CN117116467A - 基于面部识别的智能诊疗系统 - Google Patents
基于面部识别的智能诊疗系统 Download PDFInfo
- Publication number
- CN117116467A CN117116467A CN202311014405.6A CN202311014405A CN117116467A CN 117116467 A CN117116467 A CN 117116467A CN 202311014405 A CN202311014405 A CN 202311014405A CN 117116467 A CN117116467 A CN 117116467A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- patient
- module
- image
- change
- 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 130
- 230000001815 facial effect Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 210000001508 eye Anatomy 0.000 claims description 9
- 210000004709 eyebrow Anatomy 0.000 claims description 9
- 210000001747 pupil Anatomy 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 210000000214 mouth Anatomy 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 15
- 238000010586 diagram Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G16H50/20—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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Ophthalmology & Optometry (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了基于面部识别的智能诊疗系统，涉及智能医疗诊断技术领域，先通过信息采集模块对患者的基本信息进行采集，诊区判定模块对患者的诊断区域进行预划分，面部监测模块对患者的面部进行实时监控，监测分析模块根据监控的实时的图像画面，并对其进行处理，得到微表情变化值，之后将微表情变化值与阈值进行比较，得到变化信号，诊疗定位模块先在诊断区域中设置接触点，之后诊断设备对接触点进行接触，同时在接触的过程中，对变化信号进行检测，得到疼痛点的位置，智能诊断模块根据疼痛点的位置，对患者的病情进行诊断，得到诊断结果，结果输出模块将诊断结果生成对应的病历报告，并传输至对应的患者。
Description
技术领域
本发明属于智能医疗诊断技术领域，具体是基于面部识别的智能诊疗系统。
背景技术
专利公开号为CN110249392A的发明公开了智能辅助诊疗系统及方法，包括：接收模块，用于接收病历；分类模块，用于根据疾病类型将接收到的病历进行分类处理，并将分类后的病历存储到相应的数据库；匹配模块，用于将病历与病历模板库中的病历模板进行匹配，获取匹配度大于预设阈值的病历模板，其中病历模板存储疾病类型及与疾病类型对应的病症信息；辅助诊断模块，用于获取所匹配的疾病类型及与疾病类型对应的病症信息，利用人工智能卷积神经网络学习方法给出相应的历史诊断参考方案，并输出所匹配的疾病类型及与疾病类型对应的病症信息，以供医生参考。本发明例解决了目前医疗卫生服务中，医生水平不足的问题，不但可以提高医生的医疗水平，而且有效减少了医生的误诊率。
由于医生在进行诊疗的过程中，需要对患者的病情进行询问，当患者为无自主意识时，对于病情的描述仅为对应的监护人凭借自我感觉进行回答，但对患者的实际疼痛情况并没有实际了解，此时对于医生来说，医生仅凭自己的医疗经验来对患者病情进行预测，容易造成对患者的病情判断的不准确。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于面部识别的智能诊疗系统，用于解决上述所提出的技术问题。
为实现上述目的，根据本发明的第一方面的实施例提出基于面部识别的智能诊疗系统，包括：
诊区判定模块，用于根据患者的基本信息中患者所描述的病情信息，将其与病情数据库中所存储的病历信息进行查找，得到相似病情，并根据相似病情所显示的位置，对患者的诊断区域进行预划分，同时将预划分的诊断区域传输至智能诊断模块，其中基本信息包括性别、年龄、病史以及患者此次就诊的病情信息；
