CN114287887A - 疾病诊断方法、装置、电子设备及存储介质 - Google Patents
疾病诊断方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114287887A CN114287887A CN202111645816.6A CN202111645816A CN114287887A CN 114287887 A CN114287887 A CN 114287887A CN 202111645816 A CN202111645816 A CN 202111645816A CN 114287887 A CN114287887 A CN 114287887A
- Authority
- CN
- China
- Prior art keywords
- pet
- disease
- nasal
- nose
- determining
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 200
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 200
- 238000003745 diagnosis Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 34
- 208000024891 symptom Diseases 0.000 claims abstract description 140
- 210000003462 vein Anatomy 0.000 claims description 57
- 238000002405 diagnostic procedure Methods 0.000 claims 4
- 210000001331 nose Anatomy 0.000 description 134
- 206010011224 Cough Diseases 0.000 description 16
- 230000037303 wrinkles Effects 0.000 description 13
- 208000036071 Rhinorrhea Diseases 0.000 description 12
- 206010039101 Rhinorrhoea Diseases 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 208000006673 asthma Diseases 0.000 description 10
- 230000006399 behavior Effects 0.000 description 8
- 229940079593 drug Drugs 0.000 description 8
- 239000003814 drug Substances 0.000 description 8
- 208000023504 respiratory system disease Diseases 0.000 description 8
- 206010037660 Pyrexia Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 206010041232 sneezing Diseases 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006461 physiological response Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种疾病诊断方法、装置、电子设备及存储介质,其中方法包括:电子设备通过获取宠物的症状信息,然后根据症状信息确定宠物的可患疾病类型;再获取宠物的鼻纹信息,最后根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。本申请实施例中,能够通过宠物的症状信息和鼻纹信息来确定出宠物所患的疾病。
Description
技术领域
本申请涉及医疗技术领域,具体涉及一种疾病诊断方法、装置、电子设备及存储介质。
背景技术
由于环境因素以及宠物自身的抵抗力因素,宠物也有可能患上一些疾病。常规的治疗方式,往往医生根据自身经验确定出宠物所患的疾病,然后根据宠物所患的疾病来给宠物开对应的药物。
但是在一些医生经验不足的情况下,不能够根据自身经验来准确判断出宠物实际上所患的疾病,可能导致医生给宠物开的药物治疗效果不佳,导致宠物病情加重。
发明内容
本申请实施例提供一种疾病诊断方法、装置、电子设备及存储介质。该疾病诊断方法能够确定出宠物所患的疾病。
第一方面,本申请实施例提供了一种疾病诊断方法,包括:
获取宠物的症状信息;
根据症状信息确定宠物的可患疾病类型;
获取宠物的鼻纹信息;
根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。
第二方面,本申请实施例提供了一种疾病诊断装置,包括:
第一获取模块,用于获取宠物的症状信息;
第一确定模块,用于根据症状信息确定宠物的可患疾病类型;
第二获取模块,用于获取宠物的鼻纹信息;
第二确定模块,用于根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。
第三方面,本申请实施例中提供一种电子设备,包括存储有可执行程序代码的存储器、与存储器耦合的处理器;处理器调用存储器中存储的可执行程序代码,执行本申请实施例提供的疾病诊断方法中的步骤。
