CN114420304A - 一种基于深度学习的新型新冠辅助筛查方法及装置 - Google Patents
一种基于深度学习的新型新冠辅助筛查方法及装置 Download PDFInfo
- Publication number
- CN114420304A CN114420304A CN202111650499.7A CN202111650499A CN114420304A CN 114420304 A CN114420304 A CN 114420304A CN 202111650499 A CN202111650499 A CN 202111650499A CN 114420304 A CN114420304 A CN 114420304A
- Authority
- CN
- China
- Prior art keywords
- data
- deep learning
- model
- user
- neural network
- 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- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012216 screening Methods 0.000 title claims abstract description 23
- 238000013135 deep learning Methods 0.000 title claims abstract description 21
- 238000003062 neural network model Methods 0.000 claims abstract description 29
- 230000036760 body temperature Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 22
- 150000007523 nucleic acids Chemical class 0.000 abstract description 16
- 102000039446 nucleic acids Human genes 0.000 abstract description 16
- 108020004707 nucleic acids Proteins 0.000 abstract description 16
- 206010011224 Cough Diseases 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract description 5
- 208000024891 symptom Diseases 0.000 abstract description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000011897 real-time detection Methods 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及医疗设备技术领域，具体为一种基于深度学习的新型新冠辅助筛查方法及装置，包括步骤一：采集设备采集用户的体征数据；步骤二：采集设备将体征数据的信息转变为数字信号，并由网络模块向云端发送数据；步骤三：云端接收数据之后，对数据进行格式转化后传送至深度神经网络模型；步骤四：深度神经网络模型根据数据进行分类，并将分类的结果由云端反馈给采集设备，并在采集设备的显示设备上进行展示。本发明无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者，成本低的同时，检测的效率大大的提升。
Description
技术领域
本发明涉及一种新型新冠辅助筛查方法及装置，特别是涉及一种基于深度学习的新型新冠辅助筛查方法及装置，属于医疗设备技术领域。
背景技术
疫情监测方式主要是测体温与核酸检测，这两种传统的监测方式是耗时耗力的工作，并且效率并不高。
核酸检测的物质是病毒的核酸，核酸检测是查找患者的呼吸道标本、血液或粪便中是否存在外来入侵的病毒的核酸，来确定是否被新冠病毒感染，因此一旦检测为核酸“阳性”，即可证明患者体内有病毒存在，但是核酸检测在效率和成本上存在一定缺陷：首先，一次完整的核酸检测过程包括采集、保存、转运，样本核酸的提取和检测、结果的判读，整个流程的执行时间最快也需2个小时，无法做到实时出结果，此外，核酸检测需要专业人员在现场进行样本采集操作，这个过程需要投入固定的场地以及一定量的人力，这就极大降低了用户自发前往监测点的积极性。
因此，亟需对新型新冠辅助筛查方法及装置进行改进，以解决上述存在的问题。
