一种骨髓细胞形态学自动检测系统及其工作方法
阅读说明：本技术 一种骨髓细胞形态学自动检测系统及其工作方法 (Bone marrow cell morphology automatic detection system and working method thereof ) 是由 张曦 彭贤贵 杨武晨 张洪洋 张�诚 苟阳 唐永杰 杨程 邓小娟 于 2020-05-25 设计创作，主要内容包括：本发明创造属于骨髓细胞形态学检测领域,具体涉及了一种骨髓细胞形态学自动检测系统及其工作方法。本发明创造所采用的技术方案是,一种骨髓细胞形态学自动检测系统,包括打印机,还包括中心控制模块、扫描结构和人机交互结构；所述的扫描结构与中心控制模块通信连接；所述人机交互结构与中心控制模块通信连接；所述的打印机与中心控制模块通信连接；所述的扫描结构包括传动装置、光源盒和图像采集装置；所述的传动装置安装在光源盒上与光源盒转动连接。本系统集扫描、自动检测、人工交互以及疾病联想为一体,对骨髓细胞形态学进行全自动检测,避免人工检测时检验工作量大,可重复性差,以及容易病情误诊的问题。(The invention belongs to the field of bone marrow cell morphology detection, and particularly relates to an automatic bone marrow cell morphology detection system and a working method thereof. The invention adopts the technical scheme that the automatic bone marrow cell morphology detection system comprises a printer, a central control module, a scanning structure and a human-computer interaction structure; the scanning structure is in communication connection with the central control module; the human-computer interaction structure is in communication connection with the central control module; the printer is in communication connection with the central control module; the scanning structure comprises a transmission device, a light source box and an image acquisition device; the transmission device is installed on the light source box and is connected with the light source box in a rotating mode. The system integrates scanning, automatic detection, manual interaction and disease association, fully automatically detects the morphology of the bone marrow cells, and solves the problems of large detection workload, poor repeatability and easy misdiagnosis of diseases during manual detection.)
技术领域
本发明创造属于骨髓细胞形态学检测领域，具体涉及了一种骨髓细胞形态学自动检测系统及其工作方法。
背景技术
