CN110767307A - 一种细胞形态学人工智能自动诊断新方法 - Google Patents
一种细胞形态学人工智能自动诊断新方法 Download PDFInfo
- Publication number
- CN110767307A CN110767307A CN201910892229.3A CN201910892229A CN110767307A CN 110767307 A CN110767307 A CN 110767307A CN 201910892229 A CN201910892229 A CN 201910892229A CN 110767307 A CN110767307 A CN 110767307A
- Authority
- CN
- China
- Prior art keywords
- cell morphology
- cell
- artificial intelligent
- data
- analysis
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 32
- 210000004027 cell Anatomy 0.000 claims abstract description 99
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 22
- 210000000601 blood cell Anatomy 0.000 claims abstract description 22
- 238000007405 data analysis Methods 0.000 claims abstract description 22
- 210000002798 bone marrow cell Anatomy 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000001574 biopsy Methods 0.000 claims description 6
- 210000001185 bone marrow Anatomy 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 231100000915 pathological change Toxicity 0.000 claims description 3
- 230000036285 pathological change Effects 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000011161 development Methods 0.000 abstract description 5
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 239000012528 membrane Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004976 peripheral blood cell Anatomy 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种细胞形态学人工智能自动诊断新方法,涉及医疗诊断技术领域。该细胞形态学人工智能自动诊断新方法,包括以下步骤:S1.建立数据共享系统,搭接细胞形态学诊断平台;S2.开展细胞形态学分析会议,研究医院端上传的血细胞形态与骨髓细胞形态等;S3.建立数据分析模型,设置相关程序算法,训练人工智能机器人。通过训练人工智能机器人,利用人工智能机器人的自我学习与分析能力可以自动对细胞进行诊断,无需使用庞大的数据库进行比对,这种方式不仅节约大量的时间,分析结果的准确率大大提高,同时,对于一些新的细胞形态数据库中是完全可以进行分析的,从而加快了人工智能自动诊断技术的发展。
Description
技术领域
本发明涉及医疗诊断技术领域,具体为一种细胞形态学人工智能自动诊断新方法。
背景技术
细胞形态学是研究细胞及各组成部分的显微结构和亚显微结构,包括表现细胞生命现象的生物大分子结构的科学,细胞的形状多种多样,有球体、多面体、纺锤体和柱状体等,由于细胞内在的结构和自身表面张力,以及外部的机械压力,各种细胞总是保持自己的一定形状,细胞的形状和功能之间有密切关系,细胞形态学检验内容是多方面的,对于血液常规来说,主要是指外周血细胞涂片的形态分类,在分析仪给出细胞数量及其它参数的同时,人工推制血膜片,经常规染色后在显微镜下行人工分类。现代血液分析仪可以通过流式细胞、化学染色等技术对细胞进行分类,甚至可以识别异常的细胞,但目前仍需要人工分类复核。
