-
公开(公告)号：CN111227833B
公开(公告)日：2021-09-14
申请号：CN202010036446.5
申请日：2020-01-14
Applicant: 西安交通大学医学院第一附属医院
IPC: A61B5/055
Abstract: 本发明公开了一种基于广义线性模型的机器学习的术前定位方法，包括以下步骤：获得结构图像和功能磁共振图像；对结构图像和功能磁共振图像进行预处理；对结构图像和功能磁共振图像进行分割和配准操作，使用双重回归方法提取运动网络；构建广义线性预测模型，将大脑分区进行广义线性预测模型拟合；本发明方法可以更准确地在静息态功能磁共振的基础上识别运动区域预测个体的运动激活图，能够以实际任务功能磁共振图像激活为参考，使用主动任务激活训练的广义线性预测模能有效预测被动任务激活，广义线性预测模对于不能达到满意任务表现的患者，包括老年人、儿童、肿瘤患者具有重要的临床应用价值。
-
Patent Agency Ranking
公开(公告)号：CN110537915A
公开(公告)日：2019-12-06
申请号：CN201910844699.2
申请日：2019-09-07
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本发明公开一种基于FMRI及DTI融合的皮质脊髓束纤维追踪方法,包括对fMRI和DTI磁共振图像数据进行预处理、通过任务态功能激活提取最大激活区定义种子点来确定重要运动区域、ROI选取、利用多纤维模型的概率追踪法完成纤维追踪，本发明通过选择fMRI的运动激活区作为DTI纤维追踪的种子点，与传统解剖位置定义对脑肿瘤患者进行CST纤维追踪进行比较，以此来评价CST的不同成分与脑肿瘤边界的空间位置关系，从而为脑肿瘤患者提供有价值的术前信息。
-
公开(公告)号：CN104800865A
公开(公告)日：2015-07-29
申请号：CN201510218446.6
申请日：2015-04-30
Applicant: 西安交通大学医学院第一附属医院
IPC: A61K51/08 , A61K101/02
Abstract: 本发明提供一种用于HER2表达阳性肿瘤PET成像的靶向正电子示踪剂及其制备方法，所述正电子示踪剂为建立在序列为亮氨酸-苏氨酸-缬氨酸-丝氨酸-脯氨酸-色氨酸-酪氨酸的寡肽基础上的化合物，寡肽的氨基端上连接6-肼基烟酰基，并标记放射性核素[18F]氟，羧基端可连接氨基。本发明所制备正电子示踪剂体内生物学分布良好，体外细胞试验证实有较好的靶向性，可用于HER2表达阳性肿瘤的特异性成像、靶向治疗药物的选择与疗效判断，本发明建立了一套完整、流程化、全自动合成方法，制备过程简单易行、方便高效，有利于今后批量、规模化生产与商品化供应。
-
公开(公告)号：CN115760789A
公开(公告)日：2023-03-07
申请号：CN202211466613.5
申请日：2022-11-22
Applicant: 西安交通大学医学院第一附属医院
Abstract: 本申请公开了一种胶质瘤IDH基因型的预测方法及系统，其中方法包括以下步骤：检查DTI数据质量，对图像进行DTI预处理，获取FA及MD参数图；在T2FLAIR图像中勾画感兴趣区；将感兴趣区与FA及MD参数图进行配准，计算感兴趣区中的FA值和MD值；计算血清中性粒细胞计数与淋巴细胞计数的比值，基于FA值、MD值、比值和年龄一起建立二元Logistic回归模型。本申请提出了利用肿瘤实质的FA、MD值、血清中性粒细胞/淋巴细胞(NLR)以及年龄建立模型作为术前无创预测胶质瘤IDH基因型的手段。本发明思路新颖，过程简单，有重要的临床和科研价值。
-
公开(公告)号：CN111227833A
公开(公告)日：2020-06-05
申请号：CN202010036446.5
申请日：2020-01-14
Applicant: 西安交通大学医学院第一附属医院
IPC: A61B5/055
Abstract: 本发明公开了一种基于广义线性模型的机器学习的术前定位方法，包括以下步骤：获得结构图像和功能磁共振图像；对结构图像和功能磁共振图像进行预处理；对结构图像和功能磁共振图像进行分割和配准操作，使用双重回归方法提取运动网络；构建广义线性预测模型，将大脑分区进行广义线性预测模型拟合；本发明方法可以更准确地在静息态功能磁共振的基础上识别运动区域预测个体的运动激活图，能够以实际任务功能磁共振图像激活为参考，使用主动任务激活训练的广义线性预测模能有效预测被动任务激活，广义线性预测模对于不能达到满意任务表现的患者，包括老年人、儿童、肿瘤患者具有重要的临床应用价值。
-
公开(公告)号：CN116152170A
公开(公告)日：2023-05-23
申请号：CN202211613838.9
申请日：2022-12-15
Applicant: 西安交通大学医学院第一附属医院
IPC: G06T7/00 , G06V10/764 , G06V10/771 , G06V10/766 , G06V10/25 , G06V10/42 , G06V10/56 , G06V10/26 , G06N20/00
Abstract: 本发明公开了一种基于机器学习的颅内原发恶性肿瘤识别方法，包括以下步骤：对不同肿瘤的磁共振增强图像进行逐层分割处理，获得不同肿瘤的感兴趣区域；提取所述感兴趣区域的图像特征并进行筛选；构建初始肿瘤分类模型，基于筛选出的图像特征对所述初始肿瘤分类模型进行训练，获得目标肿瘤分类模型；基于所述目标肿瘤分类模型，对不同的肿瘤类型进行识别。本发明通过提取不同肿瘤类型的脑肿瘤结构特征及三维特征,对高维度特征进行初步筛选，能够提供肉眼难以捕捉获得的潜在病理生理学信息，提高了肿瘤类型识别的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
