CN107194197A - 一种用于乳腺诊断分析仪器 - Google Patents
一种用于乳腺诊断分析仪器 Download PDFInfo
- Publication number
- CN107194197A CN107194197A CN201710526226.9A CN201710526226A CN107194197A CN 107194197 A CN107194197 A CN 107194197A CN 201710526226 A CN201710526226 A CN 201710526226A CN 107194197 A CN107194197 A CN 107194197A
- Authority
- CN
- China
- Prior art keywords
- index
- mammary gland
- mammary
- entropy
- gland
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4312—Breast evaluation or disorder diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Reproductive Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Gynecology & Obstetrics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
一种用于乳腺诊断分析仪器,该分析仪器包括左磁感应器、右磁感应器,左磁感应器、右磁感应器连接噪声电压发生器,噪声电压发生器经过差分放大器连接微处理器。微处理器连接脉宽调制电路,脉宽调制电路连接共振器,共振器接入戴在病患双耳的左磁感应器和右磁感应器,所述分析仪器还包括存储器,微处理器执行存储器中存储的分析程序,包括建立乳腺病理模型,建立乳腺数理模型。
Description
技术领域
本发明属于医疗仪器技术领域,特别涉及一种用于乳腺诊断分析仪器。
背景技术
乳腺癌是中老年女性最常见的恶性肿瘤疾病之一,在中国已居女性恶性肿瘤的首位,并且有逐年上升的趋势。目前对乳腺癌的预防尚无良策,早期诊断是降低死亡率及提高乳腺癌治愈率最有效的途径。公开号为CN101564323的专利文件,公开了“一种基于乳腺X线摄片的乳腺病灶辅助诊断设备,它能将乳腺X线摄片局部数字化,并对获得的图像进行图像处理、分析和辅助诊断。该设备包括图像采集装置、图像处理装置,和输入输出装置。图像采集装置用于从乳腺X线摄片,或显示乳腺X线摄片的显示屏上拍摄图像数据。图像处理装置首先对所拍摄的图像数据根据需要进行去闪烁、方向调整、分辨率降解、球面屏幕畸变校正、灰度值分布调整、分辨率参数获取等处理,然后对处理后的局部图像数据进行病灶判断、特征提取、微小钙化灶的检测,并将结果输出至显示屏。本发明设备能够辅助临床医生有效地观察乳腺X线摄片的局部图像,并能通过该设备对乳腺的局部图像数据进行辅助诊断和分析”。
但是,上述设备的缺点是,设备组成很复杂,价格较为昂贵。同时,这种原理的诊断仪器,对于乳腺疾病的早期症状的分析、预测和发现,效果并不明显,费用也较高。
发明内容
一种用于乳腺诊断分析仪器,该分析仪器包括左磁感应器、右磁感应器,左磁感应器、右磁感应器连接噪声电压发生器,噪声电压发生器经过差分放大器连接微处理器,
微处理器连接脉宽调制电路,脉宽调制电路连接共振器,共振器接入戴在病患双耳的左磁感应器和右磁感应器,
所述分析仪器还包括存储器,微处理器执行存储器中存储的分析程序,包括以下步骤:
建立乳腺病理模型,该模型包括引发乳腺癌的两条途径,第一条是炎症途径,第二条是乳腺囊性增生途径,
第一条炎症途径是,催乳素刺激乳腺分泌乳汁淤积在乳腺小导管和免疫复合物堵塞乳腺小导管引发炎症,炎症发生后免疫细胞进一步浸润造成更大的炎症,在修复过程中就可能产生乳腺肉芽肿性病变、乳腺纤维瘤、乳腺脂肪瘤,这些病变都有进一步癌变的可能,
