CN107749312A - 一种基于体外受精‑胚胎移植的管理控制系统 - Google Patents
一种基于体外受精‑胚胎移植的管理控制系统 Download PDFInfo
- Publication number
- CN107749312A CN107749312A CN201710932111.XA CN201710932111A CN107749312A CN 107749312 A CN107749312 A CN 107749312A CN 201710932111 A CN201710932111 A CN 201710932111A CN 107749312 A CN107749312 A CN 107749312A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- mtr
- msup
- 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.)
- Pending
Links
- CXOZQHPXKPDQGT-UHFFFAOYSA-N CC1C=CCC1 Chemical compound CC1C=CCC1 CXOZQHPXKPDQGT-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/42—Gynaecological or obstetrical instruments or methods
- A61B17/425—Gynaecological or obstetrical instruments or methods for reproduction or fertilisation
- A61B17/43—Gynaecological or obstetrical instruments or methods for reproduction or fertilisation for artificial insemination
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/42—Gynaecological or obstetrical instruments or methods
- A61B17/425—Gynaecological or obstetrical instruments or methods for reproduction or fertilisation
- A61B17/435—Gynaecological or obstetrical instruments or methods for reproduction or fertilisation for embryo or ova transplantation
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pregnancy & Childbirth (AREA)
- Gynecology & Obstetrics (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Reproductive Health (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Transplantation (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
本发明属于医疗技术领域,公开了一种基于体外受精‑胚胎移植的管理控制系统,设置有患者信息采集模块、患者检查模块、信息核对模块、智能建议模块、治疗数据处理模块、信息推送模块。本发明具有明显优势,该基于体外受精‑胚胎移植的管理控制系统通过设置信息核对模块通过射频识别技术识读出体外受精及胚胎移植时载有精子、卵子、胚胎的培养皿及母体身份识别环的身份信息,并将识读到的身份信息进行比对,发出正确信号或错误信号,从而确保了体外受精及胚胎移植的准确性;同时设置智能建议模块可以为医生提供智能化建议,提高患者移植成功率。
Description
技术领域
本发明属于医疗技术领域,尤其涉及一种基于体外受精-胚胎移植的管理控制系统。
背景技术
在转基因动物、克隆动物以及人类的试管婴儿治疗过程中,越来越多的使用到体外受精技术和胚胎移植技术。在体外进行精子和卵子人工结合,形成受精卵,通过体外培养将受精卵发育成胚胎。利用胚胎移植技术,将胚胎移植回母体子宫进而获得妊娠。然而,现有体外受精-胚胎移植是通过人工的方式核对,由于培养时间长,环节较多,容易出现核对错误;同时手术时间由人主观进行确定,计算患者移植时间点不准确,不利于移植的最佳效果。
交互式抠图技术在有限的用户交互下抠取图像的前景,被广泛的应用在医学图像及视频编辑、三维重建中,有极高的应用价值。近年来的抠图技术中,拉氏矩阵给出alpha图上像素间的线性关系,对alpha图的估计起到了重要作用。交互式抠图是在有限的用户交互下,计算前景的alpha图,从而将前景从背景中分离出来。抠图问题的输入是原图像I和用户提供的三分图,输出是alpha图及前景F、背景B,因此是典型的病态问题,需要引入假设条件求解alpha图。抠图算法可分为三类:基于采样的方法、基于传播的方法、采样和传播结合的方法。
现有技术推导出的拉氏抠图矩阵给出邻域像素的alpha值间的线性关系,被广泛的应用在抠图算法中;拉氏抠图矩阵有其局限性,拉氏抠图矩阵表示空间邻域内像素间的关系,但不能体现非邻域间像素间的关系;拉氏抠图矩阵建立在空间连续的假设基础上,在某些前景和背景分量突变的区域,拉氏抠图矩阵难以得到理想的效果。
综上所述,现有技术存在的问题是:现有体外受精-胚胎移植是通过人工的方式核对,由于培养时间长,环节较多,容易出现核对错误;同时手术时间由人主观进行确定,计算患者移植时间点不准确,不利于移植的最佳效果;而且现有基于体外受精-胚胎移植的管理控制系统智能化程度低,数据管理准确率差,影响设备的使用效果;对得到的数据评价效果差。
发明内容
针对现有技术存在的问题,本发明提供了一种基于体外受精-胚胎移植的管理控制系统。
本发明是这样实现的,一种基于体外受精-胚胎移植的管理控制系统,所述基于体外受精-胚胎移植的管理控制系统包括:
患者信息采集模块,与信息核对模块连接,用于采集患者各类信息,采集包括患者基本数据、男科与女科病历数据、院外检验检查数据并发送给信息核对模块;
患者检查模块,与信息核对模块连接,用于对患者进行B超监测、抽血化验、实验室检测和遗传检查,将自动采集患者客观数据发送给信息核对模块;
智能建议模块,与信息核对模块和治疗数据处理模块连接,用于根据信息核对模块的准确信息,自动计算患者是否可移植和最佳移植时间点,为医生提供智能化建议;
治疗数据处理模块,与智能建议模块和信息推送模块连接,用于通过智能建议模块确定手术治疗时间,并将每次患者治疗过程中的数据按指标进行存储与处理,构建大数据应用;同时对相同症状、相同指标范围的患者给出治疗建议;
信息推送模块,与治疗数据处理模块连接,用于获取治疗数据处理模块数据,来提醒患者B超时间、抽血时间、移植手术时间,并在业务完成后能将结果推送给患者;
所述信息核对模块核对方法:
首先,将精子、卵子、胚胎及母体相对应身份信息储存于数据库中;
然后,通过射频技术识别出当前载有精子、卵子、胚胎的培养皿及母体身份识别环的相关身份信息;射频识别的传递函数为:
其中,ω0为滤波器的中心频率,对于不同的ω0,k使k/ω0保持不变;
在频率域构造滤波器,对应的极坐标表达方式为:
G(r,θ)=G(r,r)·G(θ,θ);
式中,Gr(r)为控制滤波器带宽的径向分量,Gθ(θ)为控制滤波器方向的角度分量;r表示径向坐标,θ表示角度坐标,f0为中心频率,θ0为滤波器方向,σf用于确定带宽;σθ确定角度带宽,
最后,查找数据库,比对所获得的身份信息与数据库是否匹配,若是,则配对正确;若否,则配对错误;
所述治疗数据处理模块,使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵,并使用KNN邻域替代空间邻域,获取非邻域像素在alpha图上的线性关系,从而计算出移动拉氏矩阵,并得到alpha图;根据得到精子、卵子、胚胎及母体的alpha图,建立一个总体评价库,将评价结果分为优、良、中、普通和差,对应的百分制范围为[100,90]优,[89,80]良,[79,70]中,[69,60]普通,[59,0]差,进行得到的alpha图效果的分类表示;