发明内容
本发明的目的是提供一种基于深度学习的新型新冠辅助筛查方法及装置，无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者，成本低的同时，检测的效率大大的提升。
为了达到上述目的，本发明采用的主要技术方案包括：
一种基于深度学习的新型新冠辅助筛查方法，包括以下步骤：
步骤一：通过采集设备采集用户的体征数据；
步骤二：所述采集设备将所述体征数据的信息转变为数字信号，并由网络模块向云端发送数据；
步骤三：所述云端接收数据之后，对数据进行格式转化后传送至深度神经网络模型；
步骤四：所述深度神经网络模型根据数据进行分类，并将分类的结果由所述云端反馈给所述采集设备，并在所述采集设备的显示设备上进行展示。
通过以上技术方案，采集的体征数据包括但不限于声音数据、肖像数据以及体温数据等，采集到的数据经过特定的传感器设备实现信号的转变，将特征数据转变为数字信号，由网络模块向云端发送数据，云端接收到数据之后，对数据进行清洗和预处理，最后进行格式转化送入深度神经网络模型中，深度神经网络模型根据数据做出预测，预测的结果经由云端返回给采集设备，并在显示设备上进行展示，使用个人生理特征数据的、不需要复杂医学信息采集设备的，如全套核酸检测设备等、可以快速实时检测的、较为通用的新冠患者的识别与检测方法，与现有技术相比，本发明无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者。
优选的，所述采集设备的系统形式包括APP、Web服务以及微信小程序中的一种或多种，因此采集设备可以通过APP、Web或者微信小程序等对用户的信息进行收集和提取，大大提升使用的便捷性以及使用的范围。
优选的，所述云端包括后端服务、数据预处理服务以及数据格式处理模块，所述步骤二还包括以下步骤：
所述采集设备向所述云端发送http请求；
所述后端服务首先对所述http请求进行解析，然后调用相关的数据预处理服务对数据进行清洗、过滤；
再将数据送入到所述数据格式处理模块，所述数据格式处理模块对数据进行变换，形成压缩文件；
通过以上技术方案，云端内部为一套服务系统，负责接收采集设备发送的http请求，后端服务首先对http请求进行解析，获得其中包含的数据字段，然后调用相关的数据预处理服务，对数据进行清洗、过滤，最后将数据送入数据格式处理模块，对数据进行变换，形成深度网络模型可以接收的压缩文件。
优选的，所述深度神经网络模型的数据处理流程包括数据接收、模型加载以及模型预测，具体步骤包括：
所述数据接收接收所述压缩文件，并通过所述模型加载进行模型加载；
加载完成后通过模型预测进行预测；
预测结束后，所述模型预测将数据反馈到所述云端。
优选的，所述深度神经网络模型还包括预存数据库，所述深度神经网络模型将数据储存在所述预存数据库中，所述预存数据库用于对所述云端提供数据；
通过以上技术方案，深度神经网络模型是运行在服务器上的一套独立运行程序，当接收到云端传递的模型输入数据后，会执行模型加载，在加载完成后会进行模型预测并返回预测的结果给云端，最后会将数据与预测结果保存在预存数据库中，为之后的模型优化提供数据。
优选的，所述体征数据包括声音数据、肖像数据以及体温数据。
一种基于深度学习的新型新冠辅助筛查装置，所述采集设备包括传感器模块组、处理器以及储存器，所述传感器模块组包括：
声音传感器，用于接收用户的声音数据；
摄像头，用于收集整理用户的肖像数据；
体温传感器，用于检测用户的体温数据。
通过以上技术方案，该设备不需要大型的医疗设备，仅仅通过手机或者可穿戴设备等易携带、成本低的采集设备，结合云端的深度神经网络模型来实现快速、实时的新冠感染者检测，只需采集的用户的声音数据、肖像数据以及体温数据等，不需要获取用户的血液数据、细胞数据，可以快速实时检测的、较为通用的新冠患者的识别与检测。
优选的，所述网络模块为无线网络模块，且所述网络模块的型号为 zbt-wm8302rt，网络模块可以实时进行传输，提升使用的便捷性和时效性。
优选的，所述采集设备包括：
信息提取模块，所述信息提取模块用于提取用户信息，所述用户信息包括性别信息、年龄信息、居住信息；
图谱生成模块，所述图谱生成模块用于根据所述体温数据生成可视化图谱。
所述储存器、所述处理器以及存储在所述储存器中并能够在所述处理器上运行的计算机程序，方便对信息进行整理，提取和查看，大大提升使用的便捷性和灵活性。
本发明至少具备以下有益效果：
1、无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者，成本低的同时，检测的效率大大的提升。
