-
公开(公告)号：CN118173251A
公开(公告)日：2024-06-11
申请号：CN202410483575.7
申请日：2024-04-22
Applicant: 复旦大学附属中山医院
IPC: G16H50/20 , G16H50/70 , G16H15/00 , G06V10/764 , G06V10/774 , G06V10/778 , G06V20/40 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明的技术方案是提供了一种基于无监督大模型训练肠镜下病变检出的方法。本发明公开的方法在完全无标注的情况下，以大量非结构化镜检报告文本以及对应的肠镜检查视频作为训练集，通过预训练的大型语言模型和图像模型,以及弱监督学习策略,从这些完全未标注的数据中训练得到基础模型。在训练得到的基础模型上，仅需要少量息肉病变病理分型监督信息，即可在无需病理切片的情况下，利用肠镜图像实现息肉病变病理的自动分型，实现仅通过肠镜图像实现息肉病变病理的自动分型。
-
公开(公告)号：CN115992095A
公开(公告)日：2023-04-21
申请号：CN202310031438.5
申请日：2023-01-10
Applicant: 复旦大学附属中山医院
Abstract: 本发明公开了一种基于内镜活检肿瘤组织样本构建消化道肿瘤患者来源类器官的方法。本发明方法通过优化样本冲洗液及保存液的配方、组织消化液的配方和优化了培养液的配方，孵育液中加入了多种细胞膜保护成分，抵抗了蛋白酶消化对细胞的损伤；培养液中加入了多种生长因子，更加适应胃肠道微量肿瘤组织的生长及分化，该方法极大地提高了构建消化道肿瘤类器官的成功率，解决了目前内镜来源的标本总量小、污染多而造成成瘤率极低的难题；本发明提供的PDO构建方法拓宽了PDO建立来源，为肿瘤临床治疗及研究提供一个较理想的临床前体外药筛平台，从而为改善患者的总体预后提供有力支持。
-
公开(公告)号：CN114699170A
公开(公告)日：2022-07-05
申请号：CN202210373302.8
申请日：2022-04-11
Applicant: 复旦大学附属中山医院
IPC: A61B34/20 , A61B90/00 , A61B90/90 , G06V20/40 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明的一个技术方案是提供了一种应用于消化内镜手术视频分析的器械检测系统，其特征在于，包括：内镜视频采集模块；器械检测模块；器械状态判别模块；手术过程分析模块；分析结果展示模块。本发明的另一个技术方案是提供了一种基于前述器械检测系统实现的应用于消化内镜手术视频分析的器械检测方法。本发明利用深度学习与计算机视觉技术，动态识别内镜器械的种类以及开闭状态。该系统和方法既可以用于在内镜手术过程中，实时检出以及鉴别器械，进而对手术过程进行实时的标注，也可用于回顾性地分析历史视频，观看者可以通过本系统定位至不同器械的操作过程。
-
公开(公告)号：CN113712610A
公开(公告)日：2021-11-30
申请号：CN202111066369.9
申请日：2021-09-13
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种一次性可冲洗和吸引的内镜外套管，包括管体，所述管体的内腔固定设置有填充体，填充体将管体的内腔分隔为相互独立的一供内镜伸入的内镜容腔、至少一吸引腔和至少一冲洗腔；所述管体前端外侧设置有用于引流的螺旋状的引流槽，引流槽内设置有若干与所述吸引腔连通的引流口。本发明有效的解决了现有设备中存在的结构单一，使用不方便，无法对指定部位进行有效冲洗和吸引操作的问题。
-
公开(公告)号：CN112949168A
公开(公告)日：2021-06-11
申请号：CN202110153298.X
申请日：2021-02-04
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种内镜下上消化道实时位置定位模型建立方法，使用基于搜索框架的EfficientNet主干，提升定位精度，最大化利用网络层，减少冗余层，提升网络运行效率，提高模型适用性；其次通过搭建分流网络，分解问题，进一步提升精准度外，考虑一二级间的相关性，防止出现不合理预测结果；解决以往多模型复杂融合及单一模型精度损失的劣势，基于分治策略，构建端到端深度学习卷积神经网络，达到内镜下实时定位的目标。
-
Patent Agency Ranking
