JP2022507112A - 表面を識別する原子間力顕微鏡法 - Google Patents
表面を識別する原子間力顕微鏡法 Download PDFInfo
- Publication number
- JP2022507112A JP2022507112A JP2021525318A JP2021525318A JP2022507112A JP 2022507112 A JP2022507112 A JP 2022507112A JP 2021525318 A JP2021525318 A JP 2021525318A JP 2021525318 A JP2021525318 A JP 2021525318A JP 2022507112 A JP2022507112 A JP 2022507112A
- Authority
- JP
- Japan
- Prior art keywords
- database
- condensed
- parameters
- subset
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q30/00—Auxiliary means serving to assist or improve the scanning probe techniques or apparatus, e.g. display or data processing devices
- G01Q30/04—Display or data processing devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/493—Physical analysis of biological material of liquid biological material urine
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
- G01N33/57488—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites involving compounds identifable in body fluids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q60/00—Particular types of SPM [Scanning Probe Microscopy] or microscopes; Essential components thereof
- G01Q60/24—AFM [Atomic Force Microscopy] or apparatus therefor, e.g. AFM probes
- G01Q60/32—AC mode
- G01Q60/34—Tapping mode
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01Q—SCANNING-PROBE TECHNIQUES OR APPARATUS; APPLICATIONS OF SCANNING-PROBE TECHNIQUES, e.g. SCANNING PROBE MICROSCOPY [SPM]
- G01Q60/00—Particular types of SPM [Scanning Probe Microscopy] or microscopes; Essential components thereof
- G01Q60/24—AFM [Atomic Force Microscopy] or apparatus therefor, e.g. AFM probes
- G01Q60/38—Probes, their manufacture, or their related instrumentation, e.g. holders
- G01Q60/42—Functionalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
Abstract
Description
Claims (50)
- 原子間力顕微鏡を使用して、表面に関連付けられた1組の画像を取得することと、前記画像を結合することと、前記結合された画像に適用される機械学習法を使用することと、前記表面を分類することとを含む方法。
- 前記画像を処理して、表面パラメータを取得することと、機械学習を使用して、少なくとも部分的に前記表面パラメータに基づいて前記表面を分類することとを更に含む、請求項1に記載の方法。
- 前記1組の画像を取得することは、リンギングモードでマルチチャネル原子間力顕微鏡を使用することを含み、前記原子間力顕微鏡の各チャネルは、前記表面の対応する表面属性を示す情報を提供する、請求項1に記載の方法。
- 前記表面を被験者の尿から収集された細胞の表面であるものとして選択することと、癌を示すか、又は癌を示さないものとして前記細胞を分類することとを更に含む、請求項1に記載の方法。
- 前記原子間力顕微鏡を使用することは、マルチチャネル原子間力顕微鏡を使用することを含み、各チャネルは、前記表面の表面属性に対応する、請求項1に記載の方法。
- 前記原子間力顕微鏡を使用することは、前記原子間力顕微鏡を準共振タッピングモードで使用することを含む、請求項1に記載の方法。
- 原子間力顕微鏡を使用することは、それぞれが前記表面の異なる表面属性に対応する複数のチャネルの情報を取得することを含み、前記方法は、前記チャネルにより提供された情報を凝縮することと、前記凝縮された情報から凝縮データベースを構築することとを更に含む、請求項1に記載の方法。
- 前記チャネルにより提供される前記情報に基づいて第1のデータベースを形成することを更に含み、前記凝縮データベースを構築することは、前記第1のデータベースを前記第1のデータベースよりも低い次元のサブ空間に投影することを含み、前記投影は前記凝縮データベースを定義し、前記凝縮データベースは、前記第1のデータベースよりも低い次元を有する、請求項7に記載の方法。
