CN110570944A - 一种智能诊断疾病的方法、装置、系统及存储介质 - Google Patents
一种智能诊断疾病的方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN110570944A CN110570944A CN201910848679.2A CN201910848679A CN110570944A CN 110570944 A CN110570944 A CN 110570944A CN 201910848679 A CN201910848679 A CN 201910848679A CN 110570944 A CN110570944 A CN 110570944A
- Authority
- CN
- China
- Prior art keywords
- disease
- type
- user
- image
- animal
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种智能诊断疾病的方法、装置、系统及存储介质,该装置包括:采集与待诊断动物对应的图像信息;从图像信息中识别待诊断动物的类型和发病部位;根据待诊断动物的类型和发病部位,向用户展示预存储的与待诊断动物类型和发病部位有关的发病图像;接收用户选择的发病图像;根据发病图像,确定疾病类型;获取与疾病类型对应的治疗措施;将疾病类型和与疾病类型对应的治疗措施展示给用户。通过该种方式,避免了由于用户对于发病症状描述不准确而导致误诊的问题。用户选择发病图像后,系统可以根据发病图像,确定疾病类型,以及与之对应的治疗措施,提供给用户。便于用户及时采取有效治疗措施,尽量减少用户的财产损失。
Description
技术领域
本发明实施例涉及疾病诊断技术领域,具体涉及一种智能诊断疾病的方法、装置、系统及存储介质。
背景技术
小型养殖或者家庭农场在养殖动物时,经常会遇到各类问题。以养猪为例,比如母猪皮肤有红斑。养殖户给兽医打电话描述问题时,可能会描述为“猪皮肤一块一块的红了”、“全身皮肤都红了”、“皮肤有红点”等,由于问题描述的不够详细,猪皮肤红斑、猪皮肤发红、猪皮肤长红色的痘等症状,都可以适用于上述的描述,从而导致兽医无法直接确定病因。只能根据养殖户的描述,结合询问养殖户一些问题,或者让养殖户拍摄照片进行辅助判断,最后基于自己的经验给出大概的治疗建议。
又或者,一旦根据养殖户提供的信息确定疾病比较严重,还需要亲自去现场查看进行详细诊断,但目前我国兽医供不应求,很难立刻赶到现场,很有可能因为兽医不能及时达到现场采取有效措施,导致诊断不及时,造成养殖户的财产损失,或者由于养殖户对于症状的描述症状不准确导致误诊。
发明内容
为此,本发明实施例提供一种智能诊断疾病的方法、装置、系统及存储介质,以解决现有技术中由于兽医紧缺导致兽医无法到达现场,延误病情造成养殖户的经济损失,或者由于养殖户对于症状的描述不够准确所导致的兽医误诊等的技术问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面,提供了一种智能诊断疾病的方法,该方法包括:
采集与待诊断动物对应的图像信息;
从图像信息中识别待诊断动物的类型和发病部位;
根据待诊断动物的类型和发病部位,向用户展示预存储的与待诊断动物类型和发病部位有关的发病图像;
接收用户选择的发病图像;
根据发病图像,确定疾病类型;
获取与疾病类型对应的治疗措施;
将疾病类型和与疾病类型对应的治疗措施展示给用户。
进一步地,从图像信息中识别待诊断动物的类型和发病部位,具体包括:
利用预构建的机器学习模型,从图像信息中识别待诊断动物的类型和发病部位。
进一步地,根据发病图像,确定疾病类型,具体包括:
从预建立的数据库中匹配与发病图像对应的症状专业描述术语;
根据症状专业描述术语,确定疾病类型。
进一步地,根据发病图像,确定疾病类型之前,方法还包括:
向用户展示预设咨询问题;
接收用户输入的对咨询问题进行答复的内容,以便根据答复的内容以及发病图像,确定疾病类型。
进一步地,采集与待诊断动物对应的图像信息,具体包括:
利用增强现实技术,采集与待诊断动物对应的图像信息。
根据本发明实施例的第二方面,提供了一种智能诊断疾病的装置,该装置包括:
图像采集单元,用于采集与待诊断动物对应的图像信息;
处理单元,用于从图像信息中识别待诊断动物的类型和发病部位;
显示单元,用于根据待诊断动物的类型和发病部位,向用户展示预存储的与待诊断动物类型和发病部位有关的发病图像;
接收单元,用于接收用户选择的发病图像;
处理单元还用于,根据发病图像,确定疾病类型;并获取与疾病类型对应的治疗措施;
显示单元,还用于将疾病类型和与疾病类型对应的治疗措施展示给用户。
进一步地,处理单元具体用于,利用预构建的机器学习模型,从图像信息中识别待诊断动物的类型和发病部位。
进一步地,处理单元具体用于,从预建立的数据库中匹配与发病图像对应的症状专业描述术语;
根据症状专业描述术语,确定疾病类型。
进一步地,显示单元还用于,向用户展示预设咨询问题;
