一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法专利检索-自组织映射人工神经网络机器学习人工智能人工智能专利检索查询-专利查询网

一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法

阅读：1016发布：2020-05-23

专利汇可以提供一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法专利检索，专利查询，专利分析的服务。并且一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，搜集复数受试者经由免疫标记套组检验的数据，及其每位受试者相对应的疾病诊断资料，建立免疫标记套组检验资料库，通过机器学习演算法处理后，形成具有图像的辅助判读模型，接着让新受试者进行免疫标记套组的检验，将取得的数据由群聚式的机器学习演算法处理，使其数据与免疫标记套组检验资料库呈现图像化至辅助判读模型进行分布型态的比对；通过上述，本案提供了多数据的即时分析供临床医师参考，在正确性、时效性及判读结果重现性上，皆可获得改善。，下面是一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法专利的具体信息内容。

权利要求

1.一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，其特征在于，步骤如下：
(1)将复数免疫标记结合成一免疫标记套组；
(2)搜集复数受试者经由该免疫标记套组检验的数据，及其每位受试者相对应的疾病诊断资料，以建立一免疫标记套组检验资料库，接着将该免疫标记套组检验资料库的资料输入至机器学习机中，再通过一机器学习机的群聚式的机器学习演算法处理后以图像的方式呈现，形成一具有视觉化的辅助判读模型；
(3)新受试者的检验数据与该辅助判读模型进行比对：新受试者的检验数据于该免疫标记套组中，挑选至少两项以上不同的该免疫标记进行检验，将数据输入至机器学习机，及从该免疫标记套组检验资料库挑选相对应的检验项目，通过群聚式的机器学习演算法比对分析，并以图像的方式呈现于该辅助判读模型中进行分布型态的比对。
2.如权利要求1所述的一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，其特征在于，所述新受试者的检验数据可在不同时间进行的检测，并同时显示于该辅助判读模型上，以表现新受试者的检验数据演变。
3.如权利要求1所述的一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，其特征在于，所述的群聚式的机器学习演算法包括：主成分分析法、自组织映射图、阶层分群法、K平均分群法、K中心分群法、最大期望分群法、基于密度的分群法、基于网格的分群法、基于模式的分群法或上述的任意组合。
4.如权利要求1所述的一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，其特征在于，检体为人体的血液、尿液、唾液、汗液、粪便、胸水、腹水或脑脊髓液。
5.如权利要求1所述的一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，其特征在于，该免疫标记为抗心磷脂抗体免疫球蛋白G、抗心磷脂抗体免疫球蛋白M、抗β
2醣蛋白抗体免疫球蛋白G、抗β2醣蛋白抗体免疫球蛋白M、抗磷脂质抗体免疫球蛋白G、抗磷脂质抗体免疫球蛋白M、抗核抗体、类风湿性因子、狼疮细胞、高敏感度C反应蛋白、抗双股去氧核醣核酸抗体、抗单股去氧核醣核酸抗体、抗核糖体P抗体、抗可萃取式核抗原抗体、抗甲状腺球蛋白抗体、抗甲状腺过氧化物酶抗体、抗嗜中性白血球细胞质抗体、抗SS-A抗体、抗SS-B抗体、抗Smith抗体、抗核糖核蛋白抗体、抗Ku抗体、抗Ro52抗体、抗异质性核糖核蛋白A1抗体、抗增殖细胞核抗原抗体、抗热休克蛋白90抗体、抗高基氏体抗体、抗高迁移率族蛋白17抗体、抗scl-70抗体、抗着丝粒抗体、抗核醣核酸聚合酶I抗体、抗核醣核酸聚合酶II抗体、抗核醣核酸聚合酶III抗体、抗核仁纤维蛋白抗体、抗U1核糖核蛋白抗体、抗PM-Scl抗体、抗Th抗体、抗NOR90抗体、抗毒蕈碱受体抗体、抗α胞衬蛋白抗体、抗核抗原14抗体、抗Jo
1抗体、抗苏氨酰转运核糖核酸合成酶抗体、抗丙氨酰转运核糖核酸合成酶抗体、抗苯丙氨酰转运核糖核酸合成酶抗体、抗酪氨酰转运核糖核酸合成酶抗体、抗天冬酰胺转运核糖核酸合成酶抗体、抗甘氨酰转运核糖核酸合成酶抗体、抗异亮氨酸转运核糖核酸合成酶抗体、抗黑色素瘤分化相关基因5抗体、抗Mi2抗体、抗讯息辨认体抗体、抗小泛素样修饰物激活酶抗体、抗p155抗体、抗HMG-CoA还原酶抗体、抗MJ抗体或上述的任意组合。
6.如权利要求1所述的一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，其特征在于，该免疫标记套组为检验风湿免疫相关疾病。

说明书全文

一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的

方法

技术领域

[0001] 本发明提供一种建立辅助判读模型的方法，尤指一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，通过免疫标记套组结合机器学习演算法的即时分析，再经由图像化的呈现比对结果，供使用者从整体数据分布找出新标的个案可能的免疫疾病。