第四方面,本申请实施例提供了一种存储介质,存储介质存储有多条指令,指令适于处理器进行加载,以执行本申请实施例提供的疾病诊断方法中的步骤。
本申请实施例中,电子设备通过获取宠物的症状信息,然后根据症状信息确定宠物的可患疾病类型;再获取宠物的鼻纹信息,最后根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。本申请实施例中,能够通过宠物的症状信息和鼻纹信息来确定出宠物所患的疾病。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的疾病诊断方法的第一流程示意图。
图2是本申请实施例提供的获取鼻纹信息的场景示意图。
图3是本申请实施例提供的疾病诊断方法的第二流程示意图。
图4是本申请实施例提供的疾病诊断装置的结构示意图。
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
由于环境因素以及宠物自身的抵抗力因素,宠物也有可能患上一些疾病。常规的治疗方式,往往医生根据自身经验确定出宠物所患的疾病,然后根据宠物所患的疾病来给宠物开对应的药物。
但是在一些医生经验不足的情况下,不能够根据自身经验来准确判断出宠物实际上所患的疾病,可能导致医生给宠物开的药物治疗效果不佳,导致宠物病情加重。
为了解决上述技术问题,本申请实施例提供了一种疾病诊断方法、装置、电子设备及存储介质。该疾病诊断方法可以判断出宠物所患的疾病。
该疾病诊断方法可以应用于电脑、手机、平板电脑等常见的电子设备,还适用于如智能眼镜、智能手表、智能指环等穿戴式电子设备。在此不做限制。
请参阅图1,图1是本申请实施例提供的疾病诊断方法的第一流程示意图。该疾病诊断方法可以包括以下步骤:
110、获取宠物的症状信息。
在一些实施方式中,电子设备可以在一段观察期内持续的对宠物进行观察,从而确定出宠物的症状信息。比如在观察期内宠物出现了流鼻涕、打喷嚏、哮喘等症状,电子设备可以对这些症状进行保存记录。
例如,电子设备可以采用动物行为识别算法来识别在观察期内宠物的行为,从而确定出宠物的一些行为,比如流鼻涕、打喷嚏、无精打采等行为,然后根据这些行为确定出宠物的症状信息。
在一些实施方式中,用户还可以通过主动将宠物的症状信息输入到电子设备中,然后电子设备对这些宠物的症状信息进行保存记录。
比如,医生或者是主人对宠物进行观察,然后根据宠物的实际生理反应,从而确定出宠物的症状信息,然后将症状信息输入到电子设备中,电子设备对这些症状信息进行保存。
120、根据症状信息确定宠物的可患疾病类型。
在一些方式中,电子设备可以根据症状信息在疾病数据库中确定出包含症状信息的第一疾病类型,然后在第一疾病类型中确定出可患疾病类型。
例如,电子设备可以在疾病数据库中将每一预设疾病类型对应的症状信息和宠物的症状信息进行匹配,然后将包含宠物的所有症状信息的预设疾病类型确定为第一疾病类型。
比如,在宠物的症状信息中包含了咳嗽、流鼻涕、发热三种症状,而疾病数据中的预设疾病类型A包含了咳嗽、流鼻涕、发热三种症状信息,则可以确定预设疾病类型A为第一疾病类型。
在一些实施方式中,电子设备确定出每一第一疾病类型对应的症状信息的数量,然后确定出每一第一疾病类型对应的症状信息的数量和宠物的症状信息的数量之间的差值是否在预设范围内。若某一第一疾病类型对应的症状信息的数量和宠物的症状信息的数量之间的差值在预设范围内,则确定第一疾病类型为宠物的可患疾病类型。
比如,某一第一疾病类型中包含了所有的宠物的症状信息,且第一疾病类型对应的病症信息的数量和宠物的症状信息的数量相同,或者第一疾病类型对应的病症信息的数量和宠物的症状信息的数量之间的差值在0~3内,则认为该第一疾病类型为可患疾病类型。
在一些实施方式中,电子设备可以在预设时间段内确定症状信息中每一症状出现的频率,然后根据每一症状出现的频率在第一疾病类型中确定出可患疾病类型。
例如,宠物对应的症状信息中有咳嗽、哮喘、流鼻涕等症状,在预设时间段内可以获取咳嗽、哮喘、流鼻涕等症状分别占用的时长,然后利用占用的时长除以预设时间段的时长,则确定出每一症状出现的频率。比如咳嗽症状出现了10分钟,预设时间段的时长为40分钟,那么咳嗽所出现的频率为25%。
通过上述方式,可以确定出宠物的症状信息中每一症状出现的频率。
然后电子设备可以确定出每一第一疾病类型的症状信息,然后确定出每一症状对应的频率范围。如果宠物的症状信息中每一症状出现的频率均在某一第一疾病类型中对应的症状出现频率范围内,则认为该第一疾病类型为可患疾病类型。
比如在一第一疾病类型中,咳嗽症状对应的频率范围为20%~25%,哮喘症状对应的频率范围为10%~13%,流鼻涕症状对应的频率范围为40%~50%。而宠物的症状信息中,咳嗽症状对应的频率为25%,哮喘症状对应的频率为12%,流鼻涕症状对应的频率为42%。此时,在该第一疾病类型中,每一症状对应的频率范围均可以包含宠物的对应的症状的出现频率,则认为该第一疾病类型为可患疾病类型。
130、获取宠物的鼻纹信息。
请一并参阅图2,图2是本申请实施例提供的获取鼻纹信息的场景示意图。
电子设备S10上设置有传感器S11,传感器S11可以对宠物的鼻子进行扫描,从而得到宠物的鼻纹信息。传感器S11可以是激光传感器、超声波传感器、图像传感器等传感器,电子设备可以在一定距离内对宠物的鼻子进行扫描,从而获取宠物的鼻纹信息。
具体的,在电子设备通过激光扫描时,可以通过tof(time of fly)传感器来对宠物的鼻子进行扫描,激光照射到鼻子上之后,由于不同的鼻纹对应的鼻纹深度是不同的,则激光照射到不同的鼻纹的时间也是不同的,从而使得不同的激光信号反射到激光传感器的时间也不同,发射的激光信号和对应的反射激光信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图,即3D鼻纹图。