第二条乳腺囊性增生途径是,雌激素刺激乳腺引起乳腺腺泡体积的增大,而持续过度刺激造成乳腺的囊性增生,进一步产生乳腺纤维瘤、乳腺乳头状瘤,持续过度的增生就极大的增加了癌变的风险;
建立乳腺数理模型,基于乳腺病理模型生成乳腺数理模型,将采集到的乳腺的病理数据分析并按严重程度的不同划分为7个类型:高免疫型、癌变型、癌变前期、疾病Ⅰ型(乳腺肉芽肿型)、疾病II型(乳腺囊性增生型)、亚健康型和健康型,其中,
(1)高免疫型,判断依据是年龄、胸腺老龄化指标,年龄小于X并且胸腺老龄化指标熵值大于Y,
(2)癌变型,判断依据是乳腺癌指标,乳腺癌指标熵值小于2即风险度大于14%,癌管控安全性小于86%判定为显著性风险,
(3)癌变前期,判断依据是乳腺囊性增生指标、乳腺脂肪肉芽肿指标、乳腺纤维瘤指标、乳腺乳头状瘤指标,乳腺囊性增生指标熵值小于A或乳腺脂肪肉芽肿指标熵值小于B或乳腺纤维瘤指标熵值小于C或乳腺乳头状瘤指标熵值小于D
(4)疾病Ⅰ型(乳腺肉芽肿型),判断依据:是乳腺囊性增生指标、乳腺脂肪肉芽肿指标,乳腺囊性增生指标熵值小于M或乳腺脂肪肉芽肿指标熵值小于N,乳腺囊性增生指标与乳腺脂肪肉芽肿指标权重之比大于M/N,
(5)疾病II型(乳腺囊性增生型),乳腺囊性增生指标熵值小于M或乳腺脂肪肉芽肿指标熵值小于N,乳腺囊性增生指标与乳腺脂肪肉芽肿指标权重之比小于M/N,
(6)健康型,判断依据是乳腺囊性增生指标、乳腺脂肪肉芽肿指标、乳腺纤维瘤指标、乳腺乳头状瘤指标、乳腺痛指标、乳腺脂肪瘤指标、胸腺老龄化指标,乳腺囊性增生指标熵值、乳腺脂肪肉芽肿指标熵值、乳腺纤维瘤指标熵值、乳腺乳头状瘤指标熵值、乳腺痛指标熵值、乳腺脂肪瘤指标熵值均小于N且胸腺老龄化指标熵值大于等于0.7小于等于0.9,
(7)亚健康型,以上所述6个型号之外的归于亚健康。
本发明的仪器可以根据生命体波动特征的变化,追踪其健康状况。这些变化,可以发生在人体组织、单个细胞、甚至是单个的酶或荷尔蒙中。诊断设备的运作基于生命体的漩涡磁场光谱。很多实验里,漩涡磁场被用于沟通生物体细胞外部及内部的信息。这些实验证明了漩涡磁场与生物系统间存在着紧密的联系。漩涡磁场在生命体的信息交换、沟通过程中可谓意义重大。那么,生命系统又是如何识别、筛选出自身需要的信息,而细胞内外的沟通又是如何做到的呢?对于这些问题,大量对动植物能量场的研究表明,生物体的周围存在着一种极弱的低频漩涡磁场。在研究这些能量场的过程中,印度《梨俱吠陀》和传统中医给了研究人员启发,使我们深刻地理解了那些古人就已经知道的生物现象。古老的东方医学以针灸为基础,借用这一能量概念来调控人体状态,而科学研究也借用并发扬了这一智慧——中医中记载的神秘“气”流,正是能量场领域里我们所说的“量子流”。实验室的兔子实验证明,动物和人一样,拥有一种直径在0.5至1.5微米间的极细管状结构。在中医里,针灸的针头末端能够直达细胞神经,像这样通过刺激经络系统来达到治疗目的的方法很多,但它们的效果都不够明显。而量子理论告诉我们,在所有生命系统中,信息交换都是远距离、有联系地和有选择地。量子论法则告诉人们:带病的生命体会产生不稳定的状态,导致整个生命体毁灭的机率大大增加。初始信号伴随亚稳定状态的衰退而被放大,构成整个检测系统运转的基础。从物理学角度来说,生物反馈仪是电子振荡器系统,其发生电磁共振的波长所产生的能量,足以打断待测有机体内组织结构的主要化学键。受检测的有机体组织,因受到外部物理场影响,分子电流的磁矩失去其初始取向,导致皮层神经元混合中心的离域电子的自旋结构错位,继而引起亚稳定状态,而这种亚稳定状态的进一步衰退则可以放大初始信号。
仪器能使脑神经元产生预设的生物电活动。以此活动为背景,就有可能选择性地放大难以检测到的信号,还可以分离并解码它们包含的信息。仪器以某种方式定位共振的产生,然后将其解码,并在电脑屏幕上显示用特定颜色标记的器官虚拟模型。遵循量子色动力学的规则,如果将任何系统的熵值表示为光谱颜色,色调会从淡黄色(最小熵值)、橙色变为红色与紫色、近黑色(最大熵值)。