- 前記チャネルにより提供される前記情報に基づいて第1のデータベースを形成することを更に含み、前記第1のデータベースはインデックスを有し、前記方法は、前記第1のデータベースから凝縮データベースを導出することを更に含み、前記凝縮データベースは、前記第1のデータベースよりも少数のインデックスを有する、請求項7に記載の方法。
- 前記凝縮データベースを導出することは、テンソル加算を実行して、前記第1のデータベースからの情報を前記第1のデータベースの1つ又は複数のインデックスに対応する1つ又は複数のスライスと共に結合するテンソル和を生成することと、前記テンソル和を使用して前記凝縮データベースを形成することとを含む、請求項9に記載の方法。
- 前記第1のデータベースから凝縮データベースを導出することは、前記第1のデータベースからの値のサブセットを定義することであって、前記値のそれぞれは前記第1のデータベース内の対応する要素を表すことと、前記値のサブセット内の前記値から凝縮値を導出することと、前記凝縮値を用いて前記第1のデータベースからの前記対応する要素を表すこととを含み、前記凝縮値を導出することは、前記値のサブセット内の前記値を総和することを含む、請求項9に記載の方法。
- 前記値を総和することは、テンソル加算を実行して、前記第1のデータベースからの値を前記第1のデータベースの対応するインデックスに対応する1つ又は複数のスライスと共に結合するテンソル和を生成することと、前記テンソル和を使用して凝縮データベースを形成することとを含む、請求項11に記載の方法。
- 前記第1のデータベースから凝縮データベースを導出することは、前記第1のデータベースからの値のサブセットを定義することと、前記値のそれぞれは前記第1のデータベース内の対応する要素を表すことと、前記値のサブセット内の前記値から凝縮値を導出することと、前記凝縮値を用いて前記第1のデータベースからの前記対応する要素を表すこととを含み、前記凝縮値を導出することは、前記値のサブセット内の前記値の平均を計算することを含む、請求項9に記載の方法。
- 前記値の平均を計算することは、算術平均を取得することを含む、請求項13に記載の方法。
- 前記値の平均を計算することは、幾何平均を取得することを含む、請求項13に記載の方法。
- 前記第1のデータベースから凝縮データベースを導出することは、前記第1のデータベースからの値のサブセットを定義することと、前記値のそれぞれは前記第1のデータベース内の対応する要素を表すことと、前記値のサブセット内の前記値から凝縮値を導出することと、前記凝縮値を用いて前記第1のデータベースからの前記対応する要素を表すこととを含み、前記凝縮値は、前記値のサブセット内の前記値の最大又は最小の一方である、請求項9に記載の方法。
- 前記第1のデータベースから凝縮データベースを導出することは、前記第1のデータベースからの値のサブセットを定義することと、前記値のそれぞれは前記第1のデータベース内の対応する要素を表すことと、前記値のサブセット内の前記値から凝縮値を導出することと、前記凝縮値を用いて前記第1のデータベースからの前記対応する要素を表すこととを含み、前記凝縮値を導出することは、情報を前記第1のデータベースから表面パラメータ抽出機に通して、表面パラメータセットを取得することを含む、請求項9に記載の方法。
- 導出元の画像の表面エリアから独立するものとして前記表面パラメータセットを表す前記表面パラメータを正規化することを更に含む、請求項17に記載の方法。
- 前記表面パラメータを同じ次元の別のパラメータで除することを更に含む、請求項17に記載の方法。
- 前記方法は、試料の画像がアーチファクトを有することを自動的に検出することと、前記画像を前記表面の分類に使用されるものから自動的に除外することとを更に含む、請求項1に記載の方法。
- 試料の画像を区画に分割することと、各区画の表面パラメータを取得することと、各区画の前記表面パラメータのメジアンとして細胞の表面パラメータを定義することとを更に含む、請求項1に記載の方法。
- 前記画像を処理して、表面パラメータを取得することと、機械学習を使用して、少なくとも部分的に前記表面パラメータに基づいて外部導出パラメータから前記表面を分類することとを更に含む、請求項1に記載の方法。
- 前記表面は、収集された試料から導出されるボディの表面であり、前記試料の少なくとも1つは、ボディを有さないボディフリー試料であり、前記方法は、前記ボディフリー試料からのボディの不在を示すデータを含むものとして前記外部導出パラメータを選択することを更に含む、請求項22に記載の方法。
- 人工表面パラメータを前記ボディフリー試料に割り当てることを更に含む、請求項23に記載の方法。
- 前記表面は、患者から取得される試料から導出される細胞の表面であり、前記方法は、前記患者が特定の疾患を有する確率を示すデータを含むものとして前記外部導出パラメータを選択することを更に含む、請求項22に記載の方法。
- 前記確率を示す前記データは、前記患者の年齢を含む、請求項25に記載の方法。
- 前記確率を示す前記データは、前記患者の喫煙習慣を含む、請求項25に記載の方法。
- 前記確率を示す前記データは、前記患者の家族歴を含む、請求項25に記載の方法。
- 前記方法は、前記表面パラメータのサブセットを定義することと、前記サブセットに基づいてデータベースを生成することとを更に含み、表面パラメータの前記サブセットを定義することは、前記表面パラメータ間の相関を特定することと、前記相関を閾値と比較して、1組の相関パラメータを識別することと、前記1組の相関パラメータのサブセットを表面パラメータの前記サブセットに含めることとを含む、請求項2に記載の方法。
- 前記方法は、前記表面パラメータのサブセットを定義することと、前記サブセットに基づいてデータベースを生成することとを更に含み、表面パラメータの前記サブセットを定義することは、前記表面パラメータ間の相関行列を特定することを含み、前記相関行列を特定することは、シミュレートされた表面を生成することを含む、請求項2に記載の方法。