2、该设备不需要大型的医疗设备，仅仅通过手机或者可穿戴设备等易携带、成本低的采集设备，结合云端的深度神经网络模型来实现快速、实时的新冠感染者检测，只需采集的用户的声音数据、肖像数据以及体温数据等，不需要获取用户的血液数据、细胞数据，可以快速实时检测的、较为通用的新冠患者的识别与检测。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明的方法流程图；
图2为本发明的结构示意图；
图3为本发明的云端结构示意图；
图4为本发明的深度神经网络模型结构示意图；
图5为本发明的采集设备电气原理结构图。
图中，1-采集设备，2-体征数据，3-网络模块，4-云端，5-深度神经网络模型，7-显示设备，8-后端服务，9-数据预处理服务，10-数据格式处理模块， 12-数据接收，13-模型加载，14-模型预测，15-预存数据库，16-声音数据，17- 肖像数据，18-体温数据，19-传感器模块组，21-声音传感器，22-摄像头，23- 体温传感器，24-信息提取模块，25-图谱生成模块，26-处理器，27-储存器。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
如图1-图5所示，本实施例提供的基于深度学习的新型新冠辅助筛查方法，包括以下步骤：
步骤一：通过采集设备1采集用户的体征数据2；
步骤二：采集设备1将体征数据2的信息转变为数字信号，并由网络模块3向云端4发送数据；
步骤三：云端4接收数据之后，对数据进行格式转化后传送至深度神经网络模型5；
步骤四：深度神经网络模型5根据数据进行分类，并将分类的结果由云端4反馈给采集设备1，并在采集设备1的显示设备7上进行展示；
体征数据2包括声音数据16、肖像数据17以及体温数据18；
采集的体征数据2包括但不限于声音数据16、肖像数据17以及体温数据 18等，采集到的数据经过特定的传感器设备实现信号的转变，将特征数据转变为数字信号，由网络模块3向云端4发送数据，云端4接收到数据之后，对数据进行清洗和预处理，最后进行格式转化送入深度神经网络模型5中，深度神经网络模型5根据数据做出预测，预测的结果经由4云端返回给采集设备1，并在显示设备7上进行展示，使用个人生理特征数据的、不需要复杂医学信息采集设备的，如全套核酸检测设备等、可以快速实时检测的、较为通用的新冠患者的识别与检测方法，与现有技术相比，本发明无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者。
采集设备1的系统形式包括APP、Web服务以及微信小程序中的一种或多种，因此采集设备1可以通过APP、Web或者微信小程序等对用户的信息进行收集和提取，大大提升使用的便捷性以及使用的范围。
在本实施例中，如图3所示，云端4包括后端服务8、数据预处理服务9 以及数据格式处理模块10，步骤二还包括以下步骤：
采集设备1向云端4发送http请求；
后端服务8首先对http请求进行解析，然后调用相关的数据预处理服务9 对数据进行清洗、过滤；
再将数据送入到数据格式处理模块10，数据格式处理模块10对数据进行变换，形成压缩文件。
云端4的内部结构如图3所示，云端4内部为一套服务系统，负责接收采集设备1发送的http请求，后端服务8首先对http请求进行解析，获得其中包含的数据字段，然后调用相关的数据预处理服务9，对数据进行清洗、过滤，最后将数据送入数据格式处理模块10，对数据进行变换，形成深度网络模型5可以接收的压缩文件。
在本实施例中，如图4所示，深度神经网络模型5的数据处理流程包括数据接收12、模型加载13以及模型预测14，具体步骤包括：
数据接收12接收压缩文件，并通过模型加载13进行模型加载；
加载完成后通过模型预测14进行预测；
预测结束后，模型预测14将数据反馈到云端4。
深度神经网络模型5还包括预存数据库15，深度神经网络模型5将数据储存在预存数据库15中，预存数据库15用于对云端4提供数据；
深度神经网络模型5的结构如图4所示，深度神经网络模型5是运行在服务器上的一套独立运行程序，当接收到云端4传递的模型输入数据后，会执行模型加载13，在加载完成后会进行模型预测14并返回预测的结果给云端 4，最后会将数据与预测结果保存在预存数据库15中，为之后的模型优化提供数据。
一种基于深度学习的新型新冠辅助筛查装置，采集设备1包括传感器模块组19、处理器26以及储存器27，传感器模块组19包括：
声音传感器21，用于接收用户的声音数据16；
摄像头22，用于收集整理用户的肖像数据17；
体温传感器23，用于检测用户的体温数据18；
该设备不需要大型的医疗设备，仅仅通过手机或者可穿戴设备等易携带、成本低的采集设备1，结合云端4的深度神经网络模型5来实现快速、实时的新冠感染者检测，只需采集的用户的声音数据16、肖像数据17以及体温数据 18等，不需要获取用户的血液数据、细胞数据，可以快速实时检测的、较为通用的新冠患者的识别与检测。
