-
公开(公告)号：CN102908633A
公开(公告)日：2013-02-06
申请号：CN201210269022.9
申请日：2012-07-31
Applicant: 南京大学
Abstract: 多功能金银核壳结构纳米颗粒，以银纳米壳层包裹的金纳米颗粒，并以巯基聚乙二醇分子对银核壳结构纳米颗粒进行表面修饰；其中金纳米核颗粒尺寸在3~20nm之间，银纳米壳厚度在2~12nm之间。尤其是以经过碱液活化的四羟甲基氯化磷为还原剂，首先还原氯金酸制备超细金纳米颗粒，再以该纳米粒子为晶核，还原硝酸银溶液，制备银纳米壳层包裹的金银核壳结构纳米粒子，再通过尾端巯基化修饰的聚乙二醇进行表面修饰，制备出具有长效血液循环时间同时兼具的抗感染能力的CT造影剂。粒径均一，水溶性好，无明显团聚，该核壳纳米颗粒的对X射线的耗散能力较强，优于传统造影剂碘佛醇的CT有效显影时间。并有效抑制细菌通过造影剂注射窗口的感染。
-
公开(公告)号：CN117788489A
公开(公告)日：2024-03-29
申请号：CN202410017771.5
申请日：2024-01-05
Applicant: 南京大学
IPC: G06T7/11 , G06T3/06 , G06T3/08 , G06N3/0475 , G06N3/088
Abstract: 本发明针对目前大多数X射线图像(CXR)中的肋骨分割方法需要大量准确标记的数据进行深度网络训练，且在X射线图像中实现精确的肋骨标注十分困难的问题,重新设计了胸部X射线图像的肋骨分割任务，提出了一种基于无监督领域适应和中心线损失函数的简洁高效的跨模态方法，利用由三维CT图像生成的二维数字重建放射学图像(DRR)和对应的肋骨标注来指导未标注的二维胸部X射线图像的肋骨分割。与已有的多个X射线图像肋骨分割方法相比，本发明的方法无需在X射线图像上进行任何肋骨标注，在测试样本上实现了更高的Dice分数，避免了因分割方法引起的肋骨断裂问题，分割结果高度可解释并且肋骨的连通性完整性更好。
-
公开(公告)号：CN108126198B
公开(公告)日：2020-12-08
申请号：CN201711432256.X
申请日：2017-12-26
Abstract: 本发明公开了一种W18O49‑替拉扎明复合纳米粒子，该复合纳米粒子以PEG‑PCL为载体，其内部负载W18O49和替拉扎明；W18O49和替拉扎明的载药量分别为2.99%和1.29%；复合纳米粒子为分散的球形结构，粒径为60‑100nm。本发明能够提高TPZ治疗效果。
-
公开(公告)号：CN1905682A
公开(公告)日：2007-01-31
申请号：CN200610040874.5
申请日：2006-08-01
Applicant: 南京大学
IPC: H04N7/52
Abstract: 本发明公开了一种视频基带传输线中双工传输语音和数据的装置，它包括视频发送端和视频接收端，通过同轴电缆连接。视频发送端中，视频输入阻抗匹配电路、ASK调制电路I和FM调制装置I并联，输入信号；ASK解调电路II、FM解调装置II输出信号。视频接收端中，视频输出阻抗匹配电路、ASK解调电路I、FM解调装置I并联，输出信号；ASK调制电路II和FM调制装置II并联，输入信号。本发明能在超过300米的同轴电缆上进行视频传输，同时能进行双向的FM语音和ASK数据传输，最大传输率分别为8Kbps和20Kbps。与现有技术相比，本发明可以直接在基带视频信号上进行双工语音和数据传输，而不需要额外的视频处理设备。
-
公开(公告)号：CN119444898A
公开(公告)日：2025-02-14
申请号：CN202411501270.0
申请日：2024-10-25
Applicant: 南京大学
IPC: G06T11/00 , G06T3/04 , G16H30/40 , G06N3/0464 , G06N3/094
Abstract: 本发明提出一种一种全身PET与CT图像相互转换的人工智能方法，使用增强型条件生成对抗网络(cGAN)模型实现了全身CT与PET图像之间的模态转换。该方法结合了残差卷积块和全卷积Transformer块，以提高模型捕捉局部特征和全局上下文信息的能力。本申请设计了一个定制的损失函数，结合结构一致性损失，能够提升生成图像的整体质量。在CT‑>PET和PET‑>CT两个模态转换任务上进行了大量实验，结果表明，本申请的模型能够生成高质量的图像，在临床相关性和诊断价值方面均接近原始图像。本发明所提出的结合Transformer的cGAN框架能够减少多模态图像检查的需求，从而降低患者的辐射暴露剂量和整体医疗成本，为PET‑CT多模态图像转换的临床应用奠定了坚实的基础。
-
Patent Agency Ranking
公开(公告)号：CN108126198A
公开(公告)日：2018-06-08
申请号：CN201711432256.X
申请日：2017-12-26
CPC classification number: A61K41/0052 , A61K9/5153 , A61K31/53 , A61K2300/00
