CN105184098B - 高光谱成像技术自动实现疾病药物检测和使用管理的方法 - Google Patents
高光谱成像技术自动实现疾病药物检测和使用管理的方法 Download PDFInfo
- Publication number
- CN105184098B CN105184098B CN201510636029.3A CN201510636029A CN105184098B CN 105184098 B CN105184098 B CN 105184098B CN 201510636029 A CN201510636029 A CN 201510636029A CN 105184098 B CN105184098 B CN 105184098B
- Authority
- CN
- China
- Prior art keywords
- drug
- spectrum image
- information
- high light
- light spectrum
- 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.)
- Active
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,包括以下步骤:S1、使用药物时首先利用高光谱成像设备对所使用的药物进行高光谱成像,其次对所使用的药物的药品电子监管码进行成像;S2、将所述图像传递到云平台对应的处理模块;S3、利用光谱模型数据库,得出所述药物高光谱图像所包含的药物信息;S4、识别出药物的药品电子监管码串号,得到药品信息,S5、将得到的药物信息与药品信息进行对比,S6、当对比结果正常时,将药物信息、使用时间一并记录到疾病管理软件或医疗信息系统中。本发明的有益效果是:通过高光谱成像技术自动识别和记录药物使用信息,帮助提高药物使用记录和药物依从性分析。
Description
技术领域
本发明涉及药物使用分析技术领域,具体涉及一种高光谱成像技术自动实现疾病药物检测和使用管理的方法。
背景技术
糖尿病是当前威胁全球人类健康的最重要的NCD 之一。随着经济高速发展和工业化进程的加速,生活方式的改变和老龄化进程的加速,使我国糖尿病的患病率正呈快速上升的趋势,成为继心脑血管疾病、肿瘤之后另一个严重危害人民健康的重要慢性非传染性疾病。我国糖尿病患者在2013年已达1.14亿,并有1.5亿的糖尿病前期高危人群。依据糖尿病的种类划分,约95%的绝大多数患者为II型糖尿病,约2.5%为I型糖尿病,壬辰和其它类型的糖尿病约占2.5%。
糖尿病是一种常见的内分泌疾病,是由于体内的一种激素——胰岛素的绝对缺乏或相对不足,或胰岛素本身质量及其他原因造成不能发挥正常生理作用,而引起的以糖代谢为主的糖类、脂肪、蛋白质三大物质的代谢混乱的一种综合病症。因此,糖尿病是一种终身性疾病,一经诊断即要开始复杂的、持续终身的自我管理和治疗。无论是对于糖尿病患者还是高危人群,自我管理都是糖尿病有效控制的一个关键组成部分。糖尿病自我管理中具有五架马车的方法论:"教育是核心、饮食是基础、运动是手段、药物是武器、监测是保障"。其中饮食、运动、药物三个环节形成了完整的治疗干预信息,构成了一套自我管理和治疗方案,而血糖监测则是验证血糖管理的实际效果,然后再进行调整,直到形成稳定的血糖控制。
治疗糖尿病的药物,主要有口服类的降糖药物和注射类的胰岛素两种。糖尿病患者根据不同的糖尿病类型选用不同类型的药物:I型糖尿病患者终身依靠注射胰岛素治疗来帮助控制血糖,而II型糖尿病一般选用口服药进行治疗。
药物治疗是控制病情发展的根本,由于个体病情差异性,糖尿病类型不同、血糖水平不同、药物的种类和剂量不同、胰岛功能和胰岛素抵抗程度不同,都会导致治疗结果的千差万。治疗药物的选择需要注意以下的药物依从性问题:
1) 注意用药剂量,预防低血糖:大多数口服降糖药均有引起低血糖反应的危险,严重者可致低血糖性脑病甚至死亡。
2) 口服药物的不良反应:常见的口服药物均有不同程度的不良反应,例如磺酰脲类药物的常见不良反应有胃酸分泌增加、恶心、腹痛、腹泻,相对其它类口服降糖药更易发生低血糖反应;二甲双胍主要不良反应有胃肠道反应和乳酸酸中毒;糖苷酶抑制剂的主要不良反应有腹胀和肠鸣;而胰岛素增敏剂的不良反应主要是肝毒性等。
3) 个体和年龄差异的影响:老年人往往有肝肾功能下降,因此应尽量选用对肝肾无毒性或毒性较小的药物,如瑞格列奈、格列喹酮、二甲双胍等在病人有肝肾功能不全、心衰、缺氧的情况下,容易导致乳酸酸中毒;而长效或强效促胰岛素分泌剂(如优降糖、消渴丸),可能导致严重的低血糖发生。