人工智能技术的快速发展,使细胞形态学诊断更加高效和自动化,同时,因其不疲劳性、分析的精准性以及数据库的无限扩容性,使诊断的准确性大幅提高,可以肯定的是,人工智能技术必然会使形态诊断到达一个新的技术高度,但是现有的自动诊断技术还停留在与庞大的数据库进行比对,寻找数据库中相同或者相似的数据,这种方式不仅浪费大量的时间,分析结果的准确率较低,同时,对于一些新的细胞形态数据库中是无法分析的,从而制约了人工智能自动诊断技术的发展。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种细胞形态学人工智能自动诊断新方法,解决了现有的自动诊断技术还停留在与庞大的数据库进行比对,寻找数据库中相同或者相似的数据,这种方式不仅浪费大量的时间,分析结果的准确率较低,同时,对于一些新的细胞形态数据库中是无法分析的,从而制约了人工智能自动诊断技术发展的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种细胞形态学人工智能自动诊断新方法,包括以下步骤:
S1.建立数据共享系统,搭接细胞形态学诊断平台;
S2.开展细胞形态学分析会议,研究医院端上传的血细胞形态与骨髓细胞形态等;
S3.建立数据分析模型,设置相关程序算法,训练人工智能机器人;
S4.将细胞形态导入人工智能机器人,生成细胞形态学分析报告,分析报告内容;
S5.往人工智能机器人中导入血细胞与骨髓细胞等图像以及视频数据,自动诊断并输出结果。
优选的,所述步骤1中建立数据共享系统,搭接细胞形态学诊断平台,具体如下:
1)建立医院端、控制端与专家端数据共享系统,医院端采集的血细胞形态、骨髓细胞形态、骨髓活检以及骨髓活检组织印片等细胞形态数据均上传到控制端中,专家端可以通过控制端下载相关的细胞形态数据,同时专家端也可以上传数据到控制端中,医院端也可以从控制端中下载数据;
2)利用控制端搭接诊断平台,诊断平台与控制端数据库实现数据共享,诊断平台中设置有专家会议系统,专家可通过上传资料注册平台会议资质,同时诊断平台会议系统支持多人视频会议,诊断平台会定期发布会议任务并邀请相关专家参与;
3)每一个专家端中均设置有远程控制系统,通过该远程控制系统可以取得平台会议的控制权,当专家端需要取得控制权时,由控制端进行审核,同时控制端可以随时终止专家端的控制。
优选的,所述步骤2中开展细胞形态学分析会议,研究医院端上传的血细胞形态与骨髓细胞形态等,具体如下:
1)确定细胞类型并邀请相关专家参与会议,建立远程视频连线,多位相关领域知名专家在网络上聚集,并让一位专家获得会议控制权,从控制端下载血细胞与骨髓细胞图像以及视频数据进行分析讨论;
2)专家在分析过程中,对细胞不同类型的数量、细胞形态、细胞排列等进行标志,对血细胞与骨髓细胞等进行诊断,诊断病变种类、病变时间与病变程度;
3)对会议过程中进行录制,提取会议中的问题关键词组与回答,将所提问题与回答形成文字,然后保存并上传至控制端。
优选的,所述步骤3中建立数据分析模型,设置相关程序算法,训练人工智能机器人,具体如下:
1)控制端对上传的会议结果内容进行优化,使得一个问题存在多种回答,一个回答存在多种问题,从而针对性的建立数据分析模型;
2)在数据分析模型中设置相关程序算法,数据分析模型可以根据该程序算法生成回答报告;
3)通过数据分析模型与程序算法训练细胞形态分析机器人,机器人从问题与回答中,提取不同专家分析模式与思维,并对其进行取长补短,建立一套自我分析模式,成为人工智能机器人。
优选的,所述步骤4中将细胞形态导入人工智能机器人,生成细胞形态学分析报告,分析报告内容,具体如下:
1)取得一套完整的细胞形态学分析报告,将原来细胞资料上传至数据分析模型中,使用人工智能机器人对该细胞资料进行分析,生成细胞形态学报告并输出;
2)专家组对人工智能机器人的分析结果与原有结果进行比对,检验人工智能机器人的分析准确度,并按照人工智能机器人的不足进行更改设置,直到人工智能机器人分析报告的准确率达到99.9%以上。
优选的,所述步骤5中往人工智能机器人中导入血细胞与骨髓细胞等图像以及视频数据,自动诊断并输出结果,具体如下:
1)将需要诊断的细胞数据导入到人工智能机器人中,利用人工智能机器人对细胞数据进行高速分析并诊断;
2)人工智能机器人将诊断的报告输出并提出指导意见。
(三)有益效果
本发明提供了一种细胞形态学人工智能自动诊断新方法。具备以下有益效果:
1、该细胞形态学人工智能自动诊断新方法,通过训练人工智能机器人,利用人工智能机器人的自我学习与分析能力可以自动对细胞进行诊断,无需使用庞大的数据库进行比对,这种方式不仅节约大量的时间,分析结果的准确率大大提高,同时,对于一些新的细胞形态数据库中是完全可以进行分析的,从而加快了人工智能自动诊断技术的发展。
2、该细胞形态学人工智能自动诊断新方法,通过对人工智能机器人的分析结果与原有结果进行比对,检验人工智能机器人的分析准确度,并按照人工智能机器人的不足进行更改设置,使得人工智能机器人可以具有更加接近于专家的分析水平。
具体实施方式
下面将结合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。
