“肿瘤特征”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2534425个，建议您升级VIP下载更多相关专利

[发明专利]基于复杂网络与机器学习方法的肿瘤驱动基因预测系统-CN201910062267.6有效
发明人：刘闯;戴耀;张子柯 -专利权人：杭州师范大学
申请日： 2019-01-23 - 公布日： 2020-10-16 - 主分类号： G16B20/00 文献下载
摘要：本发明涉及一种基于复杂网络与机器学习方法的肿瘤驱动基因预测系统。本发明是对潜在肿瘤驱动基因进行预测，在一定程度上加深对癌症的认识，进而推动癌症治疗的发展。本发明包括数据采集和数据预处理模块、特征工程模块、模型算法设计模块、结果评估模块。数据采集和数据预处理模块：数据采集和数据预处理模块包括数据采集、构建肿瘤基因网络，以及最大连通子图的筛选，为驱动基因预测提供数据基础。特征工程模块包括特征工程提取和特征工程整理。本发明从数据挖掘的角度研究肿瘤驱动基因，通过特征整合与处理等方法实现驱动基因预测。
基于复杂网络机器学习方法肿瘤驱动基因预测系统

[发明专利]基于肿瘤组织灌注影像学特征的生物标志物-CN202211500658.X在审
发明人：黄玉辉;刘振华;秦颂兵;朱波;贾罄竹;赵苗苗 -专利权人：苏州大学
申请日： 2022-11-28 - 公布日： 2023-05-23 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及肿瘤生物标志物领域，具体涉及基于肿瘤组织灌注影像学特征的生物标志物。本发明构建了基于肿瘤组织灌注影像学特征的生物标志物OMP，其通过以“剥洋葱”的方式对肿瘤增强影像进行圈层分割，并经特定参数设置的数据分析后得到。本发明的生物标志物OMP用于免疫相关治疗效果预测，充分体现了肿瘤异质性对肿瘤诊疗的影响，同时具有操作简单、诊断可靠、安全无创、重复性强等优点，可伴随患者随访影像资料动态评估，作为一种新的标志物具有广泛的应用人群
基于肿瘤组织灌注影像特征生物标志

[发明专利]用于肿瘤治疗剂和肿瘤诊断剂的选择性释放系统以及用于肿瘤组织的生物传感器-CN201880016026.1在审
发明人： H·齐默尔曼;H·冯布里森;A·舒尔茨;L·埃尔贝斯基尔希;S·瓦格纳;B·菲舍尔 -专利权人：弗劳恩霍夫应用研究促进协会;萨尔大学
申请日： 2018-01-18 - 公布日： 2019-10-25 - 主分类号： A61K9/48 文献下载
摘要：本发明一般涉及用于肿瘤组织的传感器和用于靶向肿瘤治疗和肿瘤诊断的治疗剂/诊断剂的局部释放系统。更具体地，本发明涉及阳离子稳定化的生物聚合物凝胶，特别是藻酸盐凝胶，其用作肿瘤治疗剂和/或肿瘤诊断剂的载体基质，其特征在于所述凝胶可以在由肿瘤细胞或肿瘤组织产生的刺激物(特别是赖氨酰氧化酶(LOX))存在下去稳定化，且所述肿瘤治疗剂和/或肿瘤诊断剂可被释放，并涉及包含掺入有肿瘤治疗剂或诊断剂的该阳离子稳定化的生物聚合物凝胶和任选的另外的报告物质的药物组合物。本发明的相关方面涉及用于检测患者体内肿瘤特异性产物的存在和/或量的体外方法，其特征在于检查来自已向其给药本发明的药物组合物的患者的生理学样品以确定报告物质的存在和/或量(所述报告物质在所述凝胶因与待测定的肿瘤特异性产物接触而去稳定化后释放
肿瘤治疗剂凝胶肿瘤诊断剂肿瘤组织阳离子稳定化生物聚合物药物组合物诊断剂赖氨酰氧化酶生理学样品生物传感器特异性产物选择性释放藻酸盐凝胶肿瘤特异性靶向肿瘤局部释放去稳定化体内肿瘤载体基质肿瘤细胞肿瘤诊断释放刺激物稳定化治疗剂传感器掺入给药体外参考检测治疗检查

