-
公开(公告)号：CN104370795B
公开(公告)日：2016-09-28
申请号：CN201410543929.9
申请日：2014-10-15
Applicant: 复旦大学 , 复旦大学附属妇产科医院
IPC: C07D207/34 , A61P35/00
Abstract: 本发明属于生物医学技术领域，具体为一种双靶向肿瘤细胞微管蛋白和肿瘤周围血管的茚酮化合物及其合成方法与应用。本发明设计合成了一种茚酮类化合物。该化合物可以与肿瘤细胞的微管蛋白结合，促进其聚合，干扰其解聚，从而干扰肿瘤细胞的有丝分裂过程；可以通过与肿瘤血管内皮细胞作用使肿瘤的血管区域被破坏。经大量实验证实，该化合物通过双靶向肿瘤细胞微管蛋白和肿瘤周围血管，可以安全有效地抑制肿瘤细胞增殖、促进肿瘤细胞凋亡、抑制肿瘤细胞转移和抑制肿瘤细胞血管生成。本发明化合物分子质量较小，口服生物利用度较高，临床用药相对灵活；能双靶向卵巢癌细胞及其周围血管，抗肿瘤活性也更高，在临床应用中更具优势。
-
公开(公告)号：CN104370795A
公开(公告)日：2015-02-25
申请号：CN201410543929.9
申请日：2014-10-15
Applicant: 复旦大学 , 复旦大学附属妇产科医院
IPC: C07D207/34 , A61P35/00
Abstract: 本发明属于生物医学技术领域，具体为一种双靶向肿瘤细胞微管蛋白和肿瘤周围血管的茚酮化合物及其合成方法与应用。本发明设计合成了一种茚酮类化合物。该化合物可以与肿瘤细胞的微管蛋白结合，促进其聚合，干扰其解聚，从而干扰肿瘤细胞的有丝分裂过程；可以通过与肿瘤血管内皮细胞作用使肿瘤的血管区域被破坏。经大量实验证实，该化合物通过双靶向肿瘤细胞微管蛋白和肿瘤周围血管，可以安全有效地抑制肿瘤细胞增殖、促进肿瘤细胞凋亡、抑制肿瘤细胞转移和抑制肿瘤细胞血管生成。本发明化合物分子质量较小，口服生物利用度较高，临床用药相对灵活；能双靶向卵巢癌细胞及其周围血管，抗肿瘤活性也更高，在临床应用中更具优势。
-
公开(公告)号：CN115067875B
公开(公告)日：2024-12-20
申请号：CN202210477229.9
申请日：2022-05-03
Applicant: 复旦大学
Abstract: 本发明属于生物医疗技术领域，具体为一种基于压缩脑电的新生儿睡眠分期方法。本发明方法包括：获取原始的新生儿脑电信号数据集并进行睡眠阶段的分期标注，将分期标注结果作为标准分期结果；对滤除背景噪声后的原始脑电信号进行压缩变换，得到压缩变换后的脑电信号，使得数据量极大缩减；将变换后的脑电信号与原始脑电的分期标注进行对齐；使用睡眠分期训练数据训练得到全自动新生儿睡眠分期网络；使用全自动新生儿睡眠分期网络对新生儿的睡眠过程进行睡眠阶段分期。本发明可将脑电信号进行压缩降低原始数据信息的冗余度，并构建自动分期模型以更轻便式的脑电信号数据源对新生儿的睡眠过程进行阶段分期，具有广泛的临床应用前景。
-
公开(公告)号：CN119150337A
公开(公告)日：2024-12-17
申请号：CN202310718895.1
申请日：2023-06-16
Applicant: 复旦大学
IPC: G06F21/62 , G06F21/31 , G06F21/53 , G06F21/12 , G06F18/24 , G06F16/901 , G06F16/907 , G16H50/70 , G16H10/60
Abstract: 本发明属于远程诊疗技术领域，具体为一种用于远程诊疗的数据保护及解析系统。本发明系统包括部署在内网的数据采集模块、数据存储模块，部署在内网的本地中转平台上的弱隐私数据准备模块、数据解析授权模块、解析数据回传模块，部署于外网的远程登录及数据解析模块；本发明将不同设备采集到的数据上传并存储于本地，对需要进行解析的数据进行隐私脱敏，分析人员进行身份核验及权限授权之后，可通过外网远程登录本地中转平台上打开本地的软件读取已经脱敏的文件，并进行实时数据标注和解读。整个数据存取与分析过程都在本地完成，降低了网络负载和数据泄露的风险；利用沙箱技术对用户实现全流程监控，避免数据因复制等造成的数据泄露。
-
公开(公告)号：CN118072767A
公开(公告)日：2024-05-24
申请号：CN202410167660.2
申请日：2024-02-06
Applicant: 复旦大学
Abstract: 本发明属于腺样体和扁桃体肥大筛查技术领域，具体为一种基于语音信号的全自动腺样体和扁桃体肥大识别系统。本发明系统包括：语音信号采集模块、信号预处理模块、特征提取、特征拼接和特征选择模块、数据均衡模块、深度学习网络模块、二分类模块和四分类模块。系统对通过计算机辅助语言调查分析软件采集到的语音信号进行预处理和特征提取，并将不同元音和鼻音信号的特征进行拼接送至深度学习网络进行高精度特征提取，最终进行腺样体和扁桃体肥大识别及其严重程度判别。本发明采用特征选择算法对所提特征进行最优特征筛选，采用数据均衡算法使得样本种类达到均衡，采用深度学习网络挖掘更深层次的特征，得到更精准的结果。
-
Patent Agency Ranking
公开(公告)号：CN117045259A