实施例:
本发明实施例提供一种细胞形态学人工智能自动诊断新方法,包括以下步骤:
S1.建立数据共享系统,搭接细胞形态学诊断平台;
S2.开展细胞形态学分析会议,研究医院端上传的血细胞形态与骨髓细胞形态等;
S3.建立数据分析模型,设置相关程序算法,训练人工智能机器人;
S4.将细胞形态导入人工智能机器人,生成细胞形态学分析报告,分析报告内容;
S5.往人工智能机器人中导入血细胞与骨髓细胞等图像以及视频数据,自动诊断并输出结果。
步骤1中建立数据共享系统,搭接细胞形态学诊断平台,具体如下:
1)建立医院端、控制端与专家端数据共享系统,医院端采集的血细胞形态、骨髓细胞形态、骨髓活检以及骨髓活检组织印片等细胞形态数据均上传到控制端中,专家端可以通过控制端下载相关的细胞形态数据,同时专家端也可以上传数据到控制端中,医院端也可以从控制端中下载数据;
2)利用控制端搭接诊断平台,诊断平台与控制端数据库实现数据共享,诊断平台中设置有专家会议系统,专家可通过上传资料注册平台会议资质,同时诊断平台会议系统支持多人视频会议,诊断平台会定期发布会议任务并邀请相关专家参与;
3)每一个专家端中均设置有远程控制系统,通过该远程控制系统可以取得平台会议的控制权,当专家端需要取得控制权时,由控制端进行审核,同时控制端可以随时终止专家端的控制。
步骤2中开展细胞形态学分析会议,研究医院端上传的血细胞形态与骨髓细胞形态等,具体如下:
1)确定细胞类型并邀请相关专家参与会议,建立远程视频连线,多位相关领域知名专家在网络上聚集,并让一位专家获得会议控制权,从控制端下载血细胞与骨髓细胞图像以及视频数据进行分析讨论;
2)专家在分析过程中,对细胞不同类型的数量、细胞形态、细胞排列等进行标志,对血细胞与骨髓细胞等进行诊断,诊断病变种类、病变时间与病变程度;
3)对会议过程中进行录制,提取会议中的问题关键词组与回答,将所提问题与回答形成文字,然后保存并上传至控制端。
步骤3中建立数据分析模型,设置相关程序算法,训练人工智能机器人,具体如下:
1)控制端对上传的会议结果内容进行优化,使得一个问题存在多种回答,一个回答存在多种问题,从而针对性的建立数据分析模型;
2)在数据分析模型中设置相关程序算法,数据分析模型可以根据该程序算法生成回答报告;
3)通过数据分析模型与程序算法训练细胞形态分析机器人,机器人从问题与回答中,提取不同专家分析模式与思维,并对其进行取长补短,建立一套自我分析模式,成为人工智能机器人。
步骤4中将细胞形态导入人工智能机器人,生成细胞形态学分析报告,分析报告内容,具体如下:
1)取得一套完整的细胞形态学分析报告,将原来细胞资料上传至数据分析模型中,使用人工智能机器人对该细胞资料进行分析,生成细胞形态学报告并输出;
2)专家组对人工智能机器人的分析结果与原有结果进行比对,检验人工智能机器人的分析准确度,并按照人工智能机器人的不足进行更改设置,直到人工智能机器人分析报告的准确率达到99.9%以上。
步骤5中往人工智能机器人中导入血细胞与骨髓细胞等图像以及视频数据,自动诊断并输出结果,具体如下:
1)将需要诊断的细胞数据导入到人工智能机器人中,利用人工智能机器人对细胞数据进行高速分析并诊断;
2)人工智能机器人将诊断的报告输出并提出指导意见。
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 (6)
1.一种细胞形态学人工智能自动诊断新方法,其特征在于:包括以下步骤:
S1.建立数据共享系统,搭接细胞形态学诊断平台;
S2.开展细胞形态学分析会议,研究医院端上传的血细胞形态与骨髓细胞形态等;
S3.建立数据分析模型,设置相关程序算法,训练人工智能机器人;
S4.将细胞形态导入人工智能机器人,生成细胞形态学分析报告,分析报告内容;
S5.往人工智能机器人中导入血细胞与骨髓细胞等图像以及视频数据,自动诊断并输出结果。
2.根据权利要求1所述的一种细胞形态学人工智能自动诊断新方法,其特征在于:所述步骤1中建立数据共享系统,搭接细胞形态学诊断平台,具体如下:
1)建立医院端、控制端与专家端数据共享系统,医院端采集的血细胞形态、骨髓细胞形态、骨髓活检以及骨髓活检组织印片等细胞形态数据均上传到控制端中,专家端可以通过控制端下载相关的细胞形态数据,同时专家端也可以上传数据到控制端中,医院端也可以从控制端中下载数据;
2)利用控制端搭接诊断平台,诊断平台与控制端数据库实现数据共享,诊断平台中设置有专家会议系统,专家可通过上传资料注册平台会议资质,同时诊断平台会议系统支持多人视频会议,诊断平台会定期发布会议任务并邀请相关专家参与;
3)每一个专家端中均设置有远程控制系统,通过该远程控制系统可以取得平台会议的控制权,当专家端需要取得控制权时,由控制端进行审核,同时控制端可以随时终止专家端的控制。
3.根据权利要求1所述的一种细胞形态学人工智能自动诊断新方法,其特征在于:所述步骤2中开展细胞形态学分析会议,研究医院端上传的血细胞形态与骨髓细胞形态等,具体如下:
