-
公开(公告)号：CN118643128A
公开(公告)日：2024-09-13
申请号：CN202410520185.2
申请日：2024-04-28
申请人： 杭州迪英加科技有限公司
IPC分类号： G06F16/332 , G06F16/33 , G06F16/335 , G16H70/60
摘要： 本发明涉及大语言模型及RAG技术领域，且公开了一种基于大语言模型及RAG技术的病理文献搜索及对话系统，包括病理文献收录及处理模块，用于收录、整理和处理病理文献数据；实时交互与对话模块，用于接收用户的输入并通过大语言模型处理，提取用户意图及语义嵌入；多模态向量表示模块，用于将病理文献转化为语义向量表示；多路召回模块，用于检索与用户查询最相关的病理文献；内容排序模块，包括基于重要度的重排序模型，该模型利用统一的度量维度将多方召回的病理文献进行重新排序，生成最优的排序结果；本发明提高了搜索结果的准确性以及对话生成的质量和实用性，提高了医学文献检索和生成效率，为病理学研究和实践带来更广阔的应用前景。
-
公开(公告)号：CN118365937A
公开(公告)日：2024-07-19
申请号：CN202410488003.8
申请日：2024-04-23
申请人： 杭州迪英加科技有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06V10/40 , G06V10/771
摘要： 本发明公开了一种实时镜下宫颈液基细胞图像辅助诊断技术，首先，在三通显微镜上安装一个摄像头，将镜下的图像实时采集并显示在客户端电脑上。客户端电脑将图像逐帧传输到服务器中进行人工智能辅助判读，服务器将疑似病变细胞的坐标和类型返回给客户端电脑，客户端软件通过矩形框实时提示疑似病变细胞的位置和类别，并记录存在疑似病变细胞的镜下截图以方便医生随时进行复核以及后续的报告采图。服务器会实时记录本张切片上每一帧图像上各类细胞个数和特征，在检测的总细胞个数或同是阳性细胞个数达到诊断标服务器准，将对这些细胞特征进行智能排序和综合分析，最终生成全场图的诊断结果，并直观地提示给医生，从而为医生的诊断决策提供参考。
-
公开(公告)号：CN112132772B
公开(公告)日：2024-02-23
申请号：CN201910548147.7
申请日：2019-06-24
申请人： 杭州迪英加科技有限公司
摘要： 本发明涉及一种病理切片实时判读方法，包括：S10，图像采集装置实时获取显微镜下病理切片的病理图像信息，并将所述病理图像信息传输至处理器；S20，处理器接收来自图像采集装置的病理图像信息，并对所述病理图像信息进行辅助分析、标注后输出经标注的病理图像信息；S30，显示器接收并显示来自所述处理器的经标注的病理图像信息；显微镜与显示器同步显示同一部位的病理图像信息。同时本申请还公开了一种病理切片实时判读方法和装置。本申请将现场阅片和辅助分析相结合，医生在阅片现场可根据需要随时查阅实体病理切片任何位置处细胞情况，该位置处的辅助分析结果同步显示在显示器端。
-
公开(公告)号：CN112232407B
公开(公告)日：2023-08-18
申请号：CN202011101133.X
申请日：2020-10-15
申请人： 杭州迪英加科技有限公司
IPC分类号： G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09
摘要： 本发明涉及一种带有标签噪声的病理图像样本的神经网络模型训练方法、装置，该方法包括：将带有初始标签的病理图像样本输入到初始神经网络模型中，得到每个样本的初始预测概率；根据每个样本的初始标签和初始预测概率计算出初始交叉熵损失函数和初始梯度模长；使用梯度模长计算出每个样本对应梯度密度，使用梯度密度和高斯概率分布对初始交叉熵损失函数进行加权计算，调整易分样本和极度难分样本对模型训练的影响；使用梯度模长对样本的初始标签进行优化；使用梯度下降法和加权后的修正交叉熵损失函数对模型进行训练，更新模型的参数；在下一次迭代使用优化后的标签作为样本的标签求损失值，重复迭代训练数次，直到模型收敛为止，可提高模型训练效果。
-
公开(公告)号：CN114058682B
公开(公告)日：2023-07-04
申请号：CN202111215987.5
申请日：2021-10-19
申请人： 杭州迪英加科技有限公司
IPC分类号： C12Q1/6841 , C12Q1/6886
摘要： 本发明公开了一种用于防伪的原位杂交缓冲液及其应用。缓冲液为抗淬灭剂n‑propyl gallate(NPG)、荧光染料PerCP‑eFluor 710、表面活性剂吐温80和牛血清白蛋白（BSA）组成的混合溶液，缓冲液由SSC缓冲液配制。抗淬灭剂NPG终浓度为0.5‑12mM，荧光染料PerCP‑eFluor 710终浓度为0.2Mm‑2mM，表面活性剂吐温80终浓度为0.05‑1.0%，牛血清白蛋白（BSA）的终浓度为1‑20mg/ml。本发明还包括使用所述的原位杂交缓冲液进行荧光原位杂交的操作方法和使用带有判读防伪功能的AI程序进行荧光原位杂交结果的判读方法。通过本发明能够解决非AI对应原位杂交试剂使用导致的AI软件判读染色结果出现错误判读的问题。
