-
公开(公告)号：CN117612163B
公开(公告)日：2024-10-29
申请号：CN202311730723.2
申请日：2023-12-15
Applicant: 南京大学 , 复旦大学附属中山医院
Abstract: 本发明公开一种结合反绎学习与深度学习的免疫固定电泳图像识别方法，首先，获取免疫固定电泳图像及相关联的标记信息；针对少量且类别不平衡现象较为严重的样例数据，结合反绎学习引入专家知识，依照人工识别规则对样例数据进行切分和重新组合，从而实现免疫固定电泳图像的自动生成和标注；结合专家知识库，利用多任务学习范式和注意力机制设计神经网络结构，构建深度学习模型，对经反绎学习增广后的数据进行训练，获得高效且准确的分类模型；将所得到的分类模型应用于免疫固定电泳图像的识别中，准确、高效地实现免疫固定电泳图像的自动识别。
-
公开(公告)号：CN115700891A
公开(公告)日：2023-02-07
申请号：CN202211334101.3
申请日：2022-10-28
Applicant: 复旦大学附属中山医院
Abstract: 本发明提供一种抽血管分配的优化方法、系统及计算机可读存储介质。该方法包括：最近一段时期内医院为患者每次开出的检测单进行关联规则挖掘而产生和/或迭代抽血管分配的优化规则；接收用户选择/输入的检测项目，产生包括每个检测项以及每个检测项对应使用的抽血管的抽血管分配清单；基于所述优化规则，对所述抽血管分配清单上使用的抽血管进行合并以减少抽血管的使用数量，输出抽血管分配方案。通过本发明提供的技术方案不仅能够有效减少医院抽血管的使用数量，避免对患者重复抽血；还能使产生抽血管分配的优化规则更适应不同时期医院为患者进行抽血检测开单的实际情况。
-
公开(公告)号：CN110728315A
公开(公告)日：2020-01-24
申请号：CN201910943578.3
申请日：2019-09-30
Applicant: 复旦大学附属中山医院
Abstract: 本发明提供一种实时质量控制方法，通过获取检验样本数据，基于检验样本数据产生一个或多个适用于检测检验样本数据系统误差的分类器，将分类器部署至实时质量控制平台，接收实时检验数据以完成检验质量的实时控制，本发明通过模拟引入正负误差数据组训练样本，从而提高分类器的分类准确率，同时采用ROC曲线下面积AUC对所述含最优模型参数的模型进行评价完成分类器的训练，从而对检测数据进行监控，可进一步提高对检测设备质检性能，降低了实验室的失控风险。
-
公开(公告)号：CN118782243A
公开(公告)日：2024-10-15
申请号：CN202410871195.0
申请日：2024-07-01
Applicant: 复旦大学附属中山医院 , 上海普恩海汇医学检验所有限公司
IPC: G16H50/30 , G16H50/70 , G06F18/2431 , G06F18/2413
Abstract: 本公开的一方面涉及一种基于常规检验数据预测风险的方法，包括收集多个对象的纵向检验数据，所述纵向检验数据包括所述多个对象各自在多个时间上的多组检验数据；以及基于所收集的纵向检验数据来训练模型输出对于疾病类型和多个生长期的分类结果。本公开的其他方面还涉及一种基于常规检验数据预测风险的装置。
-
公开(公告)号：CN114330859A
公开(公告)日：2022-04-12
申请号：CN202111593922.4
申请日：2021-12-23
Applicant: 复旦大学附属中山医院
IPC: G06Q10/04 , G06Q10/06 , G06Q10/10 , G06F16/215 , G06F16/2458
Abstract: 本发明提供一种实时质量控制的优化方法、系统和设备，在导出原始检验实验数据，进行预处理和清洗后，采用失控模拟的方式在数据中随机选取失控模拟的数据起始点，并在起始点后选取一段数据添加误差值；基于失控数据对实时质量控制模型进行模拟，根据模拟结果筛选优化模型；最后采用群体搜索算法评价实时质量控制模型性能，以此优化模型参数，相比于现有的网格搜索算法，本发明能更快速、更高效、更准确的确定实时质量控制模型的参数。
-
Patent Agency Ranking
公开(公告)号：CN113376263A
公开(公告)日：2021-09-10
申请号：CN202010790931.1
申请日：2020-08-07
Applicant: 骏实生物科技(上海)有限公司 , 复旦大学附属中山医院