电子设备还可以通过超声波扫描的宠物的鼻纹,通过超声波发射到宠物的鼻子上,由于不同的鼻纹对应的鼻纹深度是不同的,则超声波传播到不同的鼻纹的时间也是不同的,从而使得不同的超声波信号反射到超声波传感器的时间也不同,发射的超声波信号和对应的反射超声波信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图。
电子设备可以根据三维空间鼻纹图确定出鼻纹数量和鼻纹深度。例如,在三维空间鼻纹图中存在波峰和波谷,波峰和波谷之间交错分布从而构成鼻纹,其中鼻纹的数量可以根据波谷的数量来进行确定,即波谷的数量可以为鼻纹的数量。而波峰到波谷之间的深度则为鼻纹对应的深度。
电子设备还可以通过摄像头拍摄宠物的鼻子的图像,然后对鼻子的图像进行优化处理,得到多张优化图像,然后根据多张优化图像得到宠物的鼻纹图,再通过对鼻纹图进行识别,从而确定宠物鼻纹的数量和鼻纹的分布情况。
例如,电子设备可以在同一拍摄位置获取多张宠物的鼻子的图像,然后对多张宠物的鼻子的图像进行灰度处理,从而得到多张灰度图像,然后对灰度图像的进行亮度调节、对比度调节、锐化调节等处理方式,从而得到多张优化图像。电子设备再对多张优化图像进行图像融合处理,得到鼻纹图像。
电子设备可以对鼻纹图像进行识别处理,从而确定出最终宠物鼻纹对应的鼻纹数量和鼻纹的分布情况。
例如,由于在鼻纹图像中,鼻纹对应的波峰和波谷是不同的,因此鼻纹的波峰和波谷在鼻纹图像上分别对应的像素信息是不同的。比如波峰和波谷在鼻纹图像上分别对应的灰度值是不同的,在鼻纹图像上,波峰区域像素对应的灰度值比波谷区域像素对应的灰度值低。则电子设备可以针对于像素对应的灰度值进行识别,从而确定出波峰和波谷,最终电子设备可以根据波谷的数量确定出鼻纹数量。还可以根据波峰和波谷的分布情况确定出鼻纹的分布情况。
电子设备在获取到宠物的鼻子图像之后,还可以将宠物的鼻子图像输入到神经网络模型中进行图像分割,比如可以采用U-Net模型、Encoder-Decoder模型等图像分割模型对宠物鼻子的图像进行分割,即对鼻子上波峰对应的图像和波谷对应的图像进行分割,从而得到鼻纹中波峰对应的图像和/或波谷对应的图像,最后根据波峰对应的图像和/或波谷对应的图像确定出鼻纹的数量和鼻纹的分布情况。
需要说明的是,宠物鼻子上的鼻纹是波峰和波谷交错构成的,当获取到波峰对应的图像或波谷对应的图像之后,能够根据波峰的数量或者波谷的数量确定出鼻纹的数量。
在一些实施方式中,在电子设备得到宠物鼻纹的数量、鼻纹的深度、鼻纹的分布情况之后,可以根据这些信息生成宠物对应的鼻纹信息。
具体的,电子设备可以在宠物的鼻子上确定出至少一个目标区域,获取至少一个目标区域对应的鼻纹信息。
在宠物的鼻子上,一些区域的鼻纹特征较为明显,比如在宠物鼻子的中部。而一些鼻子上的区域鼻纹特征不是很明显,比如在宠物鼻子的边缘。可以在宠物鼻子的中部确定出至少一个目标区域,然后获取目标区域对应的鼻纹信息。
电子设备还可以先确定出鼻孔区域和鼻子边缘区域,然后去除鼻孔区域和鼻子边缘区域,将鼻子上剩余的区域确定为可以获取鼻纹的区域,然后在可以获取鼻纹的区域上确定出至少一个目标区域。
在一些实施方式中,电子设备可以获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度,然后根据鼻纹数量和/或鼻纹深度确定宠物的鼻纹信息。
例如,电子设备可以确定每一条鼻纹的鼻纹深度的分布情况,得到鼻纹深度分布图,然后根据鼻纹深度分布图确定宠物的鼻纹信息。如上述可知,可以通过激光扫描、超声波扫描等方式来获取目标区域内每一条鼻纹的深度情况,然后根据每一条鼻纹的深度情况构造出鼻纹深度分布图。
在一些实施方式中,电子设备还可以在三维空间鼻纹图(鼻纹深度分布图)的目标区域内确定出多个目标波峰点和多个目标波谷点,目标波峰点是高度高于第一预设高度的波峰点,目标波谷是高度低于第二预设高度的波谷点。然后确定每个目标波峰点与最近的目标波谷点之间的矢量距离,然后根据每个目标波峰点与最近的目标波谷点之间的矢量距离生成宠物对应的鼻纹信息。
在一些实施方式中,还可以在目标区域内获取鼻纹的平均鼻纹深度,根据平均鼻纹深度来生成鼻纹信息。
在一些实施方式中,电子设备还可以通过在目标区域中确定多个目标子区域,并确定每一目标子区域对应的鼻纹数量,然后根据每一目标子区域对应的鼻纹数量确定宠物的鼻纹信息。
例如,电子设备在宠物鼻子上确定出目标区域之后,可以对该目标区域进行划分,从而得到多个目标子区域,然后确定出每一目标子区域中的鼻纹数量。电子设备根据每一目标子区域对应的鼻纹数量生成宠物的鼻纹信息。
在对目标区域进行划分时,可以根据预设的划分规则来进行划分,比如先确定出宠物鼻子的形状,然后根据宠物鼻子的形状确定出每一个目标子区域对应的形状。然后根据目标区域所涵盖的面积来确定出划分的目标子区域的数量,比如目标区域面积越大,划分的目标子区域的数量越多,目标区域的面积越小,则划分的目标子区域的数量越少。
在一些实施方式中,电子设备在宠物的鼻纹上确定出至少要一个目标区域之后,可以获取目标区域的鼻纹数量和每一条鼻纹对应的鼻纹深度,然后根据鼻纹数量和每一条鼻纹对应的鼻纹深度生成宠物的鼻纹信息。
需要说明的是,以上内容中针对于宠物的鼻纹信息的获取只是例举,在实际获取宠物的鼻纹信息的方式中,还可以采取其他方式来确定出宠物的鼻纹信息。
140、根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。
在一些实施方式中,在疾病数据中的每一预设疾病类型均对应有对应的鼻纹信息范围。
