|
搜索
搜 索
高等教育领域数字化综合服务平台
肿瘤转移基因芯片
南开大学在天津市科技发展计划科技攻关项目《建立和应用肿瘤 转移相关基因生物芯片筛选抗肿瘤转移药物的研究》的资助下，进行 了肿瘤转移相关基因生物芯片的研究，在设计探针后，完成制备了含 有 213 个肿瘤转移相关基因的基因芯片。 应用上述基因芯片所进行的大量的研究工作，表明该基因芯片有很好的应用前景。由于该基因芯片的成本低于全基因组芯片，有利于 大量推广使用。与科研机构、医院和药厂等相关企业合作，大量制备 该基因芯片，实现产业化，投放市场使用，可实现良好的社会和经济 效益。 应用价值： 基础研究：可应用该基因芯片进行肿瘤转移分子机制的基础研究， 筛选与肿瘤转移相关的信号传导途径。 应用研究：可应用该基因芯片筛选抗肿瘤转移的药物；在临床上 对切除的肿瘤组织进行检测，进行原代细胞培养的基础上检测对不同 化疗药物的敏感性，为临床治疗方案提供依据
南开大学
2021-04-13
肿瘤转移基因芯片
南开大学在天津市科技发展计划科技攻关项目《建立和应用肿瘤转移相关基因生物芯片筛选抗肿瘤转移药物的研究》的资助下，进行了肿瘤转移相关基因生物芯片的研究，在设计探针后，完成制备了含有213个肿瘤转移相关基因的基因芯片。申请国家发明专利：乳腺癌转移相关基因基因芯片的建立及其建立方法，专利（申请）号：20061013107.3（已公示）。 应用上述基因芯片所进行的大量的研究工作，表明该基因芯片有很好的应用前景。由于该基因芯片的成本低于全基因组芯片，有利于大量推广使用。与科研机构、医院和药厂等
南开大学
2021-04-14
基于CT图像的胰腺肿瘤诊断算法、基于钼靶图像的乳腺癌淋巴转移诊断算法
技术分析(创新性、先进性、独占性)开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。已经在两家大型三甲医院做测试，算法和程序代码完整，
中国人民大学
2021-04-10
基于CT图像的胰腺肿瘤诊断算法、基于钼靶图像的乳腺癌淋巴转移诊断算法
技术分析(创新性、先进性、独占性)
开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。
中国人民大学
2021-05-11
骨转移肿瘤细胞休眠机制
研究证实，来源成骨细胞壁龛的Wnt5a蛋白通过激活非经典ROR2/SIAH2信号，抑制经典Wnt信号诱导与维持前列腺癌细胞在骨髓中休眠，是前列腺癌骨髓播散细胞休眠的关键机制之一。该研究结果回答了通过激活非经典Wnt信号抑制经典Wnt信号能否诱导与维持肿瘤细胞休眠这一重要的科学问题。该研究动物实验结果显示，应用Wnt5a能维持前列腺癌骨髓播散细胞呈休眠状态，避免其被激活形成实体肿瘤
中山大学
2021-04-13
人工智能诊断腹膜转移
肠癌合并同时性腹膜转移（PC）的发病率约为5-10%，复发时合并腹膜转移发病率为25-44%。“腹膜转移如果能够早期诊断，可以增加彻底减瘤手术的机会，未来能够明显延长肠癌患者的生存期。”王辉教授说。2018年团队和深圳腾讯AI lab建立了合作关系，研发一个基于卷积神经网络（CNN）的ResNet3D系统。经查，这是世界上第一个诊断肠癌腹膜转移的AI平台，能够自动识别原发肿瘤特征，同时提取肿瘤临近腹膜的影像学特征，构建基于人工智能的SVM分类器。训练组一共纳入了19814张CT图像，验证组包括了7837张CT图像。 研究发现，ResNet3D的AI系统仅需花费34秒就自动识别并诊断了所有验证图像。“ResNet3D+SVM分类器”的肠癌腹膜转移诊断的准确性高达94%，AUC为0.922，敏感性和特异性均高达94%，明显优于常规增强CT的诊断能力。
中山大学
2021-04-13
术中前哨淋巴结精准定位及免活检 一体化肿瘤转移诊断技术
上海交通大学
2021-04-13
肿瘤医学图像智能诊断算法
简介：
1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。
层级分割模型示意图
分类模型可视化热图
2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。
钼靶乳腺图像预处理
双侧双体位深度学习网络
优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。
中国人民大学
2021-05-15
肿瘤医学图像智能诊断算法
1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。
中国人民大学
2021-04-10
肿瘤诊断试剂盒开发
本项目由华西医院肿瘤分子诊断研究室郑鸿教授承担，发现世界上第一个能够在血清学水平准确识别乳腺癌和前列腺癌的两种分子标志物，并开发出针对这两种肿瘤的早期筛查产品。改技术已获得两项国际专利。目前在对乳腺癌和前列腺癌的大病例临床研究基础上完善了对该标志物的临床评价，正在进行诊断试剂盒的制备，已获得多个单抗和多抗，并建立了该标志物的ELISA检测方法，下一步将推动该诊断试剂盒的临床评价和进入申请FDA及SFDA临床准入的实质程序。
四川大学
2016-04-14