一种基于对抗生成网络的多模态医学图像编码与生成方法

    公开(公告)号:CN114119788B

    公开(公告)日:2025-04-29

    申请号:CN202111454051.8

    申请日:2021-12-01

    Applicant: 南京大学

    Abstract: 本发明公开一种基于对抗生成网络的多模态医学图像编码与生成方法,包括以下步骤:对数据预处理并得到训练数据集、模拟临床MRI序列缺失的场景、构建生成对抗神经网络和训练生成对抗神经网络;本发明通过一次性地训练一个网络,实现同时对多种MRI序列的特征提取,与现有模型相比,翻译图像的质量更高,具备了将输入的MRI的图像灵活地翻译成任何所需的MRI序列的能力,可以解决对各种模态MRI图像的特征编码以及MRI多模态图像间的相互生成,且采用无监督的训练方式,在训练数据模态缺失的情况下,依旧可以训练生成网络,更加符合临床场景,可以实现任意多模态间的图像生成。

    加载自杀基因的安全可控型嵌合抗原受体、表达其的巨噬细胞及应用

    公开(公告)号:CN119431605A

    公开(公告)日:2025-02-14

    申请号:CN202411608528.7

    申请日:2024-11-12

    Applicant: 南京大学

    Abstract: 本申请运用基因编辑技术设计优化并提供了加载自杀基因的安全可控型嵌合抗原受体、表达其的巨噬细胞,嵌合抗原受体包括靶向癌胚抗原CEA的单链可变区、铰链区、跨膜区和胞内信号区。本申请具有以下优点:嵌合抗原受体‑Hoxb8巨噬细胞CAR‑Hoxb8‑M,具有高效浸润性,吞噬能力及抗原递呈能力增强,有望成为实体瘤细胞免疫治疗的新策略。构建的干祖细胞增殖快速、短时间内可大量获取、可长时间冷冻保存,诱导巨噬细胞周期短、简单便捷,巨噬细胞高效表达CAR、稳定均一,小分子化合物调控祖细胞和巨噬细胞命运安全可控,具有抗结直肠癌治疗效果。CAR‑Hoxb8‑M联合免疫检查点抑制剂可进一步抑制肿瘤生长并提高生存率。

    一种寡核苷酸灌肠剂及其制备方法和应用

    公开(公告)号:CN117919168A

    公开(公告)日:2024-04-26

    申请号:CN202311865399.5

    申请日:2023-12-29

    Applicant: 南京大学

    Abstract: 本申请提供了一种寡核苷酸灌肠剂,所述灌肠剂包括有改良鱼精蛋白和寡核苷酸;并提供了其制备方法和应用。与现有技术相对比,本申请具有以下优点:本发明提供了一种寡核苷酸灌肠剂及其制备方法,将具有抗炎作用的反义寡聚核苷酸序列制作为灌肠剂,灌肠剂可与肠道组织充分接触。此外,本发明将灌肠剂中的组分鱼精蛋白,通过化学反应合成改良鱼精蛋白,使其具有巨噬细胞的靶向性配基,肠道吸收后可特异性的作用于巨噬细胞,避免了注射给药造成的全身性免疫抑制,为溃疡性结肠炎及其相关并发症治疗提供了一种新的治疗途径。

    囊泡在制备靶向肿瘤的药物载体中的应用

    公开(公告)号:CN117695402A

    公开(公告)日:2024-03-15

    申请号:CN202311763977.4

    申请日:2023-12-21

    Abstract: 本发明公开了囊泡在制备靶向肿瘤的药物载体中的应用,所述囊泡来源于M1型巨噬细胞。还公开了一种用于治疗肿瘤的药物,其特征在于包括来源于M1型巨噬细胞的囊泡,所述囊泡内含有巨噬细胞表达的治疗性药物和/或靶向肽类肿瘤组织靶向性成分。肿瘤治疗药物在巨噬细胞中表达,当囊泡释放时包裹到囊泡内。巨噬细胞表面表达肿瘤组织靶向分子,使其产生的囊泡带有肿瘤组织靶向性。囊泡来源于具有肿瘤治疗作用的M1型巨噬细胞,因此囊泡本身也具备一定的肿瘤治疗特性。经实验验证,该药物载体可用于治疗乳腺癌和结直肠癌在内的恶性肿瘤。

    一种可即时分离的缓释微针贴片及其制备方法

    公开(公告)号:CN114917182B

    公开(公告)日:2023-06-13

    申请号:CN202210684418.3

    申请日:2022-06-16

    Applicant: 南京大学

    Abstract: 本发明提供一种可即时分离的缓释微针贴片及其制备方法。该微针贴片包括基板层和由微针组成的微针阵列,并在两者之间添加一可溶性聚合物基质作为连接层,所述连接层的主要成分为透明质酸钠。该聚合物基质溶解速率快、可实现刺入皮肤浅层进行给药。敷贴后即时去除基板层,仅留下载药针体在皮肤毛囊周围发挥缓释作用,在有效地降低患者的用药频率下增加治疗效率,并保持用药者的良好形象。

    一种基于对抗生成网络的多模态医学图像编码与生成方法

    公开(公告)号:CN114119788A

    公开(公告)日:2022-03-01

    申请号:CN202111454051.8

    申请日:2021-12-01

    Applicant: 南京大学

    Abstract: 本发明公开一种基于对抗生成网络的多模态医学图像编码与生成方法,包括以下步骤:对数据预处理并得到训练数据集、模拟临床MRI序列缺失的场景、构建生成对抗神经网络和训练生成对抗神经网络;本发明通过一次性地训练一个网络,实现同时对多种MRI序列的特征提取,与现有模型相比,翻译图像的质量更高,具备了将输入的MRI的图像灵活地翻译成任何所需的MRI序列的能力,可以解决对各种模态MRI图像的特征编码以及MRI多模态图像间的相互生成,且采用无监督的训练方式,在训练数据模态缺失的情况下,依旧可以训练生成网络,更加符合临床场景,可以实现任意多模态间的图像生成。

Patent Agency Ranking