-
公开(公告)号：CN117976114A
公开(公告)日：2024-05-03
申请号：CN202410021752.X
申请日：2024-01-05
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明属于医学信息管理技术领域，具体涉及一种术中快速冷冻病理检查的监督调动系统，包括：预约信息与工作量进度显示模块，用于显示每日各院区术中快速冷冻病理检查的预约标本数以及当前值班人员信息、已登记标本数和诊断中标本数；各标本关键截点信息显示模块，用于采集病理信息管理系统中所记录每个标本目前所处的关键截点、从标本收到到目前所处关键截点所持续的时长、标本收到时间、取材完成时间、制片完成时间、审核完成时间和报告迟发原因并显示；智能提醒模块，用于在接收最后一例标本前预设时限内存在未审核标本大于预设数目时，显示弹框提醒，且在未收到手动操作关闭指令时保持显示状态。本发明有效提高术中快速冷冻病理检查及时率。
-
公开(公告)号：CN120032368A
公开(公告)日：2025-05-23
申请号：CN202510093778.X
申请日：2025-01-21
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06V20/69 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本申请涉及一种基于目标检测技术的结直肠癌图片上肿瘤出芽自动识别方法、装置及设备，涉及计算机视觉与医学图像处理技术领域，该方法包括：通过对包含结直肠癌肿瘤出芽的全切片图片进行图片分割，得到补丁图片，然后利用YOLOv8目标检测模型对补丁图片进行特征识别，得到与肿瘤出芽相关的细微特征，利用最佳权重函数对细微特征进行肿瘤出芽标识预测，得到候选区域和各候选区域对应的预测类别，然后在此基础上，从候选区域中选取存在肿瘤出芽的检测目标，再依据检测目标进行位置识别，并根据检测目标对应的识别到的肿瘤出芽坐标信息，确定最终的肿瘤出芽识别结果，实现了补丁图片上肿瘤出芽的自动识别，保证肿瘤出芽识别结果的准确性和高效性。
-
公开(公告)号：CN116908451A
公开(公告)日：2023-10-20
申请号：CN202310839485.2
申请日：2023-07-10
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G01N33/574
Abstract: 本发明涉及一组蛋白标志物在鉴别原发性肺腺癌与结直肠癌肺转移的试剂中的应用，具体地，本发明涉及FABP1、MLPH或NARR在鉴别具有肠型或黏液分化特征的原发性肺腺癌与结直肠癌肺转移中的应用，本发明还涉及用于鉴别具有肠型或黏液分化特征的原发性肺腺癌与结直肠癌肺转移的试剂盒。本申请中，FABP1、MLPH或NARR的检测可对疑似患有肠型或黏液分化特征的原发性肺腺癌或结直肠癌肺转移的患者进行准确诊断，对于改善患者的预后具有重大意义，同时可以作为潜在的治疗靶点供后续研究。
-
公开(公告)号：CN118262171B
公开(公告)日：2025-02-14
申请号：CN202410449074.7
申请日：2024-04-15
Applicant: 华中科技大学同济医学院附属协和医院 , 天津见康华美医学诊断技术有限公司 , 中国科学院深圳先进技术研究院 , 深圳见康智能科技有限公司
IPC: G06V10/764 , G06V20/69 , G06V10/80 , G06V10/40 , G06V10/82 , G16B20/50 , G16B40/20 , G16B30/00 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种TP53基因预测方法及系统，属于基因预测技术领域。本发明基于弥漫大B细胞淋巴瘤患者的病理HE切片来预测TP53基因，同时基于MobileNet模型的骨干网络，引入细胞特征子网络、间质特征子网络和特征融合子网络，构建MODTP53Net网络模型，对弥漫大B细胞淋巴瘤HE切片的全玻片成像进行细胞特征、间质特征和全图像块特征的识别，得到特征向量，并通过Transformer网络模型分类器预测TP53基因的阴性及阳性检测结果，本发明预测精度高，快速检测TP53基因，避免对所有患者均采取基因检测造成的医疗成本过高，也弥补NGS测序和FISH检测两种技术必须都做的困境，节约成本和时间。
-
公开(公告)号：CN118480604A
公开(公告)日：2024-08-13
申请号：CN202410485469.2
申请日：2024-04-22
Applicant: 华中科技大学同济医学院附属协和医院 , 天津见康华美医学诊断技术有限公司
IPC: C12Q1/6886 , C12N15/11
Abstract: 本发明涉及一种用于成熟T和NK细胞淋巴瘤预后辅助判断的基因检测探针组合及其应用，属于分子生物学技术领域。成熟T和NK细胞淋巴瘤患者常用预后分层模型均未纳入基因组学改变，但多项临床研究已证实基因组学改变对患者的预后具有非常显著的影响，目前也已发表了多个针对PTCL‑NOS患者、NK/T细胞淋巴瘤患者、ATLL患者的基因组学预后分层模型，可供临床进行基于基因组学改变的预后分层。采用本发明提供的探针组合物可以对成熟T和NK细胞淋巴瘤患者在进行传统预后分层之外，实现基于基因组学改变的分子预后分层，从而更加精准的对患者进行预后判断。
-
Patent Agency Ranking
公开(公告)号：CN116908451B
公开(公告)日：2024-04-19