网络模块3为无线网络模块，且网络模块3的型号为zbt-wm8302rt，网络模块3可以实时进行传输，提升使用的便捷性和时效性。
在本实施例中，如图5所示，采集设备1包括：
信息提取模块24，信息提取模块24用于提取用户信息，用户信息包括性别信息、年龄信息、居住信息，图谱生成模块25，图谱生成模块25用于根据体温数据18生成可视化图谱，以图表的形式对用户的体温信息进行统计，便于观察，大大提升使用的便捷性；
储存器27、处理器26以及存储在储存器27中并能够在处理器26上运行的计算机程序，处理器26实现如权利要求1至6中任一项的基于深度学习的新型新冠辅助筛查方法，方便对信息进行整理，提取和查看，大大提升使用的便捷性和灵活性。
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决技术问题，基本达到技术效果。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于深度学习的新型新冠辅助筛查方法，其特征在于，包括以下步骤：
步骤一：通过采集设备(1)采集用户的体征数据(2)；
步骤二：所述采集设备(1)将所述体征数据(2)的信息转变为数字信号，并由网络模块(3)向云端(4)发送数据；
步骤三：所述云端(4)接收数据之后，对数据进行格式转化后传送至深度神经网络模型(5)；
步骤四：所述深度神经网络模型(5)根据数据进行分类，并将分类的结果由所述云端(4)反馈给所述采集设备(1)，并在所述采集设备(1)的显示设备(7)上进行展示。
2.根据权利要求1所述的一种基于深度学习的新型新冠辅助筛查方法，其特征在于：所述采集设备(1)的系统形式包括APP、Web服务以及微信小程序中的一种或多种。
3.根据权利要求1所述的一种基于深度学习的新型新冠辅助筛查方法，其特征在于：所述云端(4)包括后端服务(8)、数据预处理服务(9)以及数据格式处理模块(10)，所述步骤二还包括以下步骤：
所述采集设备(1)向所述云端(4)发送http请求；
所述后端服务(8)首先对所述http请求进行解析，然后调用相关的数据预处理服务(9)对数据进行清洗、过滤；
再将数据送入到所述数据格式处理模块(10)，所述数据格式处理模块(10)对数据进行变换，形成压缩文件。
4.根据权利要求3所述的一种基于深度学习的新型新冠辅助筛查方法，其特征在于：所述深度神经网络模型(5)的数据处理流程包括数据接收(12)、模型加载(13)以及模型预测(14)，具体步骤包括：
所述数据接收(12)接收所述压缩文件，并通过所述模型加载(13)进行模型加载；
加载完成后通过模型预测(14)进行预测；
预测结束后，所述模型预测(14)将数据反馈到所述云端(4)。
5.根据权利要求1所述的一种基于深度学习的新型新冠辅助筛查方法，其特征在于：所述深度神经网络模型(5)还包括预存数据库(15)，所述深度神经网络模型(5)将数据储存在所述预存数据库(15)中，所述预存数据库(15)用于对所述云端(4)提供数据。
6.根据权利要求1所述的一种基于深度学习的新型新冠辅助筛查方法，其特征在于：所述体征数据(2)包括声音数据(16)、肖像数据(17)以及体温数据(18)。
7.一种基于深度学习的新型新冠辅助筛查装置，其特征在于：所述采集设备(1)包括传感器模块组(19)、处理器(26)以及储存器(27)，所述传感器模块组(19)包括：
声音传感器(21)，用于接收用户的声音数据(16)；
摄像头(22)，用于收集整理用户的肖像数据(17)；
体温传感器(23)，用于检测用户的体温数据(18)。
8.根据权利要求7所述的一种基于深度学习的新型新冠辅助筛查装置，其特征在于：所述网络模块(3)为无线网络模块，且所述网络模块(3)的型号为zbt-wm8302rt。
9.根据权利要求7所述的一种基于深度学习的新型新冠辅助筛查装置，其特征在于：所述采集设备(1)包括：
信息提取模块(24)，所述信息提取模块(24)用于提取用户信息，所述用户信息包括性别信息、年龄信息、居住信息；
图谱生成模块(25)，所述图谱生成模块(25)用于根据所述体温数据(18)生成可视化图谱。
10.根据权利要求7所述的一种基于深度学习的新型新冠辅助筛查装置，其特征在于：所述储存器(27)、所述处理器(26)以及存储在所述储存器(27)中并能够在所述处理器(26)上运行的计算机程序，所述处理器(26)实现如权利要求1至6中任一项所述的基于深度学习的新型新冠辅助筛查方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111650499.7A CN114420304A (zh) | 2021-12-29 | 2021-12-29 | 一种基于深度学习的新型新冠辅助筛查方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111650499.7A CN114420304A (zh) | 2021-12-29 | 2021-12-29 | 一种基于深度学习的新型新冠辅助筛查方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114420304A true CN114420304A (zh) | 2022-04-29 |