面部监测模块，用于对患者的面部进行实时监控，并将所监控的画面传输至监测分析模块；
监测分析模块，用于对所传输的画面进行实时分析，根据监控的实时的图像画面，先将图像画面按照时间T划分为若干帧图像，然后先分别获取到相邻的两个图像中的每个特征点的距离，之后再将相邻的两个图像中特征点的距离一一对应，并进行相减，得到特征点位置的变化值，将所有特征点位置的变化值融合并处理，从而得到微表情变化值，之后将微表情变化值与阈值进行比较，得到变化信号，并将变化信息传输至诊疗定位模块；
诊疗定位模块，用于对患者的疼痛位置进行定位，先根据预划分的诊断区域，在诊断区域中设置接触点，之后诊断设备对接触位置进行接触，同时在接触的过程中，对变化信号进行检测，当检测出变化信号时，将对应的接触点标记为疼痛点，并将对应的疼痛点的位置传输至智能诊断模块；
智能诊断模块，用于根据具体的疼痛点的位置，在病情数据存储库中查找相似病情，得到诊断结果，并传输至结果输出模块；
结果输出模块，用于根据获得的诊断结果，将诊断结果生成对应的病历报告，并传输至对应的患者。
作为本发明的进一步方案，面部监测模块其具体的对患者进行监测的方法为：
先采用3D技术对患者的面部进行扫描，获得患者的面部图像，并将所获得的面部图像进行建模，同时将患者的特征位置点进行标注，其中特征位置点包括眉毛、眼睛、瞳孔以及嘴部轮廓，之后面部监测模块在将患者的面部进行3D建模后，再对患者的面部变化进行实时监控。
作为本发明的进一步方案，微表情变化值的获取方法为：
S1：获取到实时的图像画面，先将图像画面每隔时间T划分一帧图像，其中时间T为阈值；
以第一帧图像为初始图像，按照时间顺序，将每隔时间T得到的图像按照顺序进行标记；
S2：获取到每相邻的两个图像以及对应的特征位置点的坐标位置，先选取前一张照片，即将任意相邻的两张图像分别标记为i图像和i+1图像；
S3：先获取i图像，从上到下依次获取到眉毛之间的距离，两只眼睛分别对应的张开度，两只瞳孔分别对应的数值以及嘴巴的形状；
同时按照上述的方法获取到i+1图像中的对应的特征位置之间的数据，之后获取到i图像和i+1图像中对应的特征位置之间的变化值，即分别将i图像中特征位置的距离值减去与i+1图像中对应的特征位置的距离值，分别得到特征位置的变化值，同时将变化值分别标记为眉毛变化值Bm、眼睛变化值By、瞳孔变化值Bt和嘴巴变化值Bz；
S4：采用公式Bw＝Bm×β1+By×β2+Bt×β3+Bz×β4得到患者相邻的图像中微表情变化值Bw，其中β1、β2、β3和β4分别为对应的权值系数。
作为本发明的进一步方案，变化信号的获取方法为：
当微表情变化值Bw小于等于阈值Y1时，此时患者为正常状态，当微表情变化值Bw大于阈值Y1时，患者面部变化存在异常，此时生成变化信号，并传输至诊疗定位模块。
作为本发明的进一步方案，疼痛点的位置的具体获取方法为：
ST1：先获取到预划分的诊断区域，根据诊断区域结合对应的病情，对诊断区域设置若干个接触点；
ST2：之后诊疗设备根据对应的接触点，依次对接触点的位置进行接触，同时在接触的过程中，实时检测变化信号；
当接触点被接触时诊疗定位模块接收到变化信号时，此时将接触点的位置标记为疼痛点。
作为本发明的进一步方案，所述还包括信息采集模块，用于对患者的基本信息进行获取，并传输至诊区判定模块。
作为本发明的进一步方案，还包括病情数据存储库，用于对常规的病情诊断数据进行存储。
作为本发明的进一步方案，诊疗定位模块中诊疗设备还设置了不同的接触压力等级，其中接触压力等级包括等级一、等级二和等级三，且等级一＜等级二＜等级三，等级三为默认等级，当诊断设备在对接触点进行接触的过程中，当产生了疼痛点时，再分别用等级一和等级二对其进行接触，从而得到患者的疼痛点的具体情况，并将其传输至智能诊断模块。
与现有技术相比，本发明的有益效果是：根据患者基本信息，先对患者的诊断区域进行预划分，之后再对患者的面部进行实时监控，得到微表情变化值，将微表情变化值与阈值进行比较，得到变化信号，同时诊断设备对接触位置进行接触，同时在接触的过程中，对变化信号进行检测，当检测出变化信号时，将对应的接触点标记为疼痛点，根据疼痛点的位置，对患者的病情进行诊断，得到诊断结果，通过对患者面部识别，确定患者的疼痛点的位置以及对应的情况，提高对患者病情的了解，降低对患者病情误判率。
附图说明
图1为本发明系统框架原理图；
图2为本发明流程框架原理图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例，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。
请参阅图1和图2，本申请提供了基于面部识别的智能诊疗系统，包括信息采集模块、诊区判定模块、智能诊断模块、面部监测模块、监测分析模块、诊疗定位模块、结果输出模块和病情数据存储库；
