CN112205982A - 血液数据采集分析智能识别诊断机器人平台 - Google Patents
血液数据采集分析智能识别诊断机器人平台 Download PDFInfo
- Publication number
- CN112205982A CN112205982A CN202010564224.0A CN202010564224A CN112205982A CN 112205982 A CN112205982 A CN 112205982A CN 202010564224 A CN202010564224 A CN 202010564224A CN 112205982 A CN112205982 A CN 112205982A
- Authority
- CN
- China
- Prior art keywords
- blood
- robot
- analysis
- data
- collection
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 73
- 210000004369 blood Anatomy 0.000 title claims abstract description 71
- 238000003745 diagnosis Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 201000010099 disease Diseases 0.000 claims abstract description 42
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 42
- 210000000601 blood cell Anatomy 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 208000024891 symptom Diseases 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims abstract 2
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 8
- 210000004698 lymphocyte Anatomy 0.000 claims description 6
- 210000001616 monocyte Anatomy 0.000 claims description 6
- 210000003651 basophil Anatomy 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 210000003979 eosinophil Anatomy 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- 210000000440 neutrophil Anatomy 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007850 degeneration Effects 0.000 claims description 4
- 230000003412 degenerative effect Effects 0.000 claims description 4
- 239000006260 foam Substances 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 231100000331 toxic Toxicity 0.000 claims description 4
- 230000002588 toxic effect Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000004043 dyeing Methods 0.000 claims description 3
- 210000003934 vacuole Anatomy 0.000 claims description 3
- 210000002478 hand joint Anatomy 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims 2
- 238000007405 data analysis Methods 0.000 abstract description 10
- 230000010391 action planning Effects 0.000 abstract description 9
- 238000013480 data collection Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract 2
- 238000004891 communication Methods 0.000 abstract 1
- 210000004027 cell Anatomy 0.000 description 13
- 230000009471 action Effects 0.000 description 11
- 210000001145 finger joint Anatomy 0.000 description 7
- 201000011510 cancer Diseases 0.000 description 5
- 210000003743 erythrocyte Anatomy 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 208000015181 infectious disease Diseases 0.000 description 5