1)确定细胞类型并邀请相关专家参与会议,建立远程视频连线,多位相关领域知名专家在网络上聚集,并让一位专家获得会议控制权,从控制端下载血细胞与骨髓细胞图像以及视频数据进行分析讨论;
2)专家在分析过程中,对细胞不同类型的数量、细胞形态、细胞排列等进行标志,对血细胞与骨髓细胞等进行诊断,诊断病变种类、病变时间与病变程度;
3)对会议过程中进行录制,提取会议中的问题关键词组与回答,将所提问题与回答形成文字,然后保存并上传至控制端。
4.根据权利要求1所述的一种细胞形态学人工智能自动诊断新方法,其特征在于:所述步骤3中建立数据分析模型,设置相关程序算法,训练人工智能机器人,具体如下:
1)控制端对上传的会议结果内容进行优化,使得一个问题存在多种回答,一个回答存在多种问题,从而针对性的建立数据分析模型;
2)在数据分析模型中设置相关程序算法,数据分析模型可以根据该程序算法生成回答报告;
3)通过数据分析模型与程序算法训练细胞形态分析机器人,机器人从问题与回答中,提取不同专家分析模式与思维,并对其进行取长补短,建立一套自我分析模式,成为人工智能机器人。
5.根据权利要求1所述的一种细胞形态学人工智能自动诊断新方法,其特征在于:所述步骤4中将细胞形态导入人工智能机器人,生成细胞形态学分析报告,分析报告内容,具体如下:
1)取得一套完整的细胞形态学分析报告,将原来细胞资料上传至数据分析模型中,使用人工智能机器人对该细胞资料进行分析,生成细胞形态学报告并输出;
2)专家组对人工智能机器人的分析结果与原有结果进行比对,检验人工智能机器人的分析准确度,并按照人工智能机器人的不足进行更改设置,直到人工智能机器人分析报告的准确率达到99.9%以上。
6.根据权利要求1所述的一种细胞形态学人工智能自动诊断新方法,其特征在于:所述步骤5中往人工智能机器人中导入血细胞与骨髓细胞等图像以及视频数据,自动诊断并输出结果,具体如下:
1)将需要诊断的细胞数据导入到人工智能机器人中,利用人工智能机器人对细胞数据进行高速分析并诊断;
2)人工智能机器人将诊断的报告输出并提出指导意见。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892229.3A CN110767307A (zh) | 2019-09-20 | 2019-09-20 | 一种细胞形态学人工智能自动诊断新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892229.3A CN110767307A (zh) | 2019-09-20 | 2019-09-20 | 一种细胞形态学人工智能自动诊断新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110767307A true CN110767307A (zh) | 2020-02-07 |
Family
ID=69330529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910892229.3A Pending CN110767307A (zh) | 2019-09-20 | 2019-09-20 | 一种细胞形态学人工智能自动诊断新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110767307A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833296A (zh) * | 2020-05-25 | 2020-10-27 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测审核系统及审核方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1553166A (zh) * | 2003-12-19 | 2004-12-08 | 武汉大学 | 显微多光谱骨髓及外周血细胞自动分析仪和方法 |
CN102368283A (zh) * | 2011-02-21 | 2012-03-07 | 麦克奥迪实业集团有限公司 | 一种基于数字切片的数字病理远程诊断系统及其方法 |
CN105678075A (zh) * | 2016-01-06 | 2016-06-15 | 万度网络技术有限公司 | 一种血细胞形态分析物联检测诊断方法及平台 |
CN110085315A (zh) * | 2019-04-15 | 2019-08-02 | 中国人民解放军第八一医院 | 细胞形态学人工智能自动诊断新方法 |
-
2019
