-
公开(公告)号：CN114974522A
公开(公告)日：2022-08-30
申请号：CN202210888037.7
申请日：2022-07-27
Applicant: 中国医学科学院北京协和医院
IPC: G16H30/20 , G16H50/20 , G16H50/30 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种医学影像处理方法、装置、电子设备及存储介质，涉及医学影像领域。首先根据接收到的操作指令，从预设的知识库中获取医学影像信息，所述医学影像信息包括医学影像和所述医学影像对应的预测诊断结果，所述预测诊断结果为将所述医学影像输入预先训练的影像分类模型后得到的诊断结果；然后根据所述操作指令和所述医学影像信息，生成目标影像信息；最后展示目标影像信息。通过人工智能技术获取医学影像的预测诊断结果，并根据存储的医学影像和对应的预测诊断结果用于医学影像学教学任务，充分利用真实病例的海量影像信息，提供智能化的人机交互教学平台，提升医学影像学教学的教学效果。
-
公开(公告)号：CN114399501A
公开(公告)日：2022-04-26
申请号：CN202210096760.1
申请日：2022-01-27
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及基于深度学习卷积神经网络的自动分割前列腺全腺体方法。包括：获取样本的前列腺MR图像；将所述前列腺MR图像输入前列腺全腺体分割网络，得到前列腺全腺体图像，所述前列腺全腺体分割网络包括前列腺尖部分割网络、前列腺中部分割网络和前列腺底部分割网络，所述前列腺尖部分割网络用于分割前列腺MR图像得到前列腺尖部图像，所述前列腺中部分割网络用于分割前列腺MR图像得到前列腺中部图像，所述前列腺底部分割网络用于分割前列腺MR图像得到前列腺底部图像，将所述前列腺尖部图像、前列腺中部图像和前列腺底部图像进行图像合并，得到前列腺全腺体分割图像。本发明从前列腺解剖结构特点出发，提供更好的前列腺全腺体分割方法。
-
公开(公告)号：CN113104375A
公开(公告)日：2021-07-13
申请号：CN202110508990.X
申请日：2021-05-11
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明提供一种医学影像科用片子保存装置。医学影像科用片子保存装置，包括底座；中轴，所述中轴转动安装在所述底座的顶部；箱体，所述箱体固定安装在所述底座的顶部，且所述中轴贯穿所述箱体并与所述箱体转动连接；蜗轮，所述蜗轮固定套设在所述中轴上；蜗杆，所述蜗杆转动安装在所述箱体内，所述蜗轮与所述蜗杆相啮合，且所述蜗杆的一端延伸到所述箱体外。本发明提供的医学影像科用片子保存装置具有胶片存放空间利用率更高、胶片分类保存更加清晰明朗，取拿查找胶片方便快捷，有效保护其他病人隐私，可便捷无接触地进行展示分析，有效防潮、防尘、防光损等，利于长期安全保存胶片的优点。
-
公开(公告)号：CN117994322B
公开(公告)日：2025-03-04
申请号：CN202410191127.X
申请日：2024-02-21
Applicant: 中国医学科学院北京协和医院
Abstract: 本申请涉及智能医疗领域，具体涉及一种基于椎体分割的脂肪自动定量方法、系统及设备。包括获取受试者的医学影像；对所述医学影像的椎体进行分割得到椎体；基于所述椎体的结构定位得到身体节段；计算所述身体节段对应层面的脂肪面积和/或体积。本发明可用于对全身各类脂肪进行自动分割、体积测量和各椎体层面的脂肪面积测定，具有很好的临床价值。
-
公开(公告)号：CN117672503B9
公开(公告)日：2024-08-09
申请号：CN202410135503.3
申请日：2024-01-31
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明提供了一种基于DKI评估IgG4-RKD风险的方法、系统及可存储介质，涉及智能医疗领域。所述方法包括：获取患者的DKI序列；从所述DKI序列中提取参数，得到定量DKI参数，所述定量DKI参数包括：MD-P、MD-C、MD-M、MK-P、MK-C和MK-M；当MD-C显著大于MD-P和MD-M时，发出IgG4-RKD风险提示。本发明所公开的方法综合多种参数评估患者IgG4-RKD风险，包括：定量DKI参数(MD-P、MD-C、MD-M、MK-P、MK-C和MK-M)、影像特征、eGFR、ESR和C4补体水平等多种指标，提供更全面和准确的风险评估结果，有重要的科研和临床价值。
-
Patent Agency Ranking
公开(公告)号：CN116949176B
公开(公告)日：2024-04-02
申请号：CN202211455595.0
申请日：2022-11-21
Applicant: 中国医学科学院北京协和医院
IPC: C12Q1/6886 , C12N15/11 , C12Q1/6837
