""
办公室技术商业化
http://www.research.umn.edu/techcomm
612-624-0550

前列腺癌活检的自主高精度分析

技术#2019-015

关于这项技术的问题? 问一个技术经理

下载打印的PDF文档

图库
Identification of prostate cancer
类别
研究人员
格雷戈里Ĵ梅茨格博士
副教授,中心磁共振研究
外部链接 (www.cmrr.umn.edu)
约瑟夫koopmeiners博士
副教授,生物统计师
外部链接 (directory.sph.umn.edu)
由...管理
凯文镍
技术授权官 612-625-7289
专利保护

申请临时专利申请
出版物
Signature maps for automatic identification of prostate cancer from colorimetric analysis of H&E-and IHC-stained histopathological specimens
科学报告, (2019)9:6992

组织学染色样品的自主注释

这种技术是一种自动化,基于机器学习的组织分析软件,它可以预测在组织学染色的样本的癌上皮细胞的百分比,和可靠地检测前列腺癌。这种技术减少了显著与组织样本病理切片通常由病理学家进行的人工注释(即,检测和描绘)相关联的时间和成本。这里开发的回归模型准确地预测癌性上皮的样品内的百分比,并且阈值被施加以可靠地获得的癌与非癌样本的二进制标号。

从高可信度的地面实况衍生算法

的黄金标准用于获得地面实况来训练预测模型需要离体前列腺样本的人工注释。由受过训练的病理学家进行这样的手动注释是非常耗时的并且容易出错由于主观性。这里所描述的方法自动癌症注释的费力的过程,节省了时间显著的同时实现癌症的检测精度媲美受过训练的病理学家。此自动癌症注释算法使用(包括形态,体系结构和组织的病理状态)从多于一种类型的染色获得的色度信息,由此增加其预测的准确性。用于训练预测模型的基础事实是从以高分辨率样本的人工注释,这保证了在其精度高可信度的。

发展阶段

  • 工作原型可用。

好处

  • 节省了显著的时间和成本
  • 检测和分级精度高,媲美训练的病理学家
  • 消除用户错误和主观性

特征

  • 预测疾病的可能性
  • 在全数字化幻灯片图像自主癌症注释
  • 预测每个载玻片中的程度和癌性上皮细胞的分布
  • 癌症或可用无癌症二进制输出
  • 比单染色方法更准确

应用

  • 计算机辅助癌症检测
  • 软件作为服务(SaaS)用于检测,癌症分级
  • 癌症病理学
  • 模型中使用的非侵入性工具,如MRI来预测癌症


感兴趣的许可?
学校依托行业合作伙伴进一步发展,并最终这一技术商业化。许可证是为销售,生产或使用受专利声称产品。请联系 凯文镍 分享这一技术,让您的业务需求,并授权和技术利益。