在II型糖尿病的治疗中,往往会同时使用多种不同种类的口服药物进行联合治疗。因此,对患者而言药物依从性最根本、也是最重要的一点在于要保持良好的药物使用记录,包括药物的使用时间、使用药品名称、相应的剂量等详细信息。详细的药物使用记录结合持续的血糖监测,能够帮助患者及时评估所使用的药物对血糖控制的治疗效果以及是否存在不良反应等,进而调整和改善治疗方案(包括使用的药物种类、使用剂量等),以便达到更好的治疗效果。
传统的药物使用记录存在以下的问题:
1) 患者缺乏良好的记录习惯:药物使用记录需要长期的坚持,才能进行评估,以便达到比较理想的药物依从性分析,尤其是对药物进行更改和替换的情况下。现实中,患者通常缺乏足够的动力去坚持记录。
2) 药物信息具有一定的专业性:每一种药物都有其药品名称、商品名称、成分标示等,患者,尤其是老年患者往往难于记住复杂的药品名称,因此往往无法正确的记录药物的使用情况。
3) 不可控风险:药品成分不合格、假药现象与伪冒药品、过期药品与被污染药品(例如药品混入)、被禁止销售或被召回的药品,都是药物使用中的不可控风险,在缺乏足够信息的情况下,很容易给患者带来潜在的伤害。
高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术,其最突出的应用是卫星遥感探测领域。高光谱成像技术集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术,是传统的二维光学成像技术和光谱技术有机的结合在一起的一门新兴技术。
高光谱成像技术是结合传统的二维光学成像技术与光谱技术的一门新兴技术,它利用不同物质对不同波长的光具有不同的吸收、反射和折算的特点,提取其光谱指纹信息,以创建该图像内在的光频谱为基础的对比度,形成高光谱图像。高光谱成像技术在获得传统光学图像的同时,与透过可调谐滤波器得到的多波长信息捆在一起,形成一个超立方体光谱数据集。因而光谱数据,或者每个波长强度,包含在高光谱图像的每个像素信息中。利用相关的光谱处理工具分析软件,将高光谱图像与建立在数据库中的高光谱特征数据模型进行对比分析,就能发现不同物质之间的光谱信息区别,进而识别出物质。
高光谱图像除了具备传统光学成像的图像外,还具备了传统光学成像没有包含的丰富光谱信息。
近年来,由于材料科学的飞速进步,尤其是纳米材料的技术进步,使高光谱成像设备小型化取得突破进展,并开始在不同物质的无创检测方面有一些应用研究。
药品电子监管码与监管网络
依据《中华人民共和国药品管理法》,2011年4月1日起我国所有的基本药物都实行电子赋码。所有药品的外包装上都有一个中国药品电子监管码(二维码),以便国家针对药品在生产及流通过程中的状态监管,实现监管部门及生产企业产品追溯和管理,维护药品生产商及消费者的合法权益。
国家监管网为每件产品赋予唯一的电子监管码,实现“一件一码”管理,将电子监管码对应产品的生产、流通、消费等动态信息实时采集到数据库中,通过覆盖全国的无缝网络、支持数百万家企业数千万亿件产品的超大型数据库和专业化的客户服务中心,为政府从源头实现质量监管建立电子档案、对市场实现跟踪追溯、索证索票、实施进货检查验收、建立购销电子台账和缺陷产品召回提供了信息技术保障。最终建立了从原料进厂、生产加工、出厂销售到售后服务的工业品全过程电子监管链条,建立了从种植养殖、生产加工、流通销售到餐饮消费的食品全过程电子监管链条,为建立产品质量和食品安全的质量追溯和责任追究体系提供了信息技术平台,建立了覆盖全社会的产品质量电子监管网络。
发明内容
本发明所要解决的技术问题是提供一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,解决不易于记录服药情况、药物成分不可控的的问题。
本发明的通过下述技术方案实现:
一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,包括以下步骤:
S1、使用药物时首先利用高光谱成像设备对所使用的药物进行高光谱成像,其次对所使用的药物的药品电子监管码进行成像,得到药物的高光谱图像和药品电子监管码高光谱图像。
进一步的,所述的的药物是指单独的一种药物或者是多种药物的混合;当药物为多种药物的混合时,需对各种药物的电子监管码分别逐一进行成像。
S2、利用有线网络或无线网络,例如利用手机或其它专用设备,将拍摄的药物高光谱图像传递到云平台的高光谱分析模块,将拍摄的药品电子监管码高光谱图像传递到云平台的监管码识别和处理模块。
S3、高光谱分析模块利用其预先建立好的光谱模型数据库,对所述的药物高光谱图像进行光谱信息的查询、对比、分析和计算,得出所述药物高光谱图像所包含的药物信息。
进一步的,所述的药物信息包含药物的种类、化学成分、比例和药物的总剂量中的一项或多项。
优选的,所述的药物信息还包括是否含有污染物或污染物成份。