接收单元还用于,接收用户输入的对咨询问题进行答复的内容,以便处理单元根据答复的内容以及发病图像,确定疾病类型。
进一步地,图像采集单元具有增强现实功能。
根据本发明实施例的第三方面,提供了一种智能诊断疾病的系统,该系统包括:图像采集器,处理器、存储器以及显示器;
图像采集装置,用于采集与待诊断动物对应的图像信息;
接收器,用于接收用户接收用户选择的发病图像;
存储器用于存储一个或多个程序指令;
处理器,用于运行一个或多个程序指令,用以执行如上一种智能诊断疾病的装置中的任一方法步骤;
显示器,用于将疾病类型和与疾病类型对应的治疗措施展示给用户。
根据本发明实施例的第四方面,提供了一种计算机存储介质,该计算机存储介质中包含一个或多个程序指令,一个或多个程序指令用于被一种智能诊断疾病的装置执行如上一种智能诊断疾病的装置中的任一方法步骤。
本发明实施例具有如下优点:采集待诊断动物对应的图像信息,从图像信息中自动识别待诊断的动物类型和发病部位。然后从数据库中匹配到与该动物类型、发病部位相对应的可能发生疾病的发病图像,供用户选择。当接收到用户选择的发病图像后,再根据发病图像确定疾病类型,并且给出疾病类型对应的治疗措施,展示给用户。通过该种方式,用户可以不自己描述待诊断动物发病的症状,而是由系统根据动物类型和动物部位给出有可能产生的所有疾病图像供用户自主选择。避免了由于用户对于发病症状描述不准确而导致误诊的问题。用户选择发病图像后,系统可以根据发病图像,确定疾病类型,以及与之对应的治疗措施,提供给用户。便于用户及时采取有效治疗措施,尽量减少用户的财产损失。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例1提供的一种智能诊断疾病的方法流程示意图;
图2为本发明实施例2提供的一种智能诊断疾病的装置结构示意图;
图3为本发明实施例3提供的一种智能诊断疾病的系统结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例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。
本发明实施例1提供了一种智能诊断疾病的方法,具体如图1所示,该方法步骤如下:
步骤110,采集与待诊断动物对应的图像信息。
可选的,在采集时考虑到动物通常处于活动中。普通的图像采集装置采集的图像可能是模糊不清的,因此,可以使用具有增强现实功能的图像采集装置在动态环境中采集待诊断动物的图像信息。
步骤120,从图像信息中识别待诊断动物的类型和发病部位。
具体的,从图像信息中识别待诊断动物的类型和发病部位可以采用人工智能技术。
例如,采用预构建的机器学习模型,从图像信息中识别待诊断动物的类型和发病部位。比如,可以采用经过训练好的神经网络模型。在图像信息中识别到待诊断动物的类型和发病部位。通过该种方式可以快速、准确的识别要诊断的动物类型和部位,省去了用户填写相关信息的麻烦。
当然,如果待诊断动物始终处于剧烈运动的状态,系统难免出现采集不到发病部位的情况。那么,也可以通过手动的形式输入发病部位。
步骤130,根据待诊断动物的类型和发病部位,向用户展示预存储的与待诊断动物类型和发病部位有关的发病图像。
具体的,当系统识别到待诊断的动物类型和发病部位后,可以结合动物类型和发病部位,从预建立的数据库中调取与之相对应的可能发生的病情图片。一般而言,是每一种发病症状对应的典型图像。由此,可以方便后续系统直接根据典型图像,确定发病类型。
步骤140,接收用户选择的发病图像。
具体的,将每一种发病症状对应的典型图像展示给用户后,可以供用户自行选择当前需要诊断的动物的发病部位存在症状相符合的图像。通过该种方式避免用户通过自己的语言描述而造成的误诊情况发生。图像的选择对于用户而言,是一种更加直接、准确而且简便描述发病动物症状的一种方式。系统在接收到用户选择的发病图像后,可以根据发病图像确定疾病类型。具体参见步骤150所介绍的内容。
步骤150,根据发病图像,确定疾病类型。
具体的,系统在接收到用户选择的发病图像后,会从预建立的数据库中匹配与发病图像对应的症状专业描述术语。在预建立的数据库中,每一种图像都存在与之对应的专业术语的描述。
然后,根据症状专业描述术语,就可以确定疾病类型。即,疾病类型和症状专业描述术语之间同样存在映射关系。
步骤160,获取与疾病类型对应的治疗措施。
系统中不仅仅存储了每一种疾病类型对应的症状专业描述术语、发病图像等基本信息,还包括了治疗方案。例如,可以包括西医治疗方案、中医治疗方案、营养调监控建议和管理改善建议等等。
步骤170,将疾病类型和与疾病类型对应的治疗措施展示给用户。
在确定疾病类型和治疗方案后,则将疾病类型和治疗方案展示给用户,方便用户及时采取有效措施对发病的动物进行救治。
可选的,在执行步骤150之前,实际上该方法还可以包括:
向用户展示预设咨询问题;
接收用户输入的对咨询问题进行答复的内容,以便根据答复的内容以及发病图像,确定疾病类型。
预设的咨询问题一般是与疾病图像有关的咨询问题,用于辅助系统精确确定发病动物存在的疾病类型。一般可以包括临床信息,例如发病率、死亡率、免疫接种情况、肠道情况、呼吸情况、采食量、饮水量、神经状况、精神状况以及体温等等。当然还可以包括动物当前所处的阶段等。