例如,宠物在患有某呼吸道疾病时,由于鼻子湿度的变化和病情的影响,导致宠物的鼻子发生变化,比如肿胀、潮湿,或者干裂等等。通过记录宠物患此呼吸道疾病时对应的鼻纹信息,比如鼻纹数量、鼻纹深度等,此时宠物的鼻纹信息会根据病情的变化发生一定的波动,比如在目标区域内的鼻纹数量、鼻纹深度的变化。可以通过记录鼻纹信息的波动范围,从而生成该呼吸道疾病对应的鼻纹信息范围。将该呼吸道疾病和鼻纹信息范围关联起来,保存在疾病数据库中。
具体的,鼻纹信息范围可以是在目标区域内获取的,该目标区域和上述获取宠物的鼻纹信息的目标区域可以是相同位置的区域。
在一些实施方式中,电子设备可以确定每一可患疾病类型对应的鼻纹信息范围;然后根据鼻纹信息和鼻纹信息范围确定出宠物对应的目标疾病类型。
具体的,电子设备可以确定宠物的鼻纹信息所属的目标鼻纹信息范围;然后将目标鼻纹信息范围对应的可患疾病类型确定为宠物对应的目标疾病类型。
比如,可患疾病类型A中对应的鼻纹信息范围中包含目标区域的鼻纹数量波动范围、鼻纹深度的波动范围、平均鼻纹深度的波动范围等等。
电子设备可以将宠物的鼻纹信息中的鼻纹数量和鼻纹数量波动范围进行对比,还可以将宠物的鼻纹信息中的鼻纹深度和鼻纹深度波动范围进行对比,还可以将宠物的鼻纹信息中的平均鼻纹深度和平均鼻纹深度波动范围进行对比。
如果宠物的鼻纹信息中的鼻纹数量在鼻纹数量波动范围内,且宠物的鼻纹信息中的鼻纹深度在鼻纹深度波动范围内,且宠物的鼻纹信息中的平均鼻纹深度在平均鼻纹深度波动范围内,则认为该鼻纹信息范围对应的可患疾病类型为宠物所患的目标疾病类型。
在确定好宠物所患的目标疾病类型之后,电子设备可以推荐对应的医院或者医生,从而使得用户能够及时对宠物进行治疗。或者推荐出对应的药物以及药物用量,从而使得用户能够及时对宠物进行治疗。
本申请实施例中,电子设备通过获取宠物的症状信息,然后根据症状信息确定宠物的可患疾病类型;再获取宠物的鼻纹信息,最后根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。本申请实施例中,能够通过宠物的症状信息和鼻纹信息来确定出宠物所患的疾病。
为了更加详细的了解本申请实施例提供的疾病诊断方法,请参阅图3,图3是本申请实施例提供的疾病诊断方法的第二流程示意图。该疾病诊断方法可以包括以下步骤:
201、获取宠物的症状信息。
在一些实施方式中,电子设备可以在一段观察期内持续的对宠物进行观察,从而确定出宠物的症状信息。比如在观察期内宠物出现了流鼻涕、打喷嚏、哮喘等症状,电子设备可以对这些症状进行保存记录。
例如,电子设备可以采用动物行为识别算法来识别在观察期内宠物的行为,从而确定出宠物的一些行为,比如流鼻涕、打喷嚏、无精打采等行为,然后根据这些行为确定出宠物的症状信息。
在一些实施方式中,用户还可以通过主动将宠物的症状信息输入到电子设备中,然后电子设备对这些宠物的症状信息进行保存记录。
比如,医生或者是主人对宠物进行观察,然后根据宠物的实际生理反应,从而确定出宠物的症状信息,然后将症状信息输入到电子设备中,电子设备对这些症状信息进行保存。
202、根据症状信息在疾病数据库中确定出包含症状信息的第一疾病类型。
在一些方式中,电子设备可以根据症状信息在疾病数据库中确定出包含症状信息的第一疾病类型,然后在第一疾病类型中确定出可患疾病类型。
例如,电子设备可以在疾病数据库中将每一预设疾病类型对应的症状信息和宠物的症状信息进行匹配,然后将包含宠物的所有症状信息的预设疾病类型确定为第一疾病类型。
比如,在宠物的症状信息中包含了咳嗽、流鼻涕、发热三种症状,而疾病数据中的预设疾病类型A包含了咳嗽、流鼻涕、发热三种症状信息,则可以确定预设疾病类型A为第一疾病类型。
203、在预设时间段内确定症状信息中每一症状出现的频率。
例如,宠物对应的症状信息中有咳嗽、哮喘、流鼻涕等症状,在预设时间段内可以获取咳嗽、哮喘、流鼻涕等症状分别占用的时长,然后利用占用的时长除以预设时间段的时长,则确定出每一症状出现的频率。比如咳嗽症状出现了10分钟,预设时间段的时长为40分钟,那么咳嗽所出现的频率为25%。
通过上述方式,可以确定出宠物的症状信息中每一症状出现的频率。
204、根据每一症状出现的频率在第一疾病类型中确定出可患疾病类型。
电子设备可以确定出每一第一疾病类型的症状信息,然后确定出每一症状对应的频率范围。如果宠物的症状信息中每一症状出现的频率均在某一第一疾病类型中对应的症状出现频率范围内,则认为该第一疾病类型为可患疾病类型。
比如在一第一疾病类型中,咳嗽症状对应的频率范围为20%~25%,哮喘症状对应的频率范围为10%~13%,流鼻涕症状对应的频率范围为40%~50%。而宠物的症状信息中,咳嗽症状对应的频率为25%,哮喘症状对应的频率为12%,流鼻涕症状对应的频率为42%。此时,在该第一疾病类型中,每一症状对应的频率范围均可以包含宠物的对应的症状的出现频率,则认为该第一疾病类型为可患疾病类型。
205、在宠物的鼻子上确定出至少一个目标区域。
在宠物的鼻子上,一些区域的鼻纹特征较为明显,比如在宠物鼻子的中部。而一些鼻子上的区域鼻纹特征不是很明显,比如在宠物鼻子的边缘。可以在宠物鼻子的中部确定出至少一个目标区域,然后获取目标区域对应的鼻纹信息。
电子设备还可以先确定出鼻孔区域和鼻子边缘区域,然后去除鼻孔区域和鼻子边缘区域,将鼻子上剩余的区域确定为可以获取鼻纹的区域,然后在可以获取鼻纹的区域上确定出至少一个目标区域。
206、获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度。