利用仪器完成的精确计算,可以挑出对应于某一熵值,并选择性地与电磁辐射谱相互作用的静止状态。电脑模型可以向检测者提供他们需要的内部器官的三维投影。图片上的彩色标记使检测者可以在器官模型上确定病变的位置。通过比较标记颜色的范围与它们在器官的电脑模型上的布置,以及它们的变化动态,可以判断生物结构衰变过程如何进行,并进行健康预测。为了确定病理区,检测者继续以持续降低的比例来研究电脑屏幕上产生的单独器官模型,直到他精确定位病理病灶。这是主动性稳态控制领域中最先进的信息技术。对于纠正失衡(体内平衡和环境介质与传染性病原体之间的平衡),在信息开发方面已有了突破-已研制出新的强效的体内平衡控制程序。研究所研究人员首次成功地生产出能够在无人类干涉下自动调到主脉冲频率的最有效的设备,它还能通过介质上记录的各种特定调制的磁振动组合,来独立地检测与矫正器官及人体细胞中的缺陷和病理。
通过非线性分析法利用待测器官振动的共振放大以及使用触发传感器的非接触方式直接评估器官状况。每个器官以及每个细胞都有自己独特的振动频谱,它们被储存在电脑存储器中,且可以某种图形显示在屏幕上,该图形代表器官(组织)与环境之间信息交换的条件。每种病变也具有其独特的图形。存储在电脑内存中的是将明显度、年龄、性别及其它变化考虑在内的许多病变。读取了生物对象的频率特性后,检测装置可以比较它们与参考病变(健康、受病理影响的组织、感染)的频谱相似度,并确定与原点最近的病变或趋势。虚拟诊断模式能以组合病变来进行各病变的鉴别诊断。非线性分析方法提供的另一良好机会是药物测试。该研究系统具有独特的条件,可以记录任何制剂的频率波动,同时在存储于电脑内存中所有制剂的频谱特性(数量可能到几千)与病理过程特性之间进行电脑比较,从而找出最有效的治疗方法。根据以上所述,任何疾病都可以表示为生物对象中谐波同步的扰动。这种扰动可能由不同的原因引起,这些原因在某种情况下反过来又可被视为产生阻碍(噪声)并干扰人体正常机能的不和谐电磁振荡。
本发明的操作原理与操作程序该仪器的工作原理是根据亚稳定状态的衰退来放大启始信号。受外部电磁场的影响,在大脑皮层神经细胞的混合中心,分子电流磁矩失去原始方向,导致离域电子的自旋结构错位,引起其中产生亚稳定状态。这些状态的衰退充当启始信号。从物理学角度来说,仪器是电子振荡器系统,其发生电磁共振的波长所产生的能量,足以打断待测有机体内组织结构的主要化学键。该仪器能产生预设的脑神经元生物电活动。以此活动为背景,就有可能选择性地放大难以从搜集到的波动中检测到的信号。利用现代信息技术与微回路开发的“触发传感器”,能在非接触的基础上,收集关于器官与组织的,特定的临时状态信息。传感器检测从场的平均统计噪声特性中挑出的,可检测到的微弱信号,并通过微处理器转换成数字序列进行分析。
本仪器的有效效果包括:
1.数据的采集是扫描的人体器官组织的细胞信息,对于疾病判别的准确性,相对于现行医院使用的影像诊断,化验诊断而言,更为精准,绝无“疑似”等模糊概念,其精准率达到96%以上。大大减少了误诊率。
2.数据的采集过程中被检测人无需空腹、无需抽血、无需药物介入、无任何辐射,只需要5到10分钟即可完成数据的采集。
3.采集的数据经过数学模型的逻辑运算得到器官病理严重程度的判断。并根据数学模型中细胞病变的发展轨迹,做出病变预警。尤其对于癌细胞的早期发现和预警,有非常重要和积极的意义。
4.每过一段时间将新增的检测数据返回数据库重新调整原有数学模型的参数值以提高原有数学模型的精准度。
附图说明
图1是本发明的乳腺诊断分析仪器电路原理图。
图2是本发明涉及的乳腺医学逻辑进展图。
图3是本发明涉及的乳腺数理模型图。
具体实施方式
如图1所示,一种用于乳腺诊断分析仪器,该分析仪器包括左磁感应器、右磁感应器,左磁感应器、右磁感应器连接噪声电压发生器,噪声电压发生器经过差分放大器连接微处理器。微处理器连接脉宽调制电路,脉宽调制电路连接共振器,共振器接入戴在病患双耳的左磁感应器和右磁感应器。所述分析仪器还包括存储器,微处理器执行存储器中存储的分析程序。
