雅森科技
北京
智慧医疗
雅森科技

长期致力于影像预处理、分析建模、大数据分析、深度学习辅助诊断等领域。产品覆盖脑、神经、甲状腺、血液、呼吸、病理等多模态分析技术。

标签:
雅森科技成立于2006年,是国内较早专注于医学影像人工智能分析、核医学定量及CAD分析的高科技企业;长期致力于影像预处理、分析建模、大数据分析、深度学习辅助诊断等领域。产品覆盖脑、神经、甲状腺、血液、呼吸、病理等多模态分析技术。
同时也面向医疗机构提供业界领先的雅森天玑™智慧医疗平台,为医疗机构实现“AI赋能”。
脑卒中 (Cerebral Stroke)又称“中风”,是一种急性脑血管疾病,是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病,包括缺血性和出血性卒中。
目前临床上治疗的关键是针对急性期患者,静脉溶栓并结合血管内治疗能显著改善患者预后,有效降低致残率和死亡率,而进行血管内治疗病例选择时,除时间窗外,通过影像评估选择适合的患者是获得良好预后的关键。
雅森通过对CT灌注影像进行数据分析,得到脑血流量、脑血容量、平均通过时间和残留函数的达峰时间等量化指标,从而实现了对梗死核心与缺血半暗带的“不匹配”程度的快速精准评估。
阿尔茨海默症 ( Alzheimer's Disease, AD )是一种起病隐匿的进行性发展的神经系统退行性疾病。其患者最早表现为记忆、思维、行为障碍,最终会影响基本日常生活能力,增加了照护量,也让家庭和社会承受了沉重的经济负担。
目前诊断阿尔兹海默症,在临床上还没有非常有用的方法。尤其在早期阶段,阿尔兹海默症很难鉴别,是由于正常老化认知能力下降,还是轻度认识功能障碍,后者往往预示着阿尔兹海默症的可能。
雅森通过影像组学及神经学量表的量化分析,使用机器学习的方法,得到组织及代谢异常区域的位置、大小、程度等数据,疾病分型的诊断结论,并给出药物治疗方案以及病情发展的预测。
血液细胞 ( Cell Image ) 血液检验是通过观察血液细胞的数量变化及形态分布状况,对疾病做初步诊断的一种检验方法,即血常规检查,包括有红细胞计数(RBC)、血红蛋白(Hb)、白细胞(WBC)、白细胞分类计数及血小板(PLT)等,通常可分为三大系统,即红细胞系统、白细胞系统和血小板系统。
今天,虽然血常规检查已经大量使用血球仪,但是对于异常细胞,例如幼稚细胞增多等情况,都属于需要通过显微镜形态学检查进行复片以确定可能的疾病风险。同时,按照国际血液学复检专家组的建议,有多达41项触发复片的条件,因此就需要更加有效率的进行形态学复片以提高诊断准确率。
雅森通过高精度数字化细胞形态扫描仪采集血液涂片,实现血细胞形态完整图像的自动化分析,并采用拓扑几何和神经网络分析方法对细胞进行分型。
淋巴微核细胞 ( Micronucleus Cell )-淋巴微核细胞是真核类生物细胞中的一种异常结构,微核往往是各种理化因子,如辐射、化学药剂对分裂细胞作用而产生的,因此对于经常接触放射源(如核电站、医院放射科、X射线安检设备等)的职业人群,淋巴微核细胞率的测定是所受辐射损伤评价的重要检测指标之一,亦列为我国慢性放射病诊断的重要检测指标之一。
淋巴微核细胞率是指在微核试验中1000个外周血淋巴细胞中含有微核的细胞数。因为需要计数1000个细胞,至少要看几十个视野的涂片,导致人工镜检的工作量巨大,另外人工镜检的主观性强,易造成分析人员间的检测差异,难以标准化。
雅森通过对细胞涂片的影像进行细胞分割得到多种细胞结构特征,使用机器学习的方法来识别淋巴微核细胞,并计算得到外周血淋巴细胞微核率。
染色体畸变 ( Chromosome Aberration )染色体畸变是指生物细胞中染色体在数目和结构上发生的变化。对于经常接触放射源(如核电站、医院放射科、X射线安检设备等)的职业人群,染色体畸变率的测定是所受辐射损伤评价的重要检测指标之一,亦列为我国慢性放射病诊断的重要检测指标之一。
染色体畸变率是指在100个中期细胞中,观察到发生染色体结构畸变和数目异常的比率,实际工作中为了找到100个中期细胞,至少要看几十个视野的涂片,另外还需要对每一个细胞进行染色体条数计数,同时识别畸变情况,这就导致人工镜检的工作量巨大,并且人工镜检的主观性强,易造成分析人员间的检测差异,难以标准化。
雅森通过表征染色体各种畸变类型的几何形态特征对细胞涂片的影像进行识别、分类和计数,从而计算得到外周血染色体畸变率。
肺结节 ( Pulmonary Nodules, PN ) 肺癌的早期表现,肺癌是发病率和死亡率增长最快、对人群健康和生命威胁最大的恶性肿瘤之一。肺癌死亡率高居不下的主要原因是早期患者通常没有明显的临床症状,因此早期漏诊率很高。
单纯依靠X线或者CT影像进行肺结节的检测,可帮助诊断肺癌,但存在过度诊断、假阳性的问题。而PET/CT技术可以将病灶的功能信息同步分析,是目前肺结节检测和诊断最有效的手段之一。
采集肺影像(CT和PET),通过基于统计学的影像分割方法对肺结节进行目标区域的检测及提取,可以得到肺结节的位置、体积、密度等量化信息,再基于病灶的PET征象和CT征象(如SUVmax值、毛刺、分叶等)和患者的病史、吸烟史等临床信息进行量化分析,通过神经网络处理得到肺结节的良恶性诊断结论。

相关导航

暂无评论

暂无评论...