公开(公告)号：CN112884728A
公开(公告)日：2021-06-01
申请号：CN202110153299.4
申请日：2021-02-04
Applicant: 复旦大学附属中山医院
Abstract: 本发明涉及一种基于深度学习卷积神经网络的内镜图像病变识别筛查方法，通常基于深度学习卷积神经网络模型分类图像，可达到较好效果，但由于卷积神经网络关注特征区分，并基于损失函数进行优化，且内镜图像所覆盖形态多，噪音大，分布多样，难以达到最佳效果。通过距离中心，并根据预测结果不断迭代中心向量，将同类样本平滑聚集到同一相似分布，这样基于距离中西聚集策略，可构建轻量级病变筛查模型。训练好后的模型内嵌到主机系统中，数据通过采集器从内镜设备传输到此台主机中，进行调用，增强模型的普适性。摒弃以往多模型复杂融合及单一模型精度损失的劣势，基于距离中心聚集策略，构建轻量级病变筛查模型，增强模型的普适性。
-
公开(公告)号：CN119655699A
公开(公告)日：2025-03-21
申请号：CN202510021873.9
申请日：2025-01-07
Applicant: 复旦大学附属中山医院
Abstract: 本发明公开了一种内窥镜辅助装置、内窥镜装置及牵引钳，内窥镜辅助装置包括形状可变部，包括远端壁、近端壁以及连接远端壁与近端壁的外侧壁，在近端壁上设有第一通道的通道入口，第一通道沿形状可变部的长度方向延伸；内窥镜固定部，设置于形状可变部的外侧壁上，用于将形状可变部固定在内窥镜上；远端壁、近端壁、外侧壁以及第一通道的通道壁之间构成流体容纳腔，近端壁上还设置有流体出入口，通过使流体经由流体出入口从流体容纳腔流入流出，形状可变部在收缩的自然状态和膨胀的使用状态之间转变。本发明能够在内窥镜手术期间协调使用两个或更多工具的同时，大幅度降低内窥镜进入人体自然腔道的难度。
-
公开(公告)号：CN118507024A
公开(公告)日：2024-08-16
申请号：CN202410606829.X
申请日：2024-05-16
Applicant: 复旦大学附属中山医院
Abstract: 本发明属于医疗切除预测技术领域，本发明公开了一种贲门黏膜下肿瘤内镜切除的技术难度预测系统，建立风险预测评分系统，包括以下步骤：步骤S1：筛选出预测贲门黏膜下肿瘤内镜切除手术难度的独立难度因素；步骤S2：构建风险预测评分系统难度预测模型；将历史数据库确定各独立难度因素相对风险预测评分系统的手术难度预测值，将手术难度预测值通过公式为各独立难度因素赋予权重因子；步骤S3：基于各独立难度因素赋予的权重因子进行加权分析获得当前手术的风险预测评分；基于风险预测评分获取技术难度；本申请预测能力较好，易于临床操作，实现个体化评估，为年轻内镜医师临床指导手术决策提供依据。
-
公开(公告)号：CN118314371A
公开(公告)日：2024-07-09
申请号：CN202410483571.9
申请日：2024-04-22
Applicant: 复旦大学附属中山医院
IPC: G06V10/75 , G06V10/74 , G06V10/40 , G06F18/213 , G16H15/00
Abstract: 本发明公开了一种用于消化内镜报告图文纠错的方法。本发明通过算法的研发自动识别和帮助医生纠正报告中的错误，规范化报告书写，不仅提高报告的质量，也便于后续的数据分析和研究。通过持续学习和优化，本发明能够不断提升其纠错精度，适应各种复杂的临床情况。采用本发明公开的方法后，可以做到：减少报告错误；提高报告质量；提高报告效率；规范报告内容；构建报告知识库；释放医生更多时间。
-
公开(公告)号：CN118172566A
公开(公告)日：2024-06-11
申请号：CN202410483613.9
申请日：2024-04-22
Applicant: 复旦大学附属中山医院
Abstract: 本发明的技术方案是提供了一种食管STER手术过程中隧道内黏膜下肿瘤组织的识别系统，其特征在于，包括图像帧提取模块；肿瘤组织识别模型；手术安全区域划分模块；手术器械识别模块。本发明采用神经网络自动识别食管隧道内的黏膜下肿瘤组织并对其进行分割可以帮助医生判断肿瘤的范围，帮助医生调整手术路径。与现有技术方案相比，本发明具有如下优点：提高手术精确性与安全性，有利于精确切除肿瘤而避免损伤重要组织；标准化操作规范，可以指导医生规范切除，降低不同医生之间的差异，提高手术质量。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.025 seconds)
