CN115205235A - 一种血液细胞类型检测系统及方法 - Google Patents
一种血液细胞类型检测系统及方法 Download PDFInfo
- Publication number
- CN115205235A CN115205235A CN202210730000.1A CN202210730000A CN115205235A CN 115205235 A CN115205235 A CN 115205235A CN 202210730000 A CN202210730000 A CN 202210730000A CN 115205235 A CN115205235 A CN 115205235A
- Authority
- CN
- China
- Prior art keywords
- blood cell
- module
- cell type
- detection system
- type detection
- 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
- 210000000601 blood cell Anatomy 0.000 title claims abstract description 126
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 21
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 210000004027 cell Anatomy 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 2
- 210000000440 neutrophil Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 210000003651 basophil Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000003979 eosinophil Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种血液细胞类型检测系统及方法,系统包括用于采集待检测血液细胞图像的外部设备,用于对外部设备进行管理和控制的访问接口模块,用于依据血液细胞图像进行血液细胞类型检测的人工智能检测模块,用于对血液细胞类型检测结果进行检验的检验模块和用于接收血液细胞类型检测结果的智能终端;通过外部设备采集待检测血液细胞图像,输入至人工智能检测模块进行血液细胞类型检测,能够准确检测出血液细胞类型,还能够节省人力成本,提高检测效率,同时,通过检验模块对血液细胞类型检测结果进行检验,能够进一步提高检测的准确性。
Description
技术领域
本发明涉及血液细胞类型检测技术领域,尤其涉及一种血液细胞类型检测系统及方法。
背景技术
血液中各类细胞的数量和形态能够为医生诊断提供非常有价值的信息,例如在判断一些严重的疾病(如白血病等)时,血液中的某些特定的细胞的数量会出现明显的区别,因此,通过对血液中各类细胞进行类型检测具有很好的医学诊断价值,然而,现有的血液细胞类型检测方法是在显微镜下用肉眼去判断各类细胞的数量和类型,这样的方法不仅费时费力,工作量十分繁重,并且需要具有相当医学知识的专业人员,这就进一步加重了每个工作人员的工作量,另外,在检测的过程中,不同的工作人员会有一定的判断差异。
发明内容
有鉴于此,本发明提出一种血液细胞类型检测系统及方法,可以解决现有血液细胞类型检测方法所存在的费时费力且准确性和一致性不高的缺陷。
本发明的技术方案是这样实现的:
一种血液细胞类型检测系统,包括:
外部设备,用于采集待检测血液细胞图像;
访问接口模块,用于对外部设备进行管理和控制;
人工智能检测模块,用于依据血液细胞图像进行血液细胞类型检测;
检验模块,用于对血液细胞类型检测结果进行检验;
智能终端,用于接收血液细胞类型检测结果。
作为所述血液细胞类型检测系统的进一步可选方案,所述系统还包括:
公共支撑服务模块,用于提供多种功能服务。
作为所述血液细胞类型检测系统的进一步可选方案,所述公共支撑服务模块包括:
用户认证模块,用于实现用户认证的功能;
单点登录模块,用于实现单点登陆的功能;
云存储模块,用于将数据进行云存储的功能;
