CN108303420A - 一种基于大数据和移动互联网的家用型精子质量检测方法 - Google Patents

一种基于大数据和移动互联网的家用型精子质量检测方法 Download PDF

Info

Publication number
CN108303420A
CN108303420A CN201711492104.9A CN201711492104A CN108303420A CN 108303420 A CN108303420 A CN 108303420A CN 201711492104 A CN201711492104 A CN 201711492104A CN 108303420 A CN108303420 A CN 108303420A
Authority
CN
China
Prior art keywords
sperm
image
analysis
user
big data
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
Application number
CN201711492104.9A
Other languages
English (en)
Inventor
陆成
陈双武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shangrao Academy Of Sciences Cloud Computing Center Big Data Research Institute
Original Assignee
Shangrao Academy Of Sciences Cloud Computing Center Big Data Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shangrao Academy Of Sciences Cloud Computing Center Big Data Research Institute filed Critical Shangrao Academy Of Sciences Cloud Computing Center Big Data Research Institute
Priority to CN201711492104.9A priority Critical patent/CN108303420A/zh
Publication of CN108303420A publication Critical patent/CN108303420A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/38—Diluting, dispersing or mixing samples

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种基于大数据和移动互联网的家用型精子质量检测方法，用于日常保健，包括手机设备及手机显微镜套件，其方法步骤包括提取精液、稀释精液、制作精液标本、图像聚焦、拍摄图像、自动分析、在线答疑、结果统计分析，用户在日用设备基础上即可自行完成精子质量检测；1、解决了用户上医院看病难得问题，本发明使得用户在家就可以检测自己精子好坏，节约了用户时间；2、充分保护好了用户隐私；3、解决了在医院环境中用户取精难得问题，减轻用户身心上的伤害；4、本方法利用大数据存储和分析技术，确保图像和分析结果数据不会丢失。

Description

一种基于大数据和移动互联网的家用型精子质量检测方法
技术领域
本发明涉及一种家用保健领域，尤其涉及一种基于大数据和移动互联网的家用型精子质量检测方法。
背景技术
不孕不育是世界上一个重要的医学问题，世界范围内的不孕不育症呈上升趋势，世界卫生组织统计资料显示，截止到2016年，不孕不育已占育龄夫妇的7％-15％，随着最近生活环境的恶化、食品安全问题、生活习惯改变(加班、熬夜、吸烟、喝酒等)等。
在上世纪80年代末基于精子质量计算机辅助分析技术(CASAS)得到了迅速发展。人们发现利用计算机图像分析技术测量评估精子形态图像有诸多优点，它不仅操作简单、分析速度快、计算精度高、可重复性好、为人工授精提供准确参考数据、提高了检验医生的检验水平减少了他们的工作量，而且可以克服传统测定方法中存在的缺点，比如耗时、测量精度差、人为主观性强等。
但是，目前的精子质量计算机辅助分析技术的缺点有：1、无法克服对大量图像和结果数据的存储和快速统计分析，传统的方法就是保存在医院电脑的硬盘上，但是随着时间的推移，可能会导致这些数据难以统计甚至丢失，导致患者比如在几年后找不到历史检测的记录，不利于针对性的统计分析，影响分析研究的准确性。2、传统的精子质量计算机辅助分析技术很难克服取精难的问题(陌生环境取精易给患者的身心带来很大伤害)，它要求患者先必须上医院进行挂号，然后并在医院进行检查，这不仅浪费患者时间上医院检查、给患者带来痛苦并且还不利于对患者的隐私进行保护，患者在医院的生殖检验科进行检查无疑暴露了患者身份。
发明内容
本发明要解决的主要技术问题是，提供一种基于大数据和移动互联网的家用型精子质量检测方法，其以节省用户时间、提高隐私性和便利性、增强对精子图像数据保护，便宜人们了解自己的生育健康情况。
为解决上述技术问题，本发明提供一种基于大数据和移动互联网的家用型精子质量检测方法，包括手机设备及手机显微镜套件，其方法步骤为：
步骤一、提取精液：用户在家自由提取精液标本，并将其保存在规定的器皿中；
步骤二、稀释精液：将器皿中的精液用生理盐水稀释到2-4倍并充分摇匀，摇匀的时候应轻轻摇晃以减少泡沫的产生；
步骤三、制作精液标本：用吸管吸取一定量的稀释后的精液放入手机前端显微镜套件的盖破片上面并且固定好；
步骤四、图像聚焦：打开手机中的分析软件调节手机显微镜套件进行对焦；
步骤五、拍摄图像：找到清晰图像位置后，软件自动拍照，每隔3-8毫秒拍摄一张图像，总共拍至少20张；
步骤六、自动分析：拍照完毕，软件对拍摄到的精子图像进行图像分析，参照手机及互联网的分析数据库信息得到分析结果，以报告的形势呈现在手机屏幕上；
步骤七、在线答疑：用户根据分析结果存在疑问，软件可搜索自动线上匹配答案，也可接入专家一对一进行答疑；
步骤八、结果统计分析：对存储在后台服务器中的大量图像和分析结果利用大数据技术进行统计分析，统计用户一生的精子质量状况以及不同省份、不同民族的精子浓度活力情况，结合数据对检测结论进行矫正；软件同时根据用户精子质量的情况，反馈给出饮食和用药上的合理化建议信息。
实施时，所述步骤五中，为每隔5毫秒拍摄一张图像，总共拍50张图片。
实施时，所述手机显微镜套件是指外置连接在手机摄像头前端的微型显微镜，其直径小于6cm，放大倍率大于或等于200倍。
实施时，所述步骤六中，所述图像分析指的是通过软件将精子图像上传给后台图像分析引擎，并且分析结果传回给客户端，同时后台服务程序将得到的图像和分析结果保存起来。
实施时，所述步骤六中，主要的分析检测结果有前向运动精子、非前向运动精子、不运动精子、总活力、圆细胞浓度。
实施时，所述步骤六中，图像分析(精子目标提取过程)采用最大类间方差法对精子图片进行分割。
实施时，最大类间方差法对精子图片进行分割其步骤如下：
a)求各级灰度出现的概率：图像包含256个灰度级，第级像素为ni，图像总的像素点数为N，则第级灰度出现的概率为：
b)求图像总平均灰度级：设灰度门限值为k，则图像像素按灰度级被分为两类，获取图像总平均灰度级；
c)求两类的灰度均值：
C0类的平均灰度级为像素数为Ci类的平均灰度级为，获取像素级；两类图像所占比例分别为：w1＝1|w(k)；则两类的均值分别为：
d)求图像总灰度均值，和两类之间的方差；
f)求最佳分割阈值：k从变化，使σ2(k)最大的即为所求最佳门限。
实施时，所述步骤八中，存储在后台服务器中的大量图像分析结果是指：利用文件系统存储图像和分析结果数据，利用大数据处理技术对这些分析结果进行统计分析；主要统计的指标有：曲线速度、直线速度、平均路径速度、精子头侧摆幅度、平均移动角度、直线性、前向性、摆动性、鞭打频率等；建立精子综合评价指数，为精子的细微运动提供了量化结果，进一步作为为男性生育能力评价提供客观依据。
本发明的有益效果是：一种基于大数据和移动互联网的家用型精子质量检测方法，包括手机设备及手机显微镜套件，其方法步骤包括提取精液、稀释精液、制作精液标本、图像聚焦、拍摄图像、自动分析、在线答疑、结果统计分析，用户在日用设备基础上即可自行完成精子质量检测；1、解决了用户上医院看病难得问题，本发明使得用户在家就可以检测自己精子好坏，节约了用户时间；2、充分保护好了用户隐私；3、解决了在医院环境中用户取精难得问题，减轻用户身心上的伤害；4、本方法利用大数据存储和分析技术，确保图像和分析结果数据不会丢失。
附图说明
图1为本发明一种实施例的网络拓扑结构图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
最近10年基于云计算的大数据的技术和移动互联网技术日趋成熟，大量的视频图像和分析结果数据可以存储在云端并可以快速进行统计分。本专利一种基于大数据的移动互联网的精子质量检测方法，在此科技发展的前提下诞生，客观分析评价精子质量情况，推动克服不孕不育工作的发展。本本专利的背景技术涉及到：生物医学工程、云计、大数据、移动互联网、图像处理、计算机视觉和模式识别、CASAS(精子图像分析系统)等。
请参考图1所示实施例，一种基于大数据和移动互联网的家用型精子质量检测方法，本发明所采用的步骤具体如下：
一、提取精液：用户在家自由提取精液标本，并将其保存在规定的器皿中。
二、稀释精液：将器皿中的精液用生理盐水稀释到2-4倍并充分摇匀，摇匀的时候应轻轻摇晃以减少泡沫的产生。
三、制作精液标本：用吸管吸取一定量的稀释后的精液放入手机前端显微镜套件的盖破片上面并且固定好。
四、图像聚焦：此时打开手机中的分析软件调节手机显微镜套件进行对焦(打开手机中MySperm App软件，点击App中的拍摄按钮，调节显微镜套件上面的聚焦调节旋钮，找到清晰的图像位置。)
五、拍摄图像：待找到清晰图像位置后，单击软件中的自动拍照功能每隔5毫秒拍摄一张图像，总共拍50张(单击MySperm App软件中的自动拍照功能，这个是程序自动拍摄的，用户无需介入)。
六、自动分析：点击软件中的自动分析功能，对拍摄到的50张精子图像进行图像分析，并得到分析结果，以报告的形势呈现给用户。
七、在线答疑：用户根据分析结果，存在疑问可以线上自动匹配答案，也可以和专家一对一进行答疑，了解自己身体状况。
八、结果统计分析：对存储在后台服务器中的大量图像和分析结果利用大数据技术进行统计分析，统计用户一生的精子质量状况以及不同省份、不同民族的精子浓度活力情况，结合数据对检测结论进行矫正。同时根据用户精子质量的情况，给出饮食和用药上的合理化建议。
所述步骤一当中，用户自由提取精液标本的方法为手淫或者性交，规定的器皿是医用试管。
所述步骤三当中，手机前端显微镜套件指的是在手机前端安装的微型显微镜，其直径不到6cm，用户只需要给智能手机或者平板带上适配的后盖，将套件的高解析的智能显微镜头安装在手机的摄像头上，就可以利用智能手机变身显微镜。
所述步骤四中，MySperm App软件是一款在手机端开发的精液质量分析软件，该App的主要功能有通过1、手机镜头+前端物镜(可放大到200倍)对精子图像进行拍照；2、可以对拍摄到的精子图像进行分析并得到分析结果，该结果参照WHO人类精液及精子宫颈粘液相互作用实验室检验手册(第五版)浓度活力指标标准判断当前分析结果是否在健康指标参数范围内，如果不在会给用户提示需要进一步进行检查；3、在线咨询功能，用户得到自己的分析结果报告可以通过在线咨询功能向专家咨询；4、健康记录，通过大数据分析技术跟踪用户的每次分析结果，对结果数据做统计分析，给用户一个合理的建议；5、自动消息推送，MySperm App软件会根据不同用户群体---专家或者用户，推送不同消息，对于专家来说推送的是用户发出的咨询消息，而针对用户而言推送的是专家发出的答疑消息，以便专家和用户可以及时在线交流；6、统计查询分析，该功能是利用云存储、大数据技术对所有存储的分析结果进行统计分析，记录不同省份、不同民族的精子浓度活力情况，以便卫生部、科研机构、普通用户群体都可以查询各个省份、民族的精子浓度活力情况，使其可以进一步做好科研分析工作。
所述步骤四中，找到清晰的图像位置指的是用户边看图像边调节显微镜套件上面的聚焦调节旋钮，当看到清晰图像的时候，此时的图像即为想找的图像。
所述步骤五中，自动拍照功能每隔3毫秒拍摄一张图像，总共拍50张指的是，程序自动拍照，自动拍照功能是在MySperm App软件中开发的自动拍照程序，该自动拍照功能以5ms的时间间隔拍摄图像，以手机摄像头帧率为25帧/秒为例，拍摄50张图像的总时间为50*3/60＝2.5秒。
所述步骤六中，图像分析指的是通过MySperm App软件将50张精子图像上传给后台图像分析引擎，并且分析结果传回给客户端(MySperm App软件)，同时后台服务程序将得到的图像和分析结果保存起来。
所述步骤六中，主要的分析检测结果有前向运动精子(PR)、非前向运动精子(NP)、不运动精子(I M)、总活力(PR+NP)、圆细胞浓度。这些参数与受孕情况密切相关。
所述步骤七中，和专家进行一对一在线答疑指的是利用MySperm App软件在线答疑功能，将分析结果上传给专家看，这里的专家是与开发MySperm App软件公司特邀答疑的专家，专家同样使用MySperm App软件，当有用户向专家提出咨询时，MySperm App软件会自动推送消息，提示专家有用户发出咨询，以便专家能够及时与用户进行交流。专家根据分析结果并与用户充分交流后给出最后的诊断结果，告知用户需要注意的事项以及是否需要进一步上医院进行确诊。
所述步骤八中，存储在后台服务器中的大量图像分析结果指的利用Hadoop的hdfs文件系统存储图像和分析结果数据，利用Spark大数据处理技术对这些分析结果进行统计分析。统计的目的有两点，一是在大量数据基础上能够建立一个精子综合评价指数，该指数客观地反映精子质量好坏程度。主要统计的指标有：曲线速度、直线速度、平均路径速度、精子头侧摆幅度、平均移动角度、直线性、前向性、摆动性、鞭打频率等。二是探讨精子动态参数在精液质量分析中的应用价值，因为上面的参数属于精子动态参数，传统的常规精液检查无法测定精子细微运动，在评价男性生育能力方面存在一定的局限性，而精子的动态参数客观地反映了精子细微运动特点，并与受精率显著相关。动态参数VCL、VSL、VAP反映了精子的运动速度，LI N、WOB、MAD、ALH和STR等参数反映了精子运动的直线性和前向性。我们的目标就是更精确的分析这些动态参数对精子质量的影响。故此，MySpermApp不仅能够建立精子综合评价指数，而且可以为精子的细微运动提供了量化结果，进一步为男性生育能力评价提供客观依据。
所述步骤八中，根据用户精子质量的情况，给出饮食和用药上的合理化建议指的是当得知用户目前精子质量一般的情况下，给出饮食和用药方面上的建议(建议保持情绪的稳定，心态要平和，你适当的服用些中药调理下身体，还可以吃些含雄性激素高以及富含锌的食物来提高自己的性能力，如牛鞭和牡蛎等)。
所述步骤六中，图像分析(精子目标提取过程)采用最大类间方差法对精子图片进行分割。其步骤如下：
a)求各级灰度出现的概率：图像包含256个灰度级，第级像素为ni，图像总的像素点数为N；则第级灰度出现的概率为：
b)求图像总平均灰度级：设灰度门限值为k，则图像像素按灰度级被分为两类，获取图像总平均灰度级；
c)求两类的灰度均值：
C0类的平均灰度级为像素数为Ci类的平均灰度级为，获取像素级；
两类图像所占比例分别为：w1-1|w(k)；
则两类的均值分别为：
d)求图像总灰度均值；
e)求两类之间的方差；
f)求最佳分割阈值：k从变化，使σ2(k)最大的即为所求最佳门限。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于大数据和移动互联网的家用型精子质量检测方法,包括手机设备及手机显微镜套件，其特征在于，其方法步骤为：
步骤一、提取精液：用户在家自由提取精液标本，并将其保存在规定的器皿中；
步骤二、稀释精液：将器皿中的精液用生理盐水稀释到2-4倍并充分摇匀，摇匀的时候应轻轻摇晃以减少泡沫的产生；
步骤三、制作精液标本：用吸管吸取一定量的稀释后的精液放入手机前端显微镜套件的盖破片上面并且固定好；
步骤四、图像聚焦：打开手机中的分析软件调节手机显微镜套件进行对焦；
步骤五、拍摄图像：找到清晰图像位置后，软件自动拍照，每隔3-8毫秒拍摄一张图像，总共拍至少20张；
步骤六、自动分析：拍照完毕，软件对拍摄到的精子图像进行图像分析，参照手机及互联网的分析数据库信息得到分析结果，以报告的形势呈现在手机屏幕上；
步骤七、在线答疑：用户根据分析结果存在疑问，软件可搜索自动线上匹配答案，也可接入专家一对一进行答疑；
步骤八、结果统计分析：对存储在后台服务器中的大量图像和分析结果利用大数据技术进行统计分析，统计用户一生的精子质量状况以及不同省份、不同民族的精子浓度活力情况，结合数据对检测结论进行矫正；软件同时根据用户精子质量的情况，反馈给出饮食和用药上的合理化建议信息。
2.如权利要求1所述的基于大数据和移动互联网的家用型精子质量检测方法，其特征在于，所述步骤五中，为每隔5毫秒拍摄一张图像，总共拍50张图片。
3.如权利要求1所述的基于大数据和移动互联网的家用型精子质量检测方法，其特征在于，所述手机显微镜套件是指外置连接在手机摄像头前端的微型显微镜，其直径小于6cm，放大倍率大于或等于200倍。
4.如权利要求1所述的基于大数据和移动互联网的家用型精子质量检测方法，其特征在于，所述步骤六中，所述图像分析指的是通过软件将精子图像上传给后台图像分析引擎，并且分析结果传回给客户端，同时后台服务程序将得到的图像和分析结果保存起来。
5.如权利要求1所述的基于大数据和移动互联网的家用型精子质量检测方法，其特征在于，所述步骤六中，主要的分析检测结果有前向运动精子、非前向运动精子、不运动精子、总活力、圆细胞浓度。
6.如权利要求1所述的基于大数据和移动互联网的家用型精子质量检测方法，其特征在于，所述步骤六中，图像分析(精子目标提取过程)采用最大类间方差法对精子图片进行分割。
7.如权利要求6所述的基于大数据和移动互联网的家用型精子质量检测方法，其特征在于，最大类间方差法对精子图片进行分割其步骤如下：
a)求各级灰度出现的概率：图像包含256个灰度级，第级像素为ni，图像总的像素点数为N，则第级灰度出现的概率为：
b)求图像总平均灰度级：设灰度门限值为k，则图像像素按灰度级被分为两类，获取图像总平均灰度级；
c)求两类的灰度均值：
C0类的平均灰度级为像素数为Ci类的平均灰度级为，获取像素级；两类图像所占比例分别为：w1＝1|w(k)；则两类的均值分别为：
d)求图像总灰度均值，和两类之间的方差；
f)求最佳分割阈值：k从变化，使σ2(k)最大的即为所求最佳门限。
8.如权利要求1所述的基于大数据和移动互联网的家用型精子质量检测方法，其特征在于，所述步骤八中，存储在后台服务器中的大量图像分析结果是指：利用文件系统存储图像和分析结果数据，利用大数据处理技术对这些分析结果进行统计分析；主要统计的指标有：曲线速度、直线速度、平均路径速度、精子头侧摆幅度、平均移动角度、直线性、前向性、摆动性、鞭打频率等；建立精子综合评价指数，为精子的细微运动提供了量化结果，进一步作为为男性生育能力评价提供客观依据。
CN201711492104.9A 2017-12-30 2017-12-30 一种基于大数据和移动互联网的家用型精子质量检测方法 Pending CN108303420A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711492104.9A CN108303420A (zh) 2017-12-30 2017-12-30 一种基于大数据和移动互联网的家用型精子质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711492104.9A CN108303420A (zh) 2017-12-30 2017-12-30 一种基于大数据和移动互联网的家用型精子质量检测方法

Publications (1)

Publication Number Publication Date
CN108303420A true CN108303420A (zh) 2018-07-20

Family

ID=62867906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711492104.9A Pending CN108303420A (zh) 2017-12-30 2017-12-30 一种基于大数据和移动互联网的家用型精子质量检测方法

Country Status (1)

Country Link
CN (1) CN108303420A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339904A (zh) * 2020-02-21 2020-06-26 腾讯科技（深圳）有限公司 动物精子图像识别方法和装置
CN112257508A (zh) * 2020-06-30 2021-01-22 华为技术有限公司 识别物体的卫生状况方法及相关电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149939A (zh) * 2013-02-26 2013-06-12 北京航空航天大学 一种基于视觉的无人机动态目标跟踪与定位方法
CN103218605A (zh) * 2013-04-09 2013-07-24 东南大学 一种基于积分投影与边缘检测的快速人眼定位方法
CN103969262A (zh) * 2014-05-20 2014-08-06 杨征 一种体液检测诊断系统
CN104156987A (zh) * 2014-09-10 2014-11-19 成都金盘电子科大多媒体技术有限公司 一种视频内容多目标跟踪方法
CN106023151A (zh) * 2016-05-09 2016-10-12 厦门大学 一种开放环境下中医舌象目标检测方法
CN106018770A (zh) * 2016-07-06 2016-10-12 翁荣森 便携式精子自动检测系统
CN107144518A (zh) * 2017-05-03 2017-09-08 安徽省农业科学院畜牧兽医研究所 一种猪精液有效精子数的检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149939A (zh) * 2013-02-26 2013-06-12 北京航空航天大学 一种基于视觉的无人机动态目标跟踪与定位方法
CN103218605A (zh) * 2013-04-09 2013-07-24 东南大学 一种基于积分投影与边缘检测的快速人眼定位方法
CN103969262A (zh) * 2014-05-20 2014-08-06 杨征 一种体液检测诊断系统
CN104156987A (zh) * 2014-09-10 2014-11-19 成都金盘电子科大多媒体技术有限公司 一种视频内容多目标跟踪方法
CN106023151A (zh) * 2016-05-09 2016-10-12 厦门大学 一种开放环境下中医舌象目标检测方法
CN106018770A (zh) * 2016-07-06 2016-10-12 翁荣森 便携式精子自动检测系统
CN107144518A (zh) * 2017-05-03 2017-09-08 安徽省农业科学院畜牧兽医研究所 一种猪精液有效精子数的检测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339904A (zh) * 2020-02-21 2020-06-26 腾讯科技（深圳）有限公司 动物精子图像识别方法和装置
CN111339904B (zh) * 2020-02-21 2023-11-03 腾讯科技（深圳）有限公司 动物精子图像识别方法和装置
CN112257508A (zh) * 2020-06-30 2021-01-22 华为技术有限公司 识别物体的卫生状况方法及相关电子设备

Similar Documents

Publication Publication Date Title
US12076148B2 (en) Systems and methods for automated recognition of bodily expression of emotion
Hassannejad et al. Automatic diet monitoring: a review of computer vision and wearable sensor-based methods
Thomaz et al. A practical approach for recognizing eating moments with wrist-mounted inertial sensing
Climent-Pérez et al. A review on video-based active and assisted living technologies for automated lifelogging
Lake et al. Deep neural networks predict category typicality ratings for images.
Berg et al. Free viewing of dynamic stimuli by humans and monkeys
CN111402217B (zh) 一种图像分级方法、装置、设备和存储介质
Ludwig et al. Automatic identification of referral-warranted diabetic retinopathy using deep learning on mobile phone images
Das et al. Telemedicine in diabetic retinopathy: access to rural India
US12023175B1 (en) Virtual health coach based insulin titration platform
CN112101424A (zh) 一种视网膜病变识别模型的生成方法、识别装置及设备
CN108303420A (zh) 一种基于大数据和移动互联网的家用型精子质量检测方法
CN110210540A (zh) 基于注意力机制的跨社交媒体用户身份识别方法及系统
Garza et al. Fertility status in visual processing of men’s attractiveness
Gadkari Diabetic retinopathy screening: Telemedicine, the way to go!
CN105701343A (zh) 一种app食材食谱、健康鉴别匹配分析系统
CN209347003U (zh) 一种智能健康状态检测系统
Kubicek et al. Prediction model of alcohol intoxication from facial temperature dynamics based on K-means clustering driven by evolutionary computing
Wu et al. Diagnosing the benign paroxysmal positional vertigo via 1D and deep-learning composite model
Saha et al. Deep learning for automated quality assessment of color fundus images in diabetic retinopathy screening
Zhang et al. A time delay neural network model for simulating eye gaze data
CN116580832A (zh) 基于视频数据的老年痴呆症辅助诊断系统及其方法
Reddy et al. Detection of eye strain through blink rate and sclera area using raspberry-pi
Edo-Osagie et al. Deep learning for relevance filtering in syndromic surveillance: a case study in asthma/difficulty breathing
Shic Computational methods for eye-tracking analysis: Applications to autism

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: 20180720