-
公开(公告)号：CN114002429B
公开(公告)日：2023-05-09
申请号：CN202111188048.6
申请日：2021-10-12
申请人： 杭州迪英加科技有限公司
IPC分类号： G01N33/574 , G01N33/569 , G01N33/577
摘要： 本发明公开一种提高增敏免疫组化反应效果的方法，包括以将组织切片，并置入一定温度环境下进行烤片，时长为20min；取出玻片，将玻片依次浸入环保透明脱蜡液处理样本20min、梯度酒精中各浸泡5min，然后置入去离子水中；本发明中的抗体稀释液可通过电荷调节的原理特异性地增强ki‑67抗体与抗原的亲和力，同时本发明中的抗体稀释液还具有增强分子动力学作用的功能，使抗原‑抗体结合的动态平衡速度加快，从而大幅增强本发明中的ki‑67抗体的免疫组化染色强度，同时降低本底，由直接购买抗体的工作液的成本远高于购买抗体的浓缩液，用效果良好的抗体稀释液能够增敏免疫组化的反应效果的同时降低本底，更能大幅度降低成本。
-
公开(公告)号：CN112330625B
公开(公告)日：2023-03-24
申请号：CN202011206747.4
申请日：2020-11-03
申请人： 杭州迪英加科技有限公司
摘要： 本发明涉及一种免疫组化核染色切片细胞定位多域共适应训练方法，用于在仅有的单域标注数据集下，对细胞关键点检测模型进行充分的训练。采用源域图像和目标域图像对细胞定位模型进行训练，将源域图像和目标域图像交替输入编码器进行特征提取，对源域图像进行特征提取后得到第一特征，对目标域图像进行特征提取后得到第二特征；将第一特征和第二特征输入判别器进行特征判别；当判别器的损失函数达到设定条件时，提取到的第一特征和第二特征为域不变特征；将第一特征和第二特征交替输入解码器进行解码、激活操作得到对应的置信度图；在训练过程中，编码器和解码器通过不断迭代进行参数更新；当训练迭代次数达到指定次数时，训练结束。
-
公开(公告)号：CN112884725B
公开(公告)日：2022-12-20
申请号：CN202110145319.3
申请日：2021-02-02
申请人： 杭州迪英加科技有限公司
摘要： 本发明涉及一种针对用于细胞判别的神经网络模型输出结果的修正方法，通过标注出颜色最浅阳性肿瘤细胞，重新界定神经网络模型（或叫深度学习模型）预测出的阴性肿瘤细胞和阳性肿瘤细胞，减少背景像素对于最终判断结果的影响，从而使最终的KI67指数更接近真实数值。具体包括，将镜下病理图像输入训练好的神经网络模型，神经网络模型识别出所述病理图像上的肿瘤细胞，输出标记有肿瘤细胞位置和肿瘤细胞类别的病理图像，所述肿瘤细胞类别包括阳性肿瘤细胞和阴性肿瘤细胞，以所述神经网络模型输出的颜色最浅的阳性肿瘤细胞作为标准细胞，根据所述标准细胞与其他肿瘤细胞的颜色对比修正所述神经网络模型输出的肿瘤细胞类别。
-
公开(公告)号：CN115359483A
公开(公告)日：2022-11-18
申请号：CN202210947291.X
申请日：2022-08-09
申请人： 杭州迪英加科技有限公司
IPC分类号： G06V20/69 , G06V20/70 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明提供一种针对宫颈液基细胞分类的训练方法，包括以下步骤：在宫颈液基细胞全场图像上标注出若干个生物性病原体感染细胞和上皮异常细胞；截取图片作为训练数据，并将数据集按一定比例划分为训练集、验证集和测试集；选用合适的卷积神经网络作为神经网络的主干，并训练多个二分类模型做集成学习；采用mini‑batch梯度下降法对模型进行训练，设置batch size为N，N≥细胞类别数。本方法在标注缺失的情况下，也不会影响模型对标注缺失类别的判断，因为标注缺失类别的样本没有参与到计算该类别的损失函数，因此提升了模型对于此类数据的学习能力；且由于所有类别的分类器共享一个特征提取器，避免了冗余的特征提取环节，大大减少了分析所需的算力和运行时间。
-
公开(公告)号：CN113139931B
公开(公告)日：2022-06-03
申请号：CN202110285736.8
申请日：2021-03-17
申请人： 杭州迪英加科技有限公司
摘要： 本申请涉及一种甲状腺切片图像分类模型训练方法、装置。所述方法包括：获取预设放大倍数下甲状腺切片图像；对所述甲状腺切片图像划分成多个互不重叠的预设大小的图像块；对所述图像块，通过图像块分类模型进行分类，获得所述图像块为恶性肿瘤的概率；所述图像块分类模型训练过程中，采用优化损失函数，通过反向传播算法调整模型参数；将所述概率映射到，与其对应的所述图像块在所述甲状腺切片图像的位置，获得所述甲状腺切片图像的概率热图；从所述概率热图中提取肿瘤的特征值输入SVM分类器进行训练，获得甲状腺切片图像分类模型。采用本方法能够提高模型分类的精确度。
-
-
-
-
-
-
-
-
-
搜索结果
133 条记录 (耗时 0.047 秒)
