建多元时序数据并输入急性肾损伤预测模型中得到急性肾损伤风险预测结果，将预测结果发送至通知模块；通知模块，用于显示预测结果以及当存在急性肾损伤风险时向预警装置发送报警信息；预警装置，设置于医护士工作站，用于根据所述报警信息进行报警。实现了及时准确的急性肾损伤预警。
-
Patent Agency Ranking
公开(公告)号：CN109929902A
公开(公告)日：2019-06-25
申请号：CN201910236929.7
申请日：2019-03-27
Applicant: 北京大学人民医院(北京大学第二临床医学院)
Abstract: 本发明公开了髓系来源的抑制性细胞在制备自身免疫性疾病诊断试剂中的应用。研究发现，MDSCs及其亚群G-MDSCs、M-MDSCs在正常人和自身免疫病患者中存在明显差别，而且只需要通过外周血和/或关节液取样，用流式细胞术即可判断其比例，计算比值，检测起来十分简单方便；此外，通过设定cut-off值(正常人均值+3SD)，可进一步保证较高的准确率，无需结合其他标志物进行综合判断即可确定自身免疫病，对于自身免疫病的诊断和药物治疗效果都能有很好的指示，更有利于临床应用。
-
公开(公告)号：CN117936086A
公开(公告)日：2024-04-26
申请号：CN202311758246.0
申请日：2023-12-20
Abstract: 本发明涉及一种基于缺失数据的急性肾损伤预测模型的训练方法和系统，属于急性肾损伤预测的技术领域，解决了现有技术存在数据缺失时预测模型的准确性、鲁棒性和泛化性能差的问题。方法包括：获取患者包含缺失数据的多元时序数据，基于所述多元时序数据构建训练样本集；构建用于预测未来多元时序数据的预训练模型，基于所述训练样本集训练所述预训练模型；基于训练好的预训练模型构建用于预测急性肾损伤的预测模型，基于所述训练样本集训练所述预测模型得到训练好的预测急性肾损伤的预测模型。实现了在存在缺失数据时准确的急性肾损伤预测。
-
公开(公告)号：CN116757190B
公开(公告)日：2023-10-20
申请号：CN202311022054.3
申请日：2023-08-15
IPC: G06F40/279 , G06F40/30 , G06N3/0442
Abstract: 本发明涉及智能医疗领域的知识图谱的自动化构建，更具体地，涉及一种基于双向树型标注方法的实体关系联合抽取方法。包括：获取待预测文本；将所述待预测文本中的关系与预定义关系类型集合匹配；当匹配结果为是时，将所述待预测文本输入全监督模块中，得到待预测文本中的每个词的标注序列；当匹配结果为否时，将所述待预测文本和少量对应关系的标注样本分别输入小样本模块中，得到待预测文本中的每个词的标注序列；基于所述待预测文本中的每个词的标注序列还原出待预测文本的关系结构图，并抽取关系结构图中的三元组集合。本申请在不增加过多标注数量和时间开销的情况下，提高抽取的准确率和召回率。
-
公开(公告)号：CN116757190A
公开(公告)日：2023-09-15
申请号：CN202311022054.3
申请日：2023-08-15
IPC: G06F40/279 , G06F40/30 , G06N3/0442
Abstract: 本发明涉及智能医疗领域的知识图谱的自动化构建，更具体地，涉及一种基于双向树型标注方法的实体关系联合抽取方法、系统及设备。包括：获取待预测文本；将所述待预测文本中的关系与预定义关系类型集合匹配；当匹配结果为是时，将所述待预测文本输入全监督模块中，得到待预测文本中的每个词的标注序列；当匹配结果为否时，将所述待预测文本和少量对应关系的标注样本分别输入小样本模块中，得到待预测文本中的每个词的标注序列；基于所述待预测文本中的每个词的标注序列还原出待预测文本的关系结构图，并抽取关系结构图中的三元组集合。本申请在不增加过多标注数量和时间开销的情况下，提高抽取的准确率和召回率。
-
公开(公告)号：CN114511540B
公开(公告)日：2024-11-26
申请号：CN202210123897.1
申请日：2022-02-10
Applicant: 北京大学
Abstract: 本发明公布了一种基于多模态MRI图像的肌肉分割模型方法，属于医学图像分割技术领域。本发明集中所有MRI数据的物理信息，每例MRI数据通过编码器生成FAT模态和WATER模态图像特征，再通过注意力机制子模块整合两个模态的信息，最后通过解码模块生成肌肉分割的结果，再将该结果和真实标注进行比对，通过反向传播的方式训练模型，得到训练好的基于多模态MRI图像的肌肉分割模型。本发明在多模态的情况下，充分利用各个模态之间的互补性，深入挖掘图像的结构信息和语义信息，提高肌肉分割的准确率和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.102 seconds)
