CN111657873A - 一种基于可见光和近红外光谱技术的体质预测方法 - Google Patents

一种基于可见光和近红外光谱技术的体质预测方法 Download PDF

Info

Publication number
CN111657873A
CN111657873A CN202010646249.5A CN202010646249A CN111657873A CN 111657873 A CN111657873 A CN 111657873A CN 202010646249 A CN202010646249 A CN 202010646249A CN 111657873 A CN111657873 A CN 111657873A
Authority
CN
China
Prior art keywords
spectral data
prediction
constitution
face
visible light
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.)
Granted
Application number
CN202010646249.5A
Other languages
English (en)
Other versions
CN111657873B (zh
Inventor
徐华
闫晓剑
刘杰
刘皓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN202010646249.5A priority Critical patent/CN111657873B/zh
Publication of CN111657873A publication Critical patent/CN111657873A/zh
Application granted granted Critical
Publication of CN111657873B publication Critical patent/CN111657873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/442—Evaluating skin mechanical properties, e.g. elasticity, hardness, texture, wrinkle assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Dermatology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于可见光和近红外光谱技术的体质预测方法，属于可见光和近红外光谱技术及中医体质辨识与诊断领域。该方法包括采集用户脸部不同部位的光谱数据，经光谱预处理，脸部光谱数据位置的筛选，确定用于建模的脸部位置及光谱数据。根据医生诊断，借助仪器，给出体质预测。根据采集的光谱数据及对应的体质属性构建多个体质预测模型。预测阶段，检测用户筛选出来的脸部部位的光谱数据，预处理并做多个预测模型体质预测判断，综合评估给出最终的体质预测结果。本方法适用于医疗辅助预测及日常体质预测。该方法提升检测速度及体质预测准确性，实现中医与物理、机电、信息等多方面技术的融合，在原理与实施方案上有明显的独创性。

Description

一种基于可见光和近红外光谱技术的体质预测方法
技术领域
本发明属于可见光和近红外光分析应用技术领域，尤其是一种基于可见光和近红外光谱技术的体质预测方法。
背景技术
人类皮肤的光学特性是近年来很受关注的研究方向之一。当光照射生物体组织的时候，会因表面反射、内部吸收和散射而衰减。皮肤组织吸收光有明显选择性，对其研究可以获得人体信息。皮肤组织是一种致密的非均匀的浑浊光学介质。光照射体表后，一部分被皮肤反射，另一部分被皮肤吸收。随着波长的增加，光的透入程度有所变化。其中可见光在生物组织内的穿透很小，基本全被表面所反射。近红外可以深入皮肤几毫米，可以直接作用到皮肤的血管、淋巴管、神经末梢及其他皮下组织。通过测量皮肤反射光谱，可以获取皮肤丰富的信息内容，包括皮肤颜色、水份、油脂等等属性。
中医诊断学认为，面部皮肤的状态具有重要意义。皮肤为一身之表，观察皮肤可了解邪气的性质和气血津液的盛衰，测知内在脏腑的病变，判断疾病的轻重和预后，而面部皮肤色泽变化易于观察，凡脏腑的虚实、气血的盛衰，皆可通过面部色泽的变化而反映出来，因而临床将面部状态作为中医诊断的重要部分。中医标准将人的体质分为平和、阳虚、气虚、痰湿、湿热、阴虚、血淤、气郁、特禀这9种基本体质类型，除了平和体质，其他8种都是有偏颇的。《素问·刺热》面部分候脏腑理论认为：面部不同部位分侯不同脏腑，观察色泽能诊断相应脏腑病变。分为：左颊：肝，右颊：肺，额：心，下巴：肾，鼻：脾。《灵枢·五色》对全身脏腑肢节在面部的投影区作了详细的划分及规定，共包括首面、咽喉、肺、心、肝、胆、脾、胃、大肠、肾、脐、小肠、膀胱、子宫、肩、臂、手、膺乳、背、股、膝、胫、足、股里、膝髌等25个区域。局部通过各个不同位点或区域反映整体，并与其空间结构模式相同或相近，在人体形色全息现象中，整体各组织器官在局部无特异区域，局部只是通过其组织形状和色泽变化来反映整体功能状态。
现阶段，德国CK皮肤检测仪是唯一经国际皮肤科学认证的专业医学皮肤分析、检测设备。MPA9(Multi Probe Adapter)系统是德国CK公司皮肤测试仪的一个多功能测试平台，主机自身含一个油脂测试探头和八个皮肤测试探头的连接孔，可连接最多八个相同或不同的皮肤测试探头。每种探头均有不同的分析软件和显示窗口。
论文《利用红外热成像的面部识别法辨识中医体质的初步探讨》提出了基于红外热成像与可见光融合等模式识别技术，将人脸面色识别技术与中医体质辨识法有机结合的理论依据及可行性探讨。
传统的体质预测，需借助昂贵的仪器或医生丰富的经验，而且仪器价格昂贵，并没有广泛使用。论文提到了可见光及红外热成像技术运用于中医体质预测，可见光成像及红外热成像分别呈现了面部肤色差异及面部色泽变化对面部红外热成像图测量面部温度差异，主要是体质差异在脸部色泽和温度的间接体现。该方法主要问题是面部色泽易受环境干扰、热成像精度较差，热成像设备价格贵。该方法仅从颜色及温度差异来预测体质，此外测试方法的易干扰及精度问题间接导致后续体质的预测正确性。
因此需要一种快速可靠、操作简便，适用范围广的人体质预测方法。
发明内容
本发明的目的是解决上述问题，以实现通过对脸部皮肤的检测，快速的给出可靠体质状态预判，提出了一种基于可见光和近红外光谱检测体质的方法。可见光和近红外光谱传感器可以过滤不同光谱波长，不光探测皮肤表面，更进一步深入皮肤，直接作用到皮肤的血管、淋巴管、神经末梢及其他皮下组织。通过测量皮肤反射光谱，可以获取皮肤丰富的信息内容，不受干扰的探测面部皮肤表面及皮下组织特性，包括皮肤颜色、水份、油脂等等属性。该方法可以作为医疗辅助诊断或日常体质检测。
为了实现上述目的，本发明采用以下技术方案：
一种基于可见光和近红外光谱技术的体质预测方法，所述方法包括：
S100：采集脸部皮肤样本光谱数据；
S102：通过皮肤检测仪器，给出体质状态预测，标记所述脸部皮肤样本光谱数据代表的体质属性；
S104：对步骤S100中采集脸部皮肤样本光谱数据进行预处理；
S106：对预处理后的光谱数据进行分析处理，确定用来预测的脸部部位数量及位置；
S108：基于步骤S106分析处理后的光谱数据和步骤S102标记的所述脸部皮肤样本光谱数据代表的体质属性，以脸部单个位置的光谱数据单独或者脸部多个位置的光谱数据组合构建多个光谱数据体质预测模型，对于多个(m个)位置光谱数据构建的模型，分别构建最多2m-1个模型，各模型采用各自独立验证的多个光谱分类算法构建；
S110：采集用来预测的脸部一个或多个部位的光谱数据，用步骤S108构建的多个光谱数据体质预测模型进行体质预测；
S112：结合多个模型的预测结果，基于投票机制，少数服从多数，不同脸部部位光谱数据构建的模型赋予不同的权重，综合择优给出体质预测结果。
进一步的，所述步骤S100：采集脸部皮肤样本光谱数据，包括：使用可见光和近红外光谱仪采集脸部皮肤样本光谱信息，获得脸部代表性部位的皮肤表层及皮肤下生物组织丰富信息内容。
进一步的，所述步骤S104中对采集脸部皮肤样本光谱数据进行预处理，具体包括：判断光谱数据当中的异常数据并予以剔除，当采集的光谱数据与同一位置历史数据有明显偏差时，认为是是异常数据，人为提前删除。
进一步的，所述步骤S106：对预处理后的光谱数据进行分析处理，具体包括：剔除相邻部位光谱区分度不大的部位，减少用于建模或预测的部位数量；保留左颊、右颊、额、下巴、鼻脸部光谱数据区分度大的位置。
进一步的，所述S108中，光谱数据体质预测模型，具体包括：
本发明与现有技术相比具有的有益效果是：
该方法改变了传统体质预测方法，使用可见光和近红外光谱仪对脸部多部位进行光谱数据测量。皮肤表面及皮下组织包含多种数据信息，这些信息被用于构建体质预测模型，最后对体质进行预测。随着MEMS光谱传感器的不断发展，价格不断下降，性能不断提升，基于该原理的皮肤检测仪器可应运而生。与传统方法相比，传统的仪器只是测量几个固定的皮肤特征属性值，例如肤色、水分、油脂、PH值等。再通过医生经验判断给出体质预测。而本方法使用可见光和近红外光谱检测皮肤属性。不但可以探测皮肤表面，还探测了皮下生物组织，整条光谱包含更多的属性，再结合中医诊断，构建了体质预测模型。该方法实现了中医与物理、机电、信息等多方面技术的融合，而且操作简单，适用范围广，在原理与实施方案上有明显的独创性。
附图说明
附图1为实施例中提供的一种基于可见光和近红外光谱技术的体质预测方法流程图。
附图2为实施例中提供的一种基于可见光和近红外光谱技术的体质预测方法的采集的部分皮肤光谱预处理后数据图。
具体实施方式
下面结合实施例对本发明作进一步的描述，所描述的实施例仅仅是本发明一部分实施例，并不是全部的实施例。基于本发明中的实施例，本领域的普通技术人员在没有做出创造性劳动前提下所获得的其他所用实施例，都属于本发明的保护范围。
实施例1:
如图1所示，本实施例提供一种基于可见光和近红外光谱技术的体质预测方法，首先采集用户脸部不同部位的光谱数据，经过光谱预处理，脸部光谱数据位置的筛选，确定最后用于建模的脸部位置及光谱数据。然后根据医生诊断，辅于仪器测试，给出用户的体质属性。根据光谱数据及对应的体质属性构建多个体质预测模型。最后预测阶段，首先检测用户筛选出来的脸部部位的光谱数据，并进行预处理。然后进行多个预测模型体质预测判断。综合评估多个预测模型的预测结果，给出最终的体质预测结果。所述方法具体包括以下内容：
S100：采集脸部皮肤样本光谱数据；
可以在门诊或其他情况下在争得用户同意情况下，按照中医诊断理论推荐部位，采集面部多个部位的光谱数据，每个部位可以采集多组；具体为：使用可见光和近红外光谱仪采集脸部皮肤样本光谱信息，根据中医面部分候脏腑理论，检测面部多个部位皮肤光谱数据。获得脸部代表性部位的皮肤表层及皮肤下生物组织丰富信息内容。
S102：通过皮肤检测仪器，给出体质状态预测，标记所述脸部皮肤样本光谱数据代表的体质属性；
S104：对步骤S100中采集脸部皮肤样本光谱数据进行预处理；所述步骤S104中对采集脸部皮肤样本光谱数据进行预处理，具体包括：判断光谱数据当中的异常数据并予以剔除，当采集的光谱数据与同一位置历史数据有明显偏差时，认为是异常数据，人为提前删除。最后得到类似如图2所示的光谱图。
S106：对预处理后的光谱数据进行分析处理，确定用来预测的脸部部位数量及位置；所述步骤S106：对预处理后的光谱数据进行分析处理，具体包括：剔除相邻部位光谱区分度不大的部位，减少用于建模或预测的部位数量；保留左颊、右颊、额、下巴、鼻及其他脸部光谱数据区分度大的位置。
S108：基于步骤S106分析处理后的光谱数据和步骤S102标记的所述脸部皮肤样本光谱数据代表的体质属性，以脸部单个位置的光谱数据单独或者脸部多个位置的光谱数据组合构建多个光谱数据体质预测模型，对于多个(m个)位置光谱数据构建的模型，分别构建最多2m-1个模型，各模型采用各自独立验证的多个光谱分类算法构建；
S110：采集用来预测的脸部一个或多个部位的光谱数据，用步骤S108构建的多个光谱数据体质预测模型进行体质预测；
S112：结合多个模型的预测结果，基于投票机制，少数服从多数，不同脸部部位光谱数据构建的模型赋予不同的权重，综合择优给出体质预测结果。
所述S108中，光谱数据体质预测模型，具体包括：
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于可见光和近红外光谱技术的体质预测方法，其特征在于，所述方法包括：
S100：采集脸部皮肤样本光谱数据；
S102：通过皮肤检测仪器，给出体质状态预测，标记所述脸部皮肤样本光谱数据代表的体质属性；
S104：对步骤S100中采集脸部皮肤样本光谱数据进行预处理；
S106：对预处理后的光谱数据进行分析处理，确定用来预测的脸部部位数量及位置；
S108：基于步骤S106分析处理后的光谱数据和步骤S102标记的所述脸部皮肤样本光谱数据代表的体质属性，以脸部单个位置的光谱数据单独或者脸部多个位置的光谱数据组合构建多个光谱数据体质预测模型；
S110：采集用来预测的脸部一个或多个部位的光谱数据，用步骤S108构建的多个光谱数据体质预测模型进行体质预测；
S112：结合多个模型的预测结果，基于投票机制，少数服从多数，不同脸部部位光谱数据构建的模型赋予不同的权重，综合择优给出体质预测结果。
2.根据权利要求1所述的一种基于可见光和近红外光谱技术的体质预测方法，其特征在于，所述步骤S100：采集脸部皮肤样本光谱数据，包括：使用可见光和近红外光谱仪采集脸部皮肤样本光谱信息，获得脸部代表性部位的皮肤表层及皮肤下生物组织丰富信息内容。
3.根据权利要求1所述的一种基于可见光和近红外光谱技术的体质预测方法，其特征在于，所述步骤S104中对采集脸部皮肤样本光谱数据进行预处理，具体包括：判断光谱数据当中的异常数据并予以剔除。
4.根据权利要求1所述的一种基于可见光和近红外光谱技术的体质预测方法，其特征在于，所述步骤S106：对预处理后的光谱数据进行分析处理，具体包括：剔除相邻部位光谱区分度不大的部位，减少用于建模或预测的部位数量；保留左颊、右颊、额、下巴、鼻脸部光谱数据区分度大的位置。
5.根据权利要求1所述的一种基于可见光和近红外光谱技术的体质预测方法，其特征在于，所述S108中，光谱数据体质预测模型，具体包括：以脸部单个位置的光谱数据单独或者脸部m个位置的光谱数据组合构建多个光谱数据体质预测模型，根据实际，最多可以构建2m-1个模型，采用各自独立验证的多个光谱分类算法。
CN202010646249.5A 2020-07-07 2020-07-07 一种基于可见光和近红外光谱技术的体质预测方法 Active CN111657873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010646249.5A CN111657873B (zh) 2020-07-07 2020-07-07 一种基于可见光和近红外光谱技术的体质预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010646249.5A CN111657873B (zh) 2020-07-07 2020-07-07 一种基于可见光和近红外光谱技术的体质预测方法

Publications (2)

Publication Number Publication Date
CN111657873A true CN111657873A (zh) 2020-09-15
CN111657873B CN111657873B (zh) 2021-06-22

Family

ID=72391422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010646249.5A Active CN111657873B (zh) 2020-07-07 2020-07-07 一种基于可见光和近红外光谱技术的体质预测方法

Country Status (1)

Country Link
CN (1) CN111657873B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116359169A (zh) * 2023-06-02 2023-06-30 谱宁医学科技(天津)有限责任公司 疾病筛查模型的构建装置、疾病筛查装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104757938A (zh) * 2015-03-30 2015-07-08 中国科学院长春光学精密机械与物理研究所 基于近红外光谱技术的皮肤油脂含量检测方法
CN105380609A (zh) * 2015-12-07 2016-03-09 江苏鼎云信息科技有限公司 基于多光谱的皮肤检测方法与系统
CN106510627A (zh) * 2016-11-10 2017-03-22 北京工商大学 基于皮肤测量的阳虚体质评估方法及评估系统
CN109222914A (zh) * 2018-11-06 2019-01-18 北京三医智慧科技有限公司 基于深度学习与多光谱成像技术的中医面诊信息采集与智能化处理方法
CN109637663A (zh) * 2018-11-14 2019-04-16 浙江大学山东工业技术研究院 一种基于机器学习的经皮冠状动脉介入治疗心血管不良事件的预测装置
CN110197720A (zh) * 2019-03-12 2019-09-03 平安科技（深圳）有限公司 糖尿病的预测方法及装置、存储介质、计算机设备
US10405795B1 (en) * 2013-03-15 2019-09-10 The Procter & Gamble Company Methods of classifying periorbital dyschromia and systems therefor

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10405795B1 (en) * 2013-03-15 2019-09-10 The Procter & Gamble Company Methods of classifying periorbital dyschromia and systems therefor
CN104757938A (zh) * 2015-03-30 2015-07-08 中国科学院长春光学精密机械与物理研究所 基于近红外光谱技术的皮肤油脂含量检测方法
CN105380609A (zh) * 2015-12-07 2016-03-09 江苏鼎云信息科技有限公司 基于多光谱的皮肤检测方法与系统
CN106510627A (zh) * 2016-11-10 2017-03-22 北京工商大学 基于皮肤测量的阳虚体质评估方法及评估系统
CN109222914A (zh) * 2018-11-06 2019-01-18 北京三医智慧科技有限公司 基于深度学习与多光谱成像技术的中医面诊信息采集与智能化处理方法
CN109637663A (zh) * 2018-11-14 2019-04-16 浙江大学山东工业技术研究院 一种基于机器学习的经皮冠状动脉介入治疗心血管不良事件的预测装置
CN110197720A (zh) * 2019-03-12 2019-09-03 平安科技（深圳）有限公司 糖尿病的预测方法及装置、存储介质、计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨志霞，王琦: "利用红外热像的面色识别法辨识中医体质的初步探讨", 《中医学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116359169A (zh) * 2023-06-02 2023-06-30 谱宁医学科技(天津)有限责任公司 疾病筛查模型的构建装置、疾病筛查装置、设备及介质
CN116359169B (zh) * 2023-06-02 2023-09-05 谱宁医学科技(天津)有限责任公司 疾病筛查模型的构建装置、疾病筛查装置、设备及介质

Also Published As

Publication number Publication date
CN111657873B (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN104434038B (zh) 对采集到的肤质数据进行处理的方法、装置及系统
Heibel et al. A review of noninvasive techniques for skin cancer detection in dermatology
Monnier et al. In vivo characterization of healthy human skin with a novel, non‐invasive imaging technique: line‐field confocal optical coherence tomography
KR101492803B1 (ko) 촉각 영상 및 근적외선 영상의 정합을 이용한 유방촬영용 영상진단기기 및 유방조직 영상획득방법
US20060247532A1 (en) Method for extraction of optical properties from diffuse reflectance spectra
WO2003058191A2 (en) An intelligent system for detecting errors and determining failure modes in noninvasive measurement of blood and tissue analytes
Yan et al. Diverse region-based CNN for tongue squamous cell carcinoma classification with Raman spectroscopy
CN110946552B (zh) 一种结合光谱和图像的宫颈癌前病变筛查方法
CN108135477A (zh) 处理光学相干断层扫描
Liu et al. Detection of heterogeneity on multi-spectral transmission image based on multiple types of pseudo-color maps
CN111657873B (zh) 一种基于可见光和近红外光谱技术的体质预测方法
Kurakina et al. Probing depth in diffuse reflectance spectroscopy of biotissues: a Monte Carlo study
CN116840214A (zh) 一种诊断脑肿瘤和脑梗死的方法
Nawn et al. Multifractal alterations in oral sub-epithelial connective tissue during progression of pre-cancer and cancer
CN103027669B (zh) 用于判断脉象浮沉度的方法和设备
CN110960219A (zh) 一种皮肤溃疡创面智能辅助诊断系统
CN112587118B (zh) 一种基于深度学习的扩散相关光谱血流量化方法
CN107303174A (zh) 一种互联网+光谱肿瘤临床医学诊断方法
Ahlgrimm-Siess et al. New diagnostics for melanoma detection: from artificial intelligence to RNA microarrays
CN115474930A (zh) 一种基于高光谱图像重建的无创血红蛋白检测方法
KR20150117074A (ko) 피부 진단 장치 및 방법
TWI588492B (zh) 陣列式近場光學高散射材料檢測方法
CN106963392B (zh) 光学无创血糖检测二维相关性标定方法及系统
Balestrieri et al. Automatic psoriasis assessment methods: current scenario and perspectives from a metrologic point of view
KR102290280B1 (ko) 비침습 생체 측정 장치 및 방법과 대사증후군 진단 장치 및 방법

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
GR01 Patent grant
GR01 Patent grant