[发明专利]一种骨髓细胞形态学自动检测系统的疾病联想方法有效
申请号: | 202010449387.4 | 申请日: | 2020-05-25 |
公开(公告)号: | CN111833297B | 公开(公告)日: | 2022-12-09 |
发明(设计)人: | 彭贤贵;张曦;杨武晨;张诚;张洪洋;王平;邓小娟;李艺 | 申请(专利权)人: | 中国人民解放军陆军军医大学第二附属医院 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06V20/69;G06V10/764;G06V10/774;G16H50/70 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 彭啟强 |
地址: | 400037 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 骨髓细胞 形态学 自动检测 系统 疾病 联想 方法 | ||
1.一种骨髓细胞形态学自动检测系统的疾病联想方法,其特征在于,包括以下步骤:
S1:对在筛选区域的细胞进行计数识别统计;
S2:将大小、形态、染色以及结构异常的细胞截图,放入审核系统进行人工描述;
S3:获取在识别过程中无法识别的细胞截图,放入审核系统中进行识别;
S4:将无法识别的细胞的识别结果补偿进入计数识别统计中;
S5:对计数结果进行关于疾病的数据的计算,获取与疾病相关的数据;
S6:将与疾病相关的数据与正常参考值作对比,进行重点数据筛选;
S7:将筛选后的数据,与现有疾病建立联想,并进行联想分析;
S8:将联想的疾病与审核系统对于异常细胞描述的结果结合得出最终的联想结果;
所述的S5包括以下步骤:
C1:设定一个目标统计总数c,将c除以计数区域的个数,得出每个计数区域应统计的细胞数量为d;
C2:将每个计数区域的实际计数量e分别与应统计量d作比,获得
C3:将每个计数区域内的各类细胞统计的量分别除以获得每个区域内各类细胞在应统计量下的统计量;
C4:将所有计数区域内的相同类型的细胞的统计量作排序;
C5:根据计数区域建立数组,将同一计数区域的各类细胞统计量的排序号放入数组中;
C6:计算数组中排序号的平均值并取整数,命名为h;
C7:以h作为该计数区域的标准平均值,将该计数区域的各项细胞统计量的排序号与h作差,获取绝对值f;
C8:若f大于等于2,则说明该项细胞的统计量的误差较大,即该计数区域的不具有代表性,则重新选择计数区域,并对该计数区域进行参考性判断;如果f小于2,跳转C9;
C9:计算每个计数区域内的各项细胞之间的比值,并将各个区域之间的同类比值作平均值计算,获得最终计算结果;
所述的S7包括以下步骤:
B1:分别对骨髓象和血液象的数据与数据库中的现有疾病进行联想;
B2:建立筛选出的数据与联想疾病之间的相似度和相异度评判体系;
B3:将每种联想疾病的相似度与相异度作对比,当相似度大于相异度时,将该疾病归纳为疑似疾病;
B4:将骨髓象中的疑似疾病与血液象中的疑似疾病名词相匹配;
B5:将完成匹配的疑似疾病的相似度相乘以及相异度相乘,最终得出整体的检测结果对该疾病的相似度和相异度;
B6:将相似度按照从高到低排序,完成对数据的分析和与疾病的联想。
2.根据权利要求1所述的一种骨髓细胞形态学自动检测系统的疾病联想方法,其特征在于,所述的S2包括以下步骤:
A1:获取由审核员按照一定格式书写的异常细胞的特征描述;
A2:将异常细胞按照种类放置,并统计每个种类中异常细胞的每个特征的出现次数,并按照次数排序;
A3:计算每个特征出现的次数占总特征数的比例;
A4:查找数据库获取每个特征所对应的现有疾病,如果一个疾病中出现有多个特征,则将多个特征的比例相加,作为异常细胞与该现有疾病的指向度。
3.根据权利要求1所述的一种骨髓细胞形态学自动检测系统的疾病联想方法,其特征在于,所述的相似度的计算方法为将筛选出的数据与现有疾病对应的数据相比较,将落入现有疾病数据范围的数据个数与现有疾病的数据个数对比获得相似度。
4.根据权利要求1所述的一种骨髓细胞形态学自动检测系统的疾病联想方法,其特征在于,所述的相异度的计算方法为将筛选出的数据与现有疾病对应的数据相比较,将不落入现有疾病数据范围的数据个数与现有疾病的数据个数对比获得相异度。
5.根据权利要求3或4所述的一种骨髓细胞形态学自动检测系统的疾病联想方法,其特征在于,落入现有疾病数据范围是指其种类与现有疾病的数据种类相同且数值落入现有疾病的数值范围内。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军陆军军医大学第二附属医院,未经中国人民解放军陆军军医大学第二附属医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010449387.4/1.html,转载请声明来源钻瓜专利网。