- 前記方法は、前記表面パラメータのサブセットを定義することと、前記サブセットに基づいてデータベースを生成することとを更に含み、表面パラメータの前記サブセットを定義することは、同じ試料から同種類の異なる表面パラメータを結合することを含む、請求項2に記載の方法。
- 機械学習法を使用することは、ランダムフォレスト法を使用することを含む、請求項1に記載の方法。
- 機械学習法を使用することは、エクストリームランダム化フォレスト法を使用することを含む、請求項1に記載の方法。
- 機械学習法を使用することは、勾配ブースティングツリー法を使用することを含む、請求項1に記載の方法。
- 機械学習法を使用することは、ニューラルネットワークを使用することを含む、請求項1に記載の方法。
- 機械学習法を使用することは、勾配ブースティングツリー、エクストリームランダム化フォレスト法、及びランダムフォレスト法からなる群から選択される少なくとも2つの方法を使用することを含む、請求項1に記載の方法。
- 機械学習法を使用することは、決定木法を使用することを含む、請求項1に記載の方法。
- 前記表面は、患者からの第1の複数の細胞の表面であり、第2の複数の前記細胞は癌罹患患者からのものとして分類されており、第3の複数の前記細胞は非癌患者からのものとして分類されており、前記方法は、前記第1の複数に対する前記第2の複数の比率が所定の閾値を超える場合、前記患者を癌として診断することを更に含む、請求項1に記載の方法。
- 前記原子間力顕微鏡は、カンチレバーと、前記カンチレバーの先端部に配置された探針とを備え、前記カンチレバーは共振周波数を有し、前記原子間力顕微鏡を使用することは、前記探針と前記表面との間の距離を前記共振周波数未満の周波数で振動させることを含む、請求項1に記載の方法。
- 前記原子間力顕微鏡を使用することは、試料表面の異なる物理的属性に対応する複数のチャネルの情報を出力するように構成された顕微鏡を使用することを含む、請求項1に記載の方法。
- 前記画像を処理して、表面パラメータを取得することと、機械学習を使用して、少なくとも部分的に前記表面パラメータに基づいて外部導出パラメータから前記表面を分類することとを更に含み、前記表面は、患者から取得された試料から導出される細胞の表面であり、前記試料の少なくとも1つは、前記患者からの細胞を有さない細胞なし試料であり、前記方法は、前記細胞なし試料からの細胞の不在を示すデータを含むものとして前記外部導出パラメータを選択することを更に含む、請求項1に記載の方法。
- 人工表面パラメータを前記細胞なし試料に割り当てることを更に含む、請求項41に記載の方法。
- 前記画像は細胞の画像であり、前記方法は、細胞の画像がアーチファクトを有することを自動的に検出することと、前記画像を前記表面の分類に使用されるものから自動的に除外することとを更に含む、請求項1に記載の方法。
- 前記画像は細胞の画像であり、前記方法は、シンプルの画像を区画に分割することと、各区画の表面パラメータを取得することと、各区画の前記表面パラメータのメジアンとして前記細胞の表面パラメータを定義することとを更に含む、請求項1に記載の方法。
- 表面に関連付けられた画像を取得する原子間力顕微鏡と、前記原子間力顕微鏡から、前記画像を表す信号を受信し、前記画像を結合する処理システムとを備える装置であって、前記処理システムは、機械学習モジュールと、前記機械学習モジュールから分類の基礎を学習した後、未知の試料を分類する分類器とを備える、装置。
- 前記処理システムは、前記画像を処理して、表面パラメータを取得し、前記機械学習モジュールを使用して、少なくとも部分的に前記表面パラメータに基づいて前記表面を分類するように構成される、請求項45に記載の装置。
- 前記原子間力顕微鏡は、各チャネルが前記表面の表面属性に対応するマルチチャネル原子間力顕微鏡を含む、請求項46に記載の装置。
- 前記処理システムは、前記チャネルにより提供された情報を凝縮し、前記凝縮された情報から凝縮データベースを構築する凝縮器を備える、請求項47に記載の装置。
- 前記凝縮データベースに基づいて未知の試料を分類する分類器を更に備える、請求項48に記載の装置。
- 前記凝縮器は、第1のデータベースを前記第1のデータベースよりも低い次元のサブ空間に投影することにより前記凝縮データベースを構築するように構成され、前記投影は前記凝縮データベースを定義し、前記凝縮データベースは、前記第1のデータベースよりも低い次元を有する、請求項48に記載の装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023135953A JP7478292B2 (ja) | 2018-11-07 | 2023-08-24 | 表面を識別する原子間力顕微鏡法 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862756958P | 2018-11-07 | 2018-11-07 | |
US62/756,958 | 2018-11-07 | ||
US201862772327P | 2018-11-28 | 2018-11-28 | |
US62/772,327 | 2018-11-28 | ||
PCT/US2019/060225 WO2020097302A1 (en) | 2018-11-07 | 2019-11-07 | Atomic-force microscopy for identification of surfaces |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023135953A Division JP7478292B2 (ja) | 2018-11-07 | 2023-08-24 | 表面を識別する原子間力顕微鏡法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022507112A true JP2022507112A (ja) | 2022-01-18 |