- 210000000265 leukocyte Anatomy 0.000 description 5
- 230000001154 acute effect Effects 0.000 description 3
- 238000010241 blood sampling Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 210000003714 granulocyte Anatomy 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 231100000570 acute poisoning Toxicity 0.000 description 2
- 230000005859 cell recognition Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004660 morphological change Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 206010014950 Eosinophilia Diseases 0.000 description 1
- 206010018910 Haemolysis Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010025280 Lymphocytosis Diseases 0.000 description 1
- 206010029379 Neutrophilia Diseases 0.000 description 1
- 208000030852 Parasitic disease Diseases 0.000 description 1
- 206010039587 Scarlet Fever Diseases 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 239000002671 adjuvant Substances 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 238000000211 autoradiogram Methods 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 210000000078 claw Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000000222 eosinocyte Anatomy 0.000 description 1
- 230000008588 hemolysis Effects 0.000 description 1
- 201000006747 infectious mononucleosis Diseases 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003448 neutrophilic effect Effects 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 208000037816 tissue injury Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/150007—Details
- A61B5/150015—Source of blood
- A61B5/150022—Source of blood for capillary blood or interstitial fluid
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/150007—Details
- A61B5/150206—Construction or design features not otherwise provided for; manufacturing or production; packages; sterilisation of piercing element, piercing device or sampling device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/151—Devices specially adapted for taking samples of capillary blood, e.g. by lancets, needles or blades
- A61B5/15101—Details
- A61B5/15103—Piercing procedure
- A61B5/15107—Piercing being assisted by a triggering mechanism
- A61B5/15109—Fully automatically triggered, i.e. the triggering does not require a deliberate action by the user, e.g. by contact with the patient's skin
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/151—Devices specially adapted for taking samples of capillary blood, e.g. by lancets, needles or blades
- A61B5/15101—Details