骨髓细胞形态学镜检是血液学中关键诊断手段之一，常用于诊断多种病症，包括白血病、多发性骨髓瘤、淋巴瘤、贫血和全血细胞减少。根据世界卫生组织发布的《骨髓恶性肿瘤诊断指南》，在诊断时需要进行详细、精确的显微镜人工检查。正常骨髓含有发育阶段的所有分化细胞，从早期前体干细胞到功能成熟细胞，包括作为大多数血细胞前体的造血干细胞以及被认为是骨髓的守门员细胞的间充质干细胞和内皮干细胞。这些细胞的形态学特征取决于本身的生物学特性，同时受到涂片、染色和图像采集过程的影响。
在目前骨髓细胞形态学检测是通过人工使用油镜进行检测，并进行人工计数识别。而采用人工操作时检验工作量大，可重复性差，不仅耗时耗力，医师连续工作易因疲劳或粗心引发错误识别，影响病情诊断。
因此，亟需开发出自动化的、借助计算机图像处理技术的骨髓细胞分类方法及分类装置，这对提高白血病诊断的整体水平具有重要意义。
发明内容
为了解决现有的人工进行骨髓细胞形态学的检测时存在的检验工作量大，可重复性差以及容易影响病情诊断的问题，本发明创造提出了一种可以自动进行骨髓细胞形态学检测的自动检测系统。
为了实现上述目的，本发明创造所采用的技术方案是，一种骨髓细胞形态学自动检测系统，包括打印机，还包括中心控制模块、扫描结构和人机交互结构；所述的扫描结构与中心控制模块通信连接；所述人机交互结构与中心控制模块通信连接；所述的打印机与中心控制模块通信连接；所述的扫描结构包括传动装置、光源盒和图像采集装置；所述的传动装置安装在光源盒上与光源盒转动连接；所述的图像采集装置与中心控制模块通信连接；所述的传动装置与光源盒与中心控制模块通信连接；所述的人机交互结构包括的语音识别模块、扬声器、身份识别模块、外设连接接口和触摸屏；所述的身份识别模块与中心控制模块通信连接；所述的外设连接口与中央控制模块电连接；所述的触摸屏与中心控制模块电连接；所述的语音识别模块与中央控制模块电连接；所述的扬声器与中心控制模块电连接。
作为优选，所述的光源盒为无盖盒体，所述的光源盒中安装有光源，所述的光源与中心控制模块电连接。
作为优选，所述的传动装置包括：若干辊轮，安装在光源盒内，与光源盒转动连接；传输带，通过辊轮包裹在光源盒上，与辊轮转动连接；传动电机，与任一辊轮同轴传动，与中心控制模块通信连接；涂片安装槽，为开凿在传输带上的通槽，用于放置受检的骨髓细胞涂片。
作为优选，所述的图像采集装置包括：采集镜头和图像采集模块；所述的采集镜头由若干个不同放大倍数的镜头组组成；所述的每个镜头组由若干个放大倍数相同且错位放置的镜头组成；图像采集模块由若干个图像传感器构成，图像传感器与中心控制模块通信连接；所述的图像传感器安装在每个镜头后面，用于采集镜头内的象；所述的采集镜头安装在光源盒上方，可以对传输带上的涂片进行扫描。
作为优选，所述的身份识别模块包括：人脸识别模块，与中心控制模块通信连接；摄像头，安装在触摸屏周边，与人脸识别模块电连接；指纹识别模块，与中心控制模块通信连接；指纹采集器，与指纹识别模块电连接；声纹识别模块，与中心控制模块通信连接；麦克风，与声纹识别模块电连接；无线通信模块，与声纹识别模块电连接。
作为优选，所述的人机交互结构还包括人机交互操作系统；所述的人机交互操作系统通过触摸屏显示，通过触摸屏或麦克风与扬声器进行人机交互；所述的人机交互操作系统包括检测设置组块和审核组块；所述的检测设置组块包括骨髓象检测设置模块和血液象检测设置组块；所述的骨髓检测设置组块或血液检测设置组块内包括：数据组选项、添加新数据组组件、执行勾选数据组交互按钮、修改数据组交互按钮和删除数据组交互按钮，所述数据组选项内包含若干相关进行检测的数据类别，自动检测系统根据数据组内的数据类别进行数据输出；所述的添加数据组组件用于建立新的数据组；所述的执行勾选数据组交互按钮用于确认执行所选数据组指令；所述的修改数据组交互按钮用于修改已有的数据组中的数据；所述的删除数据组交互按钮用于修改已有的数据组；当选择添加数据组组件时，进入新建数据组面板；所述的新建数据组面板包括，数据组组名称键入栏、若干数据类别选项、完成交互按钮和更新数据类别组件；所述的更新数据类别组件中包括组合外设数据更新交互按钮、完成更新、组合新数据组件、删除数据交互按钮和修改数据组件；所述的组合新数据组件中设有数据设计表；所述的数据设计表由完成组合交互按钮、输出侧和输入侧组成；所述的输出可于键入新数据名称；所述的输入侧可键入新数据的计算公式；所述的外设数据更新是指使用移动数据存储装置直接导入更新数据。