背景技术

[0002] 免疫疾病是许多发展中国家、发达国家的主要疾病，而免疫疾病种类繁多，疾病的确定诊断通常须根据多项的准则进行判断。文献指出，由于免疫疾病的多样性，约有20％-52％的风湿免疫科别病患无法得到确切诊断。此外，某些免疫疾病的进展缓慢，在早期临床表现常不典型，在漫长持续追踪的过程中仍无法得到确切的诊断与处置。因此，此类免疫疾病的诊断、治疗、与追踪常常不正确、不经济、不方便之外，也因而浪费相当庞大的医疗资源。

[0003] 免疫疾病大多使用免疫标记套组进行检验，免疫标记套组包含了相当多项免疫标记的检验数值，医疗常规大多依靠临床医疗人员进行大数据判读，因此在时效性及正确性上皆有其不足。在判读方法的部份，使用各个免疫标记的阈值作为依据，意即：若任一免疫标记的检验数值超出了阈值，即预测该受测者有潜在免疫疾病的危险性较高。然而，这样的做法通常无法对整体数据的分布型态进行判断，因而影响其在临床使用上的效能。

[0004] 目前在风湿免疫疾病的临床实务上，缺乏可行的技术可方便且经济实惠地对于一些“无法明确定义的风湿免疫疾病”(Undifferentiated Connective Tissue Disease,UCTD)进行诊断与追踪，以协助合适的处置。临床实务上对于UCTD的诊断与处置，常因个别医师经验的差异而有所不同。总体而言，这些做法不但缺乏客观性、价钱高，而且可能使病患暴露在潜在的医源性伤害下，不是理想的做法。

[0005] 综合上述，目前缺乏可行的技术，可方便地协助临床工作人员客观地理解、诊断与追踪UCTD。

发明内容

[0006] 本发明提供一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，流程如下：(1)将多项免疫标记结合成一免疫标记套组；(2)搜集复数受试者经由该免疫标记套组检验的数据，及其相对应疾病诊断资料，以建立一免疫标记套组检验资料库，接着将该免疫标记套组检验资料库的资料输入至机器学习机中，再通过一机器学习机的群聚式的机器学习演算法处理后以图像的方式呈现，形成一具有视觉化的辅助判读模型；(3)新受试者的检验数据与该辅助判读模型进行比对：新受试者的检验数据于该免疫标记套组中，挑选至少两项以上不同的该免疫标记进行检验，接着将数据输入至机器学习机中，及从该免疫标记套组检验资料库挑选相对应的检验项目，通过群聚式的机器学习演算法比对分析，并以图像的方式显示于该辅助判读模型中进行分布型态的比对，通过视觉化的辅助判读模型分布情形可做为辅助标记新受试者的免疫疾病属性与追踪其随时间的变化，可做为医生判断的参考依据。

[0007] 更进一步地，所述新受试者的检验数据可在不同时间进行的检测，并同时显示于该辅助判读模型上，以表现新受试者的检验数据演变。

[0008] 更进一步地，所述的群聚式的机器学习演算法包括：主成分分析法、自组织映射图、阶层分群法、K平均分群法、K中心分群法、最大期望分群法、基于密度的分群法、基于网格的分群法、基于模式的分群法或上述的任意组合。

[0009] 更进一步地，检体为人体的血液、尿液、唾液、汗液、粪便、胸水、腹水或脑脊髓液。

[0010] 更进一步地，该免疫标记为抗心磷脂抗体免疫球蛋白G、抗心磷脂抗体免疫球蛋白M、抗β2醣蛋白抗体免疫球蛋白G、抗β2醣蛋白抗体免疫球蛋白M、抗磷脂质抗体免疫球蛋白G、抗磷脂质抗体免疫球蛋白M、抗核抗体、类风湿性因子、狼疮细胞、高敏感度C反应蛋白、抗双股去氧核醣核酸抗体、抗单股去氧核醣核酸抗体、抗核糖体P抗体、抗可萃取式核抗原抗体、抗甲状腺球蛋白抗体、抗甲状腺过氧化物酶抗体、抗嗜中性白血球细胞质抗体、抗SS-A抗体、抗SS-B抗体、抗Smith抗体、抗核糖核蛋白抗体、抗Ku抗体、抗Ro52抗体、抗异质性核糖核蛋白A1抗体、抗增殖细胞核抗原抗体、抗热休克蛋白90抗体、抗高基氏体抗体、抗高迁移率族蛋白17抗体、抗scl-70抗体、抗着丝粒抗体、抗核醣核酸聚合酶I抗体、抗核醣核酸聚合酶II抗体、抗核醣核酸聚合酶III抗体、抗核仁纤维蛋白抗体、抗U1核糖核蛋白抗体、抗PM-Scl抗体、抗Th抗体、抗NOR90抗体、抗毒蕈碱受体抗体、抗α胞衬蛋白抗体、抗核抗原14抗体、抗Jo 1抗体、抗苏氨酰转运核糖核酸合成酶抗体、抗丙氨酰转运核糖核酸合成酶抗体、抗苯丙氨酰转运核糖核酸合成酶抗体、抗酪氨酰转运核糖核酸合成酶抗体、抗天冬酰胺转运核糖核酸合成酶抗体、抗甘氨酰转运核糖核酸合成酶抗体、抗异亮氨酸转运核糖核酸合成酶抗体、抗黑色素瘤分化相关基因5抗体、抗Mi2抗体、抗讯息辨认体抗体、抗小泛素样修饰物激活酶抗体、抗p155抗体、抗HMG-CoA还原酶抗体、抗MJ抗体或上述的任意组合。

[0011] 更进一步地，该免疫标记套组为检验风湿免疫相关疾病。

[0012] 免疫标记套组的使用，可以尽可能地以多参数检验数值来描述疾病的样貌，受检者在单次检验中，即可得到涵盖多种潜在免疫疾病的检验结果，在此过程中，只包含了单一次检验，受检者只需要花费一次的检验时间，因此相当程度地改善了方便性及时效性。由复数免疫标记套组及相对应疾病所建立的该免疫标记套组检验资料库，内含了许多检验数值便于医疗人员从更多面向得知免疫疾病属性；而机器学习演算法能进行多数据结果的即时分析，得以最大程度地从现有数据中，分析不同疾病种类，并可将分析结果通过图像化呈现分布上的差异供临床医师参考，因此可以从整理的数据分布样貌中找出新受试者可能罹患的免疫疾病，在正确性、时效性及判读结果重现性上均提升。

[0013] 本发明第二目的为提供新受试者在不同的时间进行检测，其多次的检验结果可全部显示于该辅助判读模型上，通过该辅助判读模型图像化的呈现，能便于临床照护人员理解个案的检验结果与疾病状态随时间变化的情形，并客观地提供上述检验结果与该免疫标记套组检验资料库间的相似度关系，也可以得知疾病与已知疾病种类的相对关系，客观地追踪特定案例的疾病演变。运用此方法，无论是免疫疾病或是无法明确定义的免疫疾病的诊断、追踪，都可以通过简单视觉化的方式提供。附图说明

[0014] 图1为本发明的方块流程示意图。

[0015] 图2为本发明的标的个案与资料库案例之间分布关系的主成分分析集群图。PC1：第一主成份、PC2：第二主成分、SLE：红斑性狼疮(Systemic Lupus Erythematosus)、APS：抗磷脂质症候群(Antiphospholipid syndrome)、RA：风湿性关节炎(Rheumatoid arthritis)。

[0016] 图3为本发明的标的个案疾病状态随着时间渐变情形的主成分分析集群图。PC1：第一主成分、PC2：第二主成分、SLE：红斑性狼疮(Systemic Lupus Erythematosus)、APS：抗磷脂质症候群(Antiphospholipid syndrome)、RA：风湿性关节炎(Rheumatoid arthritis)。

具体实施方式

[0017] 参阅图1，本发明揭露一种以免疫标记及视觉化方式建立免疫疾病辅助判读模型的方法，步骤如下：(1)将复数免疫标记101结合成一免疫标记套组10；(2)搜集复数受试者经由该免疫标记套组10检验的数据，及其相对应疾病诊断资料，建立一免疫标记套组检验资料库12，该免疫标记套组检验资料库12的资料通过一机器学习演算法14处理后，并以图像的方式呈现，以形成一具有视觉化的辅助判读模型16；(3)新受试者的检验数据与该辅助判读模型进行比对：新受试者的检验数据于该免疫标记套组10中，挑选至少两项以上不同的该免疫标记101进行检验，将数据输入至机器学习机中，及从该免疫标记套组检验资料库12挑选相对应的检验项目，再通过群聚式的机器学习法比对分析，并以图像的方式呈现于该辅助判读模型16中进行分布型态的比对，通过视觉化的辅助判读模型分布情形可辅助医生评估新受试者的疾病属性。

[0018] 其中所述新受试者的检验数据可在不同时间进行的检测，并同时显示于该辅助判读模型16上，以表现新受试者的检验数据演变。

[0019] 接着参阅图2、图3并搭配图1，下列采用近年来台湾某医学中心风湿免疫相关疾病病患的该免疫标记套组10检验为基础，使用本发明所揭露的方式建立该辅助判读模型16作为本发明实施例的举例，方法如下：

[0020] 1.受试者的条件(纳入、排除条件)、数目：

[0021] 受试者为接受该免疫标记套组10检验的大于20岁成人，本实施例采用病历回溯，不需另外招募受试者。

[0022] 2.资料回溯期间、本实施例执行期间：

[0023] 资料回溯其间自2013年1月1日至2015年12月31日。

[0024] 3.设计及方法：

[0025] (1)首先搜集160位成人个案检体，并进行该免疫标记套组10检验。在本实施例中，该免疫标记套组10内含的该等免疫标记101共8个作为检验参数，分别如下所述：抗心磷脂抗体免疫球蛋白G、抗心磷脂抗体免疫球蛋白M、抗β2醣蛋白抗体免疫球蛋白G、抗β2醣蛋白抗体免疫球蛋白M、