[发明专利]基于多头交叉注意力转换网络的多时相肝肿瘤分割方法-CN202210973043.2在审
发明人：缑水平;童诺;王琨茹;吴锐;姚瑶;徐珊珊;李阳阳 -专利权人：西安电子科技大学
申请日： 2022-08-15 - 公布日： 2022-11-11 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于多头交叉注意力转换网络的多时相肝肿瘤分割方法，主要解决现有方法在对肝肿瘤提取特征时产生底层边缘、纹理形状信息损失，造成分割精度低的问题。其实现方案是：获取多时相CT影像数据集进行预处理，并划分出训练集和测试集；构建基于多头交叉注意力转换网络的多时相肝肿瘤分割模型；构建肝肿瘤分割模型的损失函数；采用反向传播法用多时相CT训练集对肝肿瘤分割模型进行迭代训练本发明能够对两期图像的特征进行相关性分析并有选择性的融合，能强化肝肿瘤相关信息并屏蔽无关信息，有效提升肝肿瘤的分割精度，可用于CT图像中对人体肝肿瘤病灶的自动检测和分割。
基于多头交叉注意力转换网络多时肿瘤分割方法

[发明专利]一种肿瘤分割方法、装置、设备及存储介质-CN202310153706.0在审
发明人：刘伟华;左勇;肖恒玉 -专利权人：智慧眼科技股份有限公司
申请日： 2023-02-23 - 公布日： 2023-05-12 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种肿瘤分割方法、装置、设备及存储介质，涉及医学图像处理技术领域，包括：基于原始医疗放射图像生成标准化图像和编码图像；基于参数交换的联邦学习方式对预先经过初始训练的第一肿瘤分割模型进行优化训练得到目标肿瘤分割模型；第一肿瘤分割模型为利用本地医院采集到的训练集对基于局部特征和全局特征组合构建的双路径卷积神经网络进行初始训练后得到的模型；将原始医疗放射图像、标准化图像和编码图像输入至目标肿瘤分割模型得到该模型输出的肝脏分割结果和肿瘤分割结果本申请基于参数交换的联邦学习方式训练模型，并以三类图像作为模型的输入，能够有效解决肿瘤分割网络泛化性差的问题，提高医疗放射图像中肿瘤的分割精度。
一种肿瘤分割方法装置设备存储介质

[发明专利]基于超声乳腺肿瘤图像的微小钙化点自动检测方法-CN201910554167.5有效
发明人：童莹;任丽;刘洋洋;曹雪虹 -专利权人：南京工程学院
申请日： 2019-06-25 - 公布日： 2020-10-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于超声乳腺肿瘤图像的微小钙化点自动检测方法，将超声乳腺肿瘤图像原图，分割出乳腺肿瘤感兴趣区域；对分割后的乳腺肿瘤感兴趣区域进行弱腐蚀和强腐蚀区分；对超声乳腺肿瘤的弱腐蚀感兴趣区域进行多尺度超像素分割，将每一尺度的纹理分割结果进行融合，得到边缘紧致的第一疑似钙化点；对超声乳腺肿瘤图像原图进行单尺度超像素分割，并与超声乳腺肿瘤的强腐蚀感兴趣区域相结合，基于灰度对比特征与灰度距离特征共同筛选出更接近目标的第二疑似钙化点；得到目标准确且边缘紧致的超声乳腺肿瘤的微小钙化点。
基于超声乳腺肿瘤图像微小钙化自动检测方法

[发明专利]一种基于深度学习的鼻咽癌肿瘤自动勾画方法-CN202211276288.6有效
发明人：刘艳华;罗旺;刘明哲;蒋鑫;刘祥和;杨艾青 -专利权人：成都理工大学
申请日： 2022-10-19 - 公布日： 2023-04-07 - 主分类号： G16H30/40 文献下载
摘要：本发明公开了一种基于深度学习的鼻咽癌肿瘤自动勾画方法，包括图像数据预处理与数据集设置、建立鼻咽癌肿瘤勾画网络模型、训练与验证鼻咽癌肿瘤勾画网络模型、输入测试集得到鼻咽癌肿瘤勾画结果；建立了编码器‑解码器型的分割网络，编码器逐渐提取物体的抽象特征并减少空间维度，解码器逐渐修复物体的细节和空间维度，并在分割网络中通过跳跃连接融合不同层次的特征，帮助解码器更好的修复目标的细节。还使用了生成对抗网络来平衡样本中小体积肿瘤与大体积肿瘤之间的分布差异。本发明解决了鼻咽癌勾画任务中结构复杂、目标形状尺寸变化大、与周围组织强度相识、肿瘤边缘难以识别所导致的分割精度不高等问题，提高了鼻咽癌肿瘤的分割精度。
一种基于深度学习鼻咽癌肿瘤自动勾画方法

[发明专利]一种基于组织表面脂质指纹谱图的快速肿瘤组织判别方法-CN201910577241.5有效
发明人：邬建敏;陈晓明 -专利权人：杭州汇健科技有限公司
申请日： 2019-06-28 - 公布日： 2023-04-18 - 主分类号： G01N27/64 文献下载
摘要：本发明公开了一种基于组织表面脂质指纹谱图的快速肿瘤组织判别方法，包括如下内容：先采集组织表面的脂质分子并保持其原位信息；再借助于激光解吸/电离质谱平台，在无基质参与的情况下获取组织表面的脂质分子特征指纹谱图；再基于组织表面的脂质特征指纹谱图，结合统计分析方法建立多种肿瘤的判别模型，对肿瘤组织与正常组织、各种肿瘤组织的亚型进行判定；最后结合质谱成像技术实现无切片情况下的组织分子数字成像，用于判别肿瘤边界；本发明实现快速、高效、高准确率的临床组织鉴定、肿瘤亚型判别和肿瘤边界成像，提高检测通量，增加组织表面的脂质分子信息的稳定性和在肿瘤组织鉴别中的差异性维度。
一种基于组织表面指纹快速肿瘤判别方法

[发明专利]一种基于CNN-XGBoost的胶质母细胞瘤预后预测方法-CN202111409937.0在审
发明人：郭畅宇;何敏;邱圆 -专利权人：湖南大学
申请日： 2021-11-25 - 公布日： 2022-04-05 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了一种基于CNN‑XGBoost的胶质母细胞瘤预后预测方法，包括以下步骤：S1脑部MR影像基础预处理；S2基于混合双高斯模型的肿瘤特征图提取；S3数据增强；S4深度学习特征提取；S5基于传统机器学XGBoost特征分类器进行预后模型的建立。本发明基于双高斯模型对患者术前MR影像的强度直方图进行拟合提取肿瘤特征图，降低了后续网络模型特征提取的难度。同时，本发明设计了一种深度卷积特征提取网络该网络，包括上、下游两条支路。上游支路为简易特征提取模块，其主要聚焦于提取分割标签图像的简单特征。下游支路为肿瘤特征图的深度特征提取网络，其主要聚焦于由预处理后得到的肿瘤特征图。此外，再结合XGBoost对由深度神经卷积网络所提取到的特征进行分类拟合可有效缓解过拟合现象，提升预后预测的精度等性能。
一种基于 cnn xgboost 胶质细胞预后预测方法

[发明专利]一种基于特征解耦的多模态脑肿瘤MRI分割方法-CN202310332485.3在审
发明人：舒禹程;程鑫磊;肖斌;李伟生 -专利权人：重庆邮电大学
申请日： 2023-03-29 - 公布日： 2023-06-23 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种基于特征解耦的多模态脑肿瘤MRI分割方法，引入深监督机制对多模态脑肿瘤MRI图像的深层特征进行提取，同时采用注意力融合机制的网络提取区分性的特征，利用辅助枝干网络解耦特征并充分提取分割部位特征，同时构建动态特征库，引入无监督的聚类算法增强特征，提升模态数据不完整情况下的分割精度，拓展了网络模型在多模态数据中的适用性、泛化性，本发明能够自适应的处理脑肿瘤MRI不同模态的图像间对应关系，提升深度模型在模态数据不完整情况下的分割效果
一种基于特征多模态脑肿瘤 mri 分割方法

[发明专利]一种基于PET-CT的跨模态注意力肿瘤分割方法、系统-CN202210807701.0在审
发明人：章毅;李林;胡俊杰;蔡华伟;皮勇;赵祯 -专利权人：四川大学
申请日： 2022-07-11 - 公布日： 2022-08-05 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于PET‑CT的跨模态注意力肿瘤分割方法、系统及设备，涉及图像处理技术领域中的基于PET‑CT的肿瘤分割，其目的在于解决现有技术中基于PET‑CT多模态图像分割时存在的各模态影像特征融合效率低、较难实现精准分割肿瘤区域的问题，其主要是先使用自注意力机制分别提取PET图像、CT图像中的特征，再使用自注意力机制跨模态融合PET图像、CT图像中的单模态特征，得到跨模态融合影像特征；最后基于跨模态融合影像特征分割肿瘤区域本发明中的自注意力机制通过不同区域特征之间的相互作用，实现了表达单模态特征至融合影像特征具有不同的维度信息，实现PET图像、CT图像的跨模态高效融合，实现肿瘤区域的精准分割
一种基于 pet ct 跨模态注意力肿瘤分割方法系统

[发明专利]一种肿瘤核磁共振与组织学精准配准的方法、系统及应用-CN202110619291.2在审
发明人：黄素宁;蒋威;林映煜 -专利权人：广西医科大学附属肿瘤医院
申请日： 2021-06-03 - 公布日： 2021-10-01 - 主分类号： G06T7/00 文献下载
摘要：本发明属于生物医学影像处理技术领域，公开了一种肿瘤核磁共振与组织学精准配准的方法、系统及应用，所述肿瘤核磁共振与组织学精准配准的方法包括：针对肿瘤动物模型和临床肿瘤患者，进行3.0T多参数MRI成像，勾画出肿瘤ROI，导出为三维图形，用SolidWorks创建3D打印模具；分离肿瘤并标记好方向后，放进3D模具，进行切割，获得与多参数MRI对应的组织学切片；通过Matlab进行高斯运算，获得多参数MRI的肿瘤区域特征模型；通过电镜扫描获得组织学切片图像，与对应的MRI肿瘤区域特征模型进行对比分析。本发明率先联合3D打印技术，成功构建MRI影像组学与组织学共建的全新方法，使肿瘤MRI与组织学精准配准，准确率达80％以上。
一种肿瘤核磁共振组织学精准方法系统应用

[发明专利]鉴别及评价肿瘤进展的装置和方法-CN201810337789.8有效
发明人：曾坚阳;周斌 -专利权人：图灵人工智能研究院（南京）有限公司
申请日： 2018-04-16 - 公布日： 2021-08-03 - 主分类号： C12M1/34 文献下载
摘要：本申请涉及鉴别及评价肿瘤进展的装置和方法。所述装置或方法可包括：1)能够提供患有所述肿瘤的患者的临床特征的模块或步骤；2)能够提供源自所述患者的至少一种生物学指标的模块或步骤；3)能够确定各所述患者的所述至少一种生物学指标与相应患者的所述临床特征的相关性的模块或步骤；以及4)能够评价所述肿瘤的进展或鉴定相关评价指标的模块或步骤。本申请的装置或方法能够为研究肿瘤进展的潜在分子机制和提供针对肿瘤进展的治疗策略提供指导。
鉴别评价肿瘤进展装置方法

[发明专利]基于深度学习的胰腺肿瘤纤维化程度预测方法及相关装置-CN202111314523.X有效
发明人：李建鹏;刘锐豪;黄炳升;曹康养;潘兆宏;岳沛言;冯仕庭;石思雅;周健;邹玉坚 -专利权人：东莞市人民医院;深圳大学
申请日： 2021-11-08 - 公布日： 2022-10-04 - 主分类号： G16H50/20 文献下载
摘要：本申请公开了一种基于深度学习的胰腺肿瘤纤维化程度预测方法及相关装置，所述方法包括获取待预测的胰腺图像，控制所述预测网络模型基于所述胰腺图像，确定所述胰腺图像中的胰腺肿瘤区域以及所述胰腺肿瘤区域对应的纤维化级别本实施通过采用基于深度学习的预测网络模型对胰腺图像进行学习，可以学习到胰腺图像中的图像特征，并基于学习到的图像特征预测胰腺图像中的胰腺肿瘤区域以及所述胰腺肿瘤区域对应的纤维化级别，从而可以提高胰腺癌纤维化程度的预测的准确性
基于深度学习胰腺肿瘤纤维化程度预测方法相关装置

[发明专利]抗肿瘤多药耐药靶向脂质体-CN201110349033.3有效
发明人：戴俊东;陈浩;王玉蓉;孙毅坤;王英姿 -专利权人：北京中医药大学
申请日： 2011-11-08 - 公布日： 2012-02-22 - 主分类号： A61K9/127 文献下载
摘要：本发明涉及一种抗肿瘤耐药的脂质体及其制备方法，特别涉及抗肿瘤多药耐药长循环靶向脂质体。其特征在于将槲皮素与抗肿瘤药物联合包载于脂质体中，同时靶向于肿瘤组织，逆转肿瘤多药耐药，增强抗肿瘤药物对耐药肿瘤的细胞毒作用，避免不同药物在体内药代动力学性质上的差异和相互作用导致的抗肿瘤药物体内药代动力学性质的改变和毒副作用增强，提高对耐药肿瘤的治疗效果。
肿瘤耐药靶向脂质体