信息采集模块用于对患者的基本信息进行获取，并将其传输至诊区判定模块，其中患者的基本信息包括性别、年龄、病史以及患者此次就诊的病情信息；
病情数据存储库用于对常规的病情诊断数据进行存储，同时病情数据库与诊区判定模块和智能诊断模块分别进行双向电性连接；
诊区判定模块用于根据患者的基本信息中患者所描述的病情信息，将病情信息与病情数据库中所存储的病历信息进行查找，得到相似病情，之后根据相似病情所显示的位置，对患者的诊断区域进行预划分，之后将预划分后的诊断区域传输至智能诊断模块；
面部监测模块用于对患者的面部进行实时监控，在此要说明的是，面部监测模块在对患者进行面部识别时，先采用3D技术对患者的面部进行扫描，获得患者的面部图像，并将所获得的面部图像进行建模，同时在对患者的面部图像进行建模的过程中，还将患者的特征位置点进行标注，其中特征位置点包括眉毛、眼睛、瞳孔以及嘴部轮廓，之后面部监测模块在将患者的面部进行3D建模后，再对患者的面部变化进行实时监控，同时面部监测模块将建模结果与监控画面传输至监测分析模块；
监测分析模块用于对所传输的画面进行实时分析，得到分析结果，并将分析结果传输至诊疗定位模块，具体的实时分析过程为：
S1：获取到实时的图像画面，先将图像画面每隔时间T划分一帧图像，其中时间T为阈值，其具体值根据实际情况进行设置；
以第一帧图像为初始图像，按照时间顺序，将每隔时间T得到的图像按照顺序进行标记；
S2：获取到每相邻的两个图像以及对应的特征位置点的坐标位置，先选取前一张照片，即将任意相邻的两张图像分别标记为i图像和i+1图像，其中i起始值为1；
S3：先获取i图像，从上到下依次获取到眉毛之间的距离，两只眼睛分别对应的张开度，两只瞳孔分别对应的数值以及嘴巴的形状；
同时按照上述的方法获取到i+1图像中的对应的特征位置之间的数据，之后获取到i图像和i+1图像中对应的特征位置之间的变化值，即分别将i图像中特征位置的距离值减去与i+1图像中对应的特征位置的距离值，分别得到特征位置的变化值，同时将变化值分别标记为眉毛变化值Bm、眼睛变化值By、瞳孔变化值Bt和嘴巴变化值Bz；
S4：采用公式Bw＝Bm×β1+By×β2+Bt×β3+Bz×β4得到患者相邻的图像中微表情变化值Bw，其中β1、β2、β3和β4分别为对应的权值系数；
当微表情变化值Bw小于等于阈值Y1时，此时患者为正常状态，当微表情变化值Bw大于阈值Y1时，患者面部变化存在异常，此时生成变化信号，并将其传输至诊疗定位模块；
诊疗定位模块用于对患者的疼痛位置进行定位，对患者疼痛位置进行定位的具体方法为：
ST1：先获取到预划分的诊断区域，根据诊断区域结合对应的病情，对诊断区域设置若干个接触点，此处要说明的是，诊疗定位模块中设置诊疗设备，诊疗设备用于对患者进行接触，在本实施例中，诊疗设备主要根据患者的疼痛范围进行接触，从而判断患者的疼痛位置；
ST2：之后诊疗设备根据对应的接触点，依次对接触点的位置进行接触，同时在接触的过程中，实时检测变化信号；
当接触点被接触时诊疗定位模块接收到变化信号时，此时将接触点的位置标记为疼痛点，同时将所标记的疼痛点的位置传输至智能诊断模块；
智能诊断模块用于根据具体的疼痛点的位置，将疼痛点的位置在病情数据存储库中进行查找，同时再将所查找的病情与患者所描述情况进行对应，从而得到诊断结果，之后智能诊断模块将诊断结果传输至结果输出模块；
结果输出模块用于根据获得的诊断结果，将诊断结果生成对应的病历报告，并传输至对应的患者，供患者进行查看。
实施例二：
在实施例一的基础上，诊疗定位模块中诊疗设备还设置了不同的接触压力等级，其中接触压力等级包括等级一、等级二和等级三，且等级一＜等级二＜等级三，等级三为默认等级，当诊断设备在对接触点进行接触的过程中，当产生了疼痛点时，再分别用等级一和等级二对其进行接触，从而得到患者的疼痛点的具体情况，并将其传输至智能诊断模块；
智能诊断模块根据具体的疼痛点的位置以及对应的情况，对患者进行智能诊断。
实施例三：
用于将实施例一与实施例二进行融合并实施。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：先通过信息采集模块对患者的基本信息进行采集，之后通过诊区判定模块根据患者的基本信息，再结合病情数据库中的信息，对患者的诊断区域进行预划分，同时通过面部监测模块先获取到人脸图像以及对应的特征位置点，之后再对患者的面部进行实时监控，监测分析模块根据监控的实时的图像画面，先将图像画面按照时间T划分为若干帧图像，然后先分别获取到相邻的两个图像中的每个特征点的距离，之后再将相邻的两个图像中特征点的距离一一对应，并进行相减，得到特征点位置的变化值，将所有特征点位置的变化值融合并处理，从而得到微表情变化值，之后将微表情变化值与阈值进行比较，得到变化信号，之后诊疗定位模块先根据预划分的诊断区域，在诊断区域中设置接触点，之后诊断设备对接触位置进行接触，同时在接触的过程中，对变化信号进行检测，当检测出变化信号时，将对应的接触点标记为疼痛点，智能诊断模块根据疼痛点的位置，对患者的病情进行诊断，得到诊断结果，结果输出模块将诊断结果生成对应的病历报告，并传输至对应的患者。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.基于面部识别的智能诊疗系统，其特征在于，包括：
诊区判定模块，用于根据患者的基本信息中患者所描述的病情信息，将其与病情数据库中所存储的病历信息进行查找，得到相似病情，并根据相似病情所显示的位置，对患者的诊断区域进行预划分，同时将预划分的诊断区域传输至智能诊断模块，其中基本信息包括性别、年龄、病史以及患者此次就诊的病情信息；
面部监测模块，用于对患者的面部进行实时监控，并将所监控的画面传输至监测分析模块；
监测分析模块，用于对所传输的画面进行实时分析，根据监控的实时的图像画面，先将图像画面按照时间T划分为若干帧图像，然后先分别获取到相邻的两个图像中的每个特征点的距离，之后再将相邻的两个图像中特征点的距离一一对应，并进行相减，得到特征点位置的变化值，将所有特征点位置的变化值融合并处理，从而得到微表情变化值，之后将微表情变化值与阈值进行比较，得到变化信号，并将变化信息传输至诊疗定位模块；
诊疗定位模块，用于对患者的疼痛位置进行定位，先根据预划分的诊断区域，在诊断区域中设置接触点，之后诊断设备对接触位置进行接触，同时在接触的过程中，对变化信号进行检测，当检测出变化信号时，将对应的接触点标记为疼痛点，并将对应的疼痛点的位置传输至智能诊断模块；
智能诊断模块，用于根据具体的疼痛点的位置，在病情数据存储库中查找相似病情，得到诊断结果，并传输至结果输出模块；
结果输出模块，用于根据获得的诊断结果，将诊断结果生成对应的病历报告，并传输至对应的患者。
2.根据权利要求1所述的基于面部识别的智能诊疗系统，其特征在于，面部监测模块其具体的对患者进行监测的方法为：
先采用3D技术对患者的面部进行扫描，获得患者的面部图像，并将所获得的面部图像进行建模，同时将患者的特征位置点进行标注，其中特征位置点包括眉毛、眼睛、瞳孔以及嘴部轮廓，之后面部监测模块在将患者的面部进行3D建模后，再对患者的面部变化进行实时监控。
3.根据权利要求1所述的基于面部识别的智能诊疗系统，其特征在于，微表情变化值的获取方法为：
S1：获取到实时的图像画面，先将图像画面每隔时间T划分一帧图像，其中时间T为阈值；
以第一帧图像为初始图像，按照时间顺序，将每隔时间T得到的图像按照顺序进行标记；
S2：获取到每相邻的两个图像以及对应的特征位置点的坐标位置，先选取前一张照片，即将任意相邻的两张图像分别标记为i图像和i+1图像；
S3：先获取i图像，从上到下依次获取到眉毛之间的距离，两只眼睛分别对应的张开度，两只瞳孔分别对应的数值以及嘴巴的形状；
同时按照上述的方法获取到i+1图像中的对应的特征位置之间的数据，之后获取到i图像和i+1图像中对应的特征位置之间的变化值，即分别将i图像中特征位置的距离值减去与i+1图像中对应的特征位置的距离值，分别得到特征位置的变化值，同时将变化值分别标记为眉毛变化值Bm、眼睛变化值By、瞳孔变化值Bt和嘴巴变化值Bz；
S4：采用公式Bw＝Bm×β1+By×β2+Bt×β3+Bz×β4得到患者相邻的图像中微表情变化值Bw，其中β1、β2、β3和β4分别为对应的权值系数。
4.根据权利要求1所述的基于面部识别的智能诊疗系统，其特征在于，变化信号的获取方法为：
当微表情变化值Bw小于等于阈值Y1时，此时患者为正常状态，当微表情变化值Bw大于阈值Y1时，患者面部变化存在异常，此时生成变化信号，并传输至诊疗定位模块。
5.根据权利要求1所述的基于面部识别的智能诊疗系统，其特征在于，疼痛点的位置的具体获取方法为：
ST1：先获取到预划分的诊断区域，根据诊断区域结合对应的病情，对诊断区域设置若干个接触点；
ST2：之后诊疗设备根据对应的接触点，依次对接触点的位置进行接触，同时在接触的过程中，实时检测变化信号；
当接触点被接触时诊疗定位模块接收到变化信号时，此时将接触点的位置标记为疼痛点。
6.根据权利要求1所述的基于面部识别的智能诊疗系统，其特征在于，所述还包括信息采集模块，用于对患者的基本信息进行获取，并传输至诊区判定模块。
7.根据权利要求1所述的基于面部识别的智能诊疗系统，其特征在于，还包括病情数据存储库，用于对常规的病情诊断数据进行存储。
8.根据权利要求1所述的基于面部识别的智能诊疗系统，其特征在于，诊疗定位模块中诊疗设备还设置了不同的接触压力等级，其中接触压力等级包括等级一、等级二和等级三，且等级一＜等级二＜等级三，等级三为默认等级，当诊断设备在对接触点进行接触的过程中，当产生了疼痛点时，再分别用等级一和等级二对其进行接触，从而得到患者的疼痛点的具体情况，并将其传输至智能诊断模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014405.6A CN117116467A (zh) | 2023-08-14 | 2023-08-14 | 基于面部识别的智能诊疗系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014405.6A CN117116467A (zh) | 2023-08-14 | 2023-08-14 | 基于面部识别的智能诊疗系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117116467A true CN117116467A (zh) | 2023-11-24 |
Family
ID=88806737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311014405.6A Pending CN117116467A (zh) | 2023-08-14 | 2023-08-14 | 基于面部识别的智能诊疗系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117116467A (zh) |
-
2023
- 2023-08-14 CN CN202311014405.6A patent/CN117116467A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101898414B1 (ko) | 3차원 안구 움직임 측정 방법 및 전자동 딥러닝 기반 어지럼 진단 시스템 | |
| CN110428908B (zh) | 一种基于人工智能的眼睑运动功能评估系统 | |
| KR20190105210A (ko) | 통합 의료 진단 서비스 제공 시스템 및 그 방법 | |
| KR20200005986A (ko) | 얼굴인식을 이용한 인지장애 진단 시스템 및 방법 | |
| Celona et al. | A multi-task CNN framework for driver face monitoring | |
| WO2021151290A1 (zh) | 基于机器学习的面部信息识别监控方法及装置 | |
| CN116311539B (zh) | 基于毫米波的睡眠动作捕捉方法、装置、设备及存储介质 | |
| CN116343302A (zh) | 一种基于机器视觉的微表情分类识别系统 | |
| CN115349828A (zh) | 一种基于计算机深度学习的新生儿疼痛评估系统 | |
| CN113485555B (zh) | 医学影像阅片方法、电子设备和存储介质 | |
| CN113128585B (zh) | 一种基于多尺寸卷积核的深度神经网络实现心电异常检测分类方法 | |
| da Cruz et al. | Enabling autonomous medical image data annotation: A human-in-the-loop reinforcement learning approach | |
| CN117292836A (zh) | 一种体测成绩监控方法及系统 | |
| CN117338234A (zh) | 一种屈光度与视力联合检测方法 | |
| CN117116467A (zh) | 基于面部识别的智能诊疗系统 | |
| CN115661101A (zh) | 基于随机采样和深度学习的早产儿视网膜病变检测系统 | |
| CN113014881A (zh) | 一种神经外科患者日常监护方法及系统 | |
| Valenzuela et al. | A spatio-temporal hypomimic deep descriptor to discriminate parkinsonian patients | |
| CN109480757A (zh) | 视功能检测方法和系统及装置 | |
| US20220273224A1 (en) | Detection of Brief Episodes of Atrial Fibrillation | |
| CN117617921B (zh) | 基于物联网的智能血压监控系统及方法 | |
| US20240050006A1 (en) | System and method for prediction and control of attention deficit hyperactivity (adhd) disorders | |
| CN117690583B (zh) | 基于物联网的康复护理交互式管理系统及方法 | |
| CN114724720B (zh) | 一种基于深度学习的产前电子胎心监护自动识别系统 | |
| Balaji et al. | Facial Pain Detection Using Deep Learning |
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 |