进一步的,如果含有污染物或污染物成份,则高光谱分析模块产生药物污染告警提示,该告警提示通过有线或无线网络传输至用户移动终端,该移动终端可以为手机、平板电脑或医疗设备。
从而可以实现药物中混入的有害物质或污染检测,并产生相应的告警信息进行提醒。这种应用场景包括:运动员的药物治疗管理,以防止误食含有违禁成分的药物造成对运动成绩和运动生涯的影响;药品的流通环节管理,避免混入其它的药物造成副作用或化学危害。
S4、监管码识别和处理模块识别出药物的药品电子监管码高光谱图像所包含的20位的药品电子监管码串号,提交到药品电子监管网的数据库进行查询,结果返回后获得该电子监管码所代表的药品信息。
进一步的,所述的药品信息包括生产厂家、商品名称、药品名称、药物主要成分、药物使用禁忌、生产日期和保质期、以及是否被禁止销售、被召回、以及具有不良事件报告中的一项或多项信息。
优选的,如果药品信息包含被禁止销售、被召回、以及具有不良事件报告,则监管码识别和处理模块产生告警提示,该告警提示通过有线或无线网络传输至用户移动终端,该移动终端可以为手机、平板电脑或医疗设备。
从而,通过高光谱成像技术自动识别药品电子监管码,并通过查询药品监管网络进行信息比对以判断药物的潜在风险并产生相应的提示和警告,从而降低患者的药物使用风险。
S5、监管码识别和处理模块将返回的药品信息提交到高光谱分析模块,与高光谱分析模块对药物高光谱图像分析得到的药物信息进行比对,由高光谱分析模块判断药物是否属于假药或不合格产品;如果是假药或不合格产品,高光谱分析模块将产生告警提示,该告警提示通过有线或无线网络传输至用户移动终端,该移动终端可以为手机、平板电脑或医疗设备。
进一步的,如果是假药或不合格产品,高光谱分析模块将结果反馈给监管码识别和处理模块,监管码识别和处理模块将假药或不合格产品上报给药品电子监管网。
S6、当对比结果正常、药物不属于假药或不合格产品时,高光谱分析模块将所述药物高光谱图像所包含的药物信息,以及图像文件所包含的成像时间提取出来作为药物的使用时间一并记录到疾病管理软件或医疗信息系统中,进行药物依从性分析。对于各种疾病患者的药物治疗而言,由于个体的体质差异和年龄差异,会导致抗药性、药物不良反应的不同,从而具有不同的药物使用效果。药物依从性是对药物治疗效果进行监测、评估和分析的必要手段,从而为治疗方案的改善、药物的使用改变等提供直接的依据,例如利用降压药控制高血压、利用不同的药物治疗心脑血管疾病等。本方法同样适用于任何一种药物治疗场境,最后的输出目的地为相关疾病的管理模块或医疗信息系统。例如对于糖尿病患者,步骤S6中提取出的药物信息、药物的使用时间一并记录到糖尿病病管理软件中或医疗信息系统中,与持续血糖监测信息一起,进行药物依从性分析,进而指导治疗方案的改善、调整和优化,达到更好的治疗效果。
从而,通过高光谱成像技术自动识别和记录药物使用信息,包括药物化学成分、药物种类、药物剂量等信息,以及使用的时间,从而实现对药物使用的自动识别和记录,降低了患者人工记录的难度和复杂度,确保长期的用药记录以及良好的完整性和可溯性。
本发明与现有技术相比,具有如下的优点和有益效果:
1、通过高光谱成像技术自动识别和记录药物使用信息,包括药物化学成分、药物种类、药物剂量等信息,以及使用的时间。
2、通过高光谱成像技术自动识别药品电子监管码,并通过查询药品监管网络进行信息比对以判断药物的使用风险,并产生相应的提示和警告,降低患者的药物使用风险。具体而言,本发明采用高光谱成像设备对药品电子监管码进行高光谱成像,识别出20位的药品电子监管码串号,上传到电子监管官方网络进行查询,利用返回的监管信息,结合药物的高光谱分析结果,对药物的合法性和有效性进行分析,确认该药是否属于国家禁止生产、禁止流通、强制召回、退市、过期、假药等情况,以保障使用者的用药安全等权益。
3、为患者提供一种简单的、具有提醒功能的药物使用记录技术和方法,帮助提高药物使用记录和药物依从性分析,进而改善治疗效果。特别是对于糖尿病患者,利于其通过药物进行糖尿病治疗的效果,解决糖尿病管理中对药物使用的自动识别与记录,从而帮助糖尿病患者实现自动管理和记录,分析和改善其药物治疗的依从性,进而提高糖尿病管理水平,有效提高治疗效果。
对于糖尿病患者,可以将药物使用信息记录到糖尿病管理软件中,与持续血糖监测信息一起,进行药物依从性分析,进而指导治疗方案的改善、调整和优化,达到更好的治疗效果。
具体而言,即采用高光谱成像设备对药物进行检测,利用不同药物成分在光谱上具有不同的光学指纹特征,取得不同种类药物和其成分的详细光谱信息,然后利用建立的模型进行比对,从而判断出药物的种类、化学成分,计算药物的体积和所包含的成分比例等信息。上述信息记录到糖尿病管理软件中,帮助解决糖尿病管理中药物治疗面临的两个难题:药物使用记录和药物依从性分析。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