表单引擎模块,用于实现快速创建自定义表单;
微信公众号模块,用于实现与微信公众号服务器进行绑定的功能;
消息推送模块,用于实现消息订阅和推送功能;
搜索引擎模块,用于实现搜索的功能。
作为所述血液细胞类型检测系统的进一步可选方案,所述外部设备包括医疗设备、检验检查设备、和计算机终端。
作为所述血液细胞类型检测系统的进一步可选方案,所述人工智能检测模块包括:
构建模块,用于构建血液细胞类型识别模型;
获取模块,用于获取待识别的血液细胞图像;
输入模块,用于将所述待识别的血液细胞图像作为所述血液细胞类型识别模型的输入;
输出模块,用于所述血液细胞类型识别模型输出该血液细胞图像对应的血液细胞类型。
作为所述血液细胞类型检测系统的进一步可选方案,所述构建模块包括训练模块和优化模块,所述训练模块包括:
第一采集模块,用于采集血液细胞图像作为训练样本;
预处理模块,用于对所述训练样本进行预处理;
卷积神经网络模型,用于将预处理后的训练样本输入卷积神经网络模型中进行训练,得到血液细胞类型识别模型。
作为所述血液细胞类型检测系统的进一步可选方案,所述预处理模块包括:
标注模块,用于对训练样本进行标注处理,得到标注后的训练样本;
清洗模块,用于对标注后的训练样本进行清洗处理。
作为所述血液细胞类型检测系统的进一步可选方案,所述优化模块包括:
第二采集模块,用于采集血液细胞图像作为测试样本;
加载模块,用于加载训练好的血液细胞类型识别模型;
测试模块,用于将测试样本输入所述训练好的血液细胞类型识别模型,训练好的血液细胞类型识别模型输出对应的血液细胞类型。
一种血液细胞类型检测方法,所述方法运用上述任意一种血液细胞类型检测系统。
本发明的有益效果是:通过外部设备采集待检测血液细胞图像,输入至人工智能检测模块进行血液细胞类型检测,能够准确检测出血液细胞类型,还能够节省人力成本,提高检测效率,同时,通过检验模块对血液细胞类型检测结果进行检验,能够进一步提高检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,对于本领域普通技术人员来讲,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为本发明一种血液细胞类型检测系统的组成图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
参考图1,一种血液细胞类型检测系统,包括:
外部设备,用于采集待检测血液细胞图像;
访问接口模块,用于对外部设备进行管理和控制;
人工智能检测模块,用于依据血液细胞图像进行血液细胞类型检测;
检验模块,用于对血液细胞类型检测结果进行检验;
智能终端,用于接收血液细胞类型检测结果。
具体的,外部设备通过访问接口模块与人工智能检测模块连接,当外部设备采集到待检测血液细胞图像,将待检测血液细胞图像发送至人工智能检测模块进行血液细胞类型检测,人工智能检测模块输出血液细胞类型检测结果,并发送至检验模块进行检验,若血液细胞类型检测结果无误,则将血液细胞类型检测结果发送至智能终端中,从而实现血液细胞类型的检测。
在本实施例中,通过外部设备采集待检测血液细胞图像,输入至人工智能检测模块进行血液细胞类型检测,能够准确检测出血液细胞类型,还能够节省人力成本,提高检测效率,同时,通过检验模块对血液细胞类型检测结果进行检验,能够进一步提高检测的准确性。
需要说明的是,血液细胞类型检测结果包括但不限于中性杆状核粒细胞、中性分叶粒细胞、嗜碱分叶粒细胞、嗜酸分叶粒细胞、成熟单核细胞、成熟淋巴细胞和其它细胞,所述其它细胞为不常见的细胞,这里不做具体限定;此外,所述检验模块由医生进行判断,如果检测有误,则医生对其进行人工标注,并送到训练集中作为下一次训练迭代的训练数据,以进一步优化模型,另外,检验模块可结合知识库,在输出结果时,对疑似问题细胞结合知识库中相关知识内容以及本人或他人案例等历史诊断资料等,输出可能的疑似病理等检验信息,一起提供给检验模块,辅助医生进行诊断。
优选的,所述系统还包括:
公共支撑服务模块,用于提供多种功能服务。
优选的,所述公共支撑服务模块包括:
用户认证模块,用于实现用户认证的功能;
单点登录模块,用于实现单点登陆的功能;
云存储模块,用于将数据进行云存储的功能;
表单引擎模块,用于实现快速创建自定义表单;
微信公众号模块,用于实现与微信公众号服务器进行绑定的功能;
消息推送模块,用于实现消息订阅和推送功能;
搜索引擎模块,用于实现搜索的功能。
