公开(公告)号：CN116863209A

公开(公告)日：2023-10-10

申请号：CN202310756730.3

申请日：2023-06-26

Applicant: 南昌大学

Inventor： 汤晓丽 ,  谢锐翔 ,  高建莹 ,  邓立彬 ,  娄伟明 ,  鲁依辰 ,  黄佳懿

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06T7/00 ,  G16H50/20 ,  G16H30/20 ,  G06V10/25

Abstract: 本发明提出一种基于病理图像的肝细胞癌组织学亚型智能量化系统，步骤包括：获取肝细胞癌病理图像并进行预处理；勾画病理图像中不同组织学类型的感兴趣区(ROI，region of interest)，切割ROI获得色块(tile)，构建不同组织学类型的tile数据集；将数据集分为训练集、验证集和测试集，利用深度学习网络对数据集进行训练，获得组织学类型判别模型；自动进行肝细胞癌病理图像分析并统计各组织学亚型所占比例，生成最终的分析报告和分布轮廓。本发明能够充分利用病理图像的信息，通过自动化的分类训练和统计，得到的分类报告可以作为辅助医生的工具，提高诊断的效率和准确度。

公开(公告)号：CN109360604B

公开(公告)日：2021-09-24

申请号：CN201811389851.4

申请日：2018-11-21

Applicant: 南昌大学

Inventor： 邓立彬 ,  王豪庆 ,  梁博文 ,  王紫璇 ,  杨霭琳 ,  傅芬 ,  汤晓丽

IPC: G16B20/20 ,  G16B5/00 ,  G06N3/08

Abstract: 本发明提供了一种卵巢癌分子分型预测系统，主要包括以下步骤：步骤1，卵巢癌mRNA基因表达特征数据提取模块：获取卵巢癌基因表达数据；步骤2，对所有基因表达数据使用skleam中preprocessing.scale方法进行标准化处理，根据公式Z‑scroce＝(x‑μ)/S2，将每张mRNA表达谱数据处理成均值为0，方差为1的服从正态分布的数据；步骤3，选择主要特征基因数据：运用主成分分析(PCA)及Filter特征选择法；步骤4，使用BP神经网络对N个特征的基因数据训练模型；步骤5，使用一定量样本进行回带程序验证，本发明能够凭借卵巢癌病理切片实现机器自动识别及报错，实现了快速且准确率高的卵巢癌分子分型预测；利用本发明系统进行卵巢癌分子分型预测，能更好的帮助临床治疗方案的完善。

公开(公告)号：CN109360604A

公开(公告)日：2019-02-19

申请号：CN201811389851.4

申请日：2018-11-21

Applicant: 南昌大学

Inventor： 邓立彬 ,  王豪庆 ,  梁博文 ,  王紫璇 ,  杨霭琳 ,  傅芬 ,  汤晓丽

IPC: G16B20/20 ,  G16B5/00 ,  G06N3/08

Abstract: 本发明提供了一种卵巢癌分子分型预测系统，主要包括以下步骤：步骤1，卵巢癌mRNA基因表达特征数据提取模块：获取卵巢癌基因表达数据；步骤2，对所有基因表达数据使用skleam中preprocessing.scale方法进行标准化处理，根据公式Z-scroce＝(x-μ)/S2，将每张mRNA表达谱数据处理成均值为0，方差为1的服从正态分布的数据；步骤3，选择主要特征基因数据：运用主成分分析(PCA)及Filter特征选择法；步骤4，使用BP神经网络对N个特征的基因数据训练模型；步骤5，使用一定量样本进行回带程序验证，本发明能够凭借卵巢癌病理切片实现机器自动识别及报错，实现了快速且准确率高的卵巢癌分子分型预测；利用本发明系统进行卵巢癌分子分型预测，能更好的帮助临床治疗方案的完善。

公开(公告)号：CN119153101A

公开(公告)日：2024-12-17

申请号：CN202411630529.1

申请日：2024-11-15

Applicant: 南昌大学

Inventor： 鲁依辰 ,  邓立彬 ,  胡超 ,  王帆 ,  徐慧 ,  汤晓丽

IPC: G16H50/30 ,  G06N3/096

Abstract: 本发明提供一种膀胱癌预后的预测方法及系统，涉及智能检测技术领域，具体为：获取并预处理膀胱癌苏木精‑伊红（HE）染色病理图像获得有效色块，标注后得到肿瘤和坏死训练集；基于肿瘤训练集和坏死训练集分别训练两个初始模型，对应得到肿瘤模型和坏死模型；获取待预测的膀胱癌病理图像，基于肿瘤模型和坏死模型进行肿瘤和坏死区域识别，对应得到肿瘤区域和坏死区域；基于所述肿瘤区域和坏死区域的空间坐标信息，数值计算得到坏死区域相对于肿瘤区域的空间分布指标；基于所述空间分布指标进行生存分析得到膀胱癌患者的生存预后信息。本发明将深度学习技术应用到膀胱癌预后方向，辅助临床医生对患者生存预后进行评价，为诊疗决策提供参考依据。

公开(公告)号：CN118098579A

公开(公告)日：2024-05-28

申请号：CN202410061304.2

申请日：2024-01-16

Applicant: 南昌大学

Inventor： 邓立彬 ,  邓连瑞 ,  袁航 ,  汤晓丽

IPC: G16H50/30 ,  G16H50/70 ,  G16H10/60 ,  G06F18/10 ,  G06F18/2411 ,  G06F18/27 ,  G06F18/214

Abstract: 本发明提出一种基于体检数据的人体衰老度智能评测方法，包含：获取无年龄相关疾病个体的体检数据并进行质控；通过LASSO法剔除无相关性及共线性变量；将数据集分为训练集和测试集，利用广义线性模型(GLM)、支持向量机(SVM)及基于前馈神经网络的广义线性(DeepGLM)模型对数据集进行训练，获得人体生物学年龄预测模型；利用测试集数据评估预测模型，并计算预测年龄与时序年龄的差距(Δ年龄)；以时序年龄±5岁为分析区间构建每个时序年龄所对应Δ年龄的经验分布。针对需检测的个体计算其Δ年龄，基于时序年龄所对应经验分布计算Z值，判断人体衰老度，生成最终的分析报告。本发明能够充分利用常规体检信息，自动化预测人体衰老度。

公开(公告)号：CN114170183A

公开(公告)日：2022-03-11

申请号：CN202111487778.6

申请日：2021-12-07

Applicant: 南昌大学

Inventor： 邓立彬 ,  娄伟明 ,  汤晓丽 ,  刘越 ,  葛尚华 ,  邬以国 ,  高建莹 ,  傅芬 ,  石超

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种基于病理图像分析的卵巢癌化疗敏感性预测方法和系统，主要包括以下步骤：1.获取卵巢癌的病理组织切片图像；2.切片图像切割成色块并筛选；3.将色块分为训练集和验证集，并输入卷积神经网络进行模型构建及图像特征提取；4.基于图像特征预测个体化疗敏感性评分；5.利用测试集数据对优化后的复合模型进行预测，检测准确度。预测系统包括卵巢组织切片图像处理模块、图像特征提取模块、特征选择及化疗敏感性评分计算模块和卵巢癌化疗敏感性智能预测模块。本发明能够凭借病理切片实现智能检测，实现快速准确预测卵巢癌患者的化疗反应性。