在一种可能的情况中,如果系统并没有根据上述步骤精确确定出疾病类型。或者用户希望可以得到更加详细的疾病分析报告和治疗方案。
那么还可以通过详细诊断的流程实现。
包括手动添加动物类型和发病部位,或者通过上述步骤的方式自动识别动物类型和发病部位。然后,添加性能指标信息,例如发病动物为母猪,那么性能指标信息可以包括母猪年生产力(Piglets Sow Year,简称PSY)、胎均总产崽数、胎均产活崽数、发情率、返情率、分娩率以及成活率。手动填写检测报告结果,包括猪痘、猪繁殖与呼吸障碍综合症PRRS、圆环病毒、伪狂犬病、猪支援病体、猪流行性腹泻、猪传染性胃肠炎或者猪轮状病毒等等。环境条件,例如:室内温度和湿度、消毒频率、氨浓度和水源等。饲料及其他因素:例如饲料类型、饲料来源、霉菌素检测结果、饲料中使用的原料、饲料中添加的物质或者用药情况等。这些信息提交到系统后,由系统生成报告,然后由下线工作人员分配线下兽医和用户进行沟通。确定详细的发病起因、疾病类型以及治疗预防措施等等。
通过人工诊断,还可以确定营养调控、养殖场管理等因素引起的发病问题。并提出营养调控修正方案或者养殖场管理修正方案等等。
本发明实施例提供的一种智能诊断疾病的方法,采集待诊断动物对应的图像信息,从图像信息中自动识别待诊断的动物类型和发病部位。然后从数据库中匹配到与该动物类型、发病部位相对应的可能发生疾病的发病图像,供用户选择。当接收到用户选择的发病图像后,再根据发病图像确定疾病类型,并且给出疾病类型对应的治疗措施,展示给用户。通过该种方式,用户可以不自己描述待诊断动物发病的症状,而是由系统根据动物类型和动物部位给出有可能产生的所有疾病图像供用户自主选择。避免了由于用户对于发病症状描述不准确而导致误诊的问题。用户选择发病图像后,系统可以根据发病图像,确定疾病类型,以及与之对应的治疗措施,提供给用户。便于用户及时采取有效治疗措施,尽量减少用户的财产损失。
与上述实施例1对应的,本发明实施例2还提供了一种智能诊断疾病的装置,具体如图2所示,该装置包括:图像采集单元201、处理单元202、显示单元203和接收单元204。
图像采集单元201,用于采集与待诊断动物对应的图像信息;
处理单元202,用于从图像信息中识别待诊断动物的类型和发病部位;
显示单元203,用于根据待诊断动物的类型和发病部位,向用户展示预存储的与待诊断动物类型和发病部位有关的发病图像;
接收单元204,用于接收用户选择的发病图像;
处理单元202还用于,根据发病图像,确定疾病类型;并获取与疾病类型对应的治疗措施;
显示单元203,还用于将疾病类型和与疾病类型对应的治疗措施展示给用户。
可选的,处理单元202具体用于,利用预构建的机器学习模型,从图像信息中识别待诊断动物的类型和发病部位。
可选的,处理单元202具体用于,从预建立的数据库中匹配与发病图像对应的症状专业描述术语;
根据症状专业描述术语,确定疾病类型。
可选的,显示单元203还用于,向用户展示预设咨询问题;
接收单元204还用于,接收用户输入的对咨询问题进行答复的内容,以便处理单元202根据答复的内容以及发病图像,确定疾病类型。
可选的,图像采集单元201具有增强现实功能。
本发明实施例提供的一种智能诊断疾病的装置中各部件所执行的功能均已在上述实施例1中做了详细介绍,因此这里不做过多赘述。
本发明实施例提供的一种智能诊断疾病的装置,采集待诊断动物对应的图像信息,从图像信息中自动识别待诊断的动物类型和发病部位。然后从数据库中匹配到与该动物类型、发病部位相对应的可能发生疾病的发病图像,供用户选择。当接收到用户选择的发病图像后,再根据发病图像确定疾病类型,并且给出疾病类型对应的治疗措施,展示给用户。通过该种方式,用户可以不自己描述待诊断动物发病的症状,而是由系统根据动物类型和动物部位给出有可能产生的所有疾病图像供用户自主选择。避免了由于用户对于发病症状描述不准确而导致误诊的问题。用户选择发病图像后,系统可以根据发病图像,确定疾病类型,以及与之对应的治疗措施,提供给用户。便于用户及时采取有效治疗措施,尽量减少用户的财产损失。
与上述实施例相对应的,本发明实施例3还提供了一种智能诊断疾病的系统,具体如图3所示,该系统包括:图像采集器301,处理器302、存储器303、接收器304以及显示器305;
图像采集装置,用于采集与待诊断动物对应的图像信息;
接收器304,用于接收用户接收用户选择的发病图像;
存储器303用于存储一个或多个程序指令;
处理器302,用于运行一个或多个程序指令,用以执行如上实施例所介绍的一种智能诊断疾病的方法步骤;
显示器305,用于将疾病类型和与疾病类型对应的治疗措施展示给用户。
可选的,显示器305还用于向用户展示预设咨询问题;
接收器304还用于,接收用户输入的对咨询问题进行答复的内容。