具体的,在电子设备通过激光扫描时,可以通过tof(time of fly)传感器来对宠物的鼻子进行扫描,激光照射到鼻子上之后,由于不同的鼻纹对应的鼻纹深度是不同的,则激光照射到不同的鼻纹的时间也是不同的,从而使得不同的激光信号反射到激光传感器的时间也不同,发射的激光信号和对应的反射激光信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图,即3D鼻纹图。
电子设备还可以通过超声波扫描的宠物的鼻纹,通过超声波发射到宠物的鼻子上,由于不同的鼻纹对应的鼻纹深度是不同的,则超声波传播到不同的鼻纹的时间也是不同的,从而使得不同的超声波信号反射到超声波传感器的时间也不同,发射的超声波信号和对应的反射超声波信号之间会产生相位差,电子设备从而根据该相位差来构建出宠物的鼻纹对应的三维空间鼻纹图。
电子设备可以根据三维空间鼻纹图确定出鼻纹数量和鼻纹深度。例如,在三维空间鼻纹图中存在波峰和波谷,波峰和波谷之间交错分布从而构成鼻纹,其中鼻纹的数量可以根据波谷的数量来进行确定,即波谷的数量可以为鼻纹的数量。而波峰到波谷之间的深度则为鼻纹对应的深度。
电子设备还可以通过摄像头拍摄宠物的鼻子的图像,然后对鼻子的图像进行优化处理,得到多张优化图像,然后根据多张优化图像得到宠物的鼻纹图,再通过对鼻纹图进行识别,从而确定宠物鼻纹的数量和鼻纹的分布情况。
例如,电子设备可以在同一拍摄位置获取多张宠物的鼻子的图像,然后对多张宠物的鼻子的图像进行灰度处理,从而得到多张灰度图像,然后对灰度图像的进行亮度调节、对比度调节、锐化调节等处理方式,从而得到多张优化图像。电子设备再对多张优化图像进行图像融合处理,得到鼻纹图像。
电子设备可以对鼻纹图像进行识别处理,从而确定出最终宠物鼻纹对应的鼻纹数量和鼻纹的分布情况。
例如,由于在鼻纹图像中,鼻纹对应的波峰和波谷是不同的,因此鼻纹的波峰和波谷在鼻纹图像上分别对应的像素信息是不同的。比如波峰和波谷在鼻纹图像上分别对应的灰度值是不同的,在鼻纹图像上,波峰区域像素对应的灰度值比波谷区域像素对应的灰度值低。则电子设备可以针对于像素对应的灰度值进行识别,从而确定出波峰和波谷,最终电子设备可以根据波谷的数量确定出鼻纹数量。还可以根据波峰和波谷的分布情况确定出鼻纹的分布情况。
电子设备在获取到宠物的鼻子图像之后,还可以将宠物的鼻子图像输入到神经网络模型中进行图像分割,比如可以采用U-Net模型、Encoder-Decoder模型等图像分割模型对宠物鼻子的图像进行分割,即对鼻子上波峰对应的图像和波谷对应的图像进行分割,从而得到鼻纹中波峰对应的图像和/或波谷对应的图像,最后根据波峰对应的图像和/或波谷对应的图像确定出鼻纹的数量和鼻纹的分布情况。
需要说明的是,宠物鼻子上的鼻纹是波峰和波谷交错构成的,当获取到波峰对应的图像或波谷对应的图像之后,能够根据波峰的数量或者波谷的数量确定出鼻纹的数量。
207、根据鼻纹数量和/或鼻纹深度确定宠物的鼻纹信息。
在一些实施方式中,电子设备可以确定每一条鼻纹的鼻纹深度的分布情况,得到鼻纹深度分布图,然后根据鼻纹深度分布图确定宠物的鼻纹信息。
例如,电子设备还可以在鼻纹深度分布图的目标区域内确定出多个目标波峰点和多个目标波谷点,目标波峰点是高度高于第一预设高度的波峰点,目标波谷是高度低于第二预设高度的波谷点。然后确定每个目标波峰点与最近的目标波谷点之间的矢量距离,然后根据每个目标波峰点与最近的目标波谷点之间的矢量距离生成宠物对应的鼻纹信息。
在一些实施方式中,电子设备还可以通过在目标区域中确定多个目标子区域,并确定每一目标子区域对应的鼻纹数量,然后根据每一目标子区域对应的鼻纹数量确定宠物的鼻纹信息。
例如,电子设备在宠物鼻子上确定出目标区域之后,可以对该目标区域进行划分,从而得到多个目标子区域,然后确定出每一目标子区域中的鼻纹数量。电子设备根据每一目标子区域对应的鼻纹数量生成宠物的鼻纹信息。
在一些实施方式中,电子设备在宠物的鼻纹上确定出至少要一个目标区域之后,可以获取目标区域的鼻纹数量和每一条鼻纹对应的鼻纹深度,然后根据鼻纹数量和每一条鼻纹对应的鼻纹深度生成宠物的鼻纹信息。
208、确定每一可患疾病类型对应的鼻纹信息范围。
在一些实施方式中,在疾病数据中的每一预设疾病类型均对应有对应的鼻纹信息范围。
例如,宠物在患有某呼吸道疾病时,由于鼻子湿度的变化和病情的影响,导致宠物的鼻子发生变化,比如肿胀、潮湿,或者干裂等等。通过记录宠物患此呼吸道疾病时对应的鼻纹信息,比如鼻纹数量、鼻纹深度等,此时宠物的鼻纹信息会根据病情的变化发生一定的波动,比如在目标区域内的鼻纹数量、鼻纹深度的变化。可以通过记录鼻纹信息的波动范围,从而生成该呼吸道疾病对应的鼻纹信息范围。将该呼吸道疾病和鼻纹信息范围关联起来,保存在疾病数据库中。
具体的,鼻纹信息范围可以是在目标区域内获取的,该目标区域和上述获取宠物的鼻纹信息的目标区域可以是相同位置的区域。
209、根据鼻纹信息和鼻纹信息范围确定出宠物对应的目标疾病类型。
具体的,电子设备可以确定宠物的鼻纹信息所属的目标鼻纹信息范围;然后将目标鼻纹信息范围对应的可患疾病类型确定为宠物对应的目标疾病类型。
比如,可患疾病类型A中对应的鼻纹信息范围中包含目标区域的鼻纹数量波动范围、鼻纹深度的波动范围、平均鼻纹深度的波动范围等等。
电子设备可以将宠物的鼻纹信息中的鼻纹数量和鼻纹数量波动范围进行对比,还可以将宠物的鼻纹信息中的鼻纹深度和鼻纹深度波动范围进行对比,还可以将宠物的鼻纹信息中的平均鼻纹深度和平均鼻纹深度波动范围进行对比。
如果宠物的鼻纹信息中的鼻纹数量在鼻纹数量波动范围内,且宠物的鼻纹信息中的鼻纹深度在鼻纹深度波动范围内,且宠物的鼻纹信息中的平均鼻纹深度在平均鼻纹深度波动范围内,则认为该鼻纹信息范围对应的可患疾病类型为宠物所患的目标疾病类型。
在确定好宠物所患的目标疾病类型之后,电子设备可以推荐对应的医院或者医生,从而使得用户能够及时对宠物进行治疗。或者推荐出对应的药物以及药物用量,从而使得用户能够及时对宠物进行治疗。