申请号：CN202310839485.2
申请日：2023-07-10
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G01N33/574
Abstract: 本发明涉及一组蛋白标志物在鉴别原发性肺腺癌与结直肠癌肺转移的试剂中的应用，具体地，本发明涉及FABP1、MLPH或NARR在鉴别具有肠型或黏液分化特征的原发性肺腺癌与结直肠癌肺转移中的应用，本发明还涉及用于鉴别具有肠型或黏液分化特征的原发性肺腺癌与结直肠癌肺转移的试剂盒。本申请中，FABP1、MLPH或NARR的检测可对疑似患有肠型或黏液分化特征的原发性肺腺癌或结直肠癌肺转移的患者进行准确诊断，对于改善患者的预后具有重大意义，同时可以作为潜在的治疗靶点供后续研究。
-
公开(公告)号：CN119314374A
公开(公告)日：2025-01-14
申请号：CN202411496430.7
申请日：2024-10-25
Applicant: 华中科技大学同济医学院附属协和医院
Abstract: 本发明提供一种病理医师数字切片实战模拟培训考试系统，属于考试系统技术领域。包括云端模块、AI算法提取模块、考试题目生成模块、考试题目调整模块；所述考试题目调整模块设定考核主题，所述考核主题根据培训教学大刚需要、按亚专科系统来设定考核主题，包括转移性肿瘤、小蓝圆细胞恶性肿瘤、内镜活检标本以及肺穿刺标本，所述云端模块和AI算法提取模块以真实的临床病例建立试题库，根据考核主题建立试题库，试题库包含病例的临床病理学信息。本发明以真实的病理医生工作场景考核病理医生对疾病的掌握程度。
-
公开(公告)号：CN118262168B
公开(公告)日：2024-11-29
申请号：CN202410433816.7
申请日：2024-04-11
Applicant: 天津见康华美医学诊断技术有限公司 , 华中科技大学同济医学院附属协和医院 , 中国科学院深圳先进技术研究院 , 深圳见康智能科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08 , G06T7/00 , G16H50/20
Abstract: 本发明公开了一种基于深度学习的B细胞淋巴瘤识别方法及装置，涉及细胞识别技术领域，步骤包括：获取原始数据，并选择信号参数作为细胞的特征向量；对特征向量进行补偿处理；对补偿后的荧光数据进行数据变换处理；对样本中的细胞构建邻接关系图；在对样本中的细胞进行分类时，将所有细胞特征数据和邻接关系图输入训练后的图卷积神经网络，对每个细胞进行类别预测；对样本的B细胞克隆性阴阳性进行判断；对异常样本的细胞免疫标记进行判断。装置包括检测模块、预处理模块、换算模块、构建模块、预测模块、第一判断识别模块和第二判断识别模块。本发明记载的方法及装置保证了整个全流程识别过程的自动化，提高了诊断效率。
-
公开(公告)号：CN118262171A
公开(公告)日：2024-06-28
申请号：CN202410449074.7
申请日：2024-04-15
Applicant: 华中科技大学同济医学院附属协和医院 , 天津见康华美医学诊断技术有限公司 , 中国科学院深圳先进技术研究院 , 深圳见康智能科技有限公司
IPC: G06V10/764 , G06V20/69 , G06V10/80 , G06V10/40 , G06V10/82 , G16B20/50 , G16B40/20 , G16B30/00 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种TP53基因预测方法及系统，属于基因预测技术领域。本发明基于弥漫大B细胞淋巴瘤患者的病理HE切片来预测TP53基因，同时基于MobileNet模型的骨干网络，引入细胞特征子网络、间质特征子网络和特征融合子网络，构建MODTP53Net网络模型，对弥漫大B细胞淋巴瘤HE切片的全玻片成像进行细胞特征、间质特征和全图像块特征的识别，得到特征向量，并通过Transformer网络模型分类器预测TP53基因的阴性及阳性检测结果，本发明预测精度高，快速检测TP53基因，避免对所有患者均采取基因检测造成的医疗成本过高，也弥补NGS测序和FISH检测两种技术必须都做的困境，节约成本和时间。
-
公开(公告)号：CN118262168A
公开(公告)日：2024-06-28
申请号：CN202410433816.7
申请日：2024-04-11
Applicant: 天津见康华美医学诊断技术有限公司 , 华中科技大学同济医学院附属协和医院 , 中国科学院深圳先进技术研究院 , 深圳见康智能科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08 , G06T7/00 , G16H50/20
Abstract: 本发明公开了一种基于深度学习的B细胞淋巴瘤识别方法及装置，涉及细胞识别技术领域，步骤包括：获取原始数据，并选择信号参数作为细胞的特征向量；对特征向量进行补偿处理；对补偿后的荧光数据进行数据变换处理；对样本中的细胞构建邻接关系图；在对样本中的细胞进行分类时，将所有细胞特征数据和邻接关系图输入训练后的图卷积神经网络，对每个细胞进行类别预测；对样本的B细胞克隆性阴阳性进行判断；对异常样本的细胞免疫标记进行判断。装置包括检测模块、预处理模块、换算模块、构建模块、预测模块、第一判断识别模块和第二判断识别模块。本发明记载的方法及装置保证了整个全流程识别过程的自动化，提高了诊断效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