如图1所示,一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,包括以下步骤:
S1、使用药物时首先利用高光谱成像设备对所使用的药物进行高光谱成像,其次对所使用的药物的药品电子监管码进行成像,得到药物的高光谱图像和药品电子监管码高光谱图像;
这里的药物,是指单独的一种药物或者是多种药物的混合;
高光谱成像设备包括单独的高光谱成像设备,或者是可以独立的高光谱摄像镜头、可以附加在手机上共同组成高光谱成像设备,完成高光谱成像功能;
当药物为多种药物的混合时,需对各种药物的电子监管码分别逐一进行成像。
S2、利用有线网络或无线网络,例如利用手机或其它专用设备,将拍摄的药物高光谱图像传递到云平台的高光谱分析模块,将拍摄的药品电子监管码高光谱图像传递到云平台的监管码识别和处理模块。
S3、高光谱分析模块利用其预先建立好的光谱模型数据库,对所述的药物高光谱图像进行光谱信息的查询、对比、分析和计算,得出所述药物高光谱图像所包含的药物信息;
所述的药物信息包含药物的种类、化学成分、比例和药物的总剂量中的一项或多项;
所述的药物信息还包括是否含有污染物或污染物成份;
进一步的,如果含有污染物或污染物成份,则高光谱分析模块产生药物污染告警提示,该告警提示通过有线或无线网络传输至用户移动终端,该移动终端可以为手机、平板电脑或医疗设备;
从而可以实现药物中混入的有害物质或污染检测,并产生相应的告警信息进行提醒。这种应用场景包括:运动员的药物治疗管理,以防止误食含有违禁成分的药物造成对运动成绩和运动生涯的影响;药品的流通环节管理,避免混入其它的药物造成副作用或化学危害。
S4、监管码识别和处理模块识别出药物的药品电子监管码高光谱图像所包含的20位的药品电子监管码串号,提交到药品电子监管网的数据库进行查询,结果返回后获得该电子监管码所代表的药品信息;
所述的药品信息包括生产厂家、商品名称、药品名称、药物主要成分、药物使用禁忌、生产日期和保质期、以及是否被禁止销售、被召回、以及具有不良事件报告中的一项或多项信息;
进一步的,如果药品信息包含被禁止销售、被召回、以及具有不良事件报告,则监管码识别和处理模块产生告警提示,该告警提示通过有线或无线网络传输至用户移动终端,该移动终端可以为手机、平板电脑或医疗设备;
从而,通过高光谱成像技术自动识别药品电子监管码,并通过查询药品监管网络进行信息比对以判断药物的潜在风险并产生相应的提示和警告,从而降低患者的药物使用风险。
S5、监管码识别和处理模块将返回的药品信息,如药物主要成分,提交到高光谱分析模块,与高光谱分析模块对药物高光谱图像分析得到的药物信息,如药物化学成分和比例信息,进行比对,由高光谱分析模块判断药物是否属于假药或不合格产品;如果是假药或不合格产品,高光谱分析模块将产生告警提示,该告警提示通过有线或无线网络传输至用户移动终端,该移动终端可以为手机、平板电脑或医疗设备;
进一步的,如果是假药或不合格产品,高光谱分析模块将结果反馈给监管码识别和处理模块,监管码识别和处理模块将假药或不合格产品上报给药品电子监管网。
S6、当对比结果正常、药物不属于假药或不合格产品时,高光谱分析模块将所述药物高光谱图像所包含的药物信息,以及图像文件所包含的成像时间提取出来作为药物的使用时间一并记录到疾病管理软件或医疗信息系统中,进行药物依从性分析。对于各种疾病患者的药物治疗而言,由于个体的体质差异和年龄差异,会导致抗药性、药物不良反应的不同,从而具有不同的药物使用效果。药物依从性是对药物治疗效果进行监测、评估和分析的必要手段,从而为治疗方案的改善、药物的使用改变等提供直接的依据,例如利用降压药控制高血压、利用不同的药物治疗心脑血管疾病等。本方法同样适用于任何一种药物治疗场境,最后的输出目的地为相关疾病的管理模块或医疗信息系统。例如对于糖尿病患者,步骤S6中提取出的药物信息、药物的使用时间一并记录到糖尿病病管理软件中或医疗信息系统中,与持续血糖监测信息一起,进行药物依从性分析,进而指导治疗方案的改善、调整和优化,达到更好的治疗效果。
从而,通过高光谱成像技术自动识别和记录药物使用信息,包括药物化学成分、药物种类、药物剂量等信息,以及使用的时间,从而实现对药物使用的自动识别和记录,降低了患者人工记录的难度和复杂度,确保长期的用药记录以及良好的完整性和可溯性。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,其特征在于:包括以下步骤:
S1、使用药物时首先利用高光谱成像设备对所使用的药物进行高光谱成像,其次对所使用的药物的药品电子监管码进行成像,得到药物的高光谱图像和药品电子监管码高光谱图像;
S2、利用有线网络或无线网络,将拍摄的药物高光谱图像传递到云平台的高光谱分析模块,将拍摄的药品电子监管码高光谱图像传递到云平台的监管码识别和处理模块;