- A61B5/15115—Driving means for propelling the piercing element to pierce the skin, e.g. comprising mechanisms based on shape memory alloys, magnetism, solenoids, piezoelectric effect, biased elements, resilient elements, vacuum or compressed fluids
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
- A61B5/157—Devices characterised by integrated means for measuring characteristics of blood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Hematology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
血液数据采集，分析，智能诊断机器人平台是利用机器人系统与摄像头，血液采集针，分析仪等节点搭建的血液数据采集，分析，重大疾病征兆识别，辅助诊断平台。应用数据采集技术，数据分析，结合机器人节点通信原理，实现机器人语音互动，手臂动作规划，血液采集，分析，识别血液细胞图像异常，智能识别重大疾病征兆等，辅助诊断等功能.通过机器人平台上搭载的摄像头和血液采集针，采集血液数据，智能检测血液细胞医疗指标，包括白细胞，红细胞，中性粒细胞，嗜酸性粒细胞，嗜碱性粒细胞，淋巴细胞，单核细胞。利用神经网络算法分类显微镜下血液标本数据，利用数据分析技术，分析细胞数量，血液占比等。利用。智能识别血液异常及重大疾病血液征兆，对比疾病的关联数据分析，辅助诊断重大疾病。机器人语音指引下高效采集，远端采集医疗数据。有效分析数据，识别疾病等实现智能血液结果反馈和疾病预警。
Description
技术领域：
本发明属于人工智能机器人健康体检设备技术领域，涉及血液数据分析，血液细胞图像智能识别辅助诊断系统。
背景技术：
目前应用于健康体检领域；在检查过程，由于各种人为因素，很难有效血液数据分析，血液细胞图像图像识别，诊断血液细胞图像图像中等存在的疾病问题。体检效率低下，数据采集难，数据采集不精准等问题。
造成体检效率低，费时间，费精力等后果，针对体检效率低下，数据采集难，数据采集不精准等问题，利用机器人搭载的深度摄像头，机器臂搭载的采集设备，通过血液分析仪，在分析仪中计算细胞(白细胞，红细胞，中性粒细胞，嗜酸性粒细胞，嗜碱性粒细胞，淋巴细胞，单核细胞)，分析血液占比检测。通过占比分析方法，识别血液细胞异常图像及重大疾病征兆，征兆点关联疾病的识别，辅助诊断各项异常指标，有效识别重大疾病，智能反馈异常和疾病结果，定期检查。血液检测，高精准的实现智能检测。
发明内容：
本发明的目的是设计人工智能机器人健康体检设备技术领域，涉及血液数据分析，血液细胞图像智能识别辅助诊断系统。
实现有效血液采集图，机器臂动作规划采集，深度摄像头采集人脸，手指图像，关节图像，手指末端图像等数据。实现血液细胞图像分类，血液细胞识别疾病征兆辅助智能诊断。准确识别异常数据，辅助智能诊断疾病等常见问题。
本发明所采用的技术方案：
人工智能机器人血液数据分析，血液细胞图像智能识别辅助诊断机器人平台装置包括：
机器人主系统，所述机器人主系统模块用于实现机器人的主控制，及机器臂采集模块到分析仪模块，血液数据分析模块间通信，用于机器臂动作规划控制模块，语音模块和用户间交互。
设置摄像头及用于采集人脸，手指图像，关节图像，手指末端图像采集。
语音模块，所述数据模块用于主控制系统与用户间交互和语音引导。
血液数据分析模块，所述数据分析模块用于比照标准值分析医疗数据，血液检测，分析，智能识别血液细胞，微生物，细菌检测。发现医疗异常数据。
人体，手采集位置识别模块，人脸，手指图像识别，所述模块用于识别人脸，识别手指，手指末端等位置。
血液细胞图像识别模块，所述模块用于识别血液细胞颜色异常，结构异常，形状异常图像及重大疾病征兆。
机器臂动作规划采集模块，所述机器臂动作规划采集模块动作规划，机器臂动作与用户间的交互，采集，移动，放置血液样本。
本方案中，能够通过机器人的主控制系统，摄像头采集模块，采集人脸图像，手指图像，关节图像，手指末端图像模块等，及细胞标本图像识别模块，机器臂动作规划采集模块，语音模块，语音指令远端控制，加强机器人与用户间的交互，实现智能化采集血液。分析医疗数据用于比照标准值分析医疗数据，分类血液细胞图像，用于精准识别血液细胞异常辅助诊断疾病。提高了智能采集的精准度和医疗数据异常识别的准确度，提高了血液细胞图像分类，分析，智能诊断精准度。
进一步，机器人主系统用于实现机器人的主控制，血液数据采集，血液细胞图像分类，语音交互，动作交互，实现智能采集，分类分析异常数据，智能识别辅助诊断，远端诊断。
作为本发明的进一步改进，用摄像头识别人脸，手指图像，关节图像，手指末端图像等数据。，用摄像头设备辅助人脸，手指定位。
作为本发明的进一步改进，语音模块，包括语音指令远端采集，语音识别，用于主控制系统与用户间交互和语音引导。
作为本发明的又一步改进，动作模块，包括动作规划模块，动作采集模块，用于主控制系统与用户间动作交互，机器臂动作图像采集。
作为本发明的又一步改进，动作模块，包括动作规划模血液采集动作规划，移动，放置，远端控制分析仪，用于主控制系统与用户间动作交互。
主要研究内容及拟解决的关键问题：
血液标本自动送入血液分析仪(搭载在机械臂及监测分析台)动作规划。指端末稍血液采集，送入血液分析仪或监测分析台有限时间内的动作规划。
人脸，手指关节，手指末端识别，采集位置定位方法：
一种病患人脸识别，人体手指位置识别方法包括以下步骤：
S1.建立人脸数学模型及个体脸图像识别的数学模型。
S2.抽取人脸特征，通过图像训练器，得到输出值，识别人脸。
S3.识别手指关节，指端，手指末端定位方法。
进一步一种手指端识别，定位方法，所述方法包括以下步骤：
S1、建立手指图像识别的数学模型。
S2、人体手部关节位置，包括；手指关节，手指末端等的特征。
S3、提取手指关节位置，手指末端位置特征，建立数学模型中输入值。
S4、输入检测项目特征值。
S5、改进权值优化器，通过图像训练，得到输出值。
S6、依据输出结果识别手指关节及手指末端位置信息。
利用改进深度神经网络算法智能识别人脸图像，手指关节，手指末端，精准定位手指末端血液采集区位置。
血液的手指放置，采集，挤按，移动血液样本放置采集区方法包括：
S1：创建采血目标物(设置目标物体尺寸，目标物体位姿，设置目标物体颜色)。
S2：初始化手指挤抓取姿态对象。
S3：设置采血目标位置，采集后放置位置。
S4：生成采血位姿，采集针姿态(初始化抓取姿态对象，创建夹瓜张开闭合的姿态)。
S5：设置期望的采集爪，采集针，血液标本采集区，血液样本放置区目标的参数。
S6：设置采集点的位姿姿态，(X方向上放置物体的偏移参数，Y方向上物体的偏移参数，采集点的偏移角参数)。
S7：生成每个角度和偏移方向上的采集姿态。
S8：需求尝试放置手位置，改变手指姿态的数据列表。
S9：采集姿态列表。
S10：改变姿态，生成采集动作(设置抓取姿态；抓取唯一ID号；设置允许接触的物体，设置抓取列表)。
机器人末稍血液分析，检测方法包括：
血液检测分析识别智能化和微生物，细菌检测分析识别智能化采用深度神经网络算法分析，识别血液标本，检测30余项项目。
S1.采用深度神经网络算法，抽取血液细胞标本的形状，颜色，大小尺寸等细胞特征，识别细胞种类(中性粒细胞，嗜酸性粒细胞，嗜碱性粒细胞，淋巴细胞，单核细胞)，计算，分析血液占比及其在临床疾病中重大意义辅助识别重大疾病。
S2.深度神经网络算法识别红白细胞形态改变，染色反应下颜色异常，结构异常(中毒性颗粒改变如，大小不等，空泡改变，退行性核变性。粒状，棒状，泡沫不规则性，核左移，核右移等显微镜下图像识别辅助感染)，辅助其在临床疾病中重大意义，辅助识别重大疾病。
一种SVM分类血液异常数据的方法，所述方法包括以下步骤：
S1、建立血液细胞标本数学模型。
S2、抽取血液细胞标本的形状，颜色，轮廓，大小尺寸等细胞特征，包括颜色，形状，轮廓等的特征。
S3、提取细胞标本图像的特征。图像的特征值(颜色形状轮廓)等，输入检测项目特征值。
S4、分类识别细胞种类(中性粒细胞，嗜酸性粒细胞，嗜碱性粒细胞，淋巴细胞，单核细胞)，计算，分析血液占比及其在临床疾病中重大意义辅助识别重大疾病。
一种深度神经网络算法血液样本识别的疾病辅助诊断方法，所述方法包括以下步骤：
S1、输入对应血液细胞的数学模型。
S2、抽取血液细胞标本的红白细胞形态改变，染色反应下颜色异常，结构异常，中毒性颗粒改变如，大小不等，空泡改变，退行性核变性。粒状，棒状，泡沫不规则性，核左移，核右移等显微镜下图像识别辅助感染。
S3、建立细胞标本图像的特征的数学模型，输入检测项目特征值。
S4、改进权值优化器，快速训练图像，得到输出值。
S5、依据输出结果，辅助其在临床疾病中异常，辅助识别诊断重大疾病。
具体实施方式
本申请实施例通过设计人工智能机器人健康体检设备技术领域，涉及血液数据分析，血液细胞图像智能识别辅助诊断系统。
实现有效血液采集图，机器臂动作规划采集，深度摄像头采集人脸，手指图像，关节图像，手指末端图像等数据。实现血液细胞图像分类，血液细胞识别疾病征兆辅助智能诊断。准确识别异常数据，辅助智能诊断疾病等常见问题。
解决现有技术中体检效率低下，数据远端，自主采集困难，数据采集不精准等问题的问题，实现了有效检测，数据分析，识别身体异常，血液数据集与重大疾病征兆之间的关联实现智能辅助诊断疾病等，提示异常疾病数据等。
本申请实施中的技术方案为解决上述技术问题的总体思路如下：
通过机器人的主控制系统，搭载摄像头采集模块，采集人脸图像，手指图像，关节图像，手指末端图像模块等，及细胞标本图像识别模块，机器臂动作规划采集模块，语音模块，语音指令远端控制，加强机器人与用户间的交互，实现智能化采集血液。分析医疗数据用于比照标准值分析医疗数据，分类血液细胞图像，用于精准识别血液细胞异常辅助诊断疾病。提高了智能采集的精准度和医疗数据异常识别的准确度。
为了更好的理解上述技术方案，下面结合实施例及附图，对本发明作进一步地的详细说明，但本发明的实施方式不限于此。
附图说明：
图1是本申请实施例一中血液采集模块图.
图2是本申请实施例一中机器人的结构示意图.
附图标记：
10-摄像头；20-语音模块；30-机器臂；40-采集针；50-主控制系统；60-雷达；
100-采集区；200-血液采集位置；300-采集片；400-放置区；500-分析仪.
图3是本申请实施例一中机器人动作规划图.
附图标记：
30-机器臂；40-采集针；100-采集区；200-血液采集位置；300-采集片；400-放置区；500-分析仪.
实施例1：
如图2所示，一种人工智能机器人医疗数据采集，分析健康体检系统，具体机器人数据采集步骤包括：
采用摄像头10采集面部图像识别人脸，将手部放入建采血区100。识别手指关节，指端，手指末端定位200。放置空血液标本片300。采用语音模块控制20的机器臂搭载30的采集针40自动采血。按压末端两侧200，语音20提示采集成功。移动血液样本到放置采集区400。移动血液样本到血液分析仪500。
实施例2：
血液检测实施方法包括：
建立血液细胞模型包括：RBC，WBC，PLT，Hb，HCT，MCV，MCH，MCHC等指标模型。
采用深度神经网络算法，抽取血液细胞标本的形状，颜色，大小尺寸等细胞特征，识别细胞种类(白细胞，红细胞，中性粒细胞，嗜酸性粒细胞，嗜碱性粒细胞，淋巴细胞，单核细胞)。
深度神经网络算法识别红自细胞形态改变，染色反应下颜色异常，结构异常(中毒性颗粒改变如，大小不等，空泡改变，退行性核变性。粒状，棒状，泡沫不规则性)辅助识别血液细胞中的重大异常特征关联的疾病征兆。
在分析仪中计算细胞(中性粒细胞，嗜酸性粒细胞，嗜碱性粒细胞，淋巴细胞，单核细胞)，分析血液占比检测。通过占比分析方法，辅助识别血液异常及重大疾病征兆。
进一步疾病征兆对比关联疾病的数据分析，辅助诊断方法包括：
中性粒细胞增多减少的辅助疾病判断包括急性感染或炎症，组织损伤，急性大出血，急性中毒，恶性肿瘤，自身免疫性疾病。
嗜酸性粒细胞增多减少的辅助疾病判断包括过敏性疾病，寄生虫疾病，皮肤病，血液病，恶性肿瘤，猩红热等传染病。
嗜碱性粒细胞，淋巴细胞增多减少辅助疾病判断恶性肿瘤，白血病等。单核细胞增多辅助疾病判断恶性肿瘤亚急性感染，恶性肿瘤，血液病。
中性粒细胞核象，核左移，核右移等显微镜下图像识别辅助感染，急性失血，急性中毒，急性溶血等病症特征。
Claims (7)
1.血液数据采集分析智能识别诊断机器人平台的特征在于，采用人工智能机器人主控制机器人系统技术，通过机器臂搭载摄像头和血液采集针，智能采集手指末端血液，利用分析仪，显微镜对血液数据进行分析，提高了血液检测效率。
2.血液数据采集分析智能识别诊断机器人平台的特征在于，利用机器人系统搭载摄像头智能采集，识别人脸，手指图像，手关节图像，手指末端图像等采集位置，精准定位手指末端采集位置。
3.血液数据采集分析智能识别诊断机器人平台的特征在于，基于机器学习SVM算法的改进方法，建立血液细胞图像识别特征模型，利用机器学习改进方法智能分类中性粒细胞，嗜酸性粒细胞，嗜碱性粒细胞，淋巴细胞，单核细胞等，大大提高了血液细胞的分类，精准识别，提高识别效率。
4.血液数据采集分析智能识别诊断机器人平台的特征在于，利用改进的深度神经网络方法，利用深度神经网络算法改进方法，建立血液细胞图像识别的数学模型，血液细胞的异常特征，提取图像的染色反应下颜色异常，结构异常，中毒性颗粒改变大小不等，空泡改变，退行性核变性，粒状，棒状，泡沫不规则性等特征值，输入检测项目特征值，改进深度神经网络算法方法，改进权值参数加速器得到输出值，依据输出值的范围判定血液细胞的形状异常，颜色异常等重大疾病征兆。
5.血液数据采集分析智能识别诊断机器人平台的特征在于，利用机器人手臂动作规划设计方法，实现机器人手臂移动，采集针血液采集，放置血液样本，控制分析仪等有效动作向导，从而实现血液采集等功能。
6.血液数据采集分析智能识别诊断机器人平台的特征在于，利用语音模块，语音指令，语音交互，控制机器臂，远端控制机器臂实现血液采集，检测，分析流程。
7.血液数据采集分析智能识别诊断机器人平台的特征在于，实现血液细胞图像分类，血液细胞异常识别，智能识别重大疾病征兆，辅助诊断，准确识别异常数据，实现智能血液检测，精准检测。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010564224.0A CN112205982A (zh) | 2020-06-19 | 2020-06-19 | 血液数据采集分析智能识别诊断机器人平台 |
| PCT/CN2021/000125 WO2021253809A1 (zh) | 2020-06-19 | 2021-06-18 | 血液采集分析、图像智能识别诊断一体化装置、系统及方法 |
| AU2021291903A AU2021291903A1 (en) | 2020-06-19 | 2021-06-18 | Integrated device, system and method for blood collection and analysis as well as intelligent image identification and diagnosis |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010564224.0A CN112205982A (zh) | 2020-06-19 | 2020-06-19 | 血液数据采集分析智能识别诊断机器人平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112205982A true CN112205982A (zh) | 2021-01-12 |
Family
ID=74058606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010564224.0A Pending CN112205982A (zh) | 2020-06-19 | 2020-06-19 | 血液数据采集分析智能识别诊断机器人平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112205982A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112951230A (zh) * | 2021-02-08 | 2021-06-11 | 谈斯聪 | 一种远端及自主实验机器人装置、管理系统及方法 |
| CN113053509A (zh) * | 2021-02-25 | 2021-06-29 | 南京鼓楼医院 | 一种血细胞检测用智能远程会诊系统 |
| CN113192621A (zh) * | 2021-02-24 | 2021-07-30 | 南京鼓楼医院 | 一种血细胞检测用智能化人工读片系统 |
| WO2021253809A1 (zh) * | 2020-06-19 | 2021-12-23 | 谈斯聪 | 血液采集分析、图像智能识别诊断一体化装置、系统及方法 |
| CN114839973A (zh) * | 2022-04-14 | 2022-08-02 | 北京京东乾石科技有限公司 | 无人车和一种操作方法 |
| CN115096884A (zh) * | 2022-05-30 | 2022-09-23 | 上海许晟科技有限公司 | 一种智能试剂检测的系统及方法 |
| CN115205235A (zh) * | 2022-06-24 | 2022-10-18 | 广州尚融网络科技有限公司 | 一种血液细胞类型检测系统及方法 |
-
2020
- 2020-06-19 CN CN202010564224.0A patent/CN112205982A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021253809A1 (zh) * | 2020-06-19 | 2021-12-23 | 谈斯聪 | 血液采集分析、图像智能识别诊断一体化装置、系统及方法 |
| CN112951230A (zh) * | 2021-02-08 | 2021-06-11 | 谈斯聪 | 一种远端及自主实验机器人装置、管理系统及方法 |
| WO2022166505A1 (zh) * | 2021-02-08 | 2022-08-11 | 谈斯聪 | 一种远端及自主实验机器人装置、管理系统及方法 |
| CN113192621A (zh) * | 2021-02-24 | 2021-07-30 | 南京鼓楼医院 | 一种血细胞检测用智能化人工读片系统 |
| CN113053509A (zh) * | 2021-02-25 | 2021-06-29 | 南京鼓楼医院 | 一种血细胞检测用智能远程会诊系统 |
| CN114839973A (zh) * | 2022-04-14 | 2022-08-02 | 北京京东乾石科技有限公司 | 无人车和一种操作方法 |
| CN115096884A (zh) * | 2022-05-30 | 2022-09-23 | 上海许晟科技有限公司 | 一种智能试剂检测的系统及方法 |
| CN115205235A (zh) * | 2022-06-24 | 2022-10-18 | 广州尚融网络科技有限公司 | 一种血液细胞类型检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112205982A (zh) | 血液数据采集分析智能识别诊断机器人平台 | |
| CN107890348B (zh) | 一种基于深度学习法心电节拍特征自动化提取及分类方法 | |
| CN111626114B (zh) | 基于卷积神经网络的心电信号心律失常分类系统 | |
| WO2022166505A1 (zh) | 一种远端及自主实验机器人装置、管理系统及方法 | |
| CN103400123A (zh) | 基于三轴加速度传感器及神经网络的步态类型鉴别方法 | |
| WO2021253809A1 (zh) | 血液采集分析、图像智能识别诊断一体化装置、系统及方法 | |
| CN102768271A (zh) | 样本分析方法及综合样本分析仪 | |
| CN108511055A (zh) | 基于分类器融合及诊断规则的室性早搏识别系统及方法 | |
| CN110148466A (zh) | 一种基于迁移学习的心冲击信号房颤计算机辅助诊断方法 | |
| CN108958474A (zh) | 一种基于误差权重的动作识别多传感信息融合方法 | |
| CN112633342B (zh) | 一种基于深度学习的人体超声检测实时引导策略 | |
| CN109521873A (zh) | 基于协作式脑机接口控制系统及信号协作方法 | |
| CN112206006A (zh) | 自主评估甲状腺结节良恶性的智能辅助识别设备及方法 | |
| CN106940593A (zh) | 基于VC++和Matlab混合编程的Emotiv脑控无人机系统及方法 | |
| CN112784767A (zh) | 基于白细胞显微图像的细胞实例分割算法 | |
| Hcini et al. | Hyperparameter optimization in customized convolutional neural network for blood cells classification | |
| CN112767349B (zh) | 一种网织红细胞识别方法和系统 | |
| CN103345640B (zh) | 一种面向持续想象脑电信号的分类方法 | |
| Shah et al. | Disease estimation using robust AI methods | |
| CN1581149A (zh) | 运用人的情绪和情绪变化信息构建人机界面的方法 | |
| KR20100056254A (ko) | 손가락 힘 추정 방법 및 추정 장치, 손가락 힘 추정을 위한근육 판별 방법 및 근육 판별 장치 | |
| Bhargava et al. | Utilizing Artificial Neural Networks and Multivariate Patient Data for Anemia Detection using WEKA based Approach for Diagnosis | |
| CN215796848U (zh) | 一种自动化废料收集系统 | |
| Wójcik et al. | A complete system for an automated ECG diagnosis | |
| CN112936259B (zh) | 一种适用于水下机器人的人机协作方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: Yu Zhiying Document name: Special letter for business review (not normally related) |
|
| DD01 | Delivery of document by public notice | ||
| DD01 | Delivery of document by public notice |
Addressee: Yu Zhiying Document name: Deemed withdrawal notice |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210112 |