在本申请实施例中,电子设备通过获取宠物的症状信息,根据症状信息在疾病数据库中确定出包含症状信息的第一疾病类型,在预设时间段内确定症状信息中每一症状出现的频率,根据每一症状出现的频率在第一疾病类型中确定出可患疾病类型。然后在宠物的鼻子上确定出至少一个目标区域,获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度,根据鼻纹数量和/或鼻纹深度确定宠物的鼻纹信息。最后确定每一可患疾病类型对应的鼻纹信息范围,根据鼻纹信息和鼻纹信息范围确定出宠物对应的目标疾病类型。从而确定出宠物所患的目标疾病类型。
相应的,本申请实施例还提供了一种疾病诊断装置,如图4所示,图4是本申请实施例提供的疾病诊断装置的结构示意图。该疾病诊断包括:
第一获取模块310,用于获取宠物的症状信息。
第一确定模块320,用于根据症状信息确定宠物的可患疾病类型。
第一确定模块320还用于根据症状信息在疾病数据库中确定出包含症状信息的第一疾病类型;在第一疾病类型中确定出可患疾病类型。
第一确定模块320还用于在预设时间段内确定症状信息中每一症状出现的频率;根据每一症状出现的频率在第一疾病类型中确定出可患疾病类型。
第二获取模块330,用于获取宠物的鼻纹信息。
第二获取模块330还用于在宠物的鼻子上确定出至少一个目标区域;获取至少一个目标区域对应的鼻纹信息。
第二获取模块330还用于获取至少一个目标区域对应的鼻纹数量和/或鼻纹深度;根据鼻纹数量和/或鼻纹深度确定宠物的鼻纹信息。
第二确定模块340,用于根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。
第二确定模块340还用于确定每一可患疾病类型对应的鼻纹信息范围;根据鼻纹信息和鼻纹信息范围确定出宠物对应的目标疾病类型。
第二确定模块340还用于确定鼻纹信息所属的目标鼻纹信息范围;将目标鼻纹信息范围对应的可患疾病类型确定为宠物对应的目标疾病类型。
本申请实施例中,电子设备通过获取宠物的症状信息,然后根据症状信息确定宠物的可患疾病类型;再获取宠物的鼻纹信息,最后根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。本申请实施例中,能够通过宠物的症状信息和鼻纹信息来确定出宠物所患的疾病。
相应的,本申请实施例还提供一种电子设备,如图5所示,该电子设备可以包括有一个或一个以上计算机可读存储介质的存储器401、输入单元402、显示单元403、传感器404、包括有一个或者一个以上处理核心的处理器405、以及电源406等部件。本领域技术人员可以理解,图5中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
存储器401可用于存储软件程序以及模块,处理器405通过运行存储在存储器401的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器401可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器401还可以包括存储器控制器,以提供处理器405和输入单元402对存储器401的访问。
输入单元402可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元402可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器405,并能接收处理器405发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元402还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元403可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元403可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid CrystalDisplay)、有机发光二极管(OLED,Organic Light-Emitting Diode)等形式来配置显示面板。进一步的,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器405以确定触摸事件的类型,随后处理器405根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图5中,触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面与显示面板集成而实现输入和输出功能。
电子设备还可包括至少一种传感器404,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在电子设备移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
处理器405是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器401内的软件程序和/或模块,以及调用存储在存储器401内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器405可包括一个或多个处理核心;优选的,处理器405可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器405中。