在本实施例中,通过设置用户认证模块、单点登录模块、云存储模块、表单引擎模块、微信公众号模块、消息推送模块和搜索引擎模块组成公共支撑服务模块,能够便于管理和功能扩展;需要说明的是,所述单点登录模块实现用户只需登录一次,即可通过单点登录系统访问后台的多个应用系统,无需重新登录后台的各个应用系统,后台应用系统的用户名和口令可以各不相同,并且实现单点登录时,后台应用系统无需任何修改,从而为用户实现建立统一的、基于角色的和个性化的信息访问、集成平台,通过实施单点登录功能,使用户只需一次登录就可以根据相关的规则去访问不同的应用系统,提高信息系统的易用性、安全性、稳定性;所述表单引擎模块用于快速创建自定义表单,适用于问卷调查、信息统计、投票与测评等场景,支持直接发布表单给用户,同时,也可以作为中间件,在流程审批业务中作为表单工具用来收集用户提交的业务数据,具体包括以下功能:表单设计器、表单发布及管理、表单版本管理、表单发布给指定用户群和表单数据收集及分析;所述消息推送模块提供用户到用户的沟通、协同、信息推送的云服务能力,提供标准API可嵌入、集成到各业务系统中实现整体的消息订阅、推送能力;所述搜索引擎模块根据用户需求与一定算法,运用特定策略从互联网检索出制定信息反馈给用户的一门检索技术,搜索引擎依托于多种技术,如检索排序技术、网页处理技术、大数据处理技术、自然语言处理技术等,为信息检索用户提供快速、高相关性的信息服务,搜索引擎技术的核心模块一般包括爬虫、索引、检索和排序等,同时可添加其他一系列辅助模块,以为用户创造更好的网络使用环境。
优选的,所述外部设备包括医疗设备、检验检查设备、和计算机终端。
优选的,所述人工智能检测模块包括:
构建模块,用于构建血液细胞类型识别模型;
获取模块,用于获取待识别的血液细胞图像;
输入模块,用于将所述待识别的血液细胞图像作为所述血液细胞类型识别模型的输入;
输出模块,用于所述血液细胞类型识别模型输出该血液细胞图像对应的血液细胞类型。
优选的,所述构建模块包括训练模块和优化模块,所述训练模块包括:
第一采集模块,用于采集血液细胞图像作为训练样本;
预处理模块,用于对所述训练样本进行预处理;
卷积神经网络模型,用于将预处理后的训练样本输入卷积神经网络模型中进行训练,得到血液细胞类型识别模型。
在本实施例中,通过采集大量的血液细胞图像作为训练样本,并输入至卷积神经网络模型中进行训练,能够提高血液细胞类型识别模型的准确率,进一步提高血液细胞类型识别的准确率;需要说明的是,所述卷积神经网络模型包括但不限于Faster-RCNN卷积神经网络模型、SSD卷积神经网络模型和Yolo卷积神经网络模型,这里不做具体限定。
优选的,所述预处理模块包括:
标注模块,用于对训练样本进行标注处理,得到标注后的训练样本;
清洗模块,用于对标注后的训练样本进行清洗处理。
在本实施例中,通过对训练样本进行标注和清洗,能够剔除无效训练样本,进一步提高血液细胞类型识别模型的准确率;需要说明的是,所述清洗处理包括但不限于剔除错误数据、保证图片大小和像素一致、剔除图片中的无关背景、检验图片中色彩的深浅和标注的正确性,这里不做具体限定。
优选的,所述优化模块包括:
第二采集模块,用于采集血液细胞图像作为测试样本;
加载模块,用于加载训练好的血液细胞类型识别模型;
测试模块,用于将测试样本输入所述训练好的血液细胞类型识别模型,训练好的血液细胞类型识别模型输出对应的血液细胞类型。
在本实施例中,通过采集大量的血液细胞图像作为测试样本,并将测试样本输入所述训练好的血液细胞类型识别模型,训练好的血液细胞类型识别模型输出对应的血液细胞类型,能够对训练好的血液细胞类型识别模型进行检验,从而不断优化血液细胞类型识别模型,进而保证血液细胞类型识别模型的准确率。
一种血液细胞类型检测方法,所述方法运用上述任意一种血液细胞类型检测系统。
以上所述仅为本发明的较佳实施方式而已,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、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种血液细胞类型检测系统,其特征在于,包括:
外部设备,用于采集待检测血液细胞图像;
访问接口模块,用于对外部设备进行管理和控制;
人工智能检测模块,用于依据血液细胞图像进行血液细胞类型检测;
检验模块,用于对血液细胞类型检测结果进行检验;
智能终端,用于接收血液细胞类型检测结果。
2.根据权利要求1所述的一种血液细胞类型检测系统,其特征在于,所述系统还包括:
公共支撑服务模块,用于提供多种功能服务。
3.根据权利要求2所述的一种血液细胞类型检测系统,其特征在于,所述公共支撑服务模块包括:
用户认证模块,用于实现用户认证的功能;
单点登录模块,用于实现单点登陆的功能;
云存储模块,用于将数据进行云存储的功能;
表单引擎模块,用于实现快速创建自定义表单;
微信公众号模块,用于实现与微信公众号服务器进行绑定的功能;
消息推送模块,用于实现消息订阅和推送功能;
搜索引擎模块,用于实现搜索的功能。
4.根据权利要求3所述的一种血液细胞类型检测系统,其特征在于,所述外部设备包括医疗设备、检验检查设备、和计算机终端。
5.根据权利要求4所述的一种血液细胞类型检测系统,其特征在于,所述人工智能检测模块包括:
构建模块,用于构建血液细胞类型识别模型;
获取模块,用于获取待识别的血液细胞图像;
输入模块,用于将所述待识别的血液细胞图像作为所述血液细胞类型识别模型的输入;
输出模块,用于所述血液细胞类型识别模型输出该血液细胞图像对应的血液细胞类型。
6.根据权利要求5所述的一种血液细胞类型检测系统,其特征在于,所述构建模块包括训练模块和优化模块,所述训练模块包括:
第一采集模块,用于采集血液细胞图像作为训练样本;
预处理模块,用于对所述训练样本进行预处理;
卷积神经网络模型,用于将预处理后的训练样本输入卷积神经网络模型中进行训练,得到血液细胞类型识别模型。
7.根据权利要求6所述的一种血液细胞类型检测系统,其特征在于,所述预处理模块包括:
标注模块,用于对训练样本进行标注处理,得到标注后的训练样本;
清洗模块,用于对标注后的训练样本进行清洗处理。
8.根据权利要求7所述的一种血液细胞类型检测系统,其特征在于,所述优化模块包括:
第二采集模块,用于采集血液细胞图像作为测试样本;
加载模块,用于加载训练好的血液细胞类型识别模型;
测试模块,用于将测试样本输入所述训练好的血液细胞类型识别模型,训练好的血液细胞类型识别模型输出对应的血液细胞类型。
9.一种血液细胞类型检测方法,其特征在于,所述方法运用权利要求1-8中任意一种血液细胞类型检测系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730000.1A CN115205235A (zh) | 2022-06-24 | 2022-06-24 | 一种血液细胞类型检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730000.1A CN115205235A (zh) | 2022-06-24 | 2022-06-24 | 一种血液细胞类型检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115205235A true CN115205235A (zh) | 2022-10-18 |
Family
ID=83577943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210730000.1A Pending CN115205235A (zh) | 2022-06-24 | 2022-06-24 | 一种血液细胞类型检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205235A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107438071A (zh) * | 2017-07-28 | 2017-12-05 | 北京信安世纪科技有限公司 | 云存储安全网关及访问方法 |
CN107993727A (zh) * | 2017-12-07 | 2018-05-04 | 东软熙康健康科技有限公司 | 一种数据处理方法、装置及系统 |
CN110647874A (zh) * | 2019-11-28 | 2020-01-03 | 北京小蝇科技有限责任公司 | 一种端到端的血细胞识别模型构造方法及应用 |
CN112205982A (zh) * | 2020-06-19 | 2021-01-12 | 谈斯聪 | 血液数据采集分析智能识别诊断机器人平台 |
CN112924452A (zh) * | 2021-01-29 | 2021-06-08 | 西安博锐轶信息科技有限公司 | 一种血液检查辅助系统 |
CN113703744A (zh) * | 2020-12-24 | 2021-11-26 | 南京欣网互联网络科技有限公司 | 一种可自定义表单形式的微表单生成系统及其生成方法 |
-
2022
- 2022-06-24 CN CN202210730000.1A patent/CN115205235A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107438071A (zh) * | 2017-07-28 | 2017-12-05 | 北京信安世纪科技有限公司 | 云存储安全网关及访问方法 |
CN107993727A (zh) * | 2017-12-07 | 2018-05-04 | 东软熙康健康科技有限公司 | 一种数据处理方法、装置及系统 |
CN110647874A (zh) * | 2019-11-28 | 2020-01-03 | 北京小蝇科技有限责任公司 | 一种端到端的血细胞识别模型构造方法及应用 |
CN112205982A (zh) * | 2020-06-19 | 2021-01-12 | 谈斯聪 | 血液数据采集分析智能识别诊断机器人平台 |
CN113703744A (zh) * | 2020-12-24 | 2021-11-26 | 南京欣网互联网络科技有限公司 | 一种可自定义表单形式的微表单生成系统及其生成方法 |
CN112924452A (zh) * | 2021-01-29 | 2021-06-08 | 西安博锐轶信息科技有限公司 | 一种血液检查辅助系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105653444B (zh) | 基于互联网日志数据的软件缺陷故障识别方法和系统 | |
CN111722714A (zh) | 一种基于ar技术的数字化变电站计量运检辅助方法 | |
CN1806501B (zh) | 海洋浮游植物自动识别方法及装置 | |
WO2021174812A1 (zh) | 用于画像的数据的清洗方法、装置、介质及电子设备 | |
CN104615936B (zh) | 云平台vmm层行为监控方法 | |
CN109002391A (zh) | 自动检测嵌入式软件接口测试数据的方法 | |
CN108090530A (zh) | 一种基于二维码识别技术的电力设备信息管理系统和方法 | |
CN109636791A (zh) | 一种基于深度学习的柑橘黄龙病检测方法、装置及系统 | |
CN113779540A (zh) | 一种基于rpa的企业公示信息数据采集方法 | |
CN102117436A (zh) | 专利电子回执文件分析系统及方法 | |
CN115346686A (zh) | 关系图谱生成方法及装置、存储介质及电子设备 | |
CN107862472A (zh) | 基于终端配置文件的质量数据采集系统及其数据采集方法 | |
CN111368824A (zh) | 一种仪表识别方法、移动设备及存储介质 | |
CN114419631A (zh) | 一种基于rpa的网管虚拟系统 | |
CN107368500A (zh) | 数据抽取方法及系统 | |
CN112182065A (zh) | 基于自动采集和多源导入的资产管理系统及方法 | |
CN115205235A (zh) | 一种血液细胞类型检测系统及方法 | |
CN106610964A (zh) | 异常报销数据分析方法及服务器 | |
CN115774663A (zh) | 一种LabVIEW的测试系统的优化方法、装置、设备及存储介质 | |
CN100518118C (zh) | 一种电子鼻网络服务系统 | |
CN114496196A (zh) | 医疗实验室临床生化检验自动审核系统 | |
CN114996697A (zh) | 一种微电网智能控制系统 | |
CN114077514A (zh) | 一种基于人工智能视觉识别的计算机运维方法 | |
CN115984158A (zh) | 缺陷分析方法、装置、电子设备及计算机可读存储介质 | |
CN113869124A (zh) | 基于深度学习的血细胞形态学分类方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221018 |