CN110060743A - 一种基于细胞共振的数据库建立的方法 - Google Patents
一种基于细胞共振的数据库建立的方法 Download PDFInfo
- Publication number
- CN110060743A CN110060743A CN201910316508.5A CN201910316508A CN110060743A CN 110060743 A CN110060743 A CN 110060743A CN 201910316508 A CN201910316508 A CN 201910316508A CN 110060743 A CN110060743 A CN 110060743A
- Authority
- CN
- China
- Prior art keywords
- cell
- resonance
- frequency information
- frequency
- database based
- 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 abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 210000000056 organ Anatomy 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 230000005684 electric field Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 230000001771 impaired effect Effects 0.000 abstract description 4
- 230000035790 physiological processes and functions Effects 0.000 abstract description 3
- 210000004027 cell Anatomy 0.000 description 42
- 230000001766 physiological effect Effects 0.000 description 4
- UPLPHRJJTCUQAY-WIRWPRASSA-N 2,3-thioepoxy madol Chemical compound C([C@@H]1CC2)[C@@H]3S[C@@H]3C[C@]1(C)[C@@H]1[C@@H]2[C@@H]2CC[C@](C)(O)[C@@]2(C)CC1 UPLPHRJJTCUQAY-WIRWPRASSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 208000006735 Periostitis Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 210000004413 cardiac myocyte Anatomy 0.000 description 1
- 230000005779 cell damage Effects 0.000 description 1
- 208000037887 cell injury Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000663 muscle cell Anatomy 0.000 description 1
- 210000003460 periosteum Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioethics (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明公开了一种基于细胞共振的数据库建立的方法，先采集当前细胞样本共振频率信息，然后通过预设算法分析采集的样本共振频率信息，最后根据不同的频率信息建立模式识别模型；本发明可以建立数据库，可以快捷地与受损的细胞产生的共振频率进行分析对比，掌握人体生理状况。
Description
技术领域
本发明属于细胞共振技术领域，尤其涉及了一种基于细胞共振的数据库建立的方法。
背景技术
生命体的活动，其实就是一面消耗能量，一面运用这些能量来让体内的生理活动趋于平衡。健康的生命体其生理活动都会处于平衡的状态。科学家发现人体各器官的细胞都有各自固定的振动频率，介于1.8-8.2Hz之间；例如骨膜细胞的振动频率大约为1.8Hz左右，心肌细胞及肌肉细胞的振动频率在2.6- 3.4Hz之间，肠道细胞的振动频率大约为4.2Hz，脑细胞的振动频率大约为 7.4Hz，眼球细胞的振动频率大约为8.2Hz。生命体的每个细胞都以特定的频率进行振动，当细胞受损时，其对应得振动频率会发生改变，导致生理活动偏向不平衡状态。所以，为了及时反应人体生理活动的状况，需要建立人体各器官的细胞受损频率的数据库。
发明内容
针对上述问题，本发明提出了一种基于细胞共振的数据库建立的方法，很好的解决了细胞共振的数据库建立的问题。
为了实现上述目的，本发明采用的技术方案如下：一种基于细胞共振的数据库建立的方法，其特征在于：先采集当前细胞样本共振频率信息，然后通过预设算法分析采集的样本共振频率信息，最后根据不同的频率信息建立模式识别模型形成数据库。
进一步的，所述的当前细胞样本是指不同年龄、不同性别的人的不同器官的细胞。
进一步的，所述的共振频率信息是指确定需要检测部位细胞固定振动频率，发射与该固定振动频率相同的电波，该电波与对应部位细胞生物电场发出的微频波形成共振，通过反馈的共振波采集当前细胞共振频率信息。
进一步的，所述的预设算法包括性别识别算法、年龄识别算法及器官识别算法。
进一步的，所述的模式识别模型是指通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的指示模型形成数据库。
与现有技术相比，本发明具有以下有益效果：通过预设算法识别不同年龄、不同性别的人的不同器官的细胞的共振频率，并通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的指示模型，而形成数据库，可以快捷的与受损的细胞产生的共振频率进行分析对比，掌握人体生理状况。
附图说明
图1为本发明的流程图。
具体实施例
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。
如图1所述，本发明所述的一种基于细胞共振的数据库建立的方法，先采集当前细胞样本共振频率信息，然后通过预设算法分析采集的样本共振频率信息，最后根据不同的频率信息建立模式识别模型。
当前细胞样本是指不同年龄、不同性别的人的不同器官的细胞，确定需要检测器官细胞固定振动频率，发射与该固定振动频率相同的电波。该电波与对应部位细胞生物电场发出的微频波形成共振，通过反馈的共振波采集当前细胞共振频率。
采用预设算法对于多个历史的细胞共振频率进行分析训练，并按照不同年龄、不同性别和不同器官的细胞进行分类；预设算法包括性别识别算法、年龄识别算法及器官识别算法。
可以理解的是，预先采集大量的细胞共振频率，通过性别识别算法对这些细胞共振频率分析处理后，得到性别模式识别模型，通过年龄识别算法对这些细胞共振频率分析处理后，得到年龄模式识别模型，通过器官识别算法对这些细胞共振频率分析处理后，得到器官模式识别模型，其中性别识别算法、年龄识别算法或器官识别算法均为基于ivector算法。
ivector是基于因子分析理论，细胞共振频率Mh的特征向量可以描述为：
Mh＝muhm+Twh
其中mubm为ubm模型的均值超向量。
对于wh的计算，Oh为频率的观察特征，可以对应于上面的Mh，一句上式进行如下分布假设：wh服从正态分布N(0，I)，基于最大似然准则估计T矩阵，利用到EM算法，EM：先初始化T，估计出wh，再依据wh估计T，反复迭代，最后计算出细胞共振频率Mh的最大期望值E，从而建立各个识别模型。
P(Oh|λ)～N(mubm，TTT+∑)
P(Oh|wh，λ)～N(mubm+Twh，∑)
NLS非线性分析系统应用高能量子物理常讨论到一个数值“熵”，熵做为分析的指标。熵通常用于描述一个系统当中的混乱程度。自然界中的事物，大多会往趋向于最大乱度即最大的熵值的方向发展，生物体为了维持生命现象正常有序，所以会尽量降低它的熵值。所以，一个健康的个体或细胞，熵值是比较低的，若是细胞的功能不正常，无力维持有序且平衡的生理活动，熵值就会上升。因此，通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的指示模型，形成数据库。
本发明实使用时，通过预设算法识别不同年龄、不同性别的人的不同器官的细胞的共振频率，并通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的指示模型，而形成数据库，可以快捷的与受损的细胞产生的共振频率进行分析对比，掌握人体生理状况。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于细胞共振的数据库建立的方法，其特征在于：先采集当前细胞样本共振频率信息，然后通过预设算法分析采集的样本共振频率信息，最后根据不同的频率信息建立模式识别模型形成数据库。
2.根据权利要求1所述的一种基于细胞共振的数据库建立的方法，其特征在于：所述的当前细胞样本是指不同年龄、不同性别的人的不同器官的细胞。
3.根据权利要求1所述的一种基于细胞共振的数据库建立的方法，其特征在于：所述的共振频率信息是指确定需要检测部位细胞固定振动频率，发射与该固定振动频率相同的电波，该电波与对应部位细胞生物电场发出的微频波形成共振，通过反馈的共振波采集当前细胞共振频率信息。
4.根据权利要求1所述的一种基于细胞共振的数据库建立的方法，其特征在于：所述的预设算法包括性别识别算法、年龄识别算法及器官识别算法。
5.根据权利要求1所述的，其特征在于：所述的模式识别模型是指通过NLS非线性计算分析检测器官细胞反馈的共振频率信息建立被检测器官的指示模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910316508.5A CN110060743A (zh) | 2019-04-18 | 2019-04-18 | 一种基于细胞共振的数据库建立的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910316508.5A CN110060743A (zh) | 2019-04-18 | 2019-04-18 | 一种基于细胞共振的数据库建立的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110060743A true CN110060743A (zh) | 2019-07-26 |
Family
ID=67319714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910316508.5A Pending CN110060743A (zh) | 2019-04-18 | 2019-04-18 | 一种基于细胞共振的数据库建立的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110060743A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112951435A (zh) * | 2021-03-06 | 2021-06-11 | 经纬泰和健康产业投资控股（北京）有限公司 | 基于人体光波共振热断层成像全息的健康风险筛查设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426698A (zh) * | 2016-01-13 | 2016-03-23 | 冯燕肃 | 一种健康预警指标管理方法 |
| CN107342077A (zh) * | 2017-05-27 | 2017-11-10 | 国家计算机网络与信息安全管理中心 | 一种基于因子分析的说话人分段聚类方法及系统 |
| CN108694954A (zh) * | 2018-06-13 | 2018-10-23 | 广州势必可赢网络科技有限公司 | 一种性别年龄识别方法、装置、设备及可读存储介质 |
-
2019
- 2019-04-18 CN CN201910316508.5A patent/CN110060743A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105426698A (zh) * | 2016-01-13 | 2016-03-23 | 冯燕肃 | 一种健康预警指标管理方法 |
| CN107342077A (zh) * | 2017-05-27 | 2017-11-10 | 国家计算机网络与信息安全管理中心 | 一种基于因子分析的说话人分段聚类方法及系统 |
| CN108694954A (zh) * | 2018-06-13 | 2018-10-23 | 广州势必可赢网络科技有限公司 | 一种性别年龄识别方法、装置、设备及可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112951435A (zh) * | 2021-03-06 | 2021-06-11 | 经纬泰和健康产业投资控股（北京）有限公司 | 基于人体光波共振热断层成像全息的健康风险筛查设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nayak et al. | A review on the nonlinear dynamical system analysis of electrocardiogram signal | |
| Sopic et al. | Real-time event-driven classification technique for early detection and prevention of myocardial infarction on wearable systems | |
| Lu et al. | Feature fusion for imbalanced ECG data analysis | |
| İşler et al. | Combining classical HRV indices with wavelet entropy measures improves to performance in diagnosing congestive heart failure | |
| US9968265B2 (en) | Method and system for characterizing cardiovascular systems from single channel data | |
| Yang et al. | Spatiotemporal differentiation of myocardial infarctions | |
| CN111956212B (zh) | 基于频域滤波-多模态深度神经网络的组间房颤识别方法 | |
| Tian et al. | A hierarchical classification method for automatic sleep scoring using multiscale entropy features and proportion information of sleep architecture | |
| CN108573227A (zh) | 心电图数据质量评价方法及装置 | |
| CN110179465A (zh) | 机械通气脱机量化评估方法、装置、设备和存储介质 | |
| Sun et al. | A hierarchical sequential neural network with feature fusion for sleep staging based on EOG and RR signals | |
| CN105426698A (zh) | 一种健康预警指标管理方法 | |
| WO2023059746A1 (en) | Estimating uncertainty in predictions generated by machine learning models | |
| Huang et al. | A multiview feature fusion model for heartbeat classification | |
| Ma et al. | A classification algorithm of an SSVEP brain-Computer interface based on CCA fusion wavelet coefficients | |
| US11961204B2 (en) | State visualization device, state visualization method, and state visualization program | |
| CN110060743A (zh) | 一种基于细胞共振的数据库建立的方法 | |
| Liu et al. | Persistence landscape-based topological data analysis for personalized arrhythmia classification | |
| Davies et al. | A transition probability based classification model for enhanced N1 sleep stage identification during automatic sleep stage scoring | |
| Baghersalimi et al. | Decentralized federated learning for epileptic seizures detection in low-power wearable systems | |
| Eggert et al. | Recognizing mental stress in chess players using vital sign data | |
| Lin et al. | Modified multiscale sample entropy and cross-sample entropy based on horizontal visibility graph | |
| Li et al. | An intelligent cognition method of human health states based on a variant knowledge granularity feedback mechanism | |
| Baali et al. | Inequality indexes as sparsity measures applied to ventricular ectopic beats detection and its efficient hardware implementation | |
| Bi et al. | An Efficient WRF Framework for Discovering Risk Genes and Abnormal Brain Regions in Parkinson’s Disease Based on Imaging Genetics Data |
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 |
Application publication date: 20190726 |
|
| RJ01 | Rejection of invention patent application after publication |