如图2所示,是乳腺疾病的医学逻辑进展图,由数千份乳腺案例将各指标数据运用统计软件做相关性分析,以及乳腺医学的研究综合得到。乳腺医学的研究:研究发现引发乳腺癌主要有两条途径,第一条是炎症途径,第二条是乳腺囊性增生途径。
第一条炎症途径:催乳素刺激乳腺分泌乳汁淤积在乳腺小导管和免疫复合物堵塞乳腺小导管都可以引发炎症,炎症发生后免疫细胞进一步浸润造成更大的炎症。在修复过程中就可能产生乳腺肉芽肿性病变、乳腺纤维瘤、乳腺脂肪瘤,这些病变都有进一步癌变的可能。
第二条乳腺囊性增生途径:雌激素刺激乳腺引起乳腺腺泡体积的增大,而持续过度刺激就可能造成乳腺的囊性增生,进一步产生乳腺纤维瘤、乳腺乳头状瘤,持续过度的增生就极大的增加了癌变的风险,有49%的乳腺癌是由乳腺囊性增生发展而来的。
如图3所示,依托于上述乳腺病理模型生成乳腺数理模型,将采集到的乳腺的病理数据分析并按严重程度的不同划分为如下7个类型:高免疫型、癌变型、癌变前期、疾病Ⅰ型(乳腺肉芽肿型)、疾病II型(乳腺囊性增生型)、亚健康型、健康型。
注解:以下所有型号判别的参数值会每隔一段时间引入新增加的案例进行再次运算分析得到新的参数值。使得模型的判断更为准确,符合现如今社会人群的体质水平
(1)高免疫型:
判断依据:(年龄、胸腺老龄化指标)
年龄小于X并且胸腺老龄化指标熵值大于Y
目前对案例进行相关分析优化得到的X值为55,Y值为1
(以熵值为2定义为数据采集界线对1200份案例进行完整采集。汇总病理指标数量,年龄和胸腺老龄化指标运用SPSS软件以PEARSON单侧检验分析互相关联性得到X,Y的值)
说明:免疫过高是免疫细胞的过度亢奋和敏感。免疫细胞过度亢奋、敏感,首先会攻击我们体内残缺的、功能不全、编码错误的细胞。进而攻击正常的组织和细胞。如攻击胃壁细胞,造成无法根治的慢性胃炎。攻击甲状腺,造成甲状腺组织的缺损。攻击红细胞,造成贫血。攻击白细胞,造成白血病。攻击关节,造成类风湿、关节炎。这些都是免疫细胞过度亢奋造成的。(神经系统过度亢奋,交感神经长期主导,造成细胞数量的偏离,如淋巴细胞比例失调,大量的细胞提前凋亡,出现免疫细胞的亢奋。免疫细胞数量的增多,代表凋亡时间的缩短)。这类免疫过高导致的自身免疫性疾病是极其严重的,它的治疗是一个世界性难题。医学界形容其为活着的癌症。
(2)癌变型:
判断依据:(乳腺癌指标)
乳腺癌指标熵值小于2即风险度大于14%,癌管控安全性小于86%判定为显著性风险。
(3)癌变前期:
判断依据:(乳腺囊性增生指标、乳腺脂肪肉芽肿指标、乳腺纤维瘤指标、乳腺乳头状瘤指标)
乳腺囊性增生指标熵值小于A或乳腺脂肪肉芽肿指标熵值小于B或乳腺纤维瘤指标熵值小于C或乳腺乳头状瘤指标熵值小于D
目前对案例进行相关分析优化得到的A值为0.426,B值为0.577,C值为0.721,D值为1.38
(依据乳腺病理模型以上4个指标的熵值趋向于0时都会导致癌细胞的快速增生超出免疫系统的正常管控范围,前文提到过不同病理指标的熵值(D值)分布特性有其自身的特点)
(4)疾病Ⅰ型(乳腺肉芽肿型):
判断依据:(乳腺囊性增生指标、乳腺脂肪肉芽肿指标)
乳腺囊性增生指标熵值小于M或乳腺脂肪肉芽肿指标熵值小于N,乳腺囊性增生指标与乳腺脂肪肉芽肿指标权重之比大于M/N
目前对案例进行相关分析优化得到的M值为0.8,N值为1
(依据乳腺病理模型乳腺囊性增生指标和乳腺脂肪肉芽肿指标是乳腺病变的早期特征)
(5)疾病II型(乳腺囊性增生型):
乳腺囊性增生指标熵值小于M或乳腺脂肪肉芽肿指标熵值小于N,乳腺囊性增生指标与乳腺脂肪肉芽肿指标权重之比小于M/N
目前对案例进行相关分析优化得到的M值为0.8,N值为1
(依据乳腺病理模型乳腺囊性增生指标和乳腺脂肪肉芽肿指标是乳腺病变的早期特征)
(6)健康型:
判断依据:(乳腺囊性增生指标、乳腺脂肪肉芽肿指标、乳腺纤维瘤指标、乳腺乳头状瘤指标、乳腺痛指标、乳腺脂肪瘤指标、胸腺老龄化指标)乳腺囊性增生指标熵值、乳腺脂肪肉芽肿指标熵值、乳腺纤维瘤指标熵值、乳腺乳头状瘤指标熵值、乳腺痛指标熵值、乳腺脂肪瘤指标熵值均小于N且胸腺老龄化指标熵值大于等于0.7小于等于0.9。
目前对案例进行相关分析优化得到的N值为1