建立一个总体评价库后进行建立权重集,包括:
建立递阶层次结构:根据建立的总体评价库,将问题所包含的各因素分为第一层是评价的总目标层G,即综合安全层;第二层是准则层C,即影响精子、卵子、胚胎及母体的因素;最后将个具体指标作为第三层,即指标层P;
构造两两比较判断矩阵:
根据标度法逐层对各个要素两两之间进行重要性程度赋值,构造判断矩阵U=(uij)n×n,其中uij表示因素ui和uj相对于准则层的重要值,矩阵U具有性质:uii=1,uij=1/uji,i,j=1,2,…,n,得出判断矩阵:将矩阵X1~X5按列归一化,即:
计算出矩阵Y为:
单一准则下元素相对权重的计算:
将Y矩阵按行相加,由公式得出:
W1=(2.652 0.686 0.253 0.409)T;
W2=(1 1)T;
W3=(1.273 0.371 0.221 2.135)T;
W4=(1.9 0.319 0.781)T;
W5=(2.121 0.604 0.275)T;
将得到的和向量进行归一化处理,由公式可得权向量:
判断矩阵的一致性检验:
计算判断矩阵的最大特征根λmax,由公式计算得出:
根据公式进行一致性检验,得到:
CI1=0.019,
CI2=0,
CI3=0.031,
CI4=0.020,
CI5=0.048;
由公式得:
CR1=0.022,
CR2=0,
CR3=0.035,
CR4=0.038,
CR5=0.092;
CR<0.1,均满足一致性要求,因此各因素的相对权重
构造抠图拉氏矩阵时,使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下:
在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件,使用移动最小二乘法求解局部线性关系,表示如下:
公式(1)中权值ω,ωi是邻域wk中的权值;式(1)表示为以下矩阵的形式:
对于每个邻域wk,Gk定义为‖wk‖×2矩阵;Gk每行包括向量(Ii,1),Wk是每行向量对应的权值ωi组成的向量,Gk’为Gk的Wk加权,对应的每行向量表示为(Wk.Ii,Wk),是邻域内所有像素对应的alpha值组成的向量;
系数ak,bk解得如下所示:
令J(α)表示为下式:
δi,j是Kronecker delta函数,μk和σ2分别是小窗口wk内的基于Wk的加权均值和方差,‖wk‖是窗口内像素的个数,L为移动拉氏抠图矩阵;
引入权值ωi,应用至彩色模型,彩色模型下的移动最小二乘抠图方法如下:
用下式表示彩色图像各通道间的线性关系:
c为彩色图像的通道数,在考虑各个通道信息后,式(1)转化为下式:
对式(2)进行化简后,解得彩色模型下移动拉氏矩阵如下式所示:
J(α)=αLαT;
在(3)式中,I为小邻域内所有像素对应3*1颜色向量组成的矩阵,μk为I的Wk加权平均,Σk是I在Wk加权下的协方差矩阵。
进一步,判断矩阵的一致性检验后,需进行:
隶属度计算:
多位使用频数统计法,对被评价的各项指标按评价集对精子、卵子、胚胎及母体评价结果各项指标的程度进行评级,得到因素集的隶属度。
进一步,隶属度计算后还需进行:确定评判隶属矩阵:
由得到第k个因素集的相对隶属度矩阵:
其中:
式中:Rk—第k个因素集的相对隶属度矩阵;
rkij—第k个因素集的第i个因素属于评价集中的j的隶属度;
pkij—组成员对第k个因素集的第i个因素指标评级为j的频数。
进一步,确定评判隶属矩阵后还需进行:
构造模糊评判矩阵:
由各指标的权向量和矩阵R构造模糊评判矩阵B,
计算综合评判结果:
由模糊评判矩阵B和评价集的参数列向量,求得综合评判结果Z;
Z=B·V
由上式可得到模糊综合评价的结果,再根据评价等级,评定影响精子、卵子、胚胎及母体的因素失效程度性大小。
进一步,所述移动最小二乘抠图方法的KNN邻域将拉氏矩阵中的空间邻域扩展到KNN邻域,KNN空间的点由(R,G,B,X,Y)五维共同决定;使用KD-TREE实现KNN邻域的高效查找。
进一步,所述移动最小二乘抠图中大核求解方法包括:使用共轭梯度法求解alpha值;
对于方程Lx=b,共轭梯度法的关键在于构造共轭向量p,并求对应的残差;共轭梯度法用迭代方法求解,在每次迭代过程中,新共轭向量由下式求解:
共轭方向的系数由下式求解:
新的x值与残差用下式求解:
用下式求解Lp向量中点i对应的元素qi:
Wk是像素k对应的邻域,‖wk‖是邻域的大小,i是包围像素k邻域Wk中的一个像素,qi为q向量的第i个元素,Ii为像素i对应的3维向量,表示R,G,B三个通道,pi为共轭向量中像素i对应的元素,μk是3维向量,为邻域Wk中Ii向量的均值,为邻域Wk中元素i对应的共轭向量pi的均值,是像素k的对应的3维向量,为像素k对应的标量。
本发明的优点及积极效果为:该基于体外受精-胚胎移植的管理控制系统通过设置信息核对模块通过射频识别技术识读出体外受精及胚胎移植时载有精子、卵子、胚胎的培养皿及母体身份识别环的身份信息,并将识读到的身份信息进行比对,发出正确信号或错误信号,从而确保了体外受精及胚胎移植的准确性;同时设置智能建议模块可以为医生提供智能化建议,提高患者移植成功率。
本发明提供的使用移动最小二乘法的拉普拉斯抠图矩阵方法,有复杂的前景和前景区域,以及前景和背景复杂混合的区域,都能取得较好的效果。使用最小移动二乘法替代最小二乘法推导出移动拉氏矩阵;相对于最小二乘法,移动最小二乘法求解的线性条件更为准确;使用KNN邻域替代空间邻域,使得拉氏矩阵可以反映非邻域间像素的alpha值的关系。本发明的使用移动最小二乘法的拉普拉斯抠图矩阵方法,根据矩阵求解alpha图,从而可以对复杂背景下的图像进行前景抠图处理,相比以前的方法更为有效,可以求解出更为精确的alpha图,并在图中前背景复杂的区域,特别是在前景和背景颜色混合区域,以及局部会出现空洞的区域,变化较大的区域,都能取得良好的效果。
本发明提供的安全评价方法,对结果更准确、真实、可靠进行评价;克服现有技术不能动态检测评价的困难,能更好、更准确的及时发现缺陷因素,做到提前预防;采用模糊综合评价,定量化与定性分析相结合,摒弃采用单一角度评定、过分依赖或现场数据的方式,综合考虑影响安全性的所有主要因素,并明确各影响的相互联系,在此基础上作出综合性安全评价;不仅能正确得出是否能安全进行手术工作的结论,还能解决安全程度的问题;消除了评价的主观随意性,便于普通的医护技术人员应用于实际。本发明的可靠性高、可操作性好,使评估结果能更客观真实地反映手术过程实际。本发明射频识别准确率比现有技术提高很多。
附图说明
图1是本发明实施例提供的基于体外受精-胚胎移植的管理控制系统结构示意图。
图中:1、患者信息采集模块;2、患者检查模块;3、信息核对模块;4、智能建议模块;5、治疗数据处理模块;6、信息推送模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,该基于体外受精-胚胎移植的管理控制系统包括:患者信息采集模块1、患者检查模块2、信息核对模块3、智能建议模块4、治疗数据处理模块5、信息推送模块6。患者信息采集模块1和患者检查模块2通过电路线连接信息核对模块3;信息核对模块3通过电路线连接智能建议模块4;智能建议模块4通过电路线连接治疗数据处理模块5;治疗数据处理模块5通过电路线连接信息推送模块6。
患者信息采集模块1,与信息核对模块3连接,用于采集患者各类信息,采集包括患者基本数据、男科与女科病历数据、院外检验检查数据并发送给信息核对模块3。
患者检查模块2,与信息核对模块3连接,用于对患者进行进行B超监测、抽血化验、实验室检测和遗传检查,并通过本系统自动采集患者客观数据并发送给信息核对模块3。
智能建议模块4,与信息核对模块3和治疗数据处理模块5连接,用于根据信息核对模块3的准确信息,自动计算患者是否可移植和最佳移植时间点,为医生提供智能化建议,提高患者移植成功率。
治疗数据处理模块5,与智能建议模块4和信息推送模块6连接,用于通过智能建议模块4确定手术治疗时间,并将将每次患者治疗过程中的数据按指标进行存储与处理,构建大数据应用,用于辅助医生科研,同时对相同症状、相同指标范围的患者给出治疗建议。