公开(公告)日：2023-11-14
申请号：CN202311047049.8
申请日：2023-08-21
Applicant: 粤港澳大湾区精准医学研究院(广州) , 复旦大学
Abstract: 本发明属于生物医学中的睡眠医学领域，具体为一种基于多模态调控的睡眠监测与干预系统。本发明的睡眠监测与干预系统包括信号感知模块、模拟前端、主控模块、睡眠干预模块、无线传输模块、电源管理模块，以及上位机软件。信号感知模块用于感知原始EEG信号；模拟前端用于信号预处理，包含预处理模块和模数转换模块；主控模块包含微控制器；睡眠干预模块用于调控用户睡眠，包含音频模块、LED灯等；无线传输模块用于数据和指令交互；电源管理模块为系统提供稳定电源；上位机软件用于对数据进行显示和分析。本发明结合多种调控方式干预用户睡眠，可长时间佩戴；作为医疗系统的有效补充，改善、提高睡眠质量。本发明系统易于集成，便于推广使用。
-
公开(公告)号：CN116421144A
公开(公告)日：2023-07-14
申请号：CN202310119357.0
申请日：2023-02-15
Applicant: 复旦大学
IPC: A61B5/00 , G16H50/30 , G16H50/20 , G06N3/0442 , G06N3/0464 , G06N3/042 , G06N3/08 , A61B5/369 , A61B5/372
Abstract: 本发明属于癫痫性脑病辅助诊断技术领域，具体为一种ESES相关癫痫性脑病自动量化和预后评估模型及其训练和使用方法。本发明脑病自动量化和预后评估模型包括脑网络特征提取模块、脑电深度特征提取模块以及识别诊断模块；脑网络特征提取模块包括计算模块、图卷积神经网络、注意力机制网络，得到脑网络图论特征和图谱特征，并将两者融合得到数据片段间状态转换的信息；脑电深度特征提取模块用于提取脑电深度特征；识别诊断模块用于将由脑电深度特征提取模块提取的脑网络特征和由脑电深度特征提取模块提取的脑电深度特征进行融合，并进行ESES特征波的识别以及预后等级的评估。本发明不仅实现对ESES自动量化，还实现对ESES相关癫痫性脑病预后评估，从而大幅提高ESES诊疗效率。
-
公开(公告)号：CN116070168A
公开(公告)日：2023-05-05
申请号：CN202310030016.6
申请日：2023-01-10
Applicant: 复旦大学
IPC: G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/047 , G06N3/082 , A61B5/00 , A61B5/372 , A61B5/397 , A61B5/398
Abstract: 本发明公开了一种多模态数据多视角睡眠分期方法。本发明首先对多导睡眠图PSG的脑电EEG通道、眼电EOG通道、肌电EMG通道数据进行处理、分析，将原始的多模态PSG数据处理为三种不同视角的信号：一维信号，二维时频图和图拓扑结构。然后将信号的组合作为自变量，睡眠分期判读结果作为因变量，通过留一验证法测试模型性能指标，构建多视角融合模型；最后将个人的整夜PSG数据输入上述的多维融合模型学习模型，得到睡眠分期判读结果。本发明的自动睡眠分期方法高效、适合临床、结果鲁棒。
-
公开(公告)号：CN113261982B
公开(公告)日：2023-01-06
申请号：CN202110350897.0
申请日：2021-04-01
Applicant: 复旦大学
Abstract: 本发明属于睡眠监测技术领域，具体为一种基于眼电的便携式智能睡眠眼罩。本发明便携式智能睡眠眼罩包括眼电传感器、采集通道模块、生理电信号处理模块、信号采集处理模块、FPGA主控模块、电源功耗模块、串口通信模块、终端设备以及相应的嵌入式控制软件程序及信号睡眠分阶算法模块。本发明使用可编程门阵列，高集成低功耗元器件，结合深度学习网络模型等实现对眼电的实时采集与睡眠阶段、睡眠质量的分析。该系统便携、舒适，成本低廉，可为家庭睡眠监护及睡眠早期疾病诊断预防提供新的解决方案。
-
公开(公告)号：CN115153430A
公开(公告)日：2022-10-11
申请号：CN202210626575.9
申请日：2022-06-03
Applicant: 复旦大学
Abstract: 本发明属于健康检测技术领域，具体为一种基于柔性压感床垫的睡眠姿势监测系统。本发明系统包括包含前端采集设备、信号采集与处理电路和算法模块；前端采集设备为一柔性压力传器感，做成床垫形式，用于采集人体的压力；信号采集与处理电路，包括分压模块、N选1模块和STM‑N模块；算法模块用于对采样的人体压力分布图进行处理，并实现睡眠姿势的预测。算法模块中采用网络FCSNet进行频域通道选择，采用网络Tiny‑MobileNetV2作为推理模型，简化了网络的复杂性，并减少运行时间。实验结果表明本发明能够实现睡眠姿势的高精度识别，大大降低产品的成本、功耗，提升便携性和隐私安全性，有助于睡眠姿势监测推广普及至普通家庭的日常监护。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.033 seconds)