作为优选，所述的审核组块内设有图像质量审核版块、计数区间审核版块、细胞识别准确度审核版块和疾病联想审核版块；所述的图像质量审核版块用于审核扫描涂片所产生的图像是否符合要求；所述的计数区间审核版块用于审核计数区间的筛选是否存在问题；所述的细胞识别准确度审核版块用于检测细胞识别是否正确；所述的疾病联想审核版块用于审核对于疾病相关的数据应用和分析是否正确。
作为优选，一种骨髓细胞形态学自动检测系统的工作方法，适用于上述的一种骨髓细胞形态学自动检测系统，包括以下步骤：S1：启动扫描结构，对涂片进行扫描，形成扫描图片；S2：获取人机交互操作系统设置的检测范围；S3：对扫描图片进行计数区间筛选；S4：在筛选区间内进行取样计数，识别细胞、统计细胞种类；S5：将统计数据进行计算，获得最终计算数据；S6：将最终计算数据与正常参考值作对比，将非正常值的数据筛选；S7：将筛选的数据与现有的疾病作疾病联想；S8：进行人工审核；S9：结合人工审核结果和疾病联想结果对联想疾病进行最终筛选；S10：将最终结果打印。
作为优选，所述的S3包括以下步骤：A1：选取中倍图像，复制图片并命名为 Q1；A2：对复制的图片进行去色处理，形成图片Q2；A3：将图片Q2转化为色彩数据，并进行RGB计算，并根据平均RGB值选定具有代表性的计数区间，形成计数区间图片Q3；A4：获取每个点位的RGB数值和XY坐标数值；A5：色彩数据中的点根据RGB数值的范围进行筛选并建立白色数据组和黑色数据组；A6：将白色数据组或黑色数据组中XY坐标连续的点位进行连线，并形成图像L1；A7：设置单位面积的方框，将图像L1进行方形切割；A8：将L1中无法完全容纳一个单位面积方框的图像部分移除，并形成图形组K，依次命名为K1、K2、K3… KN；A9：将上述图形组K中的每个图形的中心点的XY值对应到图片Q2中；A10：在Q2中以图形组K中的对应的中心点KM为中心建立初代筛选框；A11：计算初代筛选框内的平均RGB值，如果平均RGB值小于特定值d1，或大于设定值d2，跳转A12，如平均RGB值大于d1并小于d2，跳转A14；A12：将该筛选框所在的区域标注为0；A13：以被标注为0的区域的四边向非标注1的区域建立与被标注为0的区域大小相同且与被编著为0的区域重叠50％区域的初代筛选框，并跳转A8；A14：将该筛选框所在的区域标注为1，判断该中心点KM所在区域KN的被标注为1的区域是否可以构成封闭图形，如果可以，跳转A15，如果不可以，跳转A13；A15：计算被标注为1的区域所包围的区域图形M的面积，如果小于等于初代筛选框的面积则对该区域图形M进行保留，如果M的面积大于初代筛选框的面积则将该区域图形M删除，其剩余的部分便形成了被筛选过的计数区间图片Q3；A16：将Q3等比放大后投影到高倍图像中。
作为优选，所述的S4包括以下步骤：B1：对低倍图像进行整体识别，并寻找其中的特殊细胞和巨型细胞并计数；B2：对筛选后的高倍图像的区域内随机选取若干计数区域，并对区域内全类细胞进行计数；B3：判断每个区域的计数结果是否具有的参考性，如果有，跳转B5；如果没有，跳转B4；B4：舍弃不具有参考性的区域的数据，并重新选择区域进行计数，跳转B3；B5：计算每个具有参考性区域内的各类细胞的之间的比例；B6：将各个区域中的计算数据进行差值分析并计算出最终的数值。
本发明创造的有益效果：本系统集扫描、自动检测、人工交互以及疾病联想为一体，对骨髓细胞形态学进行全自动检测，避免人工检测时检验工作量大，可重复性差，以及容易病情误诊的问题。
附图说明
图1：扫描结构整体示意图
图2：图像采集装置结构示意图
图3：人机交互结构组成示意图
图4：人机交互操作系统功能结构以权限关系
图5：筛选计数区间流程图
图6：整体工作方法流程图
图中：1、光源盒，2、辊轮，3、涂片安装槽，4、传输带，5、扫描头，6、镜头组。
具体实施方式
一种骨髓细胞形态学自动检测系统，包括打印机，还包括中心控制模块、扫描结构和人机交互结构。打印机与中心控制模块通信连接。
扫描结构与中心控制模块通信连接。扫描结构包括传动装置、光源盒1和图像采集装置5。传动装置安装在光源盒1上与光源盒1转动连接。传动装置以及光源盒1与中心控制模块通信连接。光源盒1为无盖盒体，光源盒1中安装有光源，光源与中心控制模块电连接。
传动装置包括：安装在光源盒1内的若干辊轮2，辊轮与光源盒1转动连接。通过辊轮2包裹在光源盒1上的传输带4，传输带与辊轮2转动连接。与任一辊轮2同轴传动的传动电机，传动电机与中心控制模块通信连接。涂片安装槽3，开凿在传输带4上的涂片安装在槽3，涂片安装槽3位通槽用于放置受检的骨髓细胞涂片。
图像采集装置5与中心控制模块通信连接。图像采集装置5包括：采集镜头和图像采集模块。采集镜头由若干个不同放大倍数的镜头组6组成。每个镜头组6由若干个放大倍数相同且错位放置的镜头组成。
图像采集模块由若干个图像传感器构成，图像传感器与中心控制模块通信连接。图像传感器安装在每个镜头后面，用于采集镜头内的象。采集镜头安装在光源盒1上方，可以对传输带4上的涂片进行扫描。
本申请中的扫描结构的工作原理是，通过传输带4带动涂片移动，依次经过不同放大倍数的镜头组6，然后灯源盒1里面的光从穿过涂片进入到镜头中，被图像传感器捕捉，与光学显微镜的原理相同。
为了图像的清晰度，现在的显微镜的物镜的镜头都设计较小。若是进入太多的光使得看到的图像光亮度过高而无法分辨视野中的图像，不利于观察，所以无法通过一个镜头一次性将整个涂片观察完整，需要不停的转换。所以本申请将镜头成排安装，但是又因为物镜实际大小比镜头大，所以如果只是单排安装又会使得不能对涂片进行完整扫描，所以便设置有多排错位排列的镜头形成镜头组6，同时又设置有不同放大倍数的镜头组6，所以可以一次性得到不同放大倍数的完整扫描图。
本申请的扫描结构采用光学显微镜的成像方式进行扫描而不是采用电镜的方式的原因在于，采用光镜是现在常用的一种观察手段，所以会有很多的参考资料，而不会因为由于成像方式不同而导致缺少对于细胞识别的参考资料。
人机交互结构与中心控制模块通信连接。人机交互结构包括的语音识别模块、扬声器、身份识别模块、外设连接接口和触摸屏。
身份识别模块与中心控制模块通信连接。外设连接口与中央控制模块电连接。触摸屏与中心控制模块电连接。语音识别模块与中央控制模块电连接。扬声器与中心控制模块电连接。
身份识别模块包括：人脸识别模块、指纹识别模块、指纹采集器、声纹识别模块、无线通信模块、摄像头和麦克风。人脸识别模块与中心控制模块通信连接。摄像头安装在触摸屏周边，与人脸识别模块电连接，用于获取人脸信息。指纹识别模块，与中心控制模块通信连接。指纹采集器，与指纹识别模块电连接，用于获取指纹信息。声纹识别模块，与中心控制模块通信连接。麦克风，与声纹识别模块电连接，用于获取声纹信息。无线通信模块，与声纹识别模块电连接。
人机交互结构还包括人机交互操作系统。人机交互操作系统通过触摸屏显示，并通过触摸屏或麦克风与扬声器进行人机交互。
人机交互操作系统包括检测设置组块和审核组块。检测设置组块包括骨髓象检测设置模块和血液象检测设置组块。
骨髓检测设置组块或血液检测设置组块内包括：数据组选项、添加新数据组组件、执行勾选数据组交互按钮、修改数据组交互按钮和删除数据组交互按钮。
数据组选项内包含若干相关进行检测的数据类别，自动检测系统根据数据组内的数据类别进行数据输出。添加数据组组件用于建立新的数据组。执行勾选数据组交互按钮用于确认执行所选数据组指令。修改数据组交互按钮用于修改已有的数据组中的数据。删除数据组交互按钮用于修改已有的数据组。
当选择添加数据组组件时，进入新建数据组面板。新建数据组面板包括，数据组组名称键入栏、若干数据类别选项、完成交互按钮和更新数据类别组件。
更新数据类别组件中包括组合外设数据更新交互按钮、完成更新、组合新数据组件、删除数据交互按钮和修改数据组件。组合新数据组件中设有数据设计表。数据设计表由完成组合交互按钮、输出侧和输入侧组成。输出可于键入新数据名称。输入侧可键入新数据的计算公式。外设数据更新是指使用移动数据存储装置直接导入更新数据。采用外设数据导入的方式来更新数据，使得数据更新更加简单易操作。
在人机交互操作系统中根据身份不同设有不同的权限，针对不同的权限开放的功能不同，其中权限有三级，分别为操作者权限、二级管理员权限和一级管理员权限，添加数据组组件、删除数据组交互按钮和修改数据组交互按钮对操作者为隐藏功能。更新数据类别的功能对于二级管理员为隐藏功能。对于一级管理员，全部功能开放。人机交互操作系统可以采用语音识别方式进行控制，使得操作者在进行设置的同时也可以进行其他工作。
对使用者的权限分级别管理，可以防止由于使用者个人专业能力较弱时误操作导致数据检测错误。该自动检测系统可以对骨髓象和血液象进行分别检测，适用范围广。本系统除中的人机交互操作系统除了对数据及数组的设计外，其余的操作对于操作者的要求极低，这样大大降低了对医生能力的要求。
该操作系统还可以通过远程语音控制，由语音声纹识别模块的无线通信模块与远程语音传输装置进行无线通信，使得在操作者不方便进行当场设置的时候，尤其对于高权限级别的管理者需要进行数据更新设置以及新建数据组的操作的时候，通过远程语音控制，节约了大量的时间。远程语音传输装置可以是蓝牙耳机或者蓝牙麦克风或者是手机等移动终端。
审核组块内设有图像质量审核版块、计数区间审核版块、细胞识别准确度审核版块和疾病联想审核版块。图像质量审核版块用于审核扫描涂片所产生的图像是否符合要求。计数区间审核版块用于审核计数区间的筛选是否存在问题。细胞识别准确度审核版块用于检测细胞识别是否正确。疾病联想审核版块用于审核对于疾病相关的数据应用和分析是否正确。
审核组块可以再统计时会将无法识别细胞和可以识别但是在大小、形态、染色以及结构异常的细胞进行截图，并将截图按照细胞种类分类整理，然后审核人员在将图像质量、计数区间和细胞识别准确度等基本项审核完且审核通过后会进入到疾病联想审核版块，在该板块审核人员需要对数据的筛选和针对性整理进行审核，同时也会对异常细胞进行按照一定的格式进行文字描述。本系统会结合审核人员对异常细胞的文字描述，对联想疾病进行最终筛选。
一种骨髓细胞形态学自动检测系统的工作方法，适用于上述的一种骨髓细胞形态学自动检测系统，包括以下步骤：S1：启动扫描结构，对涂片进行扫描，形成扫描图片。S2：获取人机交互操作系统设置的检测范围。S3：对扫描图片进行计数区间筛选。S4：在筛选区间内进行取样计数，识别细胞、统计细胞种类。S5：将统计数据进行计算，获得最终计算数据。S6：将最终计算数据与正常参考值作对比，将非正常值的数据筛选。S7：将筛选的数据与现有的疾病作疾病联想。S8：进行人工审核。S9：结合人工审核结果和疾病联想结果对联想疾病进行最终筛选。S10：将最终结果打印。
S3包括以下步骤：A1：选取中倍图像，复制图片并命名为Q1。A2：对复制的图片进行去色处理，形成图片Q2。A3：将图片Q2转化为色彩数据，并进行RGB 计算，并根据平均RGB值选定具有代表性的计数区间，形成计数区间图片Q3。 A4：获取每个点位的RGB数值和XY坐标数值。A5：色彩数据中的点根据RGB数值的范围进行筛选并建立白色数据组和黑色数据组。A6：将白色数据组或黑色数据组中XY坐标连续的点位进行连线，并形成图像L1。A7：设置单位面积的方框，将图像L1进行方形切割。A8：将L1中无法完全容纳一个单位面积方框的图像部分移除，并形成图形组K，依次命名为K1、K2、K3…KN。A9：将上述图形组K中的每个图形的中心点的XY值对应到图片Q2中。A10：在Q2中以图形组K中的对应的中心点KM为中心建立初代筛选框。A11：计算初代筛选框内的平均RGB值，如果平均RGB值小于特定值d1，或大于设定值d2，跳转A12，如平均RGB值大于d1并小于d2，跳转A14。A12：将该筛选框所在的区域标注为0。 A13：以被标注为0的区域的四边向非标注1的区域建立与被标注为0的区域大小相同且与被编著为0的区域重叠50％区域的初代筛选框，并跳转A8。A14：将该筛选框所在的区域标注为1，判断该中心点KM所在区域KN的被标注为1的区域是否可以构成封闭图形，如果可以，跳转A15，如果不可以，跳转A13。A15：计算被标注为1的区域所包围的区域图形M的面积，如果小于等于初代筛选框的面积则对该区域图形M进行保留，如果M的面积大于初代筛选框的面积则将该区域图形M删除，其剩余的部分便形成了被筛选过的计数区间图片Q3。A16：将Q3等比放大后投影到高倍图像中。
A5中的数值范围筛选，将RGB数值在0-40之间的点存入黑色数据组。将RGB 数值在215-255之间的点存入白色数据组。
单位面积的方框的单位面积设定为2-5个细胞平均面积之和。初代筛选框的面积为100个细胞平均面积之和。d1为80，d2为205，d3为16000。
上述的计数区间筛选的方法可以自动的排除在制片过程中不可避免的产生的涂抹不匀的区域进行舍弃，从而筛选出来适合观测的区域。
其中在进行区域筛选时，现将图像进行黑白处理，降低了RGB的级数，减少了色彩种类，使得运算量减小并且使得结果更加精确。设置方形切割将正常的细胞间间隙达到保留，然后又利用祖代筛选框和初代筛选框的迭代来寻找到细胞的低密度区和细胞高密度区，从而实现对图像中的可用于识别的区域进行筛选。将筛选后的区域投影到高倍图像上，用于后面进行细胞识别和统计用。本申请中选择使用中倍图像进行筛选是因为中倍图像比低倍图像光亮度高，且细胞之间较为清晰可以进行RGB识别，但是由于高倍图像相比，篇幅面积以及细节较少，又可以节省很多的计算量。
本申请中的图像分为低倍图像、中倍图像和高倍图像，其中低倍图像为涂片的100倍放大图像，中倍图像为涂片的200-400倍放大图像，高倍图像为涂片的1000倍放大图像，图像放大等于与现有的油镜观测时的图像大小相近，使得在识别涂片以及取样时具有更多的现有参考数据。
S4包括以下步骤：B1：对低倍图像进行整体识别，并寻找其中的特殊细胞和巨型细胞并计数。B2：对筛选后的高倍图像的区域内随机选取若干计数区域，并对区域内全类细胞进行计数。B3：判断每个区域的计数结果是否具有的参考性，如果有，跳转B5。如果没有，跳转B4。B4：舍弃不具有参考性的区域的数据，并重新选择区域进行计数，跳转B3。B5：计算每个具有参考性区域内的各类细胞的之间的比例。B6：将各个区域中的计算数据进行差值分析并计算出最终的数值。
其中B2中的计数区域包括正计数区域和拓展计数区域，拓展计数区域位于正计数区域***，为正计数区域的延伸。正计数区域的大小为200个细胞平均面积大小。拓展计数区域的边界与正计数区域的边界距离为10个细胞平均直径距离。在对正计数区域内的细胞计数时，如果发现落入整计数区域内的细胞不完整，则将其延伸到拓展计数区域，然后测量该细胞在正计数区域的面积与在拓展计数区域的面积，将两个面积作对比，如果在拓展计数区域内的面积大，则不计数，反之则计数。
其中对于B3中每个区域的计算结果是否具有参考性的判断方法为，统计每个计数区域内的总计数细胞量，如果计数量在100-180个之内，数据保留，反之则删除不符合的计数，并重新选取计数位置。
细胞平均面积指所需要检测位置的红细胞系统、粒细胞系统、淋巴细胞系统和单核细胞系统的细胞的平均面积。
本申请采用多点取样，然后在对每个取样点的数据进行代表性分析，然后在将所有取样点的数据进行加权计算，使得统计的数据更加具有代表性，反应的结果更加精准。本申请将数据与正常参考值进行对比，将其中可以非正常的数据提取出来，完成数据筛选。本系统可以通过大数据获取现有疾病在骨髓细胞方面的数据，将筛选出来的数据与现有疾病的数据进行对比联想，实现了对数据的整理。降低了医生对病情诊断的难度，提高了诊断速度，降低了失误率。在疾病联想的过程中，首先建立筛选出的数据与联想疾病之间的相似度和相异度的判断体系。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。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。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。然后在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。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。将完成匹配的疑似疾病的彼此的相似度相乘和彼此的相异度相乘，最终得出对整体的检测结果对该疾病的相似度和相异度。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。
以上详细描述了本发明创造的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明创造的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明创造的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。