(乳腺囊性增生指标、乳腺脂肪肉芽肿指标、乳腺纤维瘤指标、乳腺乳头状瘤指标、乳腺痛指标、乳腺脂肪瘤指标这6个数值能反馈乳腺的健康水平,胸腺老龄化反馈人体免疫机制的水平。这两个水平都是健康的乳腺才是健康的。)
(7)亚健康型:
以上6个型号之外的归于亚健康。
根据本发明仪器的设计:
D值小于0.425,表示与检测对象的频率相似性达95%;
D值小于0.75,表示与检测对象的频率相似性不低于65%。
运用如下标准正态函数进行拟合,
得到拟合的结果如下表所示:
如上表中所示:
D值为2的时候与检测对象的频率相似性约为14%。
D值为2.5的时候与检测对象的频率相似性约为5%。
D值为3的时候与检测对象的频率相似性约为1%。
此处熵值(D值)的解析是一个整体的初步解析,不同病理指标的熵值(D值)分布特性有其自身的特点,需要逐一分析。但当熵值(D值)越趋向于零代表其病理指标的临床特征越高、严重程度越高,这一特性是所有病理指标共通的。
为了使模型的判定结果与实际检测结果之间的差异度缩小,每隔一个周期将新检测的数据添加至原有数据库中,按照图像分布及计算方式生成新的判定参数。运用统计软件绘制女性乳腺器官中,乳腺脂肪肉芽肿、乳腺囊性增生、乳腺痛、乳腺脂肪瘤、乳腺纤维瘤、乳腺乳头状瘤的直方图。
将以上6个直方图的结果汇总如下表所示:
女性乳腺 | 均值 | N | 图像特征 |
乳腺脂肪肉芽肿 | 0.941 | 785 | 偏左 |
乳腺囊性增生 | 1.006 | 585 | 偏左 |
乳腺脂肪瘤 | 0.952 | 749 | 偏左 |
乳腺纤维瘤 | 1.247 | 493 | |
乳腺乳头状瘤 | 1.64 | 307 | |
乳腺痛 | 0.893 | 462 | 中间凸起 |
乳腺囊性增生指标按大小排序后前20%为0.426----A=0.426
乳腺脂肪肉芽肿指标按大小排序后前20%为0.577----B=0.577
乳腺纤维瘤指标按大小排序后前20%为0.721----C=0.721
乳腺乳头状瘤指标按大小排序后前20%为1.38----D=1.38。
Claims (1)
1.一种用于乳腺诊断分析仪器,其特征在于,该分析仪器包括左磁感应器、右磁感应器,左磁感应器、右磁感应器连接噪声电压发生器,噪声电压发生器经过差分放大器连接微处理器,
微处理器连接脉宽调制电路,脉宽调制电路连接共振器,共振器接入戴在病患双耳的左磁感应器和右磁感应器,
所述分析仪器还包括存储器,微处理器执行存储器中存储的分析程序,包括以下步骤:
建立乳腺病理模型,该模型包括引发乳腺癌的两条途径,第一条是炎症途径,第二条是乳腺囊性增生途径,
第一条炎症途径是,催乳素刺激乳腺分泌乳汁淤积在乳腺小导管和免疫复合物堵塞乳腺小导管引发炎症,炎症发生后免疫细胞进一步浸润造成更大的炎症,在修复过程中就可能产生乳腺肉芽肿性病变、乳腺纤维瘤、乳腺脂肪瘤,这些病变都有进一步癌变的可能,
第二条乳腺囊性增生途径是,雌激素刺激乳腺引起乳腺腺泡体积的增大,而持续过度刺激造成乳腺的囊性增生,进一步产生乳腺纤维瘤、乳腺乳头状瘤,持续过度的增生就极大的增加了癌变的风险;
建立乳腺数理模型,基于乳腺病理模型生成乳腺数理模型,将采集到的乳腺的病理数据分析并按严重程度的不同划分为7个类型:高免疫型、癌变型、癌变前期、疾病Ⅰ型(乳腺肉芽肿型)、疾病II型(乳腺囊性增生型)、亚健康型和健康型,其中,
(1)高免疫型,判断依据是年龄、胸腺老龄化指标,年龄小于X并且胸腺老龄化指标熵值大于Y,
(2)癌变型,判断依据是乳腺癌指标,乳腺癌指标熵值小于2即风险度大于14%,癌管控安全性小于86%判定为显著性风险,
(3)癌变前期,判断依据是乳腺囊性增生指标、乳腺脂肪肉芽肿指标、乳腺纤维瘤指标、乳腺乳头状瘤指标,乳腺囊性增生指标熵值小于A或乳腺脂肪肉芽肿指标熵值小于B或乳腺纤维瘤指标熵值小于C或乳腺乳头状瘤指标熵值小于D
(4)疾病Ⅰ型(乳腺肉芽肿型),判断依据:是乳腺囊性增生指标、乳腺脂肪肉芽肿指标,乳腺囊性增生指标熵值小于M或乳腺脂肪肉芽肿指标熵值小于N,乳腺囊性增生指标与乳腺脂肪肉芽肿指标权重之比大于M/N,
(5)疾病II型(乳腺囊性增生型),乳腺囊性增生指标熵值小于M或乳腺脂肪肉芽肿指标熵值小于N,乳腺囊性增生指标与乳腺脂肪肉芽肿指标权重之比小于M/N,
(6)健康型,判断依据是乳腺囊性增生指标、乳腺脂肪肉芽肿指标、乳腺纤维瘤指标、乳腺乳头状瘤指标、乳腺痛指标、乳腺脂肪瘤指标、胸腺老龄化指标,乳腺囊性增生指标熵值、乳腺脂肪肉芽肿指标熵值、乳腺纤维瘤指标熵值、乳腺乳头状瘤指标熵值、乳腺痛指标熵值、乳腺脂肪瘤指标熵值均小于N且胸腺老龄化指标熵值大于等于0.7小于等于0.9,
(7)亚健康型,以上所述6个型号之外的归于亚健康。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710526226.9A CN107194197B (zh) | 2017-06-30 | 2017-06-30 | 一种用于乳腺诊断分析仪器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710526226.9A CN107194197B (zh) | 2017-06-30 | 2017-06-30 | 一种用于乳腺诊断分析仪器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107194197A true CN107194197A (zh) | 2017-09-22 |
CN107194197B CN107194197B (zh) | 2020-07-14 |
Family
ID=59880811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710526226.9A Expired - Fee Related CN107194197B (zh) | 2017-06-30 | 2017-06-30 | 一种用于乳腺诊断分析仪器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194197B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194197B (zh) * | 2017-06-30 | 2020-07-14 | 上海芭雅医疗科技股份有限公司 | 一种用于乳腺诊断分析仪器 |
CN117357072A (zh) * | 2023-12-07 | 2024-01-09 | 中国科学技术大学苏州高等研究院 | 一种基于金刚石量子传感器的乳腺癌检测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1748217A (zh) * | 2002-12-18 | 2006-03-15 | Ge医疗系统环球技术有限公司 | 增强计算机辅助医疗数据处理系统及方法 |
CN1748218A (zh) * | 2002-12-18 | 2006-03-15 | Ge医疗系统环球技术有限公司 | 综合医疗知识库界面系统及方法 |
US20080033899A1 (en) * | 1998-05-01 | 2008-02-07 | Stephen Barnhill | Feature selection method using support vector machine classifier |
US20100292933A1 (en) * | 2004-10-06 | 2010-11-18 | Miller Lance D | Methods, systems, and compositions for classification, prognosis, and diagnosis of cancers |
CN105426698A (zh) * | 2016-01-13 | 2016-03-23 | 冯燕肃 | 一种健康预警指标管理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194197B (zh) * | 2017-06-30 | 2020-07-14 | 上海芭雅医疗科技股份有限公司 | 一种用于乳腺诊断分析仪器 |
-
2017
- 2017-06-30 CN CN201710526226.9A patent/CN107194197B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080033899A1 (en) * | 1998-05-01 | 2008-02-07 | Stephen Barnhill | Feature selection method using support vector machine classifier |
CN1748217A (zh) * | 2002-12-18 | 2006-03-15 | Ge医疗系统环球技术有限公司 | 增强计算机辅助医疗数据处理系统及方法 |
CN1748218A (zh) * | 2002-12-18 | 2006-03-15 | Ge医疗系统环球技术有限公司 | 综合医疗知识库界面系统及方法 |
US20100292933A1 (en) * | 2004-10-06 | 2010-11-18 | Miller Lance D | Methods, systems, and compositions for classification, prognosis, and diagnosis of cancers |
CN105426698A (zh) * | 2016-01-13 | 2016-03-23 | 冯燕肃 | 一种健康预警指标管理方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194197B (zh) * | 2017-06-30 | 2020-07-14 | 上海芭雅医疗科技股份有限公司 | 一种用于乳腺诊断分析仪器 |
CN117357072A (zh) * | 2023-12-07 | 2024-01-09 | 中国科学技术大学苏州高等研究院 | 一种基于金刚石量子传感器的乳腺癌检测装置 |
CN117357072B (zh) * | 2023-12-07 | 2024-03-19 | 中国科学技术大学苏州高等研究院 | 一种基于金刚石量子传感器的乳腺癌检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107194197B (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hasan et al. | Combining deep and handcrafted image features for MRI brain scan classification | |
Hao et al. | Fusing multiple deep models for in vivo human brain hyperspectral image classification to identify glioblastoma tumor | |
CN106419864A (zh) | 中医诊断云端专家系统 | |
CN104424386A (zh) | 基于多参数磁共振影像的前列腺癌计算机辅助识别系统 | |
Sathish et al. | Medical imaging techniques and computer aided diagnostic approaches for the detection of breast cancer with an emphasis on thermography-a review | |
CN206044608U (zh) | 中医诊断云端专家系统 | |
CN104382570A (zh) | 数字化全自动健康状况检测装置 | |
Liu et al. | Detection of heterogeneity on multi-spectral transmission image based on multiple types of pseudo-color maps | |
Zhang et al. | Real-time mental stress detection using multimodality expressions with a deep learning framework | |
CN109745046A (zh) | 一种适用于运动状态下的电阻抗成像电极与系统 | |
CN105232050B (zh) | 一种人体舌苔厚度的无创检测装置 | |
CN107194197A (zh) | 一种用于乳腺诊断分析仪器 | |
Mahmoudzadeh et al. | Directional SUSAN image boundary detection of breast thermogram | |
CN103735247B (zh) | 用于健康状态辨识的掌色分析方法 | |
Karim et al. | Resting state connectivity within the basal ganglia and gait speed in older adults with cerebral small vessel disease and locomotor risk factors | |
Zhang et al. | Wavelet features of the thickness map of retinal ganglion cell-inner plexiform layer best discriminate prior optic neuritis in patients with multiple sclerosis | |
Yuan et al. | Gk-bsc: Graph kernel-based brain states construction with dynamic brain networks and application to schizophrenia identification | |
CN108280832A (zh) | 医学图像分析方法、医学图像分析系统以及存储介质 | |
CN115836839A (zh) | 个体化神经调控靶点的定位系统 | |
Chen et al. | An Interpretable Deep Learning Optimized Wearable Daily Detection System for Parkinson’s Disease | |
RU2285950C2 (ru) | Способ визуального отображения и динамического анализа состояния живого организма | |
CN111383760A (zh) | 一种神经系统疾病的医疗智能诊断系统建立方法 | |
Xu et al. | Automated diagnosis of schizophrenia based on EEG and spatial–temporal residual graph convolutional network | |
Šušteršič et al. | FPGA implementation of fuzzy medical decision support system for disc hernia diagnosis | |
Wang et al. | A multi-attention based fMRI feature extraction method for brain states recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200714 Termination date: 20210630 |