S3、高光谱分析模块利用其预先建立好的光谱模型数据库,对所述的药物高光谱图像进行光谱信息的查询、对比、分析和计算,得出所述药物高光谱图像所包含的药物信息;
S4、监管码识别和处理模块识别出药物的药品电子监管码高光谱图像所包含的药品电子监管码串号,提交到药品电子监管网的数据库进行查询,结果返回后获得该电子监管码所代表的药品信息;
S5、监管码识别和处理模块将返回药物主要成分的药品信息提交到高光谱分析模块,与高光谱分析模块对药物高光谱图像分析得到的药物信息进行比对,由高光谱分析模块判断药物是否属于假药或不合格产品;如果是假药或不合格产品,高光谱分析模块将产生告警提示;
如果药品信息包含被禁止销售、被召回、以及具有不良事件报告任一项,则监管码识别和处理模块产生告警提示;
S6、当对比结果正常、药物不属于假药或不合格产品时,高光谱分析模块将所述药物高光谱图像所包含的药物信息,以及图像文件所包含的成像时间提取出来作为药物的使用时间一并记录到疾病管理软件或医疗信息系统中。
2.根据权利要求1所述的一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,其特征在于:步骤S1所述的药物是指单独的一种药物或者是多种药物的混合;当药物为多种药物的混合时,需对各种药物的电子监管码分别逐一进行成像。
3.根据权利要求1所述的一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,其特征在于:所述的步骤S3所述的药物信息包含药物的种类、化学成分、比例和药物的总剂量中的一项或多项。
4.根据权利要求1或3所述的一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,其特征在于:所述的步骤S3所述的药物信息还包括是否含有污染物或污染物成份;如果含有污染物或污染物成份,则高光谱分析模块产生药物污染告警提示。
5.根据权利要求1所述的一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,其特征在于:所述的步骤S4所述的药品信息包括生产厂家、商品名称、药品名称、药物主要成分、药物使用禁忌、生产日期和保质期、以及是否被禁止销售、被召回、以及具有不良事件报告中的一项或多项。
6.根据权利要求1所述的一种高光谱成像技术自动实现疾病药物检测和使用管理的方法,其特征在于:所述的步骤S5中,如果是假药或不合格产品,高光谱分析模块将结果反馈给监管码识别和处理模块,监管码识别和处理模块将假药或不合格产品上报给药品电子监管网。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510636029.3A CN105184098B (zh) | 2015-09-30 | 2015-09-30 | 高光谱成像技术自动实现疾病药物检测和使用管理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510636029.3A CN105184098B (zh) | 2015-09-30 | 2015-09-30 | 高光谱成像技术自动实现疾病药物检测和使用管理的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105184098A CN105184098A (zh) | 2015-12-23 |
CN105184098B true CN105184098B (zh) | 2018-10-12 |
Family
ID=54906175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510636029.3A Active CN105184098B (zh) | 2015-09-30 | 2015-09-30 | 高光谱成像技术自动实现疾病药物检测和使用管理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105184098B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107024433A (zh) * | 2016-02-02 | 2017-08-08 | 苏州三星电子有限公司 | 一种检测冰箱内食物新鲜度的方法及系统 |
CN108009173A (zh) * | 2016-10-27 | 2018-05-08 | 上海迪亚凯特生物医药科技有限公司 | 光谱数据交互方法及系统 |
CN106412521A (zh) * | 2016-11-01 | 2017-02-15 | 合肥华贝信息科技有限公司 | 一种基于视频的远程监管平台的运行方法 |
