CN108333126B - 一种人工智能实时动态光谱脑脊液监测*** - Google Patents
一种人工智能实时动态光谱脑脊液监测*** Download PDFInfo
- Publication number
- CN108333126B CN108333126B CN201810042375.2A CN201810042375A CN108333126B CN 108333126 B CN108333126 B CN 108333126B CN 201810042375 A CN201810042375 A CN 201810042375A CN 108333126 B CN108333126 B CN 108333126B
- Authority
- CN
- China
- Prior art keywords
- cerebrospinal fluid
- fluid container
- light
- light source
- embedded groove
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种人工智能实时动态光谱脑脊液监测***,包括计算机、光源、脑脊液容器、光频率转换器、显示屏和无线通讯模块,所述光频率转换器、显示屏和无线通讯模块均与计算机电性连接,所述脑脊液容器呈皿状设置,所述脑脊液容器上盖有反光盖,所述反光盖与脑脊液容器螺纹连接,所述脑脊液容器为透明设置,所述光源位于所述脑脊液容器的内壁,所述脑脊液容器的内壁上开有嵌入槽,所述光源嵌入到于嵌入槽内设置,所述光源与嵌入槽的槽底可拆卸连接,所述光源和嵌入槽均呈环形设置,所述光频率转换器位于脑脊液容器的底面中部,所述光频率转换器嵌入于脑脊液容器设置;该人工智能实时动态光谱脑脊液监测***能满足现代医学的需要。
Description
技术领域
本发明涉及医疗器械技术领域,具体来说,涉及一种人工智能实时动态光谱脑脊液监测***。
背景技术
脑脊液(Cerebro-Spinal Fluid,CSF)脑脊液为无色透明的液体,充满在各脑室、蛛网膜下腔和脊髓中央管内。脑脊液由脑室中的脉络丛产生,与血浆和淋巴液的性质相似,略带粘性。正常成年人的脑脊液约100-150毫升,其比重为 1,呈弱碱性,不含红细胞,但每立方毫米中约含5个淋巴细胞。正常脑脊液具有一定的化学成分和压力,对维持颅压的相对稳定有重要作用。患中枢神经***疾病时,常常要作腰椎穿刺吸取脑脊液检查,以协助诊断。脑脊液的性状和压力受多种因素的影响,若中枢神经***发生病变,神经细胞的代谢紊乱,将使脑脊液的性状和成分发生改变;若脑脊液的循环路径受阻,颅内压力将增高。因此,当中枢神经***受损时,脑脊液的检测成为重要的辅助诊断手段之一。
传统的脑脊液是用肉眼根据脑脊液的颜色和透明度来判别的。这种传统方法很不科学,已经不满足现代医学的需要。
发明内容
本发明要解决的技术问题是提供一种能满足现代医学的需要人的工智能实时动态光谱脑脊液监测***。
为解决上述问题,本发明采用如下技术方案:
一种人工智能实时动态光谱脑脊液监测***,包括计算机、光源、脑脊液容器、光频率转换器、显示屏和无线通讯模块,所述光频率转换器、显示屏和无线通讯模块均与计算机电性连接,所述脑脊液容器呈皿状设置,所述脑脊液容器上盖有反光盖,所述反光盖与脑脊液容器螺纹连接,所述脑脊液容器为透明设置,所述光源位于所述脑脊液容器的内壁,所述脑脊液容器的内壁上开有嵌入槽,所述光源嵌入到于嵌入槽内设置,所述光源与嵌入槽的槽底可拆卸连接,所述光源和嵌入槽均呈环形设置,所述光频率转换器位于脑脊液容器的底面中部,所述光频率转换器嵌入于脑脊液容器设置。
作为优选,所述光频率转换器为RGB彩色光/频率转换器,即使是背景颜色有着细微的差别的颜色也可以检测到,处理速度快。自动适应波长,能够检测灰度值的细小差别。
作为优选,所述嵌入槽的槽底上设置有榫头,所述榫头与嵌入槽的槽底粘合,所述光源上设置有与榫头相配对的榫眼,所述光源与与嵌入槽的槽底通过榫头和榫眼可拆连接,光源在嵌入槽内稳定性好,而且光源拆装方便。
作为优选,所述光源为LED灯带,LED灯带使用寿命长,又非常节能和绿色环保。
作为优选,所述无线通讯模块为zigbee模块,zigbee模块低功耗、低成本、低复杂度,可以有利于设备推广和运用。
本发明还提供一种人工智能实时动态光谱脑脊液监测***的检测方法,包括以下步骤:
1)将脑脊液的一般性状数据建立的诊断模型,并对诊断模型进行训练;
2)采用光频率转换器探测脑脊液的性状,然后输入到诊断模型内进行诊断;
3)输出结果。
进一步的,所述步骤1)的训练是通过预先提供的1600-2700对相互对应的输入和输出数据,分析掌握两者之间潜在的规律。
进一步的,所述脑脊液的一般性状包括有颜色性状和透明度性状。
进一步的,所述诊断模型为神经网络的诊断模型。
原理:
本发明采用数字化光电传感器。此数字化光电传感器可以直接数字量输出,简化了电路,阻止了信号崎变。此数字化光电传感器有三组光电接收管,各为红(R),绿(G),蓝(B)。复盖全光谱。当脑脊液通过时其颜色和透明度将以RGB的数字量显示。这里RGB的数字量为原始数据集。经过归一化变换后,其量值将在(0,1)区间。就可以作为神经网络的输入交由计算机处理。我们通常所看到的物体的颜色,实际上是物体表面吸收了照射到它上面的白光(日光)中的一部分有色成分,而反射出的另一部分有色光在人眼中的反应。白色是由各种频率的可见光混合在一起构成的,也就是说白光中包含着各种颜色的色光(如红R、黄Y、绿G、青V、蓝B、紫P)。根据德国物理学家赫姆霍兹(Helinholtz)的三原色理论可知,各种颜色是由不同比例的三原色(红、绿、蓝)混合而成的。由上面的三原色感应原理可知,如果知道构成各种颜色的三原色的值,就能够知道所测试物体的颜色。
本发明采用的是数字化的彩色光/频率传感器,此传感器将红、绿和蓝滤波器集成在单芯片上,无需ADC就可实现每彩色信道10位以上的分辨率。片内含一个交叉连接的8×8光电二极管阵列,其中每16个二极管提供一种色彩类型,共有红、蓝、绿和清除全部光信息四种类型,可最大限度地降低入射光幅射的不均匀性。所有同颜色的16个光电二极管都是并联连接。当选定一个颜色滤波器时,它只允许某种特定的原色通过,阻止其它原色的通过。例如:当选择红色滤波器时,入射光中只有红色可以通过,蓝色和绿色都被阻止,这样就可以得到红色光的光强;同理,选择其它的滤波器,就可以得到蓝色光和绿色光的光强。通过这三个值,就可以分析投射到传感器上的光的颜色。同样,数字化的彩色光/频率传感器对透明度的处理也有其独到之处,一般肉眼是无法将透明和混浊分辨清楚的,只能大概描述,而我们的数字化的光/频率传感器对透明和混浊是可以用数字来量化的。从透明到混浊可以分辨成若干等级,再通过人工神经网络,可以轻松的完成肉眼无法完成的透明和混浊的分辨问题。
将海量的RGB值采用神经网络模型处理。人工智能是计算机科学的一个分支,是涉及建造一种机器的理论。对人工智能的研究,有实现功能模拟和生理结构的模拟二种方法,前者即通常所说的人工智能(AI),后者即人工神经网络(ANN)人工神经网络具有自学习和自适应的能力,可以通过预先提供的一批相互对应的输入—输出数据,分析掌握两者之间潜在的规律,最终根据这些规律,用新的输入数据来推算输出结果,这种学习分析的过程被称之为“训练”。
同生物神经***类似,人工神经网络也是由人工神经元为基本单元构成的。人工神经元是模拟生物神经元的数学模型,是人工神经网络的基本材料单元,同时也是一个多输入/单输出的非线性元件。
如图3所示神经元的每一个输入连接都有突触连接强度,用一个连接权值来表示,即将产生的信号通过连接强度放大,每一个输入量(Pi)都相应有一个相关联的权重(Wi)。处理单元将经过权重的输入量化,然后相加求得其加权值之和,计算出唯一的输出量,这个输出量(a)是权重和的函数,一般称此函数为传递函数。这个过程可以用公式表示为:
其中a表示此神经元采用的传递函数。
这里Pi是我们得到的RGB值。
神经网络由排列成层的处理单元组成,接收输入信号的神经元层称输入层,输出信号的神经元层称输出层,不直接与输入/输出***的神经元层称为中间层或隐层。
当神经网络的模型结构确定之后,接下来就是学习和训练。
本发明采用有监督学习算法。即同时给出输入和正确的输出,网络根据当前输出与所要求的目标输出差来进行网络调整,使网络做出正确的反应。有监督学习算法需要大量的标准数据。即需建立标准样本库。脑脊液数据标准样本库目前还是个空白,我们的工作需要将用光谱法得到的数据和临床表现建立标准样本库。即将得到的RGB值和临床表现检验数据等建立的关系进入网络数据库。
本发明的有益效果为:通过采用了数字化光电传感器将脑脊液的光谱实时动态数字化采集下来,得到量化的脑脊液光谱数据,然后再配合计算机将脑脊液的数据进行分析,从而得出结果,可以有效的减轻工作人员的工作负担,此外,光频率转换器为RGB彩色光/频率转换器,即使是背景颜色有着细微的差别的颜色也可以检测到,处理速度快。自动适应波长,能够检测灰度值的细小差别。嵌入槽的槽底上设置有榫头,榫头与嵌入槽的槽底粘合,光源上设置有与榫头相配对的榫眼,光源与与嵌入槽的槽底通过榫头和榫眼可拆连接,光源在嵌入槽内稳定性好,而且光源拆装方便。光源为LED 灯带,LED灯带使用寿命长,又非常节能和绿色环保。无线通讯模块为zigbee 模块,zigbee模块低功耗、低成本、低复杂度,可以有利于设备推广和运用。
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为本发明一种人工智能实时动态光谱脑脊液监测***的整体结构示意图;
图2为本发明一种人工智能实时动态光谱脑脊液监测***的RGB彩色光 /频率转换器原理图。
图3为人工神经元模型。
图4为本发明一种人工智能实时动态光谱脑脊液监测***的脑脊液容器的局部剖面图。
图中:
1、计算机;2、光源;3、脑脊液容器;4、光频率转换器;5、显示屏; 6、无线通讯模块;7、反光盖;8、嵌入槽;9、榫头。
具体实施方式
下面将结合本发明实施例中的附图,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所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1和4所示,一种人工智能实时动态光谱脑脊液监测***,包括计算机1、光源2、脑脊液容器3、光频率转换器4、显示屏5和无线通讯模块6,所述光频率转换器4、显示屏5和无线通讯模块6均与计算机1电性连接,所述脑脊液容器3呈皿状设置,所述脑脊液容器3上盖有反光盖7,所述反光盖7与脑脊液容器3螺纹连接,所述脑脊液容器3为透明设置,所述光源2位于所述脑脊液容器3的内壁,所述脑脊液容器3的内壁上开有嵌入槽8,所述光源2嵌入到于嵌入槽8内设置,所述光源2与嵌入槽8的槽底可拆卸连接,所述光源2和嵌入槽8均呈环形设置,所述光频率转换器4 位于脑脊液容器3的底面中部,所述光频率转换器4嵌入于脑脊液容器3 设置。通过采用了数字化光电传感器将脑脊液的光谱实时动态数字化采集下来,得到量化的脑脊液光谱数据,然后再配合计算机将脑脊液的数据进行分析,从而得出结果,可以有效的减轻工作人员的工作负担。
本实施例的有益效果为:通过采用了数字化光电传感器将脑脊液的光谱实时动态数字化采集下来,得到量化的脑脊液光谱数据,然后再配合计算机将脑脊液的数据进行分析,从而得出结果,可以有效的减轻工作人员的工作负担。
实施例2
如图1和4所示,一种人工智能实时动态光谱脑脊液监测***,包括计算机1、光源2、脑脊液容器3、光频率转换器4、显示屏5和无线通讯模块6,所述光频率转换器4、显示屏5和无线通讯模块6均与计算机1电性连接,所述脑脊液容器3呈皿状设置,所述脑脊液容器3上盖有反光盖7,所述反光盖7与脑脊液容器3螺纹连接,所述脑脊液容器3为透明设置,所述光源2位于所述脑脊液容器3的内壁,所述脑脊液容器3的内壁上开有嵌入槽8,所述光源2嵌入到于嵌入槽8内设置,所述光源2与嵌入槽8的槽底可拆卸连接,所述光源2和嵌入槽8均呈环形设置,所述光频率转换器4 位于脑脊液容器3的底面中部,所述光频率转换器4嵌入于脑脊液容器3 设置。所述光频率转换器4为RGB彩色光/频率转换器,即使是背景颜色有着细微的差别的颜色也可以检测到,处理速度快。自动适应波长,能够检测灰度值的细小差别。所述嵌入槽8的槽底上设置有榫头9,所述榫头9与嵌入槽8的槽底粘合,所述光源2上设置有与榫头9相配对的榫眼(未图示),所述光源2与与嵌入槽8的槽底通过榫头和榫眼可拆连接,光源2在嵌入槽8 内稳定性好,而且光源拆装方便。所述光源2为LED灯带,LED灯带使用寿命长,又非常节能和绿色环保。
本实施例的有益效果为:通过采用了数字化光电传感器将脑脊液的光谱实时动态数字化采集下来,得到量化的脑脊液光谱数据,然后再配合计算机将脑脊液的数据进行分析,从而得出结果,可以有效的减轻工作人员的工作负担,此外,光频率转换器为RGB彩色光/频率转换器,即使是背景颜色有着细微的差别的颜色也可以检测到,处理速度快。自动适应波长,能够检测灰度值的细小差别。嵌入槽的槽底上设置有榫头,榫头与嵌入槽的槽底粘合,光源上设置有与榫头相配对的榫眼,光源与与嵌入槽的槽底通过榫头和榫眼可拆连接,光源在嵌入槽内稳定性好,而且光源拆装方便。光源为 LED灯带,LED灯带使用寿命长,又非常节能和绿色环保。
实施例3
如图1和4所示,一种人工智能实时动态光谱脑脊液监测***,包括计算机1、光源2、脑脊液容器3、光频率转换器4、显示屏5和无线通讯模块6,所述光频率转换器4、显示屏5和无线通讯模块6均与计算机1电性连接,所述脑脊液容器3呈皿状设置,所述脑脊液容器3上盖有反光盖7,所述反光盖7与脑脊液容器3螺纹连接,所述脑脊液容器3为透明设置,所述光源2位于所述脑脊液容器3的内壁,所述脑脊液容器3的内壁上开有嵌入槽8,所述光源2嵌入到于嵌入槽8内设置,所述光源2与嵌入槽8的槽底可拆卸连接,所述光源2和嵌入槽8均呈环形设置,所述光频率转换器4 位于脑脊液容器3的底面中部,所述光频率转换器4嵌入于脑脊液容器3 设置。通过采用了数字化光电传感器将脑脊液的光谱实时动态数字化采集下来,得到量化的脑脊液光谱数据,然后再配合计算机将脑脊液的数据进行分析,从而得出结果,可以有效的减轻工作人员的工作负担。
所述光频率转换器4为RGB彩色光/频率转换器,即使是背景颜色有着细微的差别的颜色也可以检测到,处理速度快。自动适应波长,能够检测灰度值的细小差别。
所述嵌入槽8的槽底上设置有榫头9,所述榫头9与嵌入槽8的槽底粘合,所述光源2上设置有与榫头9相配对的榫眼(未图示),所述光源2与与嵌入槽8的槽底通过榫头和榫眼可拆连接,光源2在嵌入槽8内稳定性好,而且光源拆装方便。
所述光源2为LED灯带,LED灯带使用寿命长,又非常节能和绿色环保。
所述无线通讯模块6为zigbee模块,zigbee模块低功耗、低成本、低复杂度,可以有利于设备推广和运用。
本实施例的有益效果为:通过采用了数字化光电传感器将脑脊液的光谱实时动态数字化采集下来,得到量化的脑脊液光谱数据,然后再配合计算机将脑脊液的数据进行分析,从而得出结果,可以有效的减轻工作人员的工作负担,此外,光频率转换器为RGB彩色光/频率转换器,即使是背景颜色有着细微的差别的颜色也可以检测到,处理速度快。自动适应波长,能够检测灰度值的细小差别。嵌入槽的槽底上设置有榫头,榫头与嵌入槽的槽底粘合,光源上设置有与榫头相配对的榫眼,光源与与嵌入槽的槽底通过榫头和榫眼可拆连接,光源在嵌入槽内稳定性好,而且光源拆装方便。光源为 LED灯带,LED灯带使用寿命长,又非常节能和绿色环保。无线通讯模块为 zigbee模块,zigbee模块低功耗、低成本、低复杂度,可以有利于设备推广和运用。
本发明还提供一种人工智能实时动态光谱脑脊液监测***的检测方法,包括以下步骤:
1)将脑脊液的一般性状数据建立的诊断模型,并对诊断模型进行训练;
2)采用光频率转换器探测脑脊液的性状,然后输入到诊断模型内进行诊断;
3)输出结果。
进一步的,所述步骤1)的训练是通过预先提供的2700对相互对应的输入和输出数据,分析掌握两者之间潜在的规律。
进一步的,所述脑脊液的一般性状包括有颜色性状和透明度性状。
颜色:
正常脑脊液是无色透明的液体。在病理情况下,脑脊液可呈不同颜色改变。
①红色:常由于各种出血引起的,脑脊液中出现多量的红细胞,主要由于穿刺损伤出血、蛛网膜下腔出血引起。
②黄色:可因出血、梗阻、郁滞、黄疸等引起。
③白色或灰白色:多因白细胞增加所致常见于化脓性脑膜炎。
④褐色或黑色:常见于脑膜黑色素瘤。
透明度:
正常脑脊液应清晰透明。
病毒性脑炎、神经梅毒等疾病的脑脊液也可呈透明外观。脑脊液中白细胞如超进300×106/L时可变为混浊;蛋白质含量增加或含有大量细菌、真菌等也可使其混浊;结核性脑膜炎常呈毛玻璃样微混;而化脓性脑膜炎常呈明显混浊。
进一步的,所述诊断模型为神经网络的诊断模型。
以上所述仅为本发明的较佳实施例而已,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 (1)
1.一种人工智能实时动态光谱脑脊液监测***,其特征在于:包括计算机(1)、光源(2)、脑脊液容器(3)、光频率转换器(4)、显示屏(5)和无线通讯模块(6),所述光频率转换器(4)、显示屏(5)和无线通讯模块(6)均与计算机(1)电性连接,所述脑脊液容器(3)呈皿状设置,所述脑脊液容器(3)上盖有反光盖(7),所述反光盖(7)与脑脊液容器(3)螺纹连接,所述脑脊液容器(3)为透明设置,所述光源(2)位于所述脑脊液容器(3)的内壁,所述脑脊液容器(3)的内壁上开有嵌入槽(8),所述光源(2)嵌入到嵌入槽(8)内设置,所述光源(2)与嵌入槽(8)的槽底可拆卸连接,所述光源(2)和嵌入槽(8)均呈环形设置,所述光频率转换器(4)位于脑脊液容器(3)的底面中部,所述光频率转换器(4)嵌入于脑脊液容器(3)设置;
其中,所述光频率转换器(4)为RGB彩色光/频率转换器;
其中,所述计算机用于实时动态光谱脑脊液检测获得检测结果,并将所述检测结果发送所述显示屏,其中,所述检测结果通过如下步骤予以实现:
1)利用脑脊液的一般性状数据建立诊断模型,并对诊断模型进行训练;
2)采用光频率转换器探测脑脊液的性状,然后输入到诊断模型内进行诊断;
3)输出结果;
其中,所述步骤1)的训练是通过预先提供的1600-2700对相互对应的输入和输出数据,分析掌握两者之间潜在的规律;
所述脑脊液的一般性状数据包括有颜色性状和透明度性状;
所述诊断模型为神经网络的诊断模型;
其中,所述嵌入槽(8)的槽底上设置有榫头(9),所述榫头(9)与嵌入槽(8)的槽底粘合,所述光源(2)上设置有与榫头(9)相配对的榫眼,所述光源(2)与嵌入槽(8)的槽底通过榫头(9)和榫眼可拆连接;
所述光源(2)为LED灯带;
所述无线通讯模块(6)为zigbee模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810042375.2A CN108333126B (zh) | 2018-01-17 | 2018-01-17 | 一种人工智能实时动态光谱脑脊液监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810042375.2A CN108333126B (zh) | 2018-01-17 | 2018-01-17 | 一种人工智能实时动态光谱脑脊液监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108333126A CN108333126A (zh) | 2018-07-27 |
CN108333126B true CN108333126B (zh) | 2020-12-01 |
Family
ID=62925137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810042375.2A Expired - Fee Related CN108333126B (zh) | 2018-01-17 | 2018-01-17 | 一种人工智能实时动态光谱脑脊液监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108333126B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11504739A (ja) * | 1995-07-25 | 1999-04-27 | ホルス ゼラピーティクス,インコーポレイテッド | コンピュータ援用疾病診断方法 |
JP2000105192A (ja) * | 1998-09-29 | 2000-04-11 | Kett Electric Laboratory | ボロノイ分割を利用したニューラルネットワークを用い た穀類粒判別装置 |
US7715010B2 (en) * | 2007-01-26 | 2010-05-11 | O.I. Corporation | Non-dispersive electromagnetic radiation detector |
CN101055206B (zh) * | 2007-05-25 | 2010-06-02 | 南开大学 | 机器视觉***的无干扰式色彩采集装置 |
CN201063021Y (zh) * | 2007-08-08 | 2008-05-21 | 天地科技股份有限公司 | 双光源双敏感元件红外多气体检测传感器 |
CN102680095A (zh) * | 2011-03-08 | 2012-09-19 | 致茂电子(苏州)有限公司 | 色度及亮度均匀的光源及具该光源的色彩感测仪 |
CN103424382A (zh) * | 2013-08-26 | 2013-12-04 | 沈玉红 | 智能洗胃动态监测方法及用于该方法的装置 |
CN203782154U (zh) * | 2014-01-26 | 2014-08-20 | 湖南鸿鹰生物科技有限公司 | 一种多功能微生物菌落计数器 |
CN103822893B (zh) * | 2014-02-28 | 2016-07-06 | 江苏物联网研究发展中心 | 一种ndir气体传感器 |
-
2018
- 2018-01-17 CN CN201810042375.2A patent/CN108333126B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108333126A (zh) | 2018-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Backhaus et al. | Color distance derived from a receptor model of color vision in the honeybee | |
CN105205984B (zh) | 一种用于特高压输电线路的巡检仪 | |
EP0650591B1 (en) | Non-invasive testing | |
CN102334422B (zh) | 基于机器视觉的蔬菜叶部病害实时诊断方法与*** | |
CN112464863A (zh) | 可变光环境下学习注意力检测与预判装置 | |
CN106805985B (zh) | 基于功能性近红外光谱技术的专注力检测、训练***和方法 | |
CN103565419A (zh) | 测色装置和包含由该测色装置得到的颜色信息的肤色映射图 | |
Williams et al. | Oblique effects in normally reared monkeys (Macaca nemestrina): Meridional variations in contrast sensitivity measured with operant techniques | |
AU764447B2 (en) | Fiber color grading system | |
CN114026408A (zh) | 识别微生物的方法 | |
CN105606543A (zh) | 一种便携式香蕉成熟度检测仪 | |
CN108333126B (zh) | 一种人工智能实时动态光谱脑脊液监测*** | |
Little | Color Measurement of Translucent Food Samples a | |
CN109342378A (zh) | 基于多模态成像技术的菌落生长状态检测装置及方法 | |
CN112022108A (zh) | 一种黄疸检测装置及辅助决策*** | |
CN102693671B (zh) | 一种舌象分类卡的制作方法 | |
Azmi et al. | Conceptual determination and assessment of cyanosis | |
Macnab et al. | Evaluation of cortical neuroexcitation in urinary urgency using simultaneous near infrared spectroscopy of the brain and bladder with quantification of sensation | |
Sudki et al. | Fungal identification in peanuts seeds through multispectral images: Technological advances to enhance sanitary quality | |
CN205484016U (zh) | 一种便携式香蕉成熟度检测仪 | |
Várkonyi-Kóczy et al. | Intelligent Space: New challenges in research and education | |
CN107205732A (zh) | 近红外脑功能测量装置及测量方法 | |
CN213364593U (zh) | 一种尿液检测*** | |
CN117116474B (zh) | 一种基于人体指尖数据的健康状况智能监控*** | |
Evgenievich et al. | Using the colorimetric method to control biological objects |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201201 Termination date: 20220117 |