信息推送模块6,与治疗数据处理模块5连接,用于获取治疗数据处理模块5数据,来提醒患者B超时间、抽血时间、移植手术时间,并在业务完成后能将结果推送给患者。
所述信息核对模块3核对方法:
首先,将精子、卵子、胚胎及母体相对应身份信息储存于数据库中。
然后,通过射频技术识别出当前载有精子、卵子、胚胎的培养皿及母体身份识别环的相关身份信息。射频识别的传递函数为:
其中,ω0为滤波器的中心频率,对于不同的ω0,k使k/ω0保持不变;
在频率域构造滤波器,对应的极坐标表达方式为:
G(r,θ)=G(r,r)·G(θ,θ);
式中,Gr(r)为控制滤波器带宽的径向分量,Gθ(θ)为控制滤波器方向的角度分量;r表示径向坐标,θ表示角度坐标,f0为中心频率,θ0为滤波器方向,σf用于确定带宽;σθ确定角度带宽,
最后,查找数据库,比对所获得的身份信息与数据库是否匹配,若是,则配对正确;若否,则配对错误。
所述治疗数据处理模块,使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵,并使用KNN邻域替代空间邻域,获取非邻域像素在alpha图上的线性关系,从而计算出移动拉氏矩阵,并得到alpha图;根据得到精子、卵子、胚胎及母体的alpha图,建立一个总体评价库,将评价结果分为优、良、中、普通和差,对应的百分制范围为[100,90]优,[89,80]良,[79,70]中,[69,60]普通,[59,0]差,进行得到的alpha图效果的分类表示;
建立一个总体评价库后进行建立权重集,包括:
建立递阶层次结构:根据建立的总体评价库,将问题所包含的各因素分为第一层是评价的总目标层G,即综合安全层;第二层是准则层C,即影响精子、卵子、胚胎及母体的因素;最后将个具体指标作为第三层,即指标层P;
构造两两比较判断矩阵:
根据标度法逐层对各个要素两两之间进行重要性程度赋值,构造判断矩阵U=(uij)n×n,其中uij表示因素ui和uj相对于准则层的重要值,矩阵U具有性质:uii=1,uij=1/uji,i,j=1,2,…,n,得出判断矩阵:将矩阵X1~X5按列归一化,即:
计算出矩阵Y为:
单一准则下元素相对权重的计算:
将Y矩阵按行相加,由公式得出:
W1=(2.652 0.686 0.253 0.409)T;
W2=(1 1)T;
W3=(1.273 0.371 0.221 2.135)T;
W4=(1.9 0.319 0.781)T;
W5=(2.121 0.604 0.275)T;
将得到的和向量进行归一化处理,由公式可得权向量:
判断矩阵的一致性检验:
计算判断矩阵的最大特征根λmax,由公式计算得出:
根据公式进行一致性检验,得到:
CI1=0.019,
CI2=0,
CI3=0.031,
CI4=0.020,
CI5=0.048;
由公式得:
CR1=0.022,
CR2=0,
CR3=0.035,
CR4=0.038,
CR5=0.092;
CR<0.1,均满足一致性要求,因此各因素的相对权重
构造抠图拉氏矩阵时,使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下:
在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件,使用移动最小二乘法求解局部线性关系,表示如下:
公式(1)中权值ω,ωi是邻域wk中的权值;式(1)表示为以下矩阵的形式:
对于每个邻域wk,Gk定义为‖wk‖×2矩阵;Gk每行包括向量(Ii,1),Wk是每行向量对应的权值ωi组成的向量,Gk’为Gk的Wk加权,对应的每行向量表示为(Wk.Ii,Wk),是邻域内所有像素对应的alpha值组成的向量;
系数ak,bk解得如下所示:
令J(α)表示为下式:
δi,j是Kronecker delta函数,μk和σ2分别是小窗口wk内的基于Wk的加权均值和方差,‖wk‖是窗口内像素的个数,L为移动拉氏抠图矩阵;
引入权值ωi,应用至彩色模型,彩色模型下的移动最小二乘抠图方法如下:
用下式表示彩色图像各通道间的线性关系:
c为彩色图像的通道数,在考虑各个通道信息后,式(1)转化为下式:
对式(2)进行化简后,解得彩色模型下移动拉氏矩阵如下式所示:
J(α)=αLαT;
在(3)式中,I为小邻域内所有像素对应3*1颜色向量组成的矩阵,μk为I的Wk加权平均,Σk是I在Wk加权下的协方差矩阵。
判断矩阵的一致性检验后,需进行:
隶属度计算:
多位使用频数统计法,对被评价的各项指标按评价集对精子、卵子、胚胎及母体评价结果各项指标的程度进行评级,得到因素集的隶属度。
隶属度计算后还需进行:确定评判隶属矩阵:
由得到第k个因素集的相对隶属度矩阵:
其中:
式中:Rk—第k个因素集的相对隶属度矩阵;
rkij—第k个因素集的第i个因素属于评价集中的j的隶属度;
pkij—组成员对第k个因素集的第i个因素指标评级为j的频数。
确定评判隶属矩阵后还需进行:
构造模糊评判矩阵:
由各指标的权向量和矩阵R构造模糊评判矩阵B,
计算综合评判结果:
由模糊评判矩阵B和评价集的参数列向量,求得综合评判结果Z;
Z=B·V
由上式可得到模糊综合评价的结果,再根据评价等级,评定影响精子、卵子、胚胎及母体的因素失效程度性大小。
所述移动最小二乘抠图方法的KNN邻域将拉氏矩阵中的空间邻域扩展到KNN邻域,KNN空间的点由(R,G,B,X,Y)五维共同决定;使用KD-TREE实现KNN邻域的高效查找。
所述移动最小二乘抠图中大核求解方法包括:使用共轭梯度法求解alpha值;
对于方程Lx=b,共轭梯度法的关键在于构造共轭向量p,并求对应的残差;共轭梯度法用迭代方法求解,在每次迭代过程中,新共轭向量由下式求解:
共轭方向的系数由下式求解:
新的x值与残差用下式求解:
用下式求解Lp向量中点i对应的元素qi:
Wk是像素k对应的邻域,‖wk‖是邻域的大小,i是包围像素k邻域Wk中的一个像素,qi为q向量的第i个元素,Ii为像素i对应的3维向量,表示R,G,B三个通道,pi为共轭向量中像素i对应的元素,μk是3维向量,为邻域Wk中Ii向量的均值,为邻域Wk中元素i对应的共轭向量pi的均值,是像素k的对应的3维向量,为像素k对应的标量。
本发明的患者信息采集模块1与患者检查模块2,将采集患者各类信息,采集包括患者基本数据、男科与女科病历数据、院外检验检查数据及检查信息并发送给信息核对模块3;信息核对模块3对获取信息进行核对,并发送给智能建议模块4,智能建议模块4根据信息核对模块3的准确信息,自动计算患者是否可移植和最佳移植时间点,为医生提供智能化建议,提高患者移植成功率。然后通过治疗数据处理模块5,每次患者治疗过程中的数据按指标进行存储与处理,构建大数据应用,用于辅助医生科研,同时对相同症状、相同指标范围的患者给出治疗建议。治疗结束后,通过信息推送模块6提醒患者B超时间、抽血时间、移植手术时间,并在业务完成后能将结果推送给患者。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (6)
1.一种基于体外受精-胚胎移植的管理控制系统,其特征在于,所述基于体外受精-胚胎移植的管理控制系统包括:
患者信息采集模块,与信息核对模块连接,用于采集患者各类信息,采集包括患者基本数据、男科与女科病历数据、院外检验检查数据并发送给信息核对模块;
患者检查模块,与信息核对模块连接,用于对患者进行B超监测、抽血化验、实验室检测和遗传检查,将自动采集患者客观数据发送给信息核对模块;
智能建议模块,与信息核对模块和治疗数据处理模块连接,用于根据信息核对模块的准确信息,自动计算患者是否可移植和最佳移植时间点,为医生提供智能化建议;
治疗数据处理模块,与智能建议模块和信息推送模块连接,用于通过智能建议模块确定手术治疗时间,并将每次患者治疗过程中的数据按指标进行存储与处理,构建大数据应用;同时对相同症状、相同指标范围的患者给出治疗建议;
信息推送模块,与治疗数据处理模块连接,用于获取治疗数据处理模块数据,来提醒患者B超时间、抽血时间、移植手术时间,并在业务完成后能将结果推送给患者;
所述信息核对模块核对方法:
首先,将精子、卵子、胚胎及母体相对应身份信息储存于数据库中;
然后,通过射频技术识别出当前载有精子、卵子、胚胎的培养皿及母体身份识别环的相关身份信息;射频识别的传递函数为:
<mrow>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<mi>&omega;</mi>
<mo>/</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<mi>k</mi>
<mo>/</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,ω0为滤波器的中心频率,对于不同的ω0,k使k/ω0保持不变;
在频率域构造滤波器,对应的极坐标表达方式为:
<mrow>
<msub>
<mi>G</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<mi>r</mi>
<mo>/</mo>
<msub>
<mi>f</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>G</mi>
<mi>&theta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<msub>
<mi>&sigma;</mi>
<mi>&theta;</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
G(r,θ)=G(r,r)·G(θ,θ);
式中,Gr(r)为控制滤波器带宽的径向分量,Gθ(θ)为控制滤波器方向的角度分量;r表示径向坐标,θ表示角度坐标,f0为中心频率,θ0为滤波器方向,σf用于确定带宽;Bf=2(2/ln2)1/2|lnσf|,σθ确定角度带宽,Bθ=2(2/ln2)1/2σθ;
最后,查找数据库,比对所获得的身份信息与数据库是否匹配,若是,则配对正确;若否,则配对错误;
所述治疗数据处理模块,使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵,并使用KNN邻域替代空间邻域,获取非邻域像素在alpha图上的线性关系,从而计算出移动拉氏矩阵,并得到alpha图;根据得到精子、卵子、胚胎及母体的alpha图,建立一个总体评价库,将评价结果分为优、良、中、普通和差,对应的百分制范围为[100,90]优,[89,80]良,[79,70]中,[69,60]普通,[59,0]差,进行得到的alpha图效果的分类表示;
建立一个总体评价库后进行建立权重集,包括:
建立递阶层次结构:根据建立的总体评价库,将问题所包含的各因素分为第一层是评价的总目标层G,即综合安全层;第二层是准则层C,即影响精子、卵子、胚胎及母体的因素;最后将个具体指标作为第三层,即指标层P;
构造两两比较判断矩阵:
根据标度法逐层对各个要素两两之间进行重要性程度赋值,构造判断矩阵U=(uij)n×n,其中uij表示因素ui和uj相对于准则层的重要值,矩阵U具有性质:uii=1,uij=1/uji,i,j=1,2,…,n,得出判断矩阵:将矩阵X1~X5按列归一化,即:
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>...</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
计算出矩阵Y为:
<mrow>
<msup>
<mi>Y</mi>
<mn>1</mn>
</msup>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.681</mn>
</mtd>
<mtd>
<mn>0.732</mn>
</mtd>
<mtd>
<mn>0.572</mn>
</mtd>
<mtd>
<mn>0.667</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.136</mn>
</mtd>
<mtd>
<mn>0.146</mn>
</mtd>
<mtd>
<mn>0.214</mn>
</mtd>
<mtd>
<mn>0.190</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.085</mn>
</mtd>
<mtd>
<mn>0.049</mn>
</mtd>
<mtd>
<mn>0.071</mn>
</mtd>
<mtd>
<mn>0.048</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.098</mn>
</mtd>
<mtd>
<mn>0.073</mn>
</mtd>
<mtd>
<mn>0.143</mn>
</mtd>
<mtd>
<mn>0.095</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mi>Y</mi>
<mn>2</mn>
</msup>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.5</mn>
</mtd>
<mtd>
<mn>0.5</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.5</mn>
</mtd>
<mtd>
<mn>0.5</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mi>Y</mi>
<mn>3</mn>
</msup>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.293</mn>
</mtd>
<mtd>
<mn>0.348</mn>
</mtd>
<mtd>
<mn>0.353</mn>
</mtd>
<mtd>
<mn>0.279</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.073</mn>
</mtd>
<mtd>
<mn>0.087</mn>
</mtd>
<mtd>
<mn>0.118</mn>
</mtd>
<mtd>
<mn>0.093</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.049</mn>
</mtd>
<mtd>
<mn>0.043</mn>
</mtd>
<mtd>
<mn>0.059</mn>
</mtd>
<mtd>
<mn>0.070</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.585</mn>
</mtd>
<mtd>
<mn>0.522</mn>
</mtd>
<mtd>
<mn>0.470</mn>
</mtd>
<mtd>
<mn>0.558</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mi>Y</mi>
<mn>4</mn>
</msup>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.652</mn>
</mtd>
<mtd>
<mn>0.556</mn>
</mtd>
<mtd>
<mn>0.692</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.131</mn>
</mtd>
<mtd>
<mn>0.111</mn>
</mtd>
<mtd>
<mn>0.077</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.217</mn>
</mtd>
<mtd>
<mn>0.333</mn>
</mtd>
<mtd>
<mn>0.231</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mi>Y</mi>
<mn>5</mn>
</msup>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.732</mn>
</mtd>
<mtd>
<mn>0.789</mn>
</mtd>
<mtd>
<mn>0.600</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.146</mn>
