本发明公开了一种医学数据处理方法、预测模型的训练方法及装置。其中医学数据处理方法包括：获取第一对象的第一医学数据参数和第二对象的第二医学数据参数；基于第一扩展规则分别对第一医学数据参数和第二医学数据参数进行参数扩展，以及基于第二扩展规则...

本实用新型提供了一种真菌检测试剂盒，包括盒体和盒盖，盒体为矩形结构体，盒体和盒盖可互相扣合成一个整体，盒体内部等距设有三块与盒体底面垂直的隔板，盒体上下两侧壁的内表面分别对称设有限位块，限位块内活动套设有一块活动挡板，隔板的一端与盒体左...

本发明公开了一种基于人工智能技术的原发性肝癌复发预测方法，本发明利用了计算机强大的运算能力和人工智能算法，从海量原发性肝癌患者数据中自动捕捉和学习不同肝癌患者生理指标的细微差别特点，发现对肝癌复发的潜在危险性因子，进而构建适用于的原发性...

本发明提供了一种防伪二维码及其生成和检测识别的方法，其中，防伪二维码是由位置检测图形以及编码区域组成的二维码图形，位置检测图形具有四个定位标记，四个定位标记中的一个定位标记为主定位标记；编码区域为圆形，且编码区域位于整个二维码图形的中心...

本发明提供了一种基于神经网络的智能病案文字识别的方法，本发明通过新设计的卷积神经网络模块和双层双向神经网络的结合，新的卷及神经网络模块能加深神经网络的深度，将卷积后的特征图进行双层双向神经网络的处理，充分考虑到图片每一切片之间的联系，随...

本发明提供了一种基于神经网络的真菌MALDI—TOF质谱数据识别方法，本发明的技术核心是，基于神经网络智能分类技术，利用了计算机强大的运算能力，基于反向传播优化算法自动总结不同菌种荷质比权重的分布规律，进而构建真菌MALDI‑TOF质谱...

本发明公开了一种利用神经网络对荧光镜检真菌阴阳性的判别方法，包括的步骤有：取临床数据制作载玻片标本，采集图像数据。将其中阴阳性图片由有经验的医生对采集到的数据样本标注，在图像上标记菌丝及孢子所在位置，得到标注文件。将标注文件分为训练集、...

本发明公开了一种人工智能肝移植早期肝功能失功的预测方法，包括的方法有：（1）、从医院中获取至少200份的肝移植受体/供体的病例资料，包括其术后的情况登记病例；（2）、对资料数据进行处理，共包括特征数据65个；（3）、将处理后的特征数据，...

本发明公开了一种基于人工智能原发性肝癌治疗方案的决策方法，基于人工智能分类技术，利用了计算机强大的运算能力，通过数据处理肝癌患者病例特征，基于梯度提升树方法自动总结不同肝癌患者生理指标的细微差别特点，进而构建基于不同病例治疗方案的分类模...

本发明公开了一种基于科玛嘉培养的真菌的数据采集方法，包括步骤：1）在患者身上的角质层或者毛发上采集带有目标菌体的样本，并进行编号；2）将采集的目标菌体经过多次培养后提纯；3）将提纯后的真菌进行DNA测序；4）将提纯后的真菌取单菌落在科玛...

本发明公开了一种中药材人工智能鉴别系统及其鉴别方法，鉴别系统包括云服务器以及用户手机端，云服务器与用户手机端通过互联网连接；云服务器储存有训练好的人工智能模型，用户手机端安装有用于鉴别的APP。其鉴别方法包括点开APP，根据鉴别要求选取...

本发明公开了一种应用于制药厂的人工智能识别系统及其识别方法，其系统包括服务器以及药材筛选机，服务器与药材筛选机通过网络连接；服务器用于储存训练好的人工智能模型；药材筛选机用于拍摄中药材照片，接收服务器的识别结果。其系统的识别方法，包括通...

本发明公开了一种基于人工智能的中药材种植产地的鉴别方法，包括的方法有：收集不同产地的各种不同的中药材饮片若干，并对不同产地的每种中药材饮片拍摄图像照片至少一百张；利用已训练的深度学习卷积神经网络框架提取每张图片的多维特征值；将每张图片的...

本发明公开了一种常见皮肤病网络辅助诊断系统，包括客户端和服务器端；客户端包括用户系统；服务器端包括文本智能处理系统、图片智能处理系统、综合评价系统和反馈系统；用户系统分别连接文本智能处理系统和图片智能处理系统，文本智能处理系统和图片智能...

本发明公开了一种基于人工智能的中药材采收时间的鉴别方法，包括的方法有：收集不同采收时间的中药材若干，并对不同采收时间的每种中药材拍摄图像照片至少一百张；利用已训练的深度学习卷积神经网络框架提取每张图片的多维特征值；将每张图片的多维特征值...

本发明公开了一种中药材AI鉴别的图片测试方法，一种中药材AI鉴别的图片测试方法，包括如下方法：获取中药材在标准环境条件下的照片；然后用该照片通过图片增强的方法生成的测试图片模拟不同环境条件下的照片，进行AI鉴别，得到不同环境条件下的测试...

本发明公开了一种应用于医药识别的数据增强方法，包括如下方法：1.使用传统的数据增强技术对训练集中的图片做数据增强，得到新图片；2.构建生成对抗网络生成的新图片；3.使用替换背景颜色来做训练集图片的数据增强，保存下新的图片；4.将原始的训...