Abstract: 本发明提供了可用于检测或诊断消化道肿瘤，例如肝癌、胃癌及结直肠癌的血液生物标志物以及检测或诊断这些消化道肿瘤的试剂盒。本发明的血液生物标志物可用于消化道肿瘤的早期诊断，并且具有高特异性、高灵敏度的优点，因此具有重要的应用价值。
-
公开(公告)号：CN118351407A
公开(公告)日：2024-07-16
申请号：CN202410443022.9
申请日：2024-04-12
Applicant: 复旦大学附属中山医院 , 南京大学
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06V10/778 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种融合多模态学习的免疫固定电泳(IFE)图谱分析方法。免疫固定电泳图像由六条区带组成，并且在横向上可以分为四个区域。区带在某个横向区域的匹配标志了异常蛋白的位置信息。在进行免疫固定电泳的同时，通常会进行血清电泳检测，血清电泳图像包含了异常蛋白的位置信息。本方法通过将同一患者对应的血清电泳图像和免疫固定电泳图像同时作为输入进行多模态模型学习，来进行IFE图谱的阴阳性分类和区带分类。针对少量且类别不平衡现象较为严重的样例数据，引入专家知识，对样例数据进行处理和标注；对两种模态数据进行特征提取和融合，训练高效且准确的分类器模型。与传统的单模态方法相比，多模态方法在阴阳二分类和区带分类的性能上都有显著的提升。通过综合利用血清电泳和免疫固定电泳图像的信息，该方法能够提高阴阳分类和区带分类的准确率，有望在免疫病理学的临床诊断中发挥重要作用。
-
公开(公告)号：CN117612163A
公开(公告)日：2024-02-27
申请号：CN202311730723.2
申请日：2023-12-15
Applicant: 南京大学 , 复旦大学附属中山医院
Abstract: 本发明公开一种结合反绎学习与深度学习的免疫固定电泳图像识别方法，首先，获取免疫固定电泳图像及相关联的标记信息；针对少量且类别不平衡现象较为严重的样例数据，结合反绎学习引入专家知识，依照人工识别规则对样例数据进行切分和重新组合，从而实现免疫固定电泳图像的自动生成和标注；结合专家知识库，利用多任务学习范式和注意力机制设计神经网络结构，构建深度学习模型，对经反绎学习增广后的数据进行训练，获得高效且准确的分类模型；将所得到的分类模型应用于免疫固定电泳图像的识别中，准确、高效地实现免疫固定电泳图像的自动识别。
-
公开(公告)号：CN110728315B
公开(公告)日：2023-09-15
申请号：CN201910943578.3
申请日：2019-09-30
Applicant: 复旦大学附属中山医院
IPC: G06F18/24 , G06F18/214 , G16H10/20
Abstract: 本发明提供一种实时质量控制方法，通过获取检验样本数据，基于检验样本数据产生一个或多个适用于检测检验样本数据系统误差的分类器，将分类器部署至实时质量控制平台，接收实时检验数据以完成检验质量的实时控制，本发明通过模拟引入正负误差数据组训练样本，从而提高分类器的分类准确率，同时采用ROC曲线下面积AUC对所述含最优模型参数的模型进行评价完成分类器的训练，从而对检测数据进行监控，可进一步提高对检测设备质检性能，降低了实验室的失控风险。
-
公开(公告)号：CN116629668A
公开(公告)日：2023-08-22
申请号：CN202310471072.3
申请日：2023-04-26
Applicant: 复旦大学附属中山医院
IPC: G06Q10/0639 , G06Q10/0635 , G16H50/70 , G16H10/40 , G06F18/24
Abstract: 本发明提供一种基于实时质量控制的风险评估方法、系统和设备，首先根据特定失控状态下最大报告错误的患者数量MaxE(Nu)确定室内质控规则下的样本最大批次长度M；其次根据室内质控规则下的样本最大批次长度M确定实时质量控制下的最大报告错误的患者数量MaxE(Nu)；如实时质量控制下的最大报告错误的患者数量MaxE(Nu)小于室内质控规则下的最大可接受的报告错误患者数，则在室内质控基础上应用实时质控模型，并执行监控策略，本发明的目的在于实时评估在不同的条件下实验室的实时质量控制模型的风险和实用性，实现实验室室内质控和实时质控的合用，提高实验室质控效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