</mtd>
<mtd>
<mn>0.158</mn>
</mtd>
<mtd>
<mn>0.300</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.122</mn>
</mtd>
<mtd>
<mn>0.053</mn>
</mtd>
<mtd>
<mn>0.100</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
单一准则下元素相对权重的计算:
将Y矩阵按行相加,由公式得出:
W1=(2.652 0.686 0.253 0.409)T;
W2=(1 1)T;
W3=(1.273 0.371 0.221 2.135)T;
W4=(1.9 0.319 0.781)T;
W5=(2.121 0.604 0.275)T;
将得到的和向量进行归一化处理,由公式可得权向量:
<mrow>
<msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msup>
<mo>=</mo>
<msup>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.663</mn>
</mtd>
<mtd>
<mn>0.172</mn>
</mtd>
<mtd>
<mn>0.063</mn>
</mtd>
<mtd>
<mn>0.102</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msup>
<mo>=</mo>
<msup>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.5</mn>
</mtd>
<mtd>
<mn>0.5</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mn>3</mn>
</msup>
<mo>=</mo>
<msup>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.381</mn>
</mtd>
<mtd>
<mn>0.093</mn>
</mtd>
<mtd>
<mn>0.055</mn>
</mtd>
<mtd>
<mn>0.534</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mn>4</mn>
</msup>
<mo>=</mo>
<msup>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.633</mn>
</mtd>
<mtd>
<mn>0.106</mn>
</mtd>
<mtd>
<mn>0.261</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
<mrow>
<msup>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mn>5</mn>
</msup>
<mo>=</mo>
<msup>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mn>0.707</mn>
</mtd>
<mtd>
<mn>0.201</mn>
</mtd>
<mtd>
<mn>0.092</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
判断矩阵的一致性检验:
计算判断矩阵的最大特征根λmax,由公式计算得出:
<mrow>
<msubsup>
<mover>
<mi>&lambda;</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mn>1</mn>
</msubsup>
<mo>=</mo>
<mn>4.085</mn>
</mrow>
<mrow>
<msubsup>
<mover>
<mi>&lambda;</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<msubsup>
<mover>
<mi>&lambda;</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mn>3</mn>
</msubsup>
<mo>=</mo>
<mn>4.031</mn>
</mrow>
<mrow>
<msubsup>
<mover>
<mi>&lambda;</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mn>4</mn>
</msubsup>
<mo>=</mo>
<mn>0.304</mn>
</mrow>
<mrow>
<msubsup>
<mover>
<mi>&lambda;</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mn>5</mn>
</msubsup>
<mo>=</mo>
<mn>3.096</mn>
</mrow>
根据公式进行一致性检验,得到:
CI1=0.019,
CI2=0,
CI3=0.031,
CI4=0.020,
CI5=0.048;
由公式得:
CR1=0.022,
CR2=0,
CR3=0.035,
CR4=0.038,
CR5=0.092;
CR<0.1,均满足一致性要求,因此各因素的相对权重
构造抠图拉氏矩阵时,使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下:
在灰度图像中,窗口wi的邻域内alpha值满足局部线性条件,使用移动最小二乘法求解局部线性关系,表示如下:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>,</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
</mrow>
</munder>
<msubsup>
<mi>&omega;</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msubsup>
<mi>&epsiv;a</mi>
<mi>j</mi>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mi>k</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
公式(1)中权值ω,ωi是邻域wk中的权值;式(1)表示为以下矩阵的形式:
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<msubsup>
<mi>W</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>G</mi>
<mi>k</mi>
</msub>
<mo>.</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<msub>
<mover>
<mi>&alpha;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
对于每个邻域wk,Gk定义为‖wk‖×2矩阵;Gk每行包括向量(Ii,1),Wk是每行向量对应的权值ωi组成的向量,Gk’为Gk的Wk加权,对应的每行向量表示为(Wk.Ii,Wk),是邻域内所有像素对应的alpha值组成的向量;
系数ak,bk解得如下所示:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
<mo>=</mo>
<mi>arg</mi>
<mi>min</mi>
<mo>(</mo>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
<mo>.</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mi>k</mi>
</msub>
<mo>.</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mi>k</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<msub>
<mover>
<mi>&alpha;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>G</mi>
<mi>k</mi>
<mrow>
<mo>&prime;</mo>
<mi>T</mi>
</mrow>
</msubsup>
<msubsup>
<mi>G</mi>
<mi>k</mi>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msubsup>
<mi>G</mi>
<mi>k</mi>
<mrow>
<mo>&prime;</mo>
<mi>T</mi>
</mrow>
</msubsup>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
<msub>
<mover>
<mi>&alpha;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>G</mi>
<mi>k</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
<mo>.</mo>
<msub>
<mi>G</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
令J(α)表示为下式:
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<msubsup>
<mi>&alpha;</mi>
<mi>k</mi>
<mi>T</mi>
</msubsup>
<msubsup>
<mover>
<mi>G</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
<mrow>
<mo>&prime;</mo>
<mi>T</mi>
</mrow>
</msubsup>
<msubsup>
<mover>
<mi>G</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
<mo>&prime;</mo>
</msubsup>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msup>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
<mi>T</mi>
</msup>
<msub>
<mi>L&alpha;</mi>
<mi>k</mi>
</msub>
<mo>;</mo>
</mrow>
<mrow>
<mi>L</mi>
<mo>=</mo>
<msubsup>
<mi>W</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>.</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mfrac>
<mi>&epsiv;</mi>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
</mfrac>
<mo>(</mo>
<mrow>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
δi,j是Kronecker delta函数,μk和σ2分别是小窗口wk内的基于Wk的加权均值和方差,‖wk‖是窗口内像素的个数,L为移动拉氏抠图矩阵;
引入权值ωi,应用至彩色模型,彩色模型下的移动最小二乘抠图方法如下:
用下式表示彩色图像各通道间的线性关系:
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>c</mi>
</munder>
<mrow>
<msup>
<mi>a</mi>
<mi>c</mi>
</msup>
<msubsup>
<mi>I</mi>
<mi>i</mi>
<mi>c</mi>
</msubsup>
</mrow>
<mo>+</mo>
<mi>b</mi>
<mo>,</mo>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>;</mo>
</mrow>
c为彩色图像的通道数,在考虑各个通道信息后,式(1)转化为下式:
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>I</mi>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
</mrow>
</munder>
<msubsup>
<mi>&omega;</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mi>c</mi>
</munder>
<msubsup>
<mi>a</mi>
<mi>j</mi>
<mi>c</mi>
</msubsup>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>&epsiv;</mi>
<munder>
<mo>&Sigma;</mo>
<mi>c</mi>
</munder>
<msubsup>
<mi>a</mi>
<mi>j</mi>
<msup>
<mi>c</mi>
<mn>2</mn>
</msup>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
对式(2)进行化简后,解得彩色模型下移动拉氏矩阵如下式所示:
J(α)=αLαT;
<mrow>
<mi>L</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msubsup>
<mi>W</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>.</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>W</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<mfrac>
<mi>&epsiv;</mi>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<msub>
<mi>I</mi>
<mn>3</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
在(3)式中,I为小邻域内所有像素对应3*1颜色向量组成的矩阵,μk为I的Wk加权平均,Σk是I在Wk加权下的协方差矩阵。
2.如权利要求1所述的基于体外受精-胚胎移植的管理控制系统,其特征在于,判断矩阵的一致性检验后,需进行:
隶属度计算:
多位使用频数统计法,对被评价的各项指标按评价集对精子、卵子、胚胎及母体评价结果各项指标的程度进行评级,得到因素集的隶属度。
3.如权利要求2所述的基于体外受精-胚胎移植的管理控制系统,其特征在于,隶属度计算后还需进行:确定评判隶属矩阵:
由得到第k个因素集的相对隶属度矩阵:
<mrow>
<msub>
<mi>R</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfenced open = "|" close = "|">
<mtable>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mn>11</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mn>1</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mi>m</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中:
式中:Rk—第k个因素集的相对隶属度矩阵;
rkij—第k个因素集的第i个因素属于评价集中的j的隶属度;
pkij—组成员对第k个因素集的第i个因素指标评级为j的频数。
4.如权利要求3所述的基于体外受精-胚胎移植的管理控制系统,其特征在于,确定评判隶属矩阵后还需进行:
构造模糊评判矩阵:
由各指标的权向量和矩阵R构造模糊评判矩阵B,
<mrow>
<mi>B</mi>
<mo>=</mo>
<mover>
<mi>W</mi>
<mo>&OverBar;</mo>
</mover>
<mo>&CenterDot;</mo>
<mi>R</mi>
</mrow>
计算综合评判结果:
由模糊评判矩阵B和评价集的参数列向量,求得综合评判结果Z;
Z=B·V
由上式可得到模糊综合评价的结果,再根据评价等级,评定影响精子、卵子、胚胎及母体的因素失效程度性大小。
5.如权利要求1所述的基于体外受精-胚胎移植的管理控制系统,其特征在于,所述移动最小二乘抠图方法的KNN邻域将拉氏矩阵中的空间邻域扩展到KNN邻域,KNN空间的点由(R,G,B,X,Y)五维共同决定;使用KD-TREE实现KNN邻域的高效查找。
6.如权利要求1所述的基于体外受精-胚胎移植的管理控制系统,其特征在于,所述移动最小二乘抠图中大核求解方法包括:使用共轭梯度法求解alpha值;
对于方程Lx=b,共轭梯度法的关键在于构造共轭向量p,并求对应的残差;共轭梯度法用迭代方法求解,在每次迭代过程中,新共轭向量由下式求解:
<mrow>
<msub>
<mi>p</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mrow>
<msup>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mi>T</mi>
</msup>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msup>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
<mi>T</mi>
</msup>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<msub>
<mi>p</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>;</mo>
</mrow>
共轭方向的系数由下式求解:
<mrow>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mi>T</mi>
</msup>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msup>
<msub>
<mi>p</mi>
<mi>k</mi>
</msub>
<mi>T</mi>
</msup>
<msub>
<mi>Lp</mi>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
新的x值与残差用下式求解:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<msub>
<mi>p</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>r</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<msub>
<mi>Lp</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
用下式求解Lp向量中点i对应的元素qi:
<mrow>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mrow>
<mo>(</mo>
<mi>L</mi>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mi>i</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>&omega;</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
<mo>.</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msubsup>
<mi>a</mi>
<mi>k</mi>
<mrow>
<mo>*</mo>
<mi>T</mi>
</mrow>
</msubsup>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
<mrow>
<msubsup>
<mi>a</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&Delta;</mi>
<mi>k</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>&omega;</mi>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
<mo>(</mo>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>&Delta;</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<mfrac>
<mi>&epsiv;</mi>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<msub>
<mi>I</mi>
<mn>3</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>b</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>&omega;</mi>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<msub>
<mi>p</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>a</mi>
<mi>k</mi>
<mrow>
<mo>*</mo>
<mi>T</mi>
</mrow>
</msubsup>
<msub>
<mi>&mu;</mi>
<mi>k</mi>
</msub>
<mo>;</mo>
</mrow>
Wk是像素k对应的邻域,‖wk‖是邻域的大小,i是包围像素k邻域Wk中的一个像素,qi为q向量的第i个元素,Ii为像素i对应的3维向量,表示R,G,B三个通道,pi为共轭向量中像素i对应的元素,μk是3维向量,为邻域Wk中Ii向量的均值,为邻域Wk中元素i对应的共轭向量pi的均值,是像素k的对应的3维向量,为像素k对应的标量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710932111.XA CN107749312A (zh) | 2017-10-10 | 2017-10-10 | 一种基于体外受精‑胚胎移植的管理控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710932111.XA CN107749312A (zh) | 2017-10-10 | 2017-10-10 | 一种基于体外受精‑胚胎移植的管理控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107749312A true CN107749312A (zh) | 2018-03-02 |
Family
ID=61255972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710932111.XA Pending CN107749312A (zh) | 2017-10-10 | 2017-10-10 | 一种基于体外受精‑胚胎移植的管理控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107749312A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108742737A (zh) * | 2018-06-12 | 2018-11-06 | 南通市第人民医院 | 一种腰椎三向微创牵开器 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4759344A (en) * | 1986-08-11 | 1988-07-26 | Wang Fu Nan | Wang's tubules for sperm preparations used for IVF-ET-GIFT and artificial inseminations |
US20140107934A1 (en) * | 2012-10-17 | 2014-04-17 | Celmatix, Inc. | Systems and methods for determining the probability of a pregnancy at a selected point in time |
CN103942303A (zh) * | 2014-04-17 | 2014-07-23 | 南京爱贝生物科技有限公司 | 体外受精及胚胎移植信息核对方法 |
CN105096326A (zh) * | 2015-08-13 | 2015-11-25 | 丽水学院 | 一种使用移动最小二乘法的拉普拉斯抠图矩阵方法 |
CN105144178A (zh) * | 2013-01-29 | 2015-12-09 | 分子健康股份有限公司 | 用于临床决策支持的系统和方法 |
CN105469484A (zh) * | 2015-11-20 | 2016-04-06 | 宁波大业产品造型艺术设计有限公司 | App智能家居锁 |
CN105701640A (zh) * | 2015-12-31 | 2016-06-22 | 湖南启峰科技有限公司 | 一种基于体外受精-胚胎移植的管理控制系统 |
CN107145608A (zh) * | 2017-06-12 | 2017-09-08 | 武汉梦之蓝科技有限公司 | 一种智能环卫平台应用于垃圾设备的处理管理控制系统 |
-
2017
- 2017-10-10 CN CN201710932111.XA patent/CN107749312A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4759344A (en) * | 1986-08-11 | 1988-07-26 | Wang Fu Nan | Wang's tubules for sperm preparations used for IVF-ET-GIFT and artificial inseminations |
US20140107934A1 (en) * | 2012-10-17 | 2014-04-17 | Celmatix, Inc. | Systems and methods for determining the probability of a pregnancy at a selected point in time |
CN105144178A (zh) * | 2013-01-29 | 2015-12-09 | 分子健康股份有限公司 | 用于临床决策支持的系统和方法 |
CN103942303A (zh) * | 2014-04-17 | 2014-07-23 | 南京爱贝生物科技有限公司 | 体外受精及胚胎移植信息核对方法 |
CN105096326A (zh) * | 2015-08-13 | 2015-11-25 | 丽水学院 | 一种使用移动最小二乘法的拉普拉斯抠图矩阵方法 |
CN105469484A (zh) * | 2015-11-20 | 2016-04-06 | 宁波大业产品造型艺术设计有限公司 | App智能家居锁 |
CN105701640A (zh) * | 2015-12-31 | 2016-06-22 | 湖南启峰科技有限公司 | 一种基于体外受精-胚胎移植的管理控制系统 |
CN107145608A (zh) * | 2017-06-12 | 2017-09-08 | 武汉梦之蓝科技有限公司 | 一种智能环卫平台应用于垃圾设备的处理管理控制系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108742737A (zh) * | 2018-06-12 | 2018-11-06 | 南通市第人民医院 | 一种腰椎三向微创牵开器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108573490B (zh) | 一种针对肿瘤影像数据的智能读片系统 | |
CN109325942B (zh) | 基于全卷积神经网络的眼底图像结构分割方法 | |
Kim et al. | Machine-learning-based automatic identification of fetal abdominal circumference from ultrasound images | |
US20220198661A1 (en) | Artificial intelligence based medical image automatic diagnosis system and method | |
CN106709254A (zh) | 一种医疗诊断机器人系统 | |
CN112465772B (zh) | 眼底彩照图像血管评估方法、装置、计算机设备和介质 | |
CN113011485A (zh) | 多模态多病种长尾分布眼科疾病分类模型训练方法和装置 | |
CN109544512A (zh) | 一种基于多模态的胚胎妊娠结果预测装置 | |
CN109300107A (zh) | 磁共振血管壁成像的斑块处理方法、装置和计算设备 | |
CN105761254A (zh) | 基于图像特征的眼底图像配准方法 | |
CN111369615B (zh) | 一种基于多任务卷积神经网络的细胞核中心点检测方法 | |
CN109359569A (zh) | 一种基于cnn的红细胞图像亚分类方法 | |
CN102567734A (zh) | 基于比值的视网膜细小血管分割方法 | |
CN112950614A (zh) | 一种基于多尺度空洞卷积的乳腺癌检测方法 | |
CN114663735B (zh) | 基于联合全局及局部卷积神经网络特征的双骨龄评估方法 | |
CN113538334A (zh) | 一种胶囊内窥镜图像病变识别装置及训练方法 | |
CN114176549B (zh) | 基于生成式对抗网络的胎心率信号数据增强方法和装置 | |
CN107749312A (zh) | 一种基于体外受精‑胚胎移植的管理控制系统 | |
CN114117053A (zh) | 病种分类模型训练方法、装置、存储介质及电子装置 | |
CN112017772B (zh) | 一种基于妇女白带的疾病认知模型构建方法及系统 | |
CN116258685A (zh) | 全局和局部特征同时提取与融合的多器官分割方法及装置 | |
Wang et al. | Triplanar convolutional neural network for automatic liver and tumor image segmentation | |
WO2023184598A1 (zh) | 基于人工智能的心脏模拟器数据矫正系统和方法 | |
CN110084109A (zh) | 一种低分辨率人脸图像识别方法、装置、电子设备及存储介质 | |
CN114627123A (zh) | 综合双流加权网络和空间注意力机制的白带细胞检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180302 |