JPWO2020097302A5 JPWO2020097302A5 (ja) | 2022-09-22 |
JP7339337B2 JP7339337B2 (ja) | 2023-09-05 |
Family
ID=70612174
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021525318A Active JP7339337B2 (ja) | 2018-11-07 | 2019-11-07 | 表面を識別する原子間力顕微鏡法 |
JP2023135953A Active JP7478292B2 (ja) | 2018-11-07 | 2023-08-24 | 表面を識別する原子間力顕微鏡法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023135953A Active JP7478292B2 (ja) | 2018-11-07 | 2023-08-24 | 表面を識別する原子間力顕微鏡法 |
Country Status (8)
Country | Link |
---|---|
US (3) | US11506683B2 (ja) |
EP (1) | EP3877823A4 (ja) |
JP (2) | JP7339337B2 (ja) |
KR (2) | KR20230172608A (ja) |
CN (1) | CN113272860A (ja) |
AU (1) | AU2019374820A1 (ja) |
CA (2) | CA3221066A1 (ja) |
WO (1) | WO2020097302A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230172608A (ko) * | 2018-11-07 | 2023-12-22 | 트러스티즈 오브 터프츠 칼리지 | 표면 식별을 위한 원자힘 현미경 |
WO2022258084A1 (en) | 2021-07-13 | 2022-12-15 | Ceske Vysoke Uceni Technicke V Praze | A method of examining a sample in an atomic force microscope |
TWI783684B (zh) | 2021-09-15 | 2022-11-11 | 國立成功大學 | 檢測磁性分布的方法 |
KR20230105832A (ko) | 2022-01-05 | 2023-07-12 | 전북대학교산학협력단 | 원자힘 현미경용 수정진동자 캔틸레버 및 프로브 |
KR20230126264A (ko) * | 2022-02-21 | 2023-08-30 | 가톨릭대학교 산학협력단 | 오가노이드 선별 장치 및 방법 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6922482B1 (en) * | 1999-06-15 | 2005-07-26 | Applied Materials, Inc. | Hybrid invariant adaptive automatic defect classification |
US20080026410A1 (en) | 2004-12-02 | 2008-01-31 | Antonia Vlahou | Biomarkers for Bladder Cancer |
KR100794516B1 (ko) | 2007-12-03 | 2008-01-14 | 한국정보통신대학교 산학협력단 | 사례 기반 기계학습 추론을 이용한 질환 진단 및 검사 항목선정 시스템 및 방법 |
RU2010151919A (ru) | 2008-05-20 | 2012-06-27 | Зе Реджентс Оф Зе Юниверсити Оф Калифорния (Us) | Анализ ex vivo клеток с целью детектирования болезненного состояния и выбора и мониторинга терапевтического агента |
EP2748356A2 (en) * | 2011-08-22 | 2014-07-02 | Somalogic, Inc. | Renal cell carcinoma biomarkers and uses thereof |
US9904866B1 (en) * | 2012-06-21 | 2018-02-27 | Amazon Technologies, Inc. | Architectures for object recognition |
US9153024B2 (en) * | 2013-08-02 | 2015-10-06 | CRIXlabs, Inc. | Method and system for predicting spatial and temporal distributions of therapeutic substance carriers |
WO2015065697A1 (en) * | 2013-10-28 | 2015-05-07 | Molecular Devices, Llc | Method and system for classifying and identifying individual cells in a microscopy image |
US20170032285A1 (en) | 2014-04-09 | 2017-02-02 | Entrupy Inc. | Authenticating physical objects using machine learning from microscopic variations |
