CN116228717A - 用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统 - Google Patents
用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统 Download PDFInfo
- Publication number
- CN116228717A CN116228717A CN202310205606.8A CN202310205606A CN116228717A CN 116228717 A CN116228717 A CN 116228717A CN 202310205606 A CN202310205606 A CN 202310205606A CN 116228717 A CN116228717 A CN 116228717A
- Authority
- CN
- China
- Prior art keywords
- tongue
- diagnosis
- insomnia
- intelligent
- image
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 111
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 title claims abstract description 85
- 206010022437 insomnia Diseases 0.000 title claims abstract description 85
- 238000000605 extraction Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000010801 machine learning Methods 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 abstract description 3
- 239000003814 drug Substances 0.000 description 8
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005182 global health Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom 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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- 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
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Heart & Thoracic Surgery (AREA)
- Mathematical Analysis (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Alternative & Traditional Medicine (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Radiology & Medical Imaging (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
Abstract
本发明属于图像处理技术领域，具体涉及一种用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统。本发明的方法包括如下步骤：步骤1，失眠患者入组，基于失眠患者的舌头图像构建舌图数据库；步骤2，从所述舌头图像中分割出舌头区域；步骤3，量化和提取所述舌头区域的影像组学特征；步骤4，通过机器学习算法筛选所述影像组学特征，得到用于构建失眠诊断舌诊模型的舌诊特征。利用上述方法优选得到的特征，能够进一步构建失眠诊断系统。本发明的诊断准确性好，具有很好的应用前景。
Description
技术领域
本发明属于图像处理技术领域，具体涉及一种用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统。
背景技术
失眠是一个严重的公共卫生问题，其定义为入睡困难、难以维持睡眠，或尽管有充足的睡眠机会，但睡眠质量较差，并伴有某种形式的日间功能障碍。失眠的患病率约为10％-20％，其中慢性失眠约占50％。失眠的病因和生理与遗传、环境、行为和生理因素密切相关。现有技术中，通过失眠严重程度指数(ISI)来评估失眠患者的睡眠质量为金标准。
在现代医学中，我们从不同的角度科学地看待失眠，同时，我们也可以从传统医学中吸取教训，量化和科学地设计经验知识。可以发现，在很多国家和民族的传统医学中，对失眠的诊断都有自己的看法。中医认为心脏是失眠的关键器官，最终表现为功能状态的阴阳平衡或失衡。所以中医可以通过阴阳失调的各种表现，如舌头状态的变化，来观察和判断患者的失眠症状。
在中医院，中医医生可以通过舌诊来诊断失眠。从中医的角度来看，舌的状态与人体的生理病理密切相关。在过去的许多研究中，舌成像显示了关于疾病状态的有价值的信息，用于诊断各种疾病。这些实验结果表明，在未来的研究中，可能会使用新技术来量化舌头信息，以实现更精确的临床诊断，特别是对失眠的诊断。
人工智能已被应用于公共卫生，并可能为医疗实践带来前所未有的进步。利用人工智能对舌成像进行分析，实现失眠严重程度的分析不失为一种很有潜力的思路。然而，迄今为止，基于舌头图像的失眠症智能分类工具尚未见报道。对于舌头图像，如何提取图像特征，以及什么样的输入特征能够实现准确的失眠诊断依然是构建该失眠症智能分类工具时亟需解决的问题。
发明内容
针对现有技术的缺陷，本发明提供一种用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统，目的在于筛选出对失眠具有良好诊断性能的特征，构建出能够准确诊断失眠严重程度的人工智能系统。
一种用于失眠诊断的智能舌诊特征提取方法，包括如下步骤：
步骤1，失眠患者入组，基于失眠患者的舌头图像构建舌图数据库；
步骤2，从所述舌头图像中分割出舌头区域；
步骤3，量化和提取所述舌头区域的影像组学特征；
步骤4，通过机器学习算法筛选所述影像组学特征，得到用于构建失眠诊断舌诊模型的舌诊特征。
优选的，步骤2中，采用nnU-Net算法分割所述舌头图像。
优选的，步骤3中，量化和提取所述影像组学特征使用Pyradiomics工具实现。
优选的，步骤3中，得到的影像组学特征包括14个形状特征、18个一阶统计特征和73个纹理特征。
优选的，步骤4中，所述机器学习算法为LASSO算法。
优选的，步骤4中，得到的用于构建失眠诊断舌诊模型的舌诊特征包括：相关信息测量、最大二维直径、延伸率、能量、聚类阴影、灰度方差、偏度。
优选的，步骤4中，所述失眠诊断舌诊模型的训练数据进行标注时，使用失眠严重程度指数量表进行失眠程度的确定。
本发明还提供一种用于失眠诊断的智能舌诊系统，包括：
舌图数据库管理模块，用于舌头图像数据的获取、格式转换和存储管理；
自动分割模块，用于舌头图像的自动分割；
特征量化模块，用于影像组学特征的提取和量化处理；
智能失眠舌诊模块，用于通过失眠诊断舌诊模型量化和诊断患者的失眠程度；
用于构建所述失眠诊断舌诊模型的舌诊特征采用上述智能舌诊特征提取方法获得。
优选的，所述失眠诊断舌诊模型基于逻辑回归算法构建，其表达式为：0.085×相关信息测量+0.044×最大二维直径-0.033×延伸率-0.030×能量+0.014×聚类阴影+0.006×灰度方差-0.003×偏度。
本发明还提供一种计算机可读存储介质，其上存储有用于实现上述智能舌诊特征提取方法的计算机程序，或用于实现上述智能舌诊系统的计算机程序。
本发明优选了利用舌头图像诊断失眠的特征种类及模型种类，利用这些优选的特征，本发明能够构建准确性很好的失眠诊断舌诊模型。实验表明，本发明的失眠诊断舌诊模型准确率优于部分医生的人工舌诊结果。本发明能够满足临床的应用需求，可以帮助解决不同医院和医生之间的诊断差异，降低患者的诊断成本，为该类疾病的早期诊断和早期治疗提供技术支持。考虑到失眠症已经成为影响全球大健康的重要疾病，因此，本发明具有很好的应用前景。
显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。
附图说明
图1为本发明实施例1的流程示意图。
图2为本发明实施例2的流程示意图。
具体实施方式
需要特别说明的是，实施例中未具体说明的数据采集、传输、储存和处理等步骤的算法，以及未具体说明的硬件结构、电路连接等均可通过现有技术已公开的内容实现。
实施例1用于失眠诊断的智能舌诊特征提取方法及模型构建方法
如图1所示，本实施例提供了一种用于失眠诊断的智能舌诊特征提取方法以及利用得到的特征构建模型的方法，包括：
S1，失眠患者入组，确定失眠程度，并拍摄和收集舌头图像；
具体的，从两个医院中心入组失眠患者，共399人。根据ISI标准确定失眠程度，并拍摄和收集舌头图像。其中，一个中心的数据作为训练集，另一个中心的数据作为测试集。失眠程度分为：无失眠、轻度、中度和重度。
S2，将舌头图像转为DICOM格式文件，并录入患者的临床信息，进行舌图管理，构建舌图数据库；
具体包括如下步骤：
S21，通过Python程序实现舌头图像的格式转换；
S22，DICOM格式的舌头图像可以录入患者的性别、年龄等信息，用于舌图管理，并构建舌图数据库，本实施例数据库规模预计达到上千例。
S3，基于nnU-Net算法训练舌图分割模型，自动分割舌头区域；
具体的，所述nnU-Net算法使用Pytorch框架搭建，通过人工标注的舌图数据库进行监督学习，训练舌图分割模型，并用于其他舌头图像的自动分割。
S4，量化和提取舌头图像中舌头区域的影像组学特征；
具体包括如下步骤：
S41，所述量化和提取影像组学特征使用Pyradiomics工具实现；
S42，所述量化和提取的影像组学特征包括14个形状特征、18个一阶统计特征和73个纹理特征。
S5，通过机器学习算法筛选有价值的舌头特征，并构建失眠诊断舌诊模型；
具体包括如下步骤：
S51，所述机器学习算法为LASSO算法，使用Scikit-Learn实现；
S52，所述失眠诊断舌诊模型是基于LASSO算法筛选的有价值特征以及特征权重构建的，模型计算公式为：0.085×相关信息测量+0.044×最大二维直径-0.033×延伸率-0.030×能量+0.014×聚类阴影+0.006×灰度方差-0.003×偏度。
实施例2用于失眠程度分类的智能舌诊系统
如图2所示，本实施例提供了一种用于失眠程度诊断的智能舌诊系统，包括：
舌图数据库管理模块，用于舌头图像数据的获取、格式转换和存储管理；
自动分割模块，用于舌头图像的自动分割；
特征量化模块，用于影像组学特征的提取和量化处理；
智能失眠舌诊模块，用于通过失眠诊断舌诊模型量化和诊断患者的失眠程度；
其中，所述失眠诊断舌诊模型通过实施例1的方法得到，最终模型的表达式为：0.085×相关信息测量+0.044×最大二维直径-0.033×延伸率-0.030×能量+0.014×聚类阴影+0.006×灰度方差-0.003×偏度。
下面通过实验对本发明的技术方案做进一步的说明。
实验例1失眠诊断舌诊模型性能分析
实施例1中，最终构建的LASSO算法筛选的特征数据集为：
失眠诊断舌诊模型的计算公式为：0.085×相关信息测量+0.044×最大二维直径-0.033×延伸率-0.030×能量+0.014×聚类阴影+0.006×灰度方差-0.003×偏度。
对上述模型在测试集中的诊断性能进行测试，最终构建的失眠诊断舌诊模型的诊断性能为：
可以看到，本发明得到的失眠诊断舌诊模型在准确率、精准度、敏感度、特异度和F1指数上均表现很好。
实验例2失眠程度诊断的智能舌诊系统与中医医生诊断比较
一、实验方法
本实验例为了突出该发明相比于临床中医医生的舌诊具有优势，在相同的舌图数据集上采用实施例1的失眠诊断舌诊模型与三位不同年资的中医医生进行诊断性能比较，结果如下表所示：
其中医生1-3为别为住院医师、主治医师和副主任医师。结果表明该用于失眠诊断的智能舌诊系统相比于医生的人工诊断具有一定优势，可以用于临床应用。
通过上述实施例和实验例可以看到，本发明构建了基于舌头图像的失眠诊断方法和系统，诊断准确性好，具有很好的应用前景。
Claims (10)
1.一种用于失眠诊断的智能舌诊特征提取方法，其特征在于，包括如下步骤：
步骤1，失眠患者入组，基于失眠患者的舌头图像构建舌图数据库；
步骤2，从所述舌头图像中分割出舌头区域；
步骤3，量化和提取所述舌头区域的影像组学特征；
步骤4，通过机器学习算法筛选所述影像组学特征，得到用于构建失眠诊断舌诊模型的舌诊特征。
2.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤2中，采用nnU-Net算法分割所述舌头图像。
3.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤3中，量化和提取所述影像组学特征使用Pyradiomics工具实现。
4.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤3中，得到的影像组学特征包括14个形状特征、18个一阶统计特征和73个纹理特征。
5.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤4中，所述机器学习算法为LASSO算法。
6.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤4中，得到的用于构建失眠诊断舌诊模型的舌诊特征包括：相关信息测量、最大二维直径、延伸率、能量、聚类阴影、灰度方差、偏度。
7.按照权利要求6所述的智能舌诊特征提取方法，其特征在于：步骤4中，所述失眠诊断舌诊模型的训练数据进行标注时，使用失眠严重程度指数量表进行失眠程度的确定。
8.一种用于失眠诊断的智能舌诊系统，其特征在于，包括：
舌图数据库管理模块，用于舌头图像数据的获取、格式转换和存储管理；
自动分割模块，用于舌头图像的自动分割；
特征量化模块，用于影像组学特征的提取和量化处理；
智能失眠舌诊模块，用于通过失眠诊断舌诊模型量化和诊断患者的失眠程度；
用于构建所述失眠诊断舌诊模型的舌诊特征采用权利要求1-7任一项所述的智能舌诊特征提取方法获得。
9.按照权利要求8所述的智能舌诊系统，其特征在于：所述失眠诊断舌诊模型基于逻辑回归算法构建，其表达式为：0.085×相关信息测量+0.044×最大二维直径-0.033×延伸率-0.030×能量+0.014×聚类阴影+0.006×灰度方差-0.003×偏度。
10.一种计算机可读存储介质，其特征在于：其上存储有用于实现权利要求1-7任一项所述的智能舌诊特征提取方法的计算机程序，或用于实现权利要求8或9所述的智能舌诊系统的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310205606.8A CN116228717A (zh) | 2023-03-06 | 2023-03-06 | 用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310205606.8A CN116228717A (zh) | 2023-03-06 | 2023-03-06 | 用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116228717A true CN116228717A (zh) | 2023-06-06 |
Family
ID=86576571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310205606.8A Pending CN116228717A (zh) | 2023-03-06 | 2023-03-06 | 用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116228717A (zh) |
-
2023
- 2023-03-06 CN CN202310205606.8A patent/CN116228717A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Miranda et al. | A survey of medical image classification techniques | |
| CN115131642B (zh) | 一种基于多视子空间聚类的多模态医学数据融合系统 | |
| CN107220966A (zh) | 一种基于影像组学的脑胶质瘤分级预测方法 | |
| CN109717833A (zh) | 一种基于人体运动姿态的神经疾病辅助诊断系统 | |
| CN109036547A (zh) | 一种基于聚类分析的肺部ct图像计算机辅助系统及方法 | |
| CN110348019B (zh) | 一种基于注意力机制的医疗实体向量转化方法 | |
| CN108805858A (zh) | 基于数据挖掘的肝病ct图像计算机辅助诊断系统及方法 | |
| Rehman et al. | Notice of Retraction: Infrared Sensing Based Non-Invasive Initial Diagnosis of Chronic Liver Disease Using Ensemble Learning | |
| CN116864104A (zh) | 基于人工智能的慢性血栓栓塞性肺动脉高压风险分级系统 | |
| CN115019049B (zh) | 基于深度神经网络的骨显像骨病灶分割方法、系统及设备 | |
| CN115714022A (zh) | 基于人工智能的新生儿黄疸健康管理系统 | |
| CN112348785A (zh) | 一种癫痫病灶定位方法及系统 | |
| CN112508884A (zh) | 一种癌变区域综合检测装置及方法 | |
| CN113128654A (zh) | 一种用于冠心病预诊断中的改进型随机森林模型及其预诊断系统 | |
| CN117116477A (zh) | 基于随机森林和XGBoost的前列腺癌患病风险预测模型的构建方法及系统 | |
| CN113539486A (zh) | 一种基于中医面舌象动态变化的健康状态辨识系统 | |
| CN115579128A (zh) | 一种多模型特征增强疾病筛查系统 | |
| CN112397178A (zh) | 一种基于人工智能的医学影像分类处理系统 | |
| CN111652843A (zh) | 一种基于核磁共振结构影像加权的决策支持方法及系统 | |
| CN117333667A (zh) | 一种脑部ct图像出血区域自动分割方法及系统 | |
| CN110827275A (zh) | 基于树莓派和深度学习的肝脏核磁动脉期影像质量分级方法 | |
| Lin et al. | Using transfer learning of convolutional neural network on neck radiographs to identify acute epiglottitis | |
| CN116228717A (zh) | 用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统 | |
| CN115527670A (zh) | 多模态融合驱动的职业性尘肺病智能筛查方法 | |
| Siddiqui et al. | Artificial intelligence-based myocardial infarction diagnosis: a comprehensive review of modern techniques |
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 |