Family
ID=81268569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111650499.7A Withdrawn CN114420304A (zh) | 2021-12-29 | 2021-12-29 | 一种基于深度学习的新型新冠辅助筛查方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114420304A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115497502A (zh) * | 2022-11-07 | 2022-12-20 | 图灵人工智能研究院（南京）有限公司 | 基于人体表征判别新冠感染的方法、系统 |
-
2021
- 2021-12-29 CN CN202111650499.7A patent/CN114420304A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115497502A (zh) * | 2022-11-07 | 2022-12-20 | 图灵人工智能研究院（南京）有限公司 | 基于人体表征判别新冠感染的方法、系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109009102B (zh) | 一种基于脑电图深度学习的辅助诊断方法及系统 | |
| US20110245623A1 (en) | Medical Diagnosis Using Community Information | |
| CN107080545B (zh) | 一种基于脑电的测谎系统 | |
| CN106847262A (zh) | 一种猪呼吸道疾病自动识别报警方法 | |
| CN110353673A (zh) | 一种基于标准互信息的脑电通道选择方法 | |
| CN104517606A (zh) | 语音识别测试方法及装置 | |
| WO2019047365A1 (zh) | 基于医疗云平台的影像大数据分析系统及方法 | |
| CN110556173A (zh) | 一种检查报告单智能分类管理系统及方法 | |
| CN103948398A (zh) | 适用于Android系统的心音定位分段方法 | |
| CN107348971A (zh) | 一种基于心音检测和机器学习算法的心脏病筛查系统 | |
| CN114420304A (zh) | 一种基于深度学习的新型新冠辅助筛查方法及装置 | |
| WO2019047366A1 (zh) | 基于人工智能的影像识别系统及方法 | |
| CN107970027B (zh) | 一种桡动脉检测与人体体质识别系统和方法 | |
| CN101217036B (zh) | 基于音频特性的雏禽性别识别方法及装置 | |
| CN105825225A (zh) | 一种机器视觉辅助脑电目标判决的方法 | |
| CN1771883A (zh) | 一种利用移动通信终端测量脑波信号的系统 | |
| CN201773405U (zh) | 一种远程心电信号诊断装置 | |
| CN210697629U (zh) | 信号采集装置、移动终端和信号分析系统 | |
| CN109730672B (zh) | 一种用于多导联心电信号的特征提取方法及对应监测系统 | |
| CN116019467A (zh) | 一种面神经肌电信号的特征提取方法 | |
| CN109659040A (zh) | 一种远程医疗计算机信息系统 | |
| CN109965847B (zh) | 服务器和信号分析系统 | |
| CN111709946A (zh) | 一种影像数据分析方法、装置、终端设备及存储介质 | |
| CN106446521A (zh) | 一种标准化心脏疾病远程诊断平台 | |
| CN205861700U (zh) | 智能尿液分析系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220429 |