CN113010613A (zh) * | 2021-03-18 | 2021-06-22 | 德州职业技术学院 | 一种检查食品、药品多维度智慧鉴定系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101599068A (zh) * | 2009-07-09 | 2009-12-09 | 耿泉生 | 一种药品销售终端防伪查询绑定广告发布的方法和系统 |
CN102288551A (zh) * | 2011-04-01 | 2011-12-21 | 尚振刚 | 利用高光谱数据鉴别中药材的方法 |
CN102622708A (zh) * | 2012-02-27 | 2012-08-01 | 广州市远望谷信息技术有限公司 | 一种药品防伪查询方法及系统 |
CN104408678A (zh) * | 2014-10-31 | 2015-03-11 | 中国科学院苏州生物医学工程技术研究所 | 一种供个人使用的电子病历系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140043488A1 (en) * | 2010-10-06 | 2014-02-13 | Chemimage Corporation | System and Method for Drug Detection Using SWIR |
-
2015
- 2015-09-30 CN CN201510636029.3A patent/CN105184098B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101599068A (zh) * | 2009-07-09 | 2009-12-09 | 耿泉生 | 一种药品销售终端防伪查询绑定广告发布的方法和系统 |
CN102288551A (zh) * | 2011-04-01 | 2011-12-21 | 尚振刚 | 利用高光谱数据鉴别中药材的方法 |
CN102622708A (zh) * | 2012-02-27 | 2012-08-01 | 广州市远望谷信息技术有限公司 | 一种药品防伪查询方法及系统 |
CN104408678A (zh) * | 2014-10-31 | 2015-03-11 | 中国科学院苏州生物医学工程技术研究所 | 一种供个人使用的电子病历系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105184098A (zh) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184098B (zh) | 高光谱成像技术自动实现疾病药物检测和使用管理的方法 | |
Yu et al. | Hand–eye coordination predicts joint attention | |
Liu et al. | Perception of face parts and face configurations: an fMRI study | |
Demuru et al. | In bonobos yawn contagion is higher among kin and friends | |
AU2018335288B2 (en) | Apparatus and method for recognition of suspicious activities | |
CN106455996B (zh) | 用于无创地监测和识别药物效应和相互作用的方法和设备 | |
Fairhall et al. | Do exercise interventions designed to prevent falls affect participation in life roles? A systematic review and meta-analysis | |
Lin et al. | Evidence accumulation for value computation in the prefrontal cortex during decision making | |
Mostafa et al. | Development and optimization of dextromethorphan hydrobromide oral disintegrating tablets: effect of formulation and process variables | |
