-
公开(公告)号：CN118888155A
公开(公告)日：2024-11-01
申请号：CN202410907798.1
申请日：2024-07-08
Applicant: 武汉大学人民医院(湖北省人民医院)
IPC: G16H50/70 , G16H70/20 , G06N5/025 , G06N5/02 , G06N5/04 , G06N3/0455 , G06N3/084 , G06F16/35 , G06F16/36
Abstract: 本发明公开了一种抑郁症的多模态多视角知识图谱构建方法及装置，涉及知识图谱领域，该方法包括采集青少年抑郁症相关的多模态多视角数据，并对采集的数据进行预处理后进行特征表示；对多模态多视角数据进行表征，并构建青少年抑郁症多层知识组织基础框架，其中，知识组织基础框架包括属性层、概念层、事件层和叙事层；根据青少年抑郁症多层知识组织基础框架，进行多模态诊疗属性与概念层知识的构建，以及基于事理图谱的诊疗事件层知识的表示与构建；根据青少年抑郁症多层知识组织基础框架，进行基于知识溯源的叙事层多视角知识的构建与融合。本申请能够使得构建的知识图谱更贴合临床实际。
-
公开(公告)号：CN114464251B
公开(公告)日：2025-04-15
申请号：CN202210090017.5
申请日：2022-01-25
Applicant: 武汉大学
Abstract: 本发明公开了一种抗精神病药物疗效的预测装置，所述方法通过变异确定模块处理和计算受试者的皮层下结构的体积，计算所述体积中两脑区间体积的关联系数，并根据所述关联系数确定所述皮层下结构的协变连接的变异程度；基因获取模块获取所述皮层下结构对应的尸检脑组织的全基因组基因表达值，根据所述全基因组基因表达值和所述变异程度确定感兴趣基因；预测模块获取所述感兴趣基因对应的甲基化水平，根据所述甲基化水平构建逐步多元线性回归模型，通过所述多元线性回归模型获得抗精神病药物疗效的预测结果，能够有效预测抗精神病药物的疗效，提高了抗精神病药物疗效预测的效率，保证了抗精神病药物疗效预测的准确性。
-
公开(公告)号：CN112741613A
公开(公告)日：2021-05-04
申请号：CN202110042211.1
申请日：2021-01-13
Applicant: 武汉大学
Abstract: 本发明涉及神经信号处理技术，具体涉及一种静息态人脑默认网络功能与结构耦合分析方法，以大脑功能磁共振fMRI和结构磁共振DTI数据为研究对象，采集数据后，进行数据的预处理，保证数据的一致性，首先提取大脑默认网络各个成分，计算两两成分之间的功能连接值和结构连接值，再计算功能连接和结构连接之间的耦合值，采用独立样本t检验比较精神分裂症患者和健康者之间的差异，来研究精神分裂症患者大脑的功能和结构协调性的异常变化。该分析方法可反映人脑默认网络两个成分之间功能及结构的契合程度、协调程度，以此来研究不同的活动、刺激或者疾病情况下默认网络各个脑区的连接特征、功能和结构协调特征，具有较高的应用价值。
-
公开(公告)号：CN118888155B
公开(公告)日：2025-04-18
申请号：CN202410907798.1
申请日：2024-07-08
Applicant: 武汉大学人民医院(湖北省人民医院)
IPC: G16H50/70 , G16H70/20 , G06N5/025 , G06N5/02 , G06N5/04 , G06N3/0455 , G06N3/084 , G06F16/353 , G06F16/36
Abstract: 本发明公开了一种抑郁症的多模态多视角知识图谱构建方法及装置，涉及知识图谱领域，该方法包括采集青少年抑郁症相关的多模态多视角数据，并对采集的数据进行预处理后进行特征表示；对多模态多视角数据进行表征，并构建青少年抑郁症多层知识组织基础框架，其中，知识组织基础框架包括属性层、概念层、事件层和叙事层；根据青少年抑郁症多层知识组织基础框架，进行多模态诊疗属性与概念层知识的构建，以及基于事理图谱的诊疗事件层知识的表示与构建；根据青少年抑郁症多层知识组织基础框架，进行基于知识溯源的叙事层多视角知识的构建与融合。本申请能够使得构建的知识图谱更贴合临床实际。
-
公开(公告)号：CN114464251A
公开(公告)日：2022-05-10
申请号：CN202210090017.5
申请日：2022-01-25
Applicant: 武汉大学
Abstract: 本发明公开了一种抗精神病药物疗效的预测装置，所述方法通过变异确定模块处理和计算受试者的皮层下结构的体积，计算所述体积中两脑区间体积的关联系数，并根据所述关联系数确定所述皮层下结构的协变连接的变异程度；基因获取模块获取所述皮层下结构对应的尸检脑组织的全基因组基因表达值，根据所述全基因组基因表达值和所述变异程度确定感兴趣基因；预测模块获取所述感兴趣基因对应的甲基化水平，根据所述甲基化水平构建逐步多元线性回归模型，通过所述多元线性回归模型获得抗精神病药物疗效的预测结果，能够有效预测抗精神病药物的疗效，提高了抗精神病药物疗效预测的效率，保证了抗精神病药物疗效预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112813155A
公开(公告)日：2021-05-18
申请号：CN202110075081.1
申请日：2021-01-20
Applicant: 武汉大学
IPC: C12Q1/6883 , C12N15/11 , G06N20/10
Abstract: 本发明提供了一种用于预测抗精神病药物疗效的DNA甲基化标记物。本发明还提供上述甲基化标记物在制备用于预测抗精神病药物疗效的诊断试剂和/或辅助诊断试剂和/或诊断试剂盒中的用途。本发明进一步提供上述甲基化标记物的筛选方法。用于预测抗精神病药物疗效的DNA甲基化标记物预测抗精神病药物治疗疗效，可以提高抗精神病药物疗效的预测准确率，节约成本，适于推广应用，具有较好的应用前景；本发明甲基化标记物的筛选方法，简单、科学、可靠。
-
公开(公告)号：CN113345519A
公开(公告)日：2021-09-03
申请号：CN202110500589.1
申请日：2021-05-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于脑白质完整性与DNA甲基化的遗传影像多模态融合分析方法。本发明通过分析受试者全脑白质纤维完整性FA值，将患有某神经精神疾病患者与正常人进行组间比较，在Allen脑库中键入差异区域名称，获得在这些脑区高表达的基因名称，再从基因组甲基化样本中提取这些基因对应CpG位点的甲基化水平，采用相关分析统计这些CpG位点甲基化水平与FA值之间的关联。本发明对神经精神类疾病脑结构发育模式及其背后的表观遗传基础进行多模态融合分析，这种分析方法巧妙地将FA与DNA甲基化两模态数据结合起来分析，对现有的影像加表观遗传多模态数据信息的深入挖掘带来重大的应用及指导价值。
-
公开(公告)号：CN112877419A
公开(公告)日：2021-06-01
申请号：CN202110075050.6
申请日：2021-01-20
Applicant: 武汉大学
IPC: C12Q1/6883 , C12N15/11 , G16B20/30 , G16B40/00
Abstract: 本发明提供了一种用于预测精神分裂症发生风险的DNA甲基化标记物，其特征在于，DNA甲基化标记物选自人第1～22号染色体上的至少一个甲基化CpG位点。本发明还提供上述甲基化标记物在制备用于预测精神分裂症发生风险的诊断试剂和/或辅助诊断试剂和/或诊断试剂盒中的用途。本发明进一步提供上述甲基化标记物的筛选方法。用于预测精神分裂症发生风险的DNA甲基化标记物预测精神分裂症发生风险，可以提高精神分裂症发生风险的预测准确率，节约成本，适于推广应用，具有较好的应用前景；本发明甲基化标记物的筛选方法，简单、科学、可靠。
-
公开(公告)号：CN113345519B
公开(公告)日：2022-04-15
申请号：CN202110500589.1
申请日：2021-05-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于脑白质完整性与DNA甲基化的遗传影像多模态融合分析方法。本发明通过分析受试者全脑白质纤维完整性FA值，将患有某神经精神疾病患者与正常人进行组间比较，在Allen脑库中键入差异区域名称，获得在这些脑区高表达的基因名称，再从基因组甲基化样本中提取这些基因对应CpG位点的甲基化水平，采用相关分析统计这些CpG位点甲基化水平与FA值之间的关联。本发明对神经精神类疾病脑结构发育模式及其背后的表观遗传基础进行多模态融合分析，这种分析方法巧妙地将FA与DNA甲基化两模态数据结合起来分析，对现有的影像加表观遗传多模态数据信息的深入挖掘带来重大的应用及指导价值。
-
公开(公告)号：CN207051511U
公开(公告)日：2018-02-27
申请号：CN201720466974.8
申请日：2017-04-28
Applicant: 武汉大学
Abstract: 本实用新型提供一种滑动式手持金属探测器，包括探测体和手柄，所述探测体和手柄滑动连接。所述探测体和手柄滑动连接的方式为：所述探测体和手柄叠合设置，探测体的滑动面与手柄的滑动面相对。所述探测体和手柄滑动连接的方式为：所述探测体成U字形，探测体的U字形的内侧壁与所述手柄的两相对的侧壁滑动连接，滑动方向为探测体的U字形的开口方向。本实用新型采用的滑动连接结构可有效减小探测器的尺寸、方便携带，实用性强。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
