CN110136825A - 一种牲畜疾病智能诊疗方法 - Google Patents
一种牲畜疾病智能诊疗方法 Download PDFInfo
- Publication number
- CN110136825A CN110136825A CN201910332542.1A CN201910332542A CN110136825A CN 110136825 A CN110136825 A CN 110136825A CN 201910332542 A CN201910332542 A CN 201910332542A CN 110136825 A CN110136825 A CN 110136825A
- Authority
- CN
- China
- Prior art keywords
- disease
- data
- treatment method
- intelligence diagnosis
- algorithm
- 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
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 91
- 201000010099 disease Diseases 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000003745 diagnosis Methods 0.000 title claims abstract description 51
- 244000144972 livestock Species 0.000 title claims abstract description 47
- 230000003044 adaptive effect Effects 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 238000007635 classification algorithm Methods 0.000 claims abstract description 10
- 238000005065 mining Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 241000283690 Bos taurus Species 0.000 claims description 15
- 241001494479 Pecora Species 0.000 claims description 15
- 208000024891 symptom Diseases 0.000 claims description 13
- 238000002560 therapeutic procedure Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000004886 process control Methods 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 description 6
- 241001269238 Data Species 0.000 description 4
- 244000144980 herd Species 0.000 description 4
- 102100032202 Cornulin Human genes 0.000 description 3
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 2
- 238000004171 remote diagnosis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 101000629361 Homo sapiens Paraplegin Proteins 0.000 description 1
- 102100027006 Paraplegin Human genes 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种牲畜疾病智能诊疗方法，所述牲畜疾病智能诊疗方法包括如下步骤：S1：数据来源与预处理；S2：数据清洗；S3：对病症进行自适应的文本聚类；S4：对病症进行频繁模式挖掘；S5：对病症做基于神经网络的关联分类算法；S6：技术支持与服务。
Description
技术领域
本发明具体涉及一种牲畜疾病智能诊疗方法。
背景技术
内蒙古草原面积广阔，居我国五大牧区之首。一直以来，畜牧业都是内蒙古的特色优势产业，为全区经济社会发展发挥了重要作用。近年来，自治区立足资源优势，围绕产业链条，在保护草原的基础上，科学有序发展畜牧业，其中科学养殖、科学的、及时的、有效的对牲畜诊疗、规模化经营是现代化畜牧业的必由之路。
随着大量的牛羊生病数据的到来，数据分析与挖掘在畜牧业上应用的也越来越广泛。
发明内容
本申请的目的是针对现有技术存在的问题，提供一种牲畜疾病智能诊疗方法。
本申请的目的是通过以下技术方案解决的：
一种牲畜疾病智能诊疗方法，所述牲畜疾病智能诊疗方法包括如下步骤：
S1：数据来源与预处理；
S2：数据清洗；
S3：对病症进行自适应的文本聚类；
S4：对病症进行频繁模式挖掘；