Abstract: 本发明公开了一种W18O49-替拉扎明复合纳米粒子，该复合纳米粒子以PEG-PCL为载体，其内部负载W18O49和替拉扎明；W18O49和替拉扎明的载药量分别为2.99%和1.29%；复合纳米粒子为分散的球形结构，粒径为60-100nm。本发明能够提高TPZ治疗效果。
-
公开(公告)号：CN108069458A
公开(公告)日：2018-05-25
申请号：CN201711436059.5
申请日：2017-12-26
CPC classification number: C01G41/00 , A61K41/0052 , A61K41/0057 , A61K49/04 , C01P2002/80 , C01P2004/04 , C01P2004/32 , C01P2004/64
Abstract: 本发明公开了一种超微纳米级球形钨酸铋晶粒，该钨酸铋晶粒为球形结构，粒径大小为4-6nm，表面电位-36.2±2.4mV。本发明钨酸铋晶粒由于特殊的结构形状，能够用于CT成像研究和肿瘤治疗，且细胞兼容性良好，对动物无毒害，能够广泛应用于医学研究，扩宽了钨酸铋的应用领域。
-
公开(公告)号：CN104388423B
公开(公告)日：2018-01-05
申请号：CN201410596595.1
申请日：2014-10-28
Applicant: 南京大学医学院附属鼓楼医院
Abstract: 本发明涉及ASPL‑TFE3融合性肾癌基因探针及其试剂盒应用。本发明为基因探针选用的克隆片段分别是RP11‑634L10、RP11‑51H16和RP11‑475F12组合，以及CTD‑2311N12、RP11‑416B14、CTD‑2522M13、CTD‑2516D6、CTD‑2312C1、CTD‑2248C21和RP11‑959H17组合。本发明克服了过去应用的RT‑PCR和细胞核型分析方法存在的繁琐且耗时不适合在临床工作中应用的缺陷。本发明利用FISH技术检测ASPL‑TFE3融合性肾癌中特有的ASPL‑TFE3融合基因从而诊断该肿瘤，该基因探针应用的准确率高、特异性高、成功率高，荧光信号强，操作简捷，诊断快速，可应用在石蜡切片中，拓展了检测标本的范围，建立了准确可靠简便诊断ASPL‑TFE3融合性肾癌的新方法，开创了利用FISH检测ASPL‑TFE3融合性肾癌的先河。
-
公开(公告)号：CN104388423A
公开(公告)日：2015-03-04
申请号：CN201410596595.1
申请日：2014-10-28
Applicant: 南京大学医学院附属鼓楼医院
Abstract: 本发明涉及ASPL-TFE3融合性肾癌基因探针及其试剂盒应用。本发明为基因探针选用的克隆片段分别是RP11-634L10、RP11-51H16和RP11-475F12组合，以及CTD-2311N12、RP11-416B14、CTD-2522M13、CTD-2516D6、CTD-2312C1、CTD-2248C21和RP11-959H17组合。本发明克服了过去应用的RT-PCR和细胞核型分析方法存在的繁琐且耗时不适合在临床工作中应用的缺陷。本发明利用FISH技术检测ASPL-TFE3融合性肾癌中特有的ASPL-TFE3融合基因从而诊断该肿瘤，该基因探针应用的准确率高、特异性高、成功率高，荧光信号强，操作简捷，诊断快速，可应用在石蜡切片中，拓展了检测标本的范围，建立了准确可靠简便诊断ASPL-TFE3融合性肾癌的新方法，开创了利用FISH检测ASPL-TFE3融合性肾癌的先河。
-
公开(公告)号：CN118015358B
公开(公告)日：2024-08-20
申请号：CN202410158376.9
申请日：2024-02-04
Applicant: 南京大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/40 , G06N3/088 , G06N3/0464 , G06V10/26
Abstract: 本发明的目的是在资源有限的环境中，开发一种肺结核(TB)诊断模型。收集了数百张CXR和CT图像，涵盖三种类型的肺部状况：正常、TB和其他肺病。所有CT图像在训练过程中用作带标签的源域，而CXR图像作为无标签的目标域。基本思想是利用三维CT图像的标签信息来训练二维CXR图像诊断模型。首先，通过简单投影从带标签的三维CT图像获得二维数字重建X射线(DRR)图像，并保留标签信息。然后，构建一个用于CXR图像中TB诊断的深度网络。该网络在深度域适应框架下以无监督的方式进行训练，带标签的DRR图像作为源域，未标记的CXR图像作为目标域。模型在CXR测试集中实现了78.26％的TB诊断准确率，以5.79％到13.77％的提升幅度超过现有的无监督域适应模型，显著性p值低于0.001。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