Abstract: 本发明涉及一种检测FAS基因突变的试剂在制备胰腺导管腺癌预后检测产品中的应用；所述突变的位点选自g.89011119C>T或/和g.89021477G>A。相对于传统技术，本申请的有益效果包括：本申请人的发明人在长期临床和大量病例研究的基础上，发现FAS基因中的两个位点的突变(g.89011119C>T或/和g.89021477G>A)与胰腺导管腺癌的预后密切相关，通过检测FAS基因中这两个位点的突变情况，能够预测PDAC根治术后患者的预后，包括预测生存期。本申请能够为胰腺癌患者的预后及后续辅助治疗提供精确的指导及临床建议提供可靠手段。
-
公开(公告)号：CN116958151A
公开(公告)日：2023-10-27
申请号：CN202311221342.1
申请日：2023-09-21
Applicant: 中国医学科学院北京协和医院
Abstract: 本申请涉及智能医疗领域，具体涉及一种基于CT图像特征区分肾上腺增生与乏脂肪腺瘤的方法、系统、设备。包括获取肾上腺部位的CT图像；对所述CT图像进行特征计算得到特征值，所述特征为密度特征和/或体积特征，所述密度特征是指在轴位肾上腺病变图像中感兴趣区域的病变密度，所述体积特征是指肾上腺病变图像中感兴趣区域的病变体积；将所述特征值输至疾病诊断模型中进行分类，当特征值的阈值在预设值内则判定为肾上腺增生，否则判定为乏脂肪腺瘤。本申请结合基于密度与体积特征有效区分肾上腺增生与乏脂肪腺瘤，降低将增生误诊为腺瘤的几率，避免增生患者接受不必要的手术，具有很好的临床价值。
-
公开(公告)号：CN116949176A
公开(公告)日：2023-10-27
申请号：CN202211455595.0
申请日：2022-11-21
Applicant: 中国医学科学院北京协和医院
IPC: C12Q1/6886 , C12N15/11 , C12Q1/6837
Abstract: 本发明涉及一种检测FAS基因突变的试剂在制备胰腺导管腺癌预后检测产品中的应用；所述突变的位点选自g.89011119C>T或/和g.89021477G>A。相对于传统技术，本申请的有益效果包括：本申请人的发明人在长期临床和大量病例研究的基础上，发现FAS基因中的两个位点的突变(g.89011119C>T或/和g.89021477G>A)与胰腺导管腺癌的预后密切相关，通过检测FAS基因中这两个位点的突变情况，能够预测PDAC根治术后患者的预后，包括预测生存期。本申请能够为胰腺癌患者的预后及后续辅助治疗提供精确的指导及临床建议提供可靠手段。
-
公开(公告)号：CN116206756B
公开(公告)日：2023-10-27
申请号：CN202310503341.X
申请日：2023-05-06
Applicant: 中国医学科学院北京协和医院
IPC: G16H50/20 , G16H30/20 , G16H20/40 , G16H10/60 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及肺腺癌数据处理方法、系统、设备及计算机可读存储介质。包括：获取肺腺癌患者的临床样本数据；提取所述临床样本数据的特征；基于所述特征对样本进行分类得到AAH/AIS/MIA组和IAC组的第一预分类结果；基于所述特征对样本进行分类得到AAH/AIS组和MIA/IAC组的第二预分类结果；对所述第一预分类结果中的IAC组和所述第二预分类中的AAH/AIS组样本进行再分类，所述再分类是基于所述特征对样本进行三分类得到AAH/AIS、MIA、IAC分类结果。本申请有效解决现有诊断模型对肺腺癌浸润性诊断准确性较低的问题，具有重要的临床应用价值。
-
公开(公告)号：CN115440386B
公开(公告)日：2023-06-20
申请号：CN202211204720.0
申请日：2022-09-30
Applicant: 中国医学科学院北京协和医院
IPC: G16H50/70 , G16H20/10 , G16H10/60 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/048 , G06N20/00
Abstract: 本发明涉及基于加权多病灶的影像组学特征预测晚期癌症患者免疫治疗效果，具体涉及基于加权多病灶的影像组学特征预测晚期癌症患者免疫治疗效果的方法、系统、设备及计算机可读存储介质。包括：获取待测癌症患者的增强CT影像；基于加权多病灶方法提取影像组学特征，得到加权后的影像学组学特征，所述加权多病灶方法提取影像组学特征为：提取患者的增强CT影像中多个病灶的影像组学特征，并将所述多个病灶的影像组学特征自适应加权求和；将所述加权后的影像组学特征输入训练好的机器学习模型中，获得癌症患者是否适合抗PD‑1/PD‑L1单抗治疗的分类结果。本申请在癌症患者免疫治疗临床决策中具有很好的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.038 seconds)
