公开(公告)号：CN117058076A

公开(公告)日：2023-11-14

申请号：CN202310915073.2

申请日：2023-07-25

Applicant: 温州医科大学附属第一医院

Inventor： 边淑盈 ,  林洁 ,  姚飞 ,  俞梦莹 ,  郑默 ,  朱冬勤 ,  杨运俊

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/766 ,  G06V10/771

Abstract: 本申请涉及一种基于PET/CT影像组学的PSA持续状态预测方法，通过获取前列腺癌病例数据后，将预处理后的前列腺癌病例数据划分为测试组和训练组，之后在测试组和训练组中选取出图像并对该图像执行感兴趣区域ROI的分割，从感兴趣区域ROI提取PET特征和CT特征，将PET特征和CT特征作为选中特征纳入该感兴趣区域ROI的特征集，之后计算内部相关系数ICC，基于内部相关系数ICC进行和LASSO逻辑回归分析方法进行筛选，得到最优预测特征，通过最优预测特征构建组学模型、临床模型和联合模型，基于最优模型建立列线图，利用列线图对PSA持续状态进行预测，本申请能够实现前列腺癌不良预后的早期预测，预测出高危PSA持续状态的病人，使医生寻找新的发病机制和治疗靶点。

公开(公告)号：CN115132344A

公开(公告)日：2022-09-30

申请号：CN202210521068.9

申请日：2022-05-12

Applicant: 温州医科大学附属第一医院

Inventor： 姚飞 ,  朱冬勤 ,  边淑盈 ,  蔡蒙婷 ,  兰莉 ,  林凤 ,  潘志方 ,  金献测 ,  杨运俊

IPC: G16H50/20 ,  G06T7/00 ,  G06V10/764 ,  G06V10/25

Abstract: 本申请公开了一种基于超声组学的卵巢癌分类方法及预测模型评估方法包括以下步骤：S1、获取上皮性卵巢癌(EOC)患者样本数据，采集超声图像，在超声图像上分割肿瘤感兴趣区域(ROI)，并提取超声组学特征；S2、筛选超声组学特征，基于logistic回归分析建立超声组学评分模型；S3、根据临床特征建立临床模型，结合超声组学评分模型和临床特征建立联合模型；S4、评价临床模型、超声组学评分模型和联合模型的性能和临床应用价值；S5、基于联合模型建立列线图。本申请的有益之处在于：提供了一种结合临床数据和超声组学特征显示肿瘤的异质性及预测EOC的组织病理类型的基于超声组学的卵巢癌分类方法及预测模型评估方法。

公开(公告)号：CN116741382A

公开(公告)日：2023-09-12

申请号：CN202310772418.3

申请日：2023-06-28

Applicant: 温州医科大学附属第一医院

Inventor： 朱冬勤 ,  骆志显 ,  周滢 ,  俞梦莹 ,  陈俐璇 ,  姚飞 ,  林茹 ,  杨运俊

IPC: G16H50/30 ,  G16H50/20 ,  G16H50/70 ,  G16H10/20 ,  G16H10/60 ,  G06F18/27 ,  G06T7/00 ,  G06V10/766 ,  G06V10/771

Abstract: 本申请涉及一种自发性脑出血复发检测模型的构建方法，通过获取多名自发性脑出血确诊待测者出现症状6小时内基线临床数据、影像图片。对基线临床数据提取与复发性脑出血相关的临床独立预测因子，并利用临床独立预测因子构建基线临床数据标志物模型。对影像图片提取与复发性脑出血相关的影像组学特征，并利用影像组学特征构建影像组学标志物模型。将临床独立预测因子和基线临床数据标志物模型导入logistics回归模型并检测改模型，生成自发性脑出血复发检测模型。自发性脑出血复发检测模型具有较高的预测准确度，能够辅助临床医生提前筛查高复发性风险的受测者，及早给予针对性治疗，有助于降低受测者后期复发性风险。

公开(公告)号：CN115331054A

公开(公告)日：2022-11-11

申请号：CN202210962377.X

申请日：2022-08-11

Applicant: 温州医科大学附属第一医院

Inventor： 朱冬勤 ,  姚飞 ,  边淑盈 ,  俞梦莹 ,  骆志显 ,  林茹 ,  潘志方 ,  叶祖森 ,  杨运俊

IPC: G06V10/764 ,  G06V10/766 ,  G06N20/00 ,  G16H30/20 ,  G16H50/30 ,  A61B5/02 ,  A61B5/00

Abstract: 本申请公开了一种高分级颅内动脉瘤预测方法、装置、电子设备及可读介质，其中方法包括：采集输入特征数据；将输入特征数据输入至预测模型以使预测模型输出分类结果；其中，输入特征数据包括形态学特征数据；形态学特征数据包括：动脉瘤冠状面朝向及Fisher分级。本申请的有益之处在于：提供了一种采用机器学习模型对患者影像进行辨识，以快速识别颅内动脉瘤中的高分级颅内动脉瘤预测方法、装置、电子设备及可读介质。

公开(公告)号：CN215605804U

公开(公告)日：2022-01-25

申请号：CN202121436401.3

申请日：2021-06-25

Applicant: 温州医科大学附属第一医院

Inventor： 朱冬勤 ,  姚飞 ,  朱子力 ,  林茹 ,  赵雪妙 ,  徐刘惠 ,  徐浩力 ,  杨运俊

IPC: A61B6/03 ,  A61B6/04 ,  A61M5/14

Abstract: 本实用新型涉及医疗设备技术领域，特别是公开了一种CT机的组合式检查床，包括检查床本体，所述检查床本体上设置有可拆卸的移动床板，所述移动床板与检查床本体通过卡勾结构连接，所述卡勾结构包括固定设置在移动床板上的钩槽、设置在检查床本体上的卡勾以及驱动卡勾卡设的驱动件，所述驱动件包括与卡勾一体设置的齿条和转动设置在检查床本体上的齿轮，所述齿轮与齿条啮合驱动卡勾上下移动实现与钩槽的连接或解除连接，所述移动床板上连接有输液支撑杆和仪器支撑板。采用上述结构，提供了一种能方便没有意识的患者做CT检查的检查床。