WO2016061586A1 (en) * | 2014-10-17 | 2016-04-21 | Cireca Theranostics, Llc | Methods and systems for classifying biological samples, including optimization of analyses and use of correlation |
EP3308162B1 (en) | 2015-06-11 | 2021-06-02 | Riethmüller, Christoph | In vitro method for quantifying nano-objects of mammalian skin cells |
US10990797B2 (en) * | 2016-06-13 | 2021-04-27 | Nanolive Sa | Method of characterizing and imaging microscopic objects |
FR3062214B1 (fr) * | 2017-01-20 | 2022-10-21 | Centre Nat Rech Scient | Sonde pour microscope a force atomique equipe d'un resonateur optomecanique, et microscope a force atomique comportant une telle sonde |
JP6675433B2 (ja) * | 2018-04-25 | 2020-04-01 | 信越化学工業株式会社 | 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法 |
KR20230172608A (ko) * | 2018-11-07 | 2023-12-22 | 트러스티즈 오브 터프츠 칼리지 | 표면 식별을 위한 원자힘 현미경 |
-
2019
- 2019-11-07 KR KR1020237042280A patent/KR20230172608A/ko not_active Application Discontinuation
- 2019-11-07 AU AU2019374820A patent/AU2019374820A1/en active Pending
- 2019-11-07 CA CA3221066A patent/CA3221066A1/en active Pending
- 2019-11-07 JP JP2021525318A patent/JP7339337B2/ja active Active
- 2019-11-07 EP EP19882708.1A patent/EP3877823A4/en active Pending
- 2019-11-07 KR KR1020217016837A patent/KR102613720B1/ko active IP Right Grant
- 2019-11-07 US US17/291,430 patent/US11506683B2/en active Active
- 2019-11-07 CN CN201980080842.3A patent/CN113272860A/zh active Pending
- 2019-11-07 CA CA3118950A patent/CA3118950C/en active Active
- 2019-11-07 WO PCT/US2019/060225 patent/WO2020097302A1/en unknown
-
2022
- 2022-11-04 US US17/980,667 patent/US11796564B2/en active Active
-
2023
- 2023-08-24 JP JP2023135953A patent/JP7478292B2/ja active Active
- 2023-09-21 US US18/370,923 patent/US20240012022A1/en active Pending
Non-Patent Citations (1)
Title |
---|
M. P. NIKIFOROV, ET. AL.: "Functional Recognition Imaging Using Artificial Neural Networks: Application to Rapid Cellular Ident", NANOTECHNOLOGY, JPN7022005461, 2009, ISSN: 0004928097 * |
Also Published As
Publication number | Publication date |
---|---|
JP2023159339A (ja) | 2023-10-31 |
WO2020097302A1 (en) | 2020-05-14 |
EP3877823A4 (en) | 2022-07-27 |
US11796564B2 (en) | 2023-10-24 |
US20240012022A1 (en) | 2024-01-11 |
US11506683B2 (en) | 2022-11-22 |
US20220003798A1 (en) | 2022-01-06 |
CA3118950C (en) | 2024-01-09 |
CN113272860A (zh) | 2021-08-17 |
JP7478292B2 (ja) | 2024-05-02 |
KR20230172608A (ko) | 2023-12-22 |
KR20210103468A (ko) | 2021-08-23 |
US20230058610A1 (en) | 2023-02-23 |
KR102613720B1 (ko) | 2023-12-13 |
CA3118950A1 (en) | 2020-05-14 |
CA3221066A1 (en) | 2020-05-14 |
AU2019374820A1 (en) | 2021-06-24 |
EP3877823A1 (en) | 2021-09-15 |