S5：对病症做基于神经网络的关联分类算法；
S6：技术支持与服务。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S1中，所述数据来源与预处理包括如下步骤：
S11：首先将大量的书籍扫描成电子版，通过关键字提取技术，建立牛羊生病的症状数据及解决方案的数据库；
S12：建立总数据库后，然后在按照不同的部位做子数据库。
进一步的，一种牲畜疾病智能诊疗方法，步骤S2中，所述数据清洗采用病历数据在线抽取、转换和数据元建模方法，实现病历数据自动清洗。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S3中，所述对病症进行自适应的文本聚类包括如下步骤：
S31：首先获取各种疾病诊断文本，采用自适应的文本聚类方法实现疾病同义文本的识别；
S32：然后采用基于潜在概念的疾病概念聚类算法实现层次化的疾病分类标准构建。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S4中，所述对病症进行频繁模式挖掘采用的算法有Apriori算法或FP-Growth算法或Eclat算法。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S5中，所述关联分类算法是基于关联规则巧掘的规则产生方法和基于FOLL的规则产生方法。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S6中，所述技术支持与服务可通过网页或者APP进行搜索。
进一步的，一种牲畜疾病智能诊疗方法，所述基于潜在概念的疾病概念聚类算法分为两个步骤：
S321：首先采用自适应的文本聚类方法实现疾病同义文本的识别；
S322：然后采用概念聚类方法实现疾病分类层次的划分。
一种牲畜疾病智能诊疗系统，所述牲畜疾病智能诊疗系统包括数据源、数据抽取模块、预处理流程控制模块以及清洗后数据模块，所述数据源、数据抽取模块、预处理流程控制模块以及清洗后数据模块依次连接。
进一步的，一种牲畜疾病智能诊疗系统，所述数据源包括关系表、文本、表格、XML。
本申请相比现有技术有如下优点：
本申请的目标就是能够对大量的多源的牛羊病例数据进行整理，利用数据分析和挖掘技术及人工神经网络技术实现对牲畜进行远程诊疗，及时有效的解决当牛羊生病时的就诊问题，进而对牧户起到一个指导和决策的作用。通过对大量病历实例数据分析，总结归纳出疾病诊疗过程，挖掘关键治疗方法，形成客观、详细的治疗路径，可有效解决牧民在养殖中针对牛羊的各种症状进行对症下药，及时解决牛羊出现的各种症状，有效的减少了牧民的损失，实现科学智能的发展畜牧业。
附图说明
附图1为本申请的诊疗系统图；
附图2为本申请CRNN的算法流程图；
附图3为本申请牲畜疾病智能诊断流程图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更加全面的描述，附图中给出了本发明的若干实施例，但是本发明可以通过不同的形式来实现，并不限于文本所描述的实施例，相反的，提供这些实施例是为了使对本发明公开的内容更加透彻全面。
需要说明的时，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上也可以存在居中的元件，当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件，本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常连接的含义相同，本文中在本发明的说明书中所使用的术语知识为了描述具体的实施例的目的，不是旨在于限制本发明，本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
一种牲畜疾病智能诊疗方法，所述牲畜疾病智能诊疗方法包括如下步骤：
S1：数据来源与预处理；
S2：数据清洗；
S3：对病症进行自适应的文本聚类；
S4：对病症进行频繁模式挖掘；
S5：对病症做基于神经网络的关联分类算法；
S6：技术支持与服务。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S1中，所述数据来源与预处理包括如下步骤：
S11：首先将大量的书籍扫描成电子版，通过关键字提取技术，建立牛羊生病的症状数据及解决方案的数据库；
S12：建立总数据库后，然后在按照不同的部位做子数据库。
进一步的，一种牲畜疾病智能诊疗方法，步骤S2中，所述数据清洗采用病历数据在线抽取、转换和数据元建模方法，实现病历数据自动清洗。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S3中，所述对病症进行自适应的文本聚类包括如下步骤：
S31：首先获取各种疾病诊断文本，采用自适应的文本聚类方法实现疾病同义文本的识别；
S32：然后采用基于潜在概念的疾病概念聚类算法实现层次化的疾病分类标准构建。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S4中，所述对病症进行频繁模式挖掘采用的算法有Apriori算法或FP-Growth算法或Eclat算法。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S5中，所述关联分类算法是基于关联规则巧掘的规则产生方法和基于FOLL的规则产生方法。
进一步的，一种牲畜疾病智能诊疗方法，在步骤S6中，所述技术支持与服务可通过网页或者APP进行搜索。
进一步的，一种牲畜疾病智能诊疗方法，所述基于潜在概念的疾病概念聚类算法分为两个步骤：
S321：首先采用自适应的文本聚类方法实现疾病同义文本的识别；
S322：然后采用概念聚类方法实现疾病分类层次的划分。
一种牲畜疾病智能诊疗系统，所述牲畜疾病智能诊疗系统包括数据源、数据抽取模块、预处理流程控制模块以及清洗后数据模块，所述数据源、数据抽取模块、预处理流程控制模块以及清洗后数据模块依次连接。
进一步的，一种牲畜疾病智能诊疗系统，所述数据源包括关系表、文本、表格、XML。
本申请相比现有技术有如下优点：
本申请的目标就是能够对大量的多源的牛羊病例数据进行整理，利用数据分析和挖掘技术及人工神经网络技术实现对牲畜进行远程诊疗，及时有效的解决当牛羊生病时的就诊问题，进而对牧户起到一个指导和决策的作用。通过对大量病历实例数据分析，总结归纳出疾病诊疗过程，挖掘关键治疗方法，形成客观、详细的治疗路径，可有效解决牧民在养殖中针对牛羊的各种症状进行对症下药，及时解决牛羊出现的各种症状，有效的减少了牧民的损失，实现科学智能的发展畜牧业。
实施例二
本实施例将详细阐述具体原理，一种牲畜疾病智能诊疗方法，所述牲畜疾病智能诊疗方法包括如下步骤：
S1：数据来源与预处理；
S2：数据清洗；
S3：对病症进行自适应的文本聚类；
S4：对病症进行频繁模式挖掘；
S5：对病症做基于神经网络的关联分类算法；
S6：技术支持与服务。
对于数据来源与预处理，其方法为，首先将大量的书籍扫描成电子版，通过关键字提取技术，建立牛羊生病的症状数据及解决方案的数据库。先建立总数据库，然后在按照不同的部位做子库。数据抽取阶段和数据预处理阶段具体步骤如图1所示。
接下来介绍本申请的总体设计方案，首先数据清洗：电子病历数据存储结构不统一且在分布在多个数据库中，还存在病历数据质量不高、出现同义词、近义词等问题。针对给出的利用元数据模型方法，研究病历数据在线抽取、转换和数据元建模方法，实现病历数据自动清洗。针对病历中存在的大量非结构化数据，研究基于规则和条件随机场的病历命名实体识别算法，完成病历中知识元数据的提取，为后续的研究提供结构化的“干净”的病历数据。
其次，对病症进行自适应的文本聚类，现有技术中病历记录的疾病诊断存在命名混乱、不统一等问题，在研究面向诊断短文本的疾病层次概念的自动构建算法。首先获取各种疾病诊断文本，采用自适应的文本聚类方法实现疾病同义文本的识别；然后采用基于潜在概念的疾病概念聚类方法实现层次化的疾病分类标准构建。同时针对疾病文本的特点，提出了一种基于集合的快速短文本相似度量方法。自适应的文本聚类为病历诊疗模式提取和病历分类研究提供了标准的疾病命名和分类标准。目前使用较多的基于统计的命名实体识别算法主要有：隐马尔可夫模型(hidden markov model,HMM，最大熵模型(maximumentropy model，ME)、支持向量机(support vector machines,SVM)、条件随机场(conditional random field,CRF)和决策树(decision tree，DT)此项目可以采用K-means中簇类划分和迭代思路进行同义词聚类的实现，当采用的数据无法确定聚类簇数，也可以采用自适应的聚类簇个数选择方法Concept cluster算法运行概念聚类，面向短文本的层次概念聚类算法分为两个步骤，首先采用自适应的文本聚类方法实现疾病同义文本的识别，然后采用概念聚类方法实现疾病分类层次的划分。
对病症进行频繁模式挖掘，在一个所有处理好的病症数据集中，对其做频繁模式挖掘，找到病症之间的关联分析。频繁模式是一系列的项集、子序列或子结构，如果该项集、子序列或子结构出现的频繁程度超过设定阔值。查找模式的出现频率是频繁模式挖掘的关键，其中算法有Apriori算法、FP-Growth算法和Eclat算法。
对病症做基于神经网络的关联分类算法，基于病历中疾病症状、体征等数据，构建疾病分类模型。此项目中可以用到一种基于神经网络的关联分类算法(CRNN)将数据库中的症状进行分类，该方法基于关联规则巧掘的规则产生方法和基于FOLL的规则产生方法。同时该方法能够实现神经网络快速地结构建立和参数设置。目前典型的做关联分类的算法主要有基于分类规则的关联分类算法(classification based on association,CBA)、基于多个分类关联规则的分类算法(accurate and efficient classification based onmultiple classifation association rules,CMAR)基于预测关联规则分类算法(classification based on predictive association rules,CPAR)。做关联分来算法的目的是对新来的数据能更好的判断出此症状属于哪种病，应如何治疗。CRNN的算法流程图如图2所示。
在技术支持与服务中，牧户在养殖过程中如果发现牛羊的症状，随后可通过网页或者APP进行搜索，通过牧户的搜索会自动给出相应的症状，然后牧户可以去选择相应的症状，选择一个症状的时候会自动该出多种疾病名称，症状选择的越详细越多就会更精确的给出疾病的名称及治疗方案。提供给牧户更加便捷的服务。具体流程如图3所示，最后的实现的目标是通过点击牛羊生病的部位，在继续选择生病的针状，就给出解决办法。
以上实施例仅为说明本申请的技术思想，不能以此限定本申请的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内；本申请未涉及的技术均可通过现有技术加以实现。
Claims (10)
1.一种牲畜疾病智能诊疗方法，其特征在于：所述牲畜疾病智能诊疗方法包括如下步骤：
S1：数据来源与预处理；
S2：数据清洗；
S3：对病症进行自适应的文本聚类；
S4：对病症进行频繁模式挖掘；
S5：对病症做基于神经网络的关联分类算法；
S6：技术支持与服务。
2.根据权利要求1所述的牲畜疾病智能诊疗方法，其特征在于：在步骤S1中，所述数据来源与预处理包括如下步骤：
S11：首先将大量的书籍扫描成电子版，通过关键字提取技术，建立牛羊生病的症状数据及解决方案的数据库；
S12：建立总数据库后，然后在按照不同的部位做子数据库。
3.根据权利要求1所述的牲畜疾病智能诊疗方法，其特征在于：步骤S2中，所述数据清洗采用病历数据在线抽取、转换和数据元建模方法，实现病历数据自动清洗。
4.根据权利要求1所述的牲畜疾病智能诊疗方法，其特征在于：在步骤S3中，所述对病症进行自适应的文本聚类包括如下步骤：
S31：首先获取各种疾病诊断文本，采用自适应的文本聚类方法实现疾病同义文本的识别；
S32：然后采用基于潜在概念的疾病概念聚类算法实现层次化的疾病分类标准构建。
5.根据权利要求1所述的牲畜疾病智能诊疗方法，其特征在于：在步骤S4中，所述对病症进行频繁模式挖掘采用的算法有Apriori算法或FP-Growth算法或Eclat算法。
6.根据权利要求1所述的牲畜疾病智能诊疗方法，其特征在于：在步骤S5中，所述关联分类算法是基于关联规则巧掘的规则产生方法和基于FOLL的规则产生方法。
7.根据权利要求1所述的牲畜疾病智能诊疗方法，其特征在于：在步骤S6中，所述技术支持与服务可通过网页或者APP进行搜索。
8.根据权利要求4所述的牲畜疾病智能诊疗方法，其特征在于：所述基于潜在概念的疾病概念聚类算法分为两个步骤：
S321：首先采用自适应的文本聚类方法实现疾病同义文本的识别；
S322：然后采用概念聚类方法实现疾病分类层次的划分。
9.一种牲畜疾病智能诊疗系统，其特征在于，所述牲畜疾病智能诊疗系统包括数据源、数据抽取模块、预处理流程控制模块以及清洗后数据模块，所述数据源、数据抽取模块、预处理流程控制模块以及清洗后数据模块依次连接。
10.根据权利要求9所述的牲畜疾病智能诊疗系统，其特征在于：所述数据源包括关系表、文本、表格、XML。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910332542.1A CN110136825A (zh) | 2019-04-24 | 2019-04-24 | 一种牲畜疾病智能诊疗方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910332542.1A CN110136825A (zh) | 2019-04-24 | 2019-04-24 | 一种牲畜疾病智能诊疗方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110136825A true CN110136825A (zh) | 2019-08-16 |
Family
ID=67571063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910332542.1A Pending CN110136825A (zh) | 2019-04-24 | 2019-04-24 | 一种牲畜疾病智能诊疗方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110136825A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705700A (zh) * | 2021-08-31 | 2021-11-26 | 平安科技（深圳）有限公司 | 医疗数据分类方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150282457A1 (en) * | 2014-04-08 | 2015-10-08 | Medisim, Ltd. | Cattle monitoring for illness |
| CN106815479A (zh) * | 2017-01-17 | 2017-06-09 | 北京农信互联科技有限公司 | 牲畜养殖远程诊断系统及方法 |
| CN109360650A (zh) * | 2018-10-24 | 2019-02-19 | 周升志 | 一种软件设计畜禽疾病快速诊疗系统 |
-
2019
- 2019-04-24 CN CN201910332542.1A patent/CN110136825A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150282457A1 (en) * | 2014-04-08 | 2015-10-08 | Medisim, Ltd. | Cattle monitoring for illness |
| CN106815479A (zh) * | 2017-01-17 | 2017-06-09 | 北京农信互联科技有限公司 | 牲畜养殖远程诊断系统及方法 |