CA2667828A1 (en) | Patient monitoring via image capture | |
Cheung et al. | A night-time monitoring system (eNightLog) to prevent elderly wandering in hostels: A three-month field study | |
US11163359B2 (en) | Method and system for correlating an image capturing device to a human user for analyzing gaze information associated with cognitive performance | |
Esposito et al. | Using infrared thermography to assess emotional responses to infants | |
Lazarou et al. | Long-term impact of intelligent monitoring technology on people with cognitive impairment: an observational study | |
Talamonti et al. | The benefits of physical activity in individuals with cardiovascular risk factors: a longitudinal investigation using fnirs and dual-task walking | |
Tohma et al. | Evaluation of remote photoplethysmography measurement conditions toward telemedicine applications | |
Wilson et al. | Visual discrimination of primate species based on faces in chimpanzees | |
Brietzke et al. | Carbohydrate mouth rinse mitigates mental fatigue effects on maximal incremental test performance, but not in cortical alterations | |
Lonsdorf et al. | A competitive drive? Same‐sex attentional preferences in capuchins | |
Scafide et al. | Quantifying the degree of bruise visibility observed under white light and an alternate light source | |
Khanal et al. | A review on computer vision technology for physical exercise monitoring | |
Hayashi et al. | What is food noise? A conceptual model of food cue reactivity | |
Luo et al. | An iPPG-based device for pervasive monitoring of multi-dimensional cardiovascular hemodynamics | |
Fabero-Garrido et al. | Effects of low-load blood flow restriction resistance training on muscle strength and hypertrophy compared with traditional resistance training in healthy adults older than 60 years: Systematic review and meta-analysis | |
Jochumsen et al. | Implementing performance accommodation mechanisms in online BCI for stroke rehabilitation: a study on perceived control and frustration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |