CN109585015A - 一种淋巴瘤病理类型智能分类系统和方法 - Google Patents
一种淋巴瘤病理类型智能分类系统和方法 Download PDFInfo
- Publication number
- CN109585015A CN109585015A CN201910052333.1A CN201910052333A CN109585015A CN 109585015 A CN109585015 A CN 109585015A CN 201910052333 A CN201910052333 A CN 201910052333A CN 109585015 A CN109585015 A CN 109585015A
- Authority
- CN
- China
- Prior art keywords
- module
- lymthoma
- histological type
- electrically output
- electrically
- 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
- 238000000034 method Methods 0.000 title claims description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000003745 diagnosis Methods 0.000 claims description 16
- 206010025323 Lymphomas Diseases 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 230000003902 lesion Effects 0.000 claims description 8
- 230000007170 pathology Effects 0.000 claims description 5
- 210000002751 lymph Anatomy 0.000 claims description 4
- 230000001575 pathological effect Effects 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 3
- 208000017604 Hodgkin disease Diseases 0.000 description 8
- 208000021519 Hodgkin lymphoma Diseases 0.000 description 8
- 208000010747 Hodgkins lymphoma Diseases 0.000 description 8
- 208000015914 Non-Hodgkin lymphomas Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 210000001165 lymph node Anatomy 0.000 description 3
- 210000004698 lymphocyte Anatomy 0.000 description 3
- 230000000527 lymphocytic effect Effects 0.000 description 3
- 210000003928 nasal cavity Anatomy 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 208000000059 Dyspnea Diseases 0.000 description 2
- 206010013975 Dyspnoeas Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 206010029240 Neuritis Diseases 0.000 description 2
- 210000001744 T-lymphocyte Anatomy 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000004400 mucous membrane Anatomy 0.000 description 2
- 210000004165 myocardium Anatomy 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 206010003598 Atelectasis Diseases 0.000 description 1
- 208000019838 Blood disease Diseases 0.000 description 1
- 208000003322 Coinfection Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 208000016937 Extranodal nasal NK/T cell lymphoma Diseases 0.000 description 1
- 208000017605 Hodgkin disease nodular sclerosis Diseases 0.000 description 1
- 208000031671 Large B-Cell Diffuse Lymphoma Diseases 0.000 description 1
- 208000034800 Leukoencephalopathies Diseases 0.000 description 1
- 206010057180 Liver and spleen enlargement Diseases 0.000 description 1
- 208000008771 Lymphadenopathy Diseases 0.000 description 1
- 208000021642 Muscular disease Diseases 0.000 description 1
- 206010028570 Myelopathy Diseases 0.000 description 1
- 201000009623 Myopathy Diseases 0.000 description 1
- 241000158526 Nasalis Species 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 241000254223 Syntexis Species 0.000 description 1
- 206010054094 Tumour necrosis Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000004100 adrenal gland Anatomy 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 210000003719 b-lymphocyte Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000001185 bone marrow Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 206010012818 diffuse large B-cell lymphoma Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 208000022532 enlargement of lymph nodes Diseases 0.000 description 1
- 210000003979 eosinophil Anatomy 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 210000004013 groin Anatomy 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 208000018706 hematopoietic system disease Diseases 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 210000000867 larynx Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000003563 lymphoid tissue Anatomy 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 210000005015 mediastinal lymph node Anatomy 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000003680 myocardial damage Effects 0.000 description 1
- 210000000822 natural killer cell Anatomy 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000002956 necrotizing effect Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 206010029410 night sweats Diseases 0.000 description 1
- 230000036565 night sweats Effects 0.000 description 1
- 210000004279 orbit Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000003300 oropharynx Anatomy 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 210000003516 pericardium Anatomy 0.000 description 1
- 208000033808 peripheral neuropathy Diseases 0.000 description 1
- 210000003800 pharynx Anatomy 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000005181 root of the tongue Anatomy 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000001550 testis Anatomy 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
- 230000000699 topical effect Effects 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 210000001215 vagina Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开的属于医疗系统技术领域,具体为一种淋巴瘤病理类型智能分类系统,包括信息登记系统、电子采集系统和服务系统,所述信息登记系统和电子采集系统均通过导线电性连接有服务系统,所述服务系统电性输出连接有显示装置,所述服务系统内部固定安装有症状记录模块和信息采集模块,所述症状记录模块电性输出连接有分析模块,所述信息采集模块电性输出连接有图像拍摄机和视频拍摄机,所述图像拍摄机和视频拍摄机均通过导线电性输出连接有分析模块,所述分析模块电性输出连接有训练模块和中央处理模块,所述训练模块电性输出连接有中央处理模块,该发明能智能的识别淋巴瘤病理类型且能根据诊断结果进行实时的更新系统数据的综合效果。
Description
技术领域
本发明涉及医疗体统技术领域,具体为一种淋巴瘤病理类型智能分类系统和方法。
背景技术
淋巴瘤是起源于淋巴造血系统的恶性肿瘤,主要表现为无痛性淋巴结肿大,肝脾肿大,全身各组织器官均可受累,伴发热、盗汗、消瘦、瘙痒等全身症状。根据瘤细胞分为非霍奇金淋巴瘤(NHL)和霍奇金淋巴瘤(HL)两类。病理学特征在霍奇金淋巴瘤为瘤组织内含有淋巴细胞、嗜酸性粒细胞、浆细胞和特异性的里-斯(Reed-Steinberg)细胞,HL按照病理类型分为结节性富含淋巴细胞型和经典型,后者包括淋巴细胞为主型、结节硬化型、混合细胞型和淋巴细胞消减型。NHL发病率远高于HL,是具有很强异质性的一组独立疾病的总和,病理上主要是分化程度不同的淋巴细胞、组织细胞或网状细胞,根据NHL的自然病程,可以归为三大临床类型,即高度侵袭性、侵袭性和惰性淋巴瘤。根据不同的淋巴细胞起源,可以分为B细胞、T细胞和NK细胞淋巴瘤。
恶性淋巴瘤是具有相当异质性的一大类肿瘤,虽然好发于淋巴结,但是由于淋巴系统的分布特点,使得淋巴瘤属于全身性疾病,几乎可以侵犯到全身任何组织和器官。因此,恶性淋巴瘤的临床表现既具有一定的共同特点,同时按照不同的病理类型、受侵部位和范围又存在着很大的差异。
局部表现包括浅表及深部淋巴结肿大,多为无痛性、表面光滑、活动,扪之质韧、饱满、均匀,早期活动,孤立或散在于颈部、腋下、腹股沟等处,晚期则互相融合,与皮肤粘连,不活动,或形成溃疡;咽淋巴环病变口咽、舌根、扁桃体和鼻咽部的黏膜和黏膜下具有丰富的淋巴组织,组成咽淋巴环,又称韦氏环,是恶性淋巴瘤的好发部位;鼻腔病变原发鼻腔的淋巴瘤绝大多数为NHL,主要的病理类型包括鼻腔NK/T细胞淋巴瘤和弥漫大B细胞淋巴瘤;胸部病变纵隔淋巴结是恶性淋巴瘤的好发部位,多见于HL和NHL中的原发纵隔的弥漫大B细胞淋巴瘤和前体T细胞型淋巴瘤。胸部X线片上有圆形或类圆形或分叶状阴影,病变进展可压迫支气管致肺不张,有时肿瘤中央坏死形成空洞。有的肺部病变表现为弥漫性间质性改变,此时临床症状明显,常有咳嗽、咳痰、气短、呼吸困难,继发感染可有发热;恶性淋巴瘤可侵犯心肌和心包,表现为心包积液,淋巴瘤侵犯心肌表现为心肌病变,可有心律不齐,心电图异常等表现;腹部表现脾是HL最常见的膈下受侵部位。胃肠道则是NHL最常见的结外病变部位。肠系膜、腹膜后及髂窝淋巴结等亦是淋巴瘤常见侵犯部位;皮肤表现恶性淋巴瘤可原发或继发皮肤侵犯,多见于NHL;骨髓恶性淋巴瘤的骨髓侵犯表现为骨髓受侵或合并白血病,多属疾病晚期表现之一,绝大多数为NHL;神经系统表现:如进行性多灶性脑白质病、亚急性坏死性脊髓病、感觉或运动性周围神经病变以及多发性肌病等其他表现。恶性淋巴瘤还可以原发或继发于脑、硬脊膜外、睾丸、卵巢、阴道、宫颈、乳腺、甲状腺、肾上腺、眼眶球后组织、喉、骨骼及肌肉软组织等,临床表现复杂多样,应注意鉴别。
现有技术当中的淋巴瘤病理类型是利用医生的肉眼进行观察分析,肉眼观察容易出现误诊,同时医生的诊断结果受到专业水平的限制,不同的医生会出现不同的诊断结果,其次,医生的学习经验较为缓慢,跟不上时代的变化发展,因此亟需研发一种淋巴瘤病理类型智能分类系统和方法。
发明内容
本发明的目的在于提供一种淋巴瘤病理类型智能分类系统和方法,以解决上述背景技术中提出的淋巴瘤病理类型利用肉眼观察容易出现误诊,同时医生的诊断结果受到专业水平的限制,不同的医生会出现不同的诊断结果,其次,医生的学习经验较为缓慢,跟不上时代的变化发展等特性的问题。
为实现上述目的,本发明提供如下技术方案:一种淋巴瘤病理类型智能分类系统,包括信息登记系统、电子采集系统和服务系统,所述信息登记系统和电子采集系统均通过导线电性连接有服务系统,所述服务系统电性输出连接有显示装置,所述服务系统内部固定安装有症状记录模块和信息采集模块,所述症状记录模块电性输出连接有分析模块,所述信息采集模块电性输出连接有图像拍摄机和视频拍摄机,所述图像拍摄机和视频拍摄机均通过导线电性输出连接有分析模块,所述分析模块电性输出连接有训练模块和中央处理模块,所述训练模块电性输出连接有中央处理模块,所述中央处理模块电性双向连接有存储模块,所述中央处理模块电性输出连接有淋巴瘤形态参数分类器。
优选的,所述信息登记模块可登记姓名、性别、年龄、病变位置和形状大小。
优选的,所述显示装置为IPS彩色显示屏。
优选的,所述淋巴瘤形态参数分类器为粒子群算法分类器。
一种淋巴瘤病理类型智能分类方法:该分类方法步骤如下:
步骤一:基本信息采集:对病人的基本情况进行登记,采用望闻问切的方式进行了解。
步骤二:症状记录:初步诊断病人的淋巴瘤的病理类型,并通过症状记录模块进行相关的描述和记录,同时利用电子采集系统进行信息的采集,并对淋巴的类型和形态大小,利用图像拍摄机和视频拍摄机进行图像拍摄和视频拍摄。
步骤三:实施数据分析:将病人的病理反应和服务系统的分析处理实现综合的数据分析,当病人的淋巴瘤病理类型不确定是利用训练模块进行相关的训练,再结合医生的诊断的成功案例进行相关的数据登记,并对该病理进行相应的识记,实现日后遇到相同情况,可直接得出相应的诊断结果。
步骤四:淋巴瘤分类:利用淋巴瘤形态参数分类器进行相应的诊断分类。
步骤五:数据分析结果显示:利用显示装置,显示病人的淋巴瘤病理类型,在结合医生的诊断进行数据分析,进一步确定病理类型。
与现有技术相比,本发明的有益效果是:该发明提供了一种淋巴瘤病理类型智能分类系统和方法,其内部设置了服务系统,利用服务系统进行相应的数据分析诊断,调高诊断的准确性,防止出现误诊,同时服务系统内部设置有专门的训练模块,针对极端的淋巴瘤病理类型进行精确的分类训练,同时能结构成功诊断案例进行系统更新,从而适应了时代的变化发展。
附图说明
图1为本发明的系统结构框图;
图2为本发明服务系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种技术方案:一种淋巴瘤病理类型智能分类系统,包括信息登记系统、电子采集系统和服务系统,信息登记系统和电子采集系统均通过导线电性连接有服务系统,服务系统电性输出连接有显示装置,服务系统内部固定安装有症状记录模块和信息采集模块,症状记录模块电性输出连接有分析模块,信息采集模块电性输出连接有图像拍摄机和视频拍摄机,图像拍摄机和视频拍摄机均通过导线电性输出连接有分析模块,分析模块电性输出连接有训练模块和中央处理模块,训练模块电性输出连接有中央处理模块,中央处理模块电性双向连接有存储模块,中央处理模块电性输出连接有淋巴瘤形态参数分类器。
其中,信息登记模块可登记姓名、性别、年龄、病变位置和形状大小,显示装置为IPS彩色显示屏,淋巴瘤形态参数分类器为粒子群算法分类器。
一种淋巴瘤病理类型智能分类方法:该分类方法步骤如下:
步骤一:基本信息采集:对病人的基本情况进行登记,采用望闻问切的方式进行了解。
步骤二:症状记录:初步诊断病人的淋巴瘤的病理类型,并通过症状记录模块进行相关的描述和记录,同时利用电子采集系统进行信息的采集,并对淋巴的类型和形态大小,利用图像拍摄机和视频拍摄机进行图像拍摄和视频拍摄。
步骤三:实施数据分析:将病人的病理反应和服务系统的分析处理实现综合的数据分析,当病人的淋巴瘤病理类型不确定是利用训练模块进行相关的训练,再结合医生的诊断的成功案例进行相关的数据登记,并对该病理进行相应的识记,实现日后遇到相同情况,可直接得出相应的诊断结果。
步骤四:淋巴瘤分类:利用淋巴瘤形态参数分类器进行相应的诊断分类。
步骤五:数据分析结果显示:利用显示装置,显示病人的淋巴瘤病理类型,在结合医生的诊断进行数据分析,进一步确定病理类型。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种淋巴瘤病理类型智能分类系统,其特征在于:包括信息登记系统、电子采集系统和服务系统,所述信息登记系统和电子采集系统均通过导线电性连接有服务系统,所述服务系统电性输出连接有显示装置,所述服务系统内部固定安装有症状记录模块和信息采集模块,所述症状记录模块电性输出连接有分析模块,所述信息采集模块电性输出连接有图像拍摄机和视频拍摄机,所述图像拍摄机和视频拍摄机均通过导线电性输出连接有分析模块,所述分析模块电性输出连接有训练模块和中央处理模块,所述训练模块电性输出连接有中央处理模块,所述中央处理模块电性双向连接有存储模块,所述中央处理模块电性输出连接有淋巴瘤形态参数分类器。
2.根据权利要求1所述的一种淋巴瘤病理类型智能分类系统,其特征在于:所述信息登记模块可登记姓名、性别、年龄、病变位置和形状大小。
3.根据权利要求1所述的一种淋巴瘤病理类型智能分类系统,其特征在于:所述显示装置为IPS彩色显示屏。
4.根据权利要求1所述的一种淋巴瘤病理类型智能分类系统,其特征在于:所述淋巴瘤形态参数分类器为粒子群算法分类器。
5.一种如权利要求1-4中任一项所述的淋巴瘤病理类型智能分类方法:其特征在于:该分类方法步骤如下:
步骤一:基本信息采集:对病人的基本情况进行登记,采用望闻问切的方式进行了解。
步骤二:症状记录:初步诊断病人的淋巴瘤的病理类型,并通过症状记录模块进行相关的描述和记录,同时利用电子采集系统进行信息的采集,并对淋巴的类型和形态大小,利用图像拍摄机和视频拍摄机进行图像拍摄和视频拍摄。
步骤三:实施数据分析:将病人的病理反应和服务系统的分析处理实现综合的数据分析,当病人的淋巴瘤病理类型不确定是利用训练模块进行相关的训练,再结合医生的诊断的成功案例进行相关的数据登记,并对该病理进行相应的识记,实现日后遇到相同情况,可直接得出相应的诊断结果。
步骤四:淋巴瘤分类:利用淋巴瘤形态参数分类器进行相应的诊断分类。
步骤五:数据分析结果显示:利用显示装置,显示病人的淋巴瘤病理类型,在结合医生的诊断进行数据分析,进一步确定病理类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910052333.1A CN109585015A (zh) | 2019-01-21 | 2019-01-21 | 一种淋巴瘤病理类型智能分类系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910052333.1A CN109585015A (zh) | 2019-01-21 | 2019-01-21 | 一种淋巴瘤病理类型智能分类系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109585015A true CN109585015A (zh) | 2019-04-05 |
Family
ID=65916838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910052333.1A Pending CN109585015A (zh) | 2019-01-21 | 2019-01-21 | 一种淋巴瘤病理类型智能分类系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109585015A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140193052A1 (en) * | 2011-08-23 | 2014-07-10 | Yoshiko Yoshihara | Information processing system, information processing method, information processing apparatus, control method thereof and control program |
CN106934223A (zh) * | 2017-02-28 | 2017-07-07 | 思派(北京)网络科技有限公司 | 一种基于大数据的血液病智能分类系统及方法 |
CN106951917A (zh) * | 2017-02-28 | 2017-07-14 | 思派(北京)网络科技有限公司 | 一种淋巴瘤病理类型的智能分类系统和方法 |
CN107437004A (zh) * | 2017-08-07 | 2017-12-05 | 深圳华大基因研究院 | 一种用于肿瘤个体化基因检测智能解读的系统 |
-
2019
- 2019-01-21 CN CN201910052333.1A patent/CN109585015A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140193052A1 (en) * | 2011-08-23 | 2014-07-10 | Yoshiko Yoshihara | Information processing system, information processing method, information processing apparatus, control method thereof and control program |
CN106934223A (zh) * | 2017-02-28 | 2017-07-07 | 思派(北京)网络科技有限公司 | 一种基于大数据的血液病智能分类系统及方法 |
CN106951917A (zh) * | 2017-02-28 | 2017-07-14 | 思派(北京)网络科技有限公司 | 一种淋巴瘤病理类型的智能分类系统和方法 |
CN107437004A (zh) * | 2017-08-07 | 2017-12-05 | 深圳华大基因研究院 | 一种用于肿瘤个体化基因检测智能解读的系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ren et al. | Automatic recognition of laryngoscopic images using a deep‐learning technique | |
CN107564580B (zh) | 基于集成学习的胃镜图像辅助处理系统及方法 | |
CN109411084A (zh) | 一种基于深度学习的肠结核辅助诊断系统及方法 | |
CN109615633A (zh) | 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法 | |
CN109166105A (zh) | 人工智能医学影像的肿瘤恶性风险分层辅助诊断系统 | |
JP4184842B2 (ja) | 画像判別装置、方法およびプログラム | |
CN110506278A (zh) | 隐空间中的目标检测 | |
CN108230296A (zh) | 图像特征的识别方法和装置、存储介质、电子装置 | |
CN109190540A (zh) | 活检区域预测方法、图像识别方法、装置和存储介质 | |
CN110349140B (zh) | 一种中医耳诊图像处理方法及装置 | |
CN109948719A (zh) | 一种基于残差密集模块网络结构的眼底图像质量自动分类方法 | |
CN110021022A (zh) | 一种基于深度学习的甲状腺核医学图像诊断方法 | |
CN110338820A (zh) | 一种抑郁症和精神分裂症识别方法 | |
Huang et al. | Multi-task/single-task joint learning of ultrasound BI-RADS features | |
CN105943020B (zh) | 一种心电轴6导联错接检测系统及方法 | |
CN115081486B (zh) | 一种癫痫发作前期颅内脑电网络定位癫痫灶系统及方法 | |
CN111428066B (zh) | 一种基于卷积神经网络的病变图像的分类和分割方法 | |
CN110338763A (zh) | 一种智能中医诊测的图像处理方法及装置 | |
CN108960305A (zh) | 一种内镜影像判定系统及方法 | |
CN110236497A (zh) | 一种基于舌相和bmi指数的脂肪肝预测方法 | |
Ham et al. | Improvement of gastroscopy classification performance through image augmentation using a gradient-weighted class activation map | |
CN109493340A (zh) | 一种胃镜下食管胃底静脉曲张辅助诊断系统及方法 | |
Zhao et al. | PVC recognition for wearable ECGs using modified frequency slice wavelet transform and convolutional neural network | |
CN109585015A (zh) | 一种淋巴瘤病理类型智能分类系统和方法 | |
CN112932443A (zh) | 基于整体关联医学逻辑的乳腺癌癌细胞术后监测仪及使用方法 |
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: 20190405 |