| CN109360650A (zh) * | 2018-10-24 | 2019-02-19 | 周升志 | 一种软件设计畜禽疾病快速诊疗系统 |
Non-Patent Citations (1)
| Title |
|---|
| 宫平等: "绵羊疫病计算机辅助诊断系统", 《新疆农业科学》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705700A (zh) * | 2021-08-31 | 2021-11-26 | 平安科技（深圳）有限公司 | 医疗数据分类方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104516942B (zh) | 概念驱动的自动分节标识 | |
| RU2607999C2 (ru) | Применение способов машинного обучения для извлечения правил ассоциации в наборах данных растений и животных, содержащих в себе молекулярные генетические маркеры, сопровождаемое классификацией или прогнозированием с использованием признаков, созданных по этим правилам ассоциации | |
| CN106934235B (zh) | 一种基于迁移学习的疾病领域间病人相似性度量迁移系统 | |
| Drury et al. | A survey of the applications of text mining for agriculture | |
| CN110675944A (zh) | 分诊方法及装置、计算机设备及介质 | |
| CN111949759A (zh) | 病历文本相似度的检索方法、系统及计算机设备 | |
| CN112232065B (zh) | 挖掘同义词的方法及装置 | |
| CN110428907A (zh) | 一种基于非结构化电子病历的文本挖掘方法及系统 | |
| CN114003734A (zh) | 乳腺癌风险因素知识体系模型、知识图谱系统及构建方法 | |
| CN111599462A (zh) | 基于认知学习的身体异常气味智能筛查系统 | |
| Quach et al. | Identification of chicken diseases using VGGNet and ResNet models | |
| Rahmani et al. | Plant leaves classification | |
| Elayidom et al. | A generalized data mining framework for placement chance prediction problems | |
| Bhopale et al. | Swarm optimized cluster based framework for information retrieval | |
| Zhang et al. | Mining interpretable AOG representations from convolutional networks via active question answering | |
| Li et al. | Agricultural text classification method based on dynamic fusion of multiple features | |
| Kawashima et al. | Text mining and pattern clustering for relation extraction of breast cancer and related genes | |
| CN110136825A (zh) | 一种牲畜疾病智能诊疗方法 | |
| CN116312745B (zh) | 一种肠道菌群超级供体画像信息检测生成方法 | |
| CN108932350A (zh) | 基于多策略的水稻病虫害智能问答方法 | |
| Cohen et al. | aura-net: Robust segmentation of phase-contrast microscopy images with few annotations | |
| CN116110594B (zh) | 基于关联文献的医学知识图谱的知识评价方法及系统 | |
| CN101474098A (zh) | 一种鱼病诊断呼叫系统 | |
| CN111782898B (zh) | 数据源搜索方法、装置和电子设备 | |
| Roy et al. | Disease Detection in Paddy Crop using Machine Learning Techniques |
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: 20190816 |
|
| RJ01 | Rejection of invention patent application after publication |