本发明实施例提供的一种智能诊断疾病的系统,采集待诊断动物对应的图像信息,从图像信息中自动识别待诊断的动物类型和发病部位。然后从数据库中匹配到与该动物类型、发病部位相对应的可能发生疾病的发病图像,供用户选择。当接收到用户选择的发病图像后,再根据发病图像确定疾病类型,并且给出疾病类型对应的治疗措施,展示给用户。通过该种方式,用户可以不自己描述待诊断动物发病的症状,而是由系统根据动物类型和动物部位给出有可能产生的所有疾病图像供用户自主选择。避免了由于用户对于发病症状描述不准确而导致误诊的问题。用户选择发病图像后,系统可以根据发病图像,确定疾病类型,以及与之对应的治疗措施,提供给用户。便于用户及时采取有效治疗措施,尽量减少用户的财产损失。
与上述实施例相对应的,本发明实施例还提供了一种计算机存储介质,该计算机存储介质中包含一个或多个程序指令。其中,一个或多个程序指令用于被一种智能诊断疾病的系统执行如上所介绍的一种智能诊断疾病的方法。
在本发明实施例中,处理器302可以是一种集成电路芯片,具有信号的处理能力。处理器302可以是通用处理器302、数字信号处理器302(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific工ntegrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器302可以是微处理器302或者该处理器302也可以是任何常规的处理器302等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器302执行完成,或者用译码处理器302中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器303,闪存、只读存储器303,可编程只读存储器303或者电可擦写可编程存储器303、寄存器等本领域成熟的存储介质中。处理器302读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器303,例如可以是易失性存储器303或非易失性存储器303,或可包括易失性和非易失性存储器303两者。
其中,非易失性存储器303可以是只读存储器303(Read-Only Memory,简称ROM)、可编程只读存储器303(Programmable ROM,简称PROM)、可擦除可编程只读存储器303(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器303(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器303可以是随机存取存储器303(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器303(Static RAM,简称SRAM)、动态随机存取存储器303(Dynamic RAM,简称DRAM)、同步动态随机存取存储器303(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器303(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器303(Enhanced SDRAM,简称ESDRAM)、同步连接动态随机存取存储器303(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器303(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器303。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种智能诊断疾病的方法,其特征在于,所述方法包括:
采集与待诊断动物对应的图像信息;
从所述图像信息中识别待诊断动物的类型和发病部位;
根据所述待诊断动物的类型和发病部位,向用户展示预存储的与所述待诊断动物类型和发病部位有关的发病图像;
接收所述用户选择的发病图像;
根据所述发病图像,确定疾病类型;
获取与所述疾病类型对应的治疗措施;
将所述疾病类型和与所述疾病类型对应的治疗措施展示给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述从所述图像信息中识别待诊断动物的类型和发病部位,具体包括:
利用预构建的机器学习模型,从所述图像信息中识别所述待诊断动物的类型和发病部位。
3.根据权利要求1所述的方法,其特征在于,所述根据所述发病图像,确定疾病类型,具体包括:
从预建立的数据库中匹配与所述发病图像对应的症状专业描述术语;
根据所述症状专业描述术语,确定疾病类型。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述发病图像,确定疾病类型之前,所述方法还包括:
向所述用户展示预设咨询问题;
接收用户输入的对所述咨询问题进行答复的内容,以便根据所述答复的内容以及所述发病图像,确定疾病类型。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述采集与待诊断动物对应的图像信息,具体包括:
利用增强现实技术,采集与所述待诊断动物对应的图像信息。
6.一种智能诊断疾病的装置,其特征在于,所述装置包括:
图像采集单元,用于采集与待诊断动物对应的图像信息;
处理单元,用于从所述图像信息中识别待诊断动物的类型和发病部位;
显示单元,用于根据所述待诊断动物的类型和发病部位,向用户展示预存储的与所述待诊断动物类型和发病部位有关的发病图像;
接收单元,用于接收所述用户选择的发病图像;
所述处理单元还用于,根据所述发病图像,确定疾病类型;并获取与所述疾病类型对应的治疗措施;
所述显示单元,还用于将所述疾病类型和与所述疾病类型对应的治疗措施展示给所述用户。
7.根据权利要求6所述的装置,其特征在于,所述处理单元具体用于,从预建立的数据库中匹配与所述发病图像对应的症状专业描述术语;
根据所述症状专业描述术语,确定疾病类型。
8.根据权利要求6或7所述的装置,其特征在于,所述显示单元还用于,向所述用户展示预设咨询问题;
所述接收单元还用于,接收用户输入的对所述咨询问题进行答复的内容,以便所述处理单元根据所述答复的内容以及所述发病图像,确定疾病类型。
9.一种智能诊断疾病的系统,其特征在于,所述系统包括:图像采集器,处理器、存储器以及显示器;
图像采集装置,用于采集与待诊断动物对应的图像信息;
接收器,用于接收用户接收用户选择的发病图像;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-5任一项所述的方法;
显示器,用于将所述疾病类型和与所述疾病类型对应的治疗措施展示给用户。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被一种智能诊断疾病的装置执行如权利要求1-5任一项所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910848679.2A CN110570944A (zh) | 2019-09-09 | 2019-09-09 | 一种智能诊断疾病的方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910848679.2A CN110570944A (zh) | 2019-09-09 | 2019-09-09 | 一种智能诊断疾病的方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110570944A true CN110570944A (zh) | 2019-12-13 |
Family
ID=68778540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910848679.2A Pending CN110570944A (zh) | 2019-09-09 | 2019-09-09 | 一种智能诊断疾病的方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110570944A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233787A (zh) * | 2020-09-17 | 2021-01-15 | 北京挺好农牧科技有限公司 | 一种基于聊天机器人的动物疾病诊断系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1994242A (zh) * | 2006-12-29 | 2007-07-11 | 刘富来 | 一种兽医远程自动诊疗系统 |
CN105447516A (zh) * | 2015-11-19 | 2016-03-30 | 山东省农业科学院家禽研究所 | 一种禽病智能诊断方法及系统 |
KR20190091754A (ko) * | 2018-01-29 | 2019-08-07 | 한림대학교 산학협력단 | 파킨슨병의 진단을 위한 입력 패턴 생성 장치 및 방법 |
-
2019
- 2019-09-09 CN CN201910848679.2A patent/CN110570944A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1994242A (zh) * | 2006-12-29 | 2007-07-11 | 刘富来 | 一种兽医远程自动诊疗系统 |
CN105447516A (zh) * | 2015-11-19 | 2016-03-30 | 山东省农业科学院家禽研究所 | 一种禽病智能诊断方法及系统 |
KR20190091754A (ko) * | 2018-01-29 | 2019-08-07 | 한림대학교 산학협력단 | 파킨슨병의 진단을 위한 입력 패턴 생성 장치 및 방법 |
Non-Patent Citations (1)
Title |
---|
挺好E线: "最详细的"挺好e线"APP操作说明,养殖户一定要看!", 《微信公众号》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233787A (zh) * | 2020-09-17 | 2021-01-15 | 北京挺好农牧科技有限公司 | 一种基于聊天机器人的动物疾病诊断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60126448T2 (de) | Verfahren und System zur Bereitstellung eines heimbasierten Gesundheitsdienstes | |
US8789494B2 (en) | Detection apparatus for the monitoring of milking animals | |
EP3659433A1 (de) | System zur analyse von tierausscheidungsbildern | |
Shalloo et al. | A review of precision technologies in pasture-based dairying systems | |
Trevarthen et al. | The RFID-enabled dairy farm: towards total farm management | |
Tekin et al. | Precision livestock farming technologies: Novel direction of information flow | |
CN110570944A (zh) | 一种智能诊断疾病的方法、装置、系统及存储介质 | |
US20140228648A1 (en) | Pet scale kiosk with interactive client information software | |
Clavadetscher et al. | Development of an image-based body condition score for giraffes Giraffa camelopardalis and a comparison of zoo-housed and free-ranging individuals | |
KR20210038092A (ko) | 간단한 소변검사를 수행하기 위한 장치 및 방법 | |
CN114118755A (zh) | 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质 | |
CN111798943A (zh) | 出量和入量记录方法、系统、装置和存储介质 | |
Lokhorst | An introduction to smart dairy farming | |
CN113057593A (zh) | 图像识别方法、可读存储介质及电子设备 | |
CN110502303B (zh) | 评估老年人能力的方法、装置、电子设备和存储介质 | |
US20110010380A1 (en) | Pet health management system | |
US20170094948A1 (en) | Comprehensive System of Herd Management with Automated Data Management | |
Waldner et al. | Disease outbreak investigation in food animal practice | |
Lovatt | Developing flock health plans | |
US20240164645A1 (en) | Apparatus for noninvasive veterinary screening and diagnosis | |
da Silva et al. | The future of veterinarians in bovine herd health management: the bovine practitioner in Europe (perspectives and constraints) | |
Shalloo et al. | A review of big data, smart and precision technologies in pasture-based dairying systems | |
JP7082647B2 (ja) | 保険料算出システム及び保険料算出方法 | |
KR102657144B1 (ko) | 멸균 용기에 의한 반려동물 및 가축의 질병검사 진단키트 및 이를 이용한 질병 측정 방법 및 시스템 | |
Hu et al. | Novel Cattle Farm Management System Based on IoT and RFID |
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: 20191213 |
|
RJ01 | Rejection of invention patent application after publication |