电子设备还包括给各个部件供电的电源406(比如电池),优选的,电源可以通过电源管理系统与处理器405逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源406还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,电子设备还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备中的处理器405会加载存储器401上存储的计算机程序,处理器405通过加载计算机程序,从而实现各种功能:
获取宠物的症状信息;
根据症状信息确定宠物的可患疾病类型;
获取宠物的鼻纹信息;
根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种疾病诊断方法中的步骤。例如,该指令可以执行如下步骤:
获取宠物的症状信息;
根据症状信息确定宠物的可患疾病类型;
获取宠物的鼻纹信息;
根据鼻纹信息在可患疾病类型中确定出宠物对应的目标疾病类型。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种疾病诊断方法中的步骤,因此,可以实现本申请实施例所提供的任一种疾病诊断方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种疾病诊断方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种疾病诊断方法,其特征在于,包括:
获取宠物的症状信息;
根据所述症状信息确定所述宠物的可患疾病类型;
获取宠物的鼻纹信息;
根据所述鼻纹信息在所述可患疾病类型中确定出所述宠物对应的目标疾病类型。
2.根据权利要求1所述的疾病诊断方法,其特征在于,所述根据所述症状信息确定所述宠物的可患疾病类型,包括:
根据所述症状信息在疾病数据库中确定出包含所述症状信息的第一疾病类型;
在所述第一疾病类型中确定出所述可患疾病类型。
3.根据权利要求2所述的疾病诊断方法,其特征在于,所述在所述第一疾病类型中确定出所述可患疾病类型,包括:
在预设时间段内确定所述症状信息中每一症状出现的频率;
根据所述每一症状出现的频率在所述第一疾病类型中确定出所述可患疾病类型。
4.根据权利要求1所述的疾病诊断方法,其特征在于,所述获取宠物的鼻纹信息,包括:
在所述宠物的鼻子上确定出至少一个目标区域;
获取所述至少一个目标区域对应的鼻纹信息。
5.根据权利要求4所述的疾病诊断方法,其特征在于,所述获取所述至少一个目标区域对应的鼻纹信息,包括:
获取所述至少一个目标区域对应的鼻纹数量和/或鼻纹深度;
根据所述鼻纹数量和/或所述鼻纹深度确定所述宠物的鼻纹信息。
6.根据权利要求1-5任一项所述的疾病诊断方法,其特征在于,所述根据所述鼻纹信息在所述可患疾病类型中确定出所述宠物对应的目标疾病类型,包括:
确定每一所述可患疾病类型对应的鼻纹信息范围;
根据所述鼻纹信息和所述鼻纹信息范围确定出所述宠物对应的目标疾病类型。
7.根据权利要求6所述的疾病诊断方法,其特征在于,所述根据所述鼻纹信息和所述鼻纹信息范围确定出所述宠物对应的目标疾病类型,包括:
确定所述鼻纹信息所属的目标鼻纹信息范围;
将所述目标鼻纹信息范围对应的可患疾病类型确定为所述宠物对应的目标疾病类型。
8.一种疾病诊断装置,其特征在于,包括:
第一获取模块,用于获取宠物的症状信息;
第一确定模块,用于根据所述症状信息确定所述宠物的可患疾病类型;
第二获取模块,用于获取宠物的鼻纹信息;
第二确定模块,用于根据所述鼻纹信息在所述可患疾病类型中确定出所述宠物对应的目标疾病类型。
9.一种电子设备,其特征在于,包括:
存储有可执行程序代码的存储器、与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1至7任一项所述的疾病诊断方法中的步骤。
10.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至7任一项所述的疾病诊断方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111645816.6A CN114287887A (zh) | 2021-12-30 | 2021-12-30 | 疾病诊断方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111645816.6A CN114287887A (zh) | 2021-12-30 | 2021-12-30 | 疾病诊断方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114287887A true CN114287887A (zh) | 2022-04-08 |
Family
ID=80972095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111645816.6A Pending CN114287887A (zh) | 2021-12-30 | 2021-12-30 | 疾病诊断方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114287887A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114904280A (zh) * | 2022-04-28 | 2022-08-16 | 新瑞鹏宠物医疗集团有限公司 | 资源配置方法、装置、设备以及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205083449U (zh) * | 2015-10-15 | 2016-03-16 | 昌泰科医股份有限公司 | 用于感测宠物生理状态的感测设备 |