JP7339337B2 (ja) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7478292B2 (ja) | 表面を識別する原子間力顕微鏡法 | |
CN107133651B (zh) | 基于超网络判别子图的功能磁共振影像数据分类方法 | |
CN113610808B (zh) | 基于个体脑连接图的群体脑图谱个体化方法、系统和设备 | |
CN110503635B (zh) | 一种基于异构数据融合网络的手骨x光片骨龄评估方法 | |
CN108122221A (zh) | 弥散加权成像图像中脑缺血区域的分割方法及装置 | |
CN112614126B (zh) | 基于机器学习的磁共振图像脑区划分方法、系统和装置 | |
CN108847285A (zh) | 基于机器学习的孕前期及孕中期唐氏综合征筛查方法 | |
US20190258846A1 (en) | Three-Dimensional Cell and Tissue Image Analysis For Cellular And Sub-Cellular Morphological Modeling And Classification | |
Cerrolaza et al. | Fetal skull segmentation in 3D ultrasound via structured geodesic random forest | |
CN114170473A (zh) | 基于病理图像的dMMR亚型分类方法及系统 | |
Karnowski et al. | Automatic detection of retina disease: Robustness to image quality and localization of anatomy structure | |
CN117392040A (zh) | 一种标准切面的识别方法、系统、装置及存储介质 | |
CN114305387A (zh) | 基于磁共振成像的脑小血管病变图像分类方法、设备及介质 | |
Xu et al. | Unsupervised profiling of microglial arbor morphologies and distribution using a nonparametric Bayesian approach | |
Vijayadeep et al. | A hybrid feature extraction based optimized random forest learning model for brain stroke prediction | |
JPWO2020097302A5 (ja) | ||
US20210134399A1 (en) | Calcium analysis | |
Long et al. | Graph based MRI brain scan classification and correlation discovery | |
IT201800005163A1 (it) | Sistema di rilevamento di masse tumorali basato sulla risonanza magnetica per immagini | |
Demirhan | Random forests based recognition of the clinical labels using brain MRI scans | |
Dessouky et al. | Statistical Analysis of Alzheimer’s disease images | |
Padmavathy et al. | Modified Cuckoo Search-Cascade Forest (MCS-CF) for Attention Deficit Hyperactivity Disorder (ADHD) Diagnosis | |
Bertieaux et al. | Cardiotocography Signal Abnormality Detection Based on Deep Semi-Unsupervised Learning | |
Zhang et al. | RimSet: Quantitatively Identifying and Characterizing Chronic Active Multiple Sclerosis Lesion on Quantitative Susceptibility Maps | |
MR et al. | A Comprehensive Study on Computer Aided Approaches for Multiclass Neurological Disorder Classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220913 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220913 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221124 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230224 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230421 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230523 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230727 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230824 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7339337 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |