CN112397178A - 一种基于人工智能的医学影像分类处理系统 - Google Patents

一种基于人工智能的医学影像分类处理系统 Download PDF

Info

Publication number
CN112397178A
CN112397178A CN202011158352.1A CN202011158352A CN112397178A CN 112397178 A CN112397178 A CN 112397178A CN 202011158352 A CN202011158352 A CN 202011158352A CN 112397178 A CN112397178 A CN 112397178A
Authority
CN
China
Prior art keywords
unit
image
medical
patient
image information
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.)
Withdrawn
Application number
CN202011158352.1A
Other languages
English (en)
Inventor
周泽文
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011158352.1A priority Critical patent/CN112397178A/zh
Publication of CN112397178A publication Critical patent/CN112397178A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开的属于医学影像分类处理技术领域，具体为一种基于人工智能的医学影像分类处理系统，包括本地电脑、登录单元、图像导入单元、中心系统图像汇总采集单元、筛选分类单元、显示单元和终端服务器。该发明通过摄像装置获取当前患者病灶处的影像信息，通过本系统对上传的影像数据进行标签处理，并且上传终端服务器，实现资料的扩容和分享，同时，将患者的影像信息与资料库内部存储的影像信息进行对应比较，匹配到与之相似的案例影像信息，可准确的对病患拍摄的医学影像资料进行分析，并做出医学检查报告，从而辅助医生提高对患者进行医学检查的效率及准确性。

Description

一种基于人工智能的医学影像分类处理系统
技术领域
本发明涉及医学影像分类处理技术领域，具体为一种基于人工智能的医学影像分类处理系统。
背景技术
随着现代医学成像技术的快速发展,医学影像已经成为重要的辅助诊疗技术。但是,随着各种医学成像设备比如CT、MR、DSA、DR,以及大量计算机技术融合到影响诊断中,医学影像资源的有效利用已经成为了一个非常迫切的问题。医院每天产生海量的医学图像,如果能够对影像类别进行自动标注,可以在很大程度上减少医生的工作量,也能够提高医学影像的使用效率。医学影像分类已经成为一个非常迫切的需求。
传统的基于内容的图像分类方法大多基于图像的全局特征,比如颜色、纹理、形状特征等,这些方法虽然已经取得了不错的分类性能,但由于思路单一,这种分类方法的发展受到了很大的限制。深度学习可以给医疗领域带来巨大的改变，但是，开发训练模型需要大量的专业知识。《柳叶刀》子刊《柳叶刀数字健康》近年来都对此领域报道了多篇论文，是医学领域发展的重要方向之一。
自20世纪80年代首次被提出以来，深度学习在过去10年中飞速发展，很大程度上是由于最初为视频游戏开发的图形处理功能的进步以及日益增多的大型开源数据集，自2012年以来，深度学习为计算机视觉、图像处理、语音识别、自然语言翻译、机器人技术，甚至是汽车自动驾驶等多种领域带来了深刻变革。2015年，“科学美国人(ScientificAmerican)”杂志将深度学习列为年度“改变世界思想”之一。
首先，访问大型、格式标准且结果准确的数据集是一项重大挑战，尽管世界各地的许多机构的大型临床数据集都是开放的，但是拥有易于处理和计算的形式以及可用于学习任务的准确的临床诊断结果的数据数量却很少。全局范围看虽然数据量庞大，但是却难以的到有效利用；其次，现有的设备，摄片的结果数据量庞大，对计算机硬件的要求过高，单一机构难以负担，同时，各个机构、医院都尝试建立自己的模型和系统，但是存在区域化屏障，不能够实现医疗资源的有效共享，阻碍了深度学习的准确性；最后，现有的设备无法及时的对上传的医学影像提供类似的案例资料，并做出医学检查报告，无法辅助医生提高对患者进行医学检查的效率及准确性，因此需要研发一种基于人工智能的医学影像分类处理系统。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于现有中存在的问题，提出了本发明。
因此，本发明的目的是提供一种基于人工智能的医学影像分类处理系统，通过摄像装置获取当前患者病灶处的影像信息，通过本系统对上传的影像数据进行标签处理，并且上传终端服务器，实现资料的扩容和分享，同时，将患者的影像信息与资料库内部存储的影像信息进行对应比较，匹配到与之相似的案例影像信息，可准确的对病患拍摄的医学影像资料进行分析，并做出医学检查报告，从而辅助医生提高对患者进行医学检查的效率及准确性。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
一种基于人工智能的医学影像分类处理系统，其包括本地电脑、登录单元、图像导入单元、中心系统图像汇总采集单元、筛选分类单元、显示单元和终端服务器。
所述本地电脑连接设置有摄像装置，所述摄像装置用以获取当前患者病灶处的影像信息。
所述本地电脑通过连接所述终端服务器后连接有所述登录单元、所述图像导入单元、所述中心系统图像汇总采集单元、所述筛选分类单元、所述显示单元，所述终端服务器可将多个医院所存储的医学影像汇总保留。
所述登录单元用以医生或患者登录本系统，用于医生通过医保卡、就诊卡或手动录入患者手机号或医保卡号的方式，录入患者的身份信息，并将该身份信息发送所述终端服务器储蓄。
由所述摄像装置采集的影像信息输入到所述图像导入单元，所述图像导入单元具有图像采集单元、图像处理单元和图像传输单元，所述图像采集单元将所述摄像装置的影像信息进行采集，再通过所述图像处理单元对影像数据进行识别，并对所识别的影像数据进行标签处理，再通过所述图像传输单元将处理后的影像数据传输到所述中心系统图像汇总采集单元。
所述中心系统图像汇总采集单元可同时汇集多个患者上传的影像信息，并将这些影像信息通过图像信息更新单元储入医学影像资料库内，所述医学影像资料库建立有对应人体各部位的医学评估模型，通过所述图像信息更新单元不断输入，可对所述医学影像资料库的医学评估模型进行训练处理。
所述中心系统图像汇总采集单元将上传的多个患者的影像信息通过所述筛选分类单元进行分类，所述筛选分类单元通过匹配对应单元将患者的影像信息与所述医学影像资料库内部存储的影像信息进行对应比较，匹配到与之相似的影像信息，通过样本储存单元将患者的影像信息进行存储，通过归档储存单元进行归档保存，经过匹配对应单元处理的影像信息通过数字图像转换文字单元转换成文字形式，并且对患者所拍摄的医学影像给出病症的建议，再通过所述显示单元显示。
所述显示单元具有病例查询单元和类似病例资料获取单元.医生通过登录单元登录后可通过所述病例查询单元查询到患者医学影像给出病症的建议，并且通过所述类似病例资料获取单元可查询到以往类似相关病例的处理方式，从而提高医生诊断病情的效率，并为医生的最终判断提供可靠的辅助。
作为本发明所述的一种基于人工智能的医学影像分类处理系统的一种优选方案，其中：所述本地电脑放置于操作台顶部，所述操作台顶部设置有散热系统。
作为本发明所述的一种基于人工智能的医学影像分类处理系统的一种优选方案，其中：所述本地电脑可通过互联网与医生所用电脑相连接。
作为本发明所述的一种基于人工智能的医学影像分类处理系统的一种优选方案，其中：所述摄像装置获取方式包括核磁影像、CT影像、超声影像、X光影像以及红外影像。
作为本发明所述的一种基于人工智能的医学影像分类处理系统的一种优选方案，其中：所述登录单元具有患者信息查询单元和患者信息输入单元，可供医生将患者自身的信息通过所述患者信息输入单元输入到所述本地电脑内，医生也可通过所述患者信息查询单元对患者填写的信息进行查询。
与现有技术相比，本发明的有益效果是：通过摄像装置获取当前患者病灶处的影像信息，通过本系统对上传的影像数据进行标签处理，并且上传终端服务器，实现资料的扩容和分享，同时，将患者的影像信息与资料库内部存储的影像信息进行对应比较，匹配到与之相似的案例影像信息，可准确的对病患拍摄的医学影像资料进行分析，并做出医学检查报告，从而辅助医生提高对患者进行医学检查的效率及准确性。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明系统框图；
图2为本发明操作台主视结构示意图；
图中：本地电脑100、操作台110、摄像装置120、登录单元200、患者信息查询单元210、患者信息输入单元220、图像导入单元300、图像采集单元310、图像处理单元320、图像传输单元330、中心系统图像汇总采集单元400、图像信息更新单元410、医学影像资料库420、筛选分类单元500、匹配对应单元510、样本储存单元520、归档储存单元530、数字图像转换文字单元540、显示单元600、病例查询单元610、类似病例资料获取单元620、终端服务器700。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供如下技术方案：一种基于人工智能的医学影像分类处理系统，在使用过程中，通过摄像装置获取当前患者病灶处的影像信息，通过本系统对上传的影像数据进行标签处理，并且上传终端服务器，实现资料的扩容和分享，同时，将患者的影像信息与资料库内部存储的影像信息进行对应比较，匹配到与之相似的案例影像信息，可准确的对病患拍摄的医学影像资料进行分析，并做出医学检查报告，从而辅助医生提高对患者进行医学检查的效率及准确性。
请参阅图1和图2，包括本地电脑100、登录单元200、图像导入单元300、中心系统图像汇总采集单元400、筛选分类单元500、显示单元600和终端服务器700；
请再次参阅图1和图2，本地电脑100放置于操作台110顶部，操作台110顶部设置有散热系统，本地电脑100连接设置有摄像装置120，摄像装置120用以获取当前患者病灶处的影像信息，摄像装置120获取方式包括核磁影像、CT影像、超声影像、X光影像以及红外影像，本地电脑100可通过互联网与医生所用电脑相连接。
本地电脑100通过连接终端服务器700后连接有登录单元200、图像导入单元300、中心系统图像汇总采集单元400、筛选分类单元500、显示单元600，终端服务器700可将多个医院所存储的医学影像汇总保留。
登录单元200具有患者信息查询单元210和患者信息输入单元220，可供医生将患者自身的信息通过患者信息输入单元220输入到本地电脑100内，医生也可通过患者信息查询单元210对患者填写的信息进行查询，登录单元200用以医生或患者登录本系统，用于医生通过医保卡、就诊卡或手动录入患者手机号或医保卡号的方式，录入患者的身份信息，并将该身份信息发送终端服务器700储蓄。
由摄像装置120采集的影像信息输入到图像导入单元300，图像导入单元300具有图像采集单元310、图像处理单元320和图像传输单元330，图像采集单元310将摄像装置120的影像信息进行采集，再通过图像处理单元320对影像数据进行识别，并对所识别的影像数据进行标签处理，再通过图像传输单元330将处理后的影像数据传输到中心系统图像汇总采集单元400。
中心系统图像汇总采集单元400可同时汇集多个患者上传的影像信息，并将这些影像信息通过图像信息更新单元410储入医学影像资料库420内，医学影像资料库420建立有对应人体各部位的医学评估模型，通过图像信息更新单元410不断输入，可对医学影像资料库420的医学评估模型进行训练处理。
中心系统图像汇总采集单元400将上传的多个患者的影像信息通过筛选分类单元500进行分类，筛选分类单元500通过匹配对应单元510将患者的影像信息与医学影像资料库420内部存储的影像信息进行对应比较，匹配到与之相似的影像信息，通过样本储存单元520将患者的影像信息进行存储，通过归档储存单元530进行归档保存，经过匹配对应单元510处理的影像信息通过数字图像转换文字单元540转换成文字形式，并且对患者所拍摄的医学影像给出病症的建议，再通过显示单元600显示。
显示单元600具有病例查询单元610和类似病例资料获取单元620.医生通过登录单元200登录后可通过病例查询单元610查询到患者医学影像给出病症的建议，并且通过类似病例资料获取单元620可查询到以往类似相关病例的处理方式，从而提高医生诊断病情的效率，并为医生的最终判断提供可靠的辅助。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。

Claims (5)

1.一种基于人工智能的医学影像分类处理系统，其特征在于：包括本地电脑(100)、登录单元(200)、图像导入单元(300)、中心系统图像汇总采集单元(400)、筛选分类单元(500)、显示单元(600)和终端服务器(700)。
所述本地电脑(100)连接设置有摄像装置(120)，所述摄像装置(120)用以获取当前患者病灶处的影像信息；
所述本地电脑(100)通过连接所述终端服务器(700)后连接有所述登录单元(200)、所述图像导入单元(300)、所述中心系统图像汇总采集单元(400)、所述筛选分类单元(500)、所述显示单元(600)，所述终端服务器(700)可将多个医院所存储的医学影像汇总保留；
所述登录单元(200)用以医生或患者登录本系统，用于医生通过医保卡、就诊卡或手动录入患者手机号或医保卡号的方式，录入患者的身份信息，并将该身份信息发送所述终端服务器(700)储蓄；
由所述摄像装置(120)采集的影像信息输入到所述图像导入单元(300)，所述图像导入单元(300)具有图像采集单元(310)、图像处理单元(320)和图像传输单元(330)，所述图像采集单元(310)将所述摄像装置(120)的影像信息进行采集，再通过所述图像处理单元(320)对影像数据进行识别，并对所识别的影像数据进行标签处理，再通过所述图像传输单元(330)将处理后的影像数据传输到所述中心系统图像汇总采集单元(400)；
所述中心系统图像汇总采集单元(400)可同时汇集多个患者上传的影像信息，并将这些影像信息通过图像信息更新单元(410)储入医学影像资料库(420)内，所述医学影像资料库(420)建立有对应人体各部位的医学评估模型，通过所述图像信息更新单元(410)不断输入，可对所述医学影像资料库(420)的医学评估模型进行训练处理；
所述中心系统图像汇总采集单元(400)将上传的多个患者的影像信息通过所述筛选分类单元(500)进行分类，所述筛选分类单元(500)通过匹配对应单元(510)将患者的影像信息与所述医学影像资料库(420)内部存储的影像信息进行对应比较，匹配到与之相似的影像信息，通过样本储存单元(520)将患者的影像信息进行存储，通过归档储存单元(530)进行归档保存，经过匹配对应单元(510)处理的影像信息通过数字图像转换文字单元(540)转换成文字形式，并且对患者所拍摄的医学影像给出病症的建议，再通过所述显示单元(600)显示；
所述显示单元(600)具有病例查询单元(610)和类似病例资料获取单元(620)医生通过登录单元(200)登录后可通过所述病例查询单元(610)查询到患者医学影像给出病症的建议，并且通过所述类似病例资料获取单元(620)可查询到以往类似相关病例的处理方式，从而提高医生诊断病情的效率，并为医生的最终判断提供可靠的辅助。
2.根据权利要求1所述的一种基于人工智能的医学影像分类处理系统，其特征在于：所述本地电脑(100)放置于操作台(110)顶部，所述操作台(110)顶部设置有散热系统。
3.根据权利要求1所述的一种基于人工智能的医学影像分类处理系统，其特征在于：所述本地电脑(100)可通过互联网与医生所用电脑相连接。
4.根据权利要求1所述的一种基于人工智能的医学影像分类处理系统，其特征在于：所述摄像装置(120)获取方式包括核磁影像、CT影像、超声影像、X光影像以及红外影像。
5.根据权利要求1所述的一种基于人工智能的医学影像分类处理系统，其特征在于：所述登录单元(200)具有患者信息查询单元(210)和患者信息输入单元(220)，可供医生将患者自身的信息通过所述患者信息输入单元(220)输入到所述本地电脑(100)内，医生也可通过所述患者信息查询单元(210)对患者填写的信息进行查询。
CN202011158352.1A 2020-10-26 2020-10-26 一种基于人工智能的医学影像分类处理系统 Withdrawn CN112397178A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011158352.1A CN112397178A (zh) 2020-10-26 2020-10-26 一种基于人工智能的医学影像分类处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011158352.1A CN112397178A (zh) 2020-10-26 2020-10-26 一种基于人工智能的医学影像分类处理系统

Publications (1)

Publication Number Publication Date
CN112397178A true CN112397178A (zh) 2021-02-23

Family

ID=74596216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011158352.1A Withdrawn CN112397178A (zh) 2020-10-26 2020-10-26 一种基于人工智能的医学影像分类处理系统

Country Status (1)

Country Link
CN (1) CN112397178A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113744845A (zh) * 2021-09-17 2021-12-03 平安好医投资管理有限公司 基于人工智能的医学影像处理方法、装置、设备及介质
WO2024011895A1 (zh) * 2023-02-06 2024-01-18 河南医学高等专科学校 一种自动化可迁移人工智能医学影像识别系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113744845A (zh) * 2021-09-17 2021-12-03 平安好医投资管理有限公司 基于人工智能的医学影像处理方法、装置、设备及介质
WO2024011895A1 (zh) * 2023-02-06 2024-01-18 河南医学高等专科学校 一种自动化可迁移人工智能医学影像识别系统

Similar Documents

Publication Publication Date Title
WO2023202508A1 (zh) 一种基于认知图谱的全科患者个性化诊疗方案推荐系统
CN112863630A (zh) 基于数据和知识的个性化精准医疗问答系统
CN109903839A (zh) 一种基于云平台的医疗影像阅片系统
Beddiar et al. Automatic captioning for medical imaging (MIC): a rapid review of literature
CN111755118B (zh) 医疗信息处理方法、装置、电子设备及存储介质
JP2018067303A (ja) 診断支援方法、プログラム、及び装置
CN113284572B (zh) 多模态异构的医学数据处理方法及相关装置
CN109920535A (zh) 一种移动中医辨证分析方法及装置
CN111627531A (zh) 一种基于人工智能的医学影像分类处理系统
CN112397178A (zh) 一种基于人工智能的医学影像分类处理系统
CN115994902A (zh) 医学图像分析方法、电子设备及存储介质
CN115714022A (zh) 基于人工智能的新生儿黄疸健康管理系统
CN117854748A (zh) 一种基于知识图谱和生成式大模型的问诊方法及系统
CN118098585A (zh) 一种基于数据驱动与大模型的医学ai助理实现方法及系统
CN117438070A (zh) 基于智能语音交互的医疗问诊诊断系统
EP4449441A1 (en) A computer implemented method and a system
Palumbo et al. Cloud-based biomedical system for remote monitoring of ALS patients
JP4651271B2 (ja) コンピュータ援用患者診断決定支援システム
CN112200810A (zh) 多模态的自动化脑室分割系统及其使用方法
CN116913454A (zh) 一种体检报告生成方法、系统、装置和介质
Siddiqui et al. Artificial intelligence-based myocardial infarction diagnosis: a comprehensive review of modern techniques
Liu et al. Development of an expert-level right ventricular abnormality detection algorithm based on deep learning
CN110289065A (zh) 一种辅助生成医学电子报告的控制方法以及装置
Arshad et al. Integrating an AI Platform into Clinical IT: BPMN Processes for Clinical AI Model Development
CN117059231B (zh) 用于机器学习中医医案的方法及智能诊疗系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210223

WW01 Invention patent application withdrawn after publication