CN105615842A (zh) * | 2016-02-16 | 2016-06-01 | 赵增友 | 一种电信网络宠物服装屋舍窝笼体温运动定位套用装置 |
CN107066818A (zh) * | 2017-03-30 | 2017-08-18 | 深圳市金立通信设备有限公司 | 一种疾病诊断方法及终端 |
-
2021
- 2021-12-30 CN CN202111645816.6A patent/CN114287887A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205083449U (zh) * | 2015-10-15 | 2016-03-16 | 昌泰科医股份有限公司 | 用于感测宠物生理状态的感测设备 |
CN105615842A (zh) * | 2016-02-16 | 2016-06-01 | 赵增友 | 一种电信网络宠物服装屋舍窝笼体温运动定位套用装置 |
CN107066818A (zh) * | 2017-03-30 | 2017-08-18 | 深圳市金立通信设备有限公司 | 一种疾病诊断方法及终端 |
Non-Patent Citations (2)
Title |
---|
庞辽军等: "信息安全工程", 西安电子科技大学出版社, pages: 231 - 233 * |
贺宋文等: "《宠物疾病诊疗技术》", vol. 1, 29 February 2008, 西安电子科技大学出版社, pages: 231 - 233 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114904280A (zh) * | 2022-04-28 | 2022-08-16 | 新瑞鹏宠物医疗集团有限公司 | 资源配置方法、装置、设备以及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11181985B2 (en) | Dynamic user interactions for display control | |
CN104423591B (zh) | 用于光谱图的视觉处理以生成触觉效果的系统和方法 | |
KR20190128843A (ko) | 확장 가능한 화면 영역의 콘텐츠 표시 방법 및 이를 지원하는 전자 장치 | |
GB2498299B (en) | Evaluating an input relative to a display | |
US20150370349A1 (en) | Ergonomic physical interaction zone cursor mapping | |
KR20180074983A (ko) | 생체 데이터를 획득하기 위한 방법 및 그 전자 장치 | |
US11449802B2 (en) | Machine-learning based gesture recognition using multiple sensors | |
CN105745669A (zh) | 移动装置中的用户验证生物计量技术 | |
KR102546510B1 (ko) | 복수의 입력 간에 매핑된 정보 제공 방법 및 이를 지원하는 전자 장치 | |
CN105677082A (zh) | 基于终端设备的指纹测压方法及其应用方法和对应装置 | |
CN108415654A (zh) | 虚拟输入系统和相关方法 | |
KR102363707B1 (ko) | 압력 센서를 포함하는 전자 장치 및 전자 장치 제어 방법 | |
EP2702464B1 (en) | Laser diode modes | |
CN114287887A (zh) | 疾病诊断方法、装置、电子设备及存储介质 | |
CN114283943A (zh) | 健康预测方法、装置、电子设备及存储介质 | |
CN114332932A (zh) | 健康预测方法、装置、电子设备及存储介质 | |
US20230325719A1 (en) | Machine-learning based gesture recognition using multiple sensors | |
CN114283936A (zh) | 疾病诊断方法、装置、电子设备及存储介质 | |
US10296143B2 (en) | Touch sensing device and sensing method of touch point | |
CN114242224A (zh) | 医生推荐方法、装置、电子设备及存储介质 | |
CN111796980B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN114283452A (zh) | 动物性格分析方法、装置、电子设备及存储介质 | |
JP2021517314A (ja) | 電子機器確定方法、システム、コンピュータシステムおよび読取り可能な記憶媒体 | |
CN112783321B (zh) | 使用多个传感器的基于机器学习的手势识别 | |
CN114065023A (zh) | 内容推荐方法、装置、电子设备及存储介质 |
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 |