- 2019-09-20 CN CN201910892229.3A patent/CN110767307A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1553166A (zh) * | 2003-12-19 | 2004-12-08 | 武汉大学 | 显微多光谱骨髓及外周血细胞自动分析仪和方法 |
CN102368283A (zh) * | 2011-02-21 | 2012-03-07 | 麦克奥迪实业集团有限公司 | 一种基于数字切片的数字病理远程诊断系统及其方法 |
CN105678075A (zh) * | 2016-01-06 | 2016-06-15 | 万度网络技术有限公司 | 一种血细胞形态分析物联检测诊断方法及平台 |
CN110085315A (zh) * | 2019-04-15 | 2019-08-02 | 中国人民解放军第八一医院 | 细胞形态学人工智能自动诊断新方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833296A (zh) * | 2020-05-25 | 2020-10-27 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测审核系统及审核方法 |
CN111833296B (zh) * | 2020-05-25 | 2023-03-10 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测审核系统及审核方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647875B (zh) | 一种血细胞分割、识别模型构造的方法及血细胞识别方法 | |
CN109191457A (zh) | 一种病理图像质量有效性识别方法 | |
CN111157698A (zh) | 一种利用发射率数据获取黑土土壤全钾含量的反演方法 | |
CN109697577A (zh) | 一种基于语音的课堂质量评价方法 | |
CN102124964B (zh) | 海水养殖智能化管理系统 | |
CN110495888B (zh) | 一种基于中医舌、面图像的标准色卡及其应用 | |
WO2024021359A1 (zh) | 基于图像脑敏感数据的建成环境主导色测度方法和系统 | |
CN112270129A (zh) | 一种基于大数据分析的植物长势预测方法 | |
CN113011306A (zh) | 连续成熟阶段骨髓细胞图像自动识别方法、系统及介质 | |
CN110767307A (zh) | 一种细胞形态学人工智能自动诊断新方法 | |
CN111833296B (zh) | 一种骨髓细胞形态学自动检测审核系统及审核方法 | |
CN112635069A (zh) | 一种基于常规检验数据的肺结核智能识别方法 | |
CN113988573A (zh) | 基于电力系统巡检无人机的风险判断方法、系统和介质 | |
CN117576103B (zh) | 集成电控显微镜和深度学习算法的尿沉渣镜检分析系统 | |
Wu et al. | Toward effective automated content analysis via crowdsourcing | |
CN112529107A (zh) | 基于可见光图像识别的等离子体温度瞬态诊断方法和系统 | |
CN115641335B (zh) | 基于时差培养箱的胚胎异常多级联智能综合分析系统 | |
CN113295625B (zh) | 基于极端梯度提升的机器视觉染料浓度光谱检测方法 | |
CN113688789B (zh) | 一种基于深度学习的在线学习投入度识别方法及系统 | |
CN109272262A (zh) | 一种自然语言特征的分析方法 | |
CN113033330A (zh) | 一种基于轻型卷积神经网络的舌体姿态异常判别方法 | |
CN110705820A (zh) | 科技创新能力诊断报告生成方法及装置、存储介质和终端 | |
CN109545375A (zh) | 一种用于临检细胞骨髓专业的多功能试验平台 | |
Li et al. | An accurate classification method based on multi-focus videos and deep learning for urinary red blood cell | |
Mai et al. | Identification of Adipogenic and Osteogenic Differentiation using transfer learning of ResNet-18 |
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: 20200207 |
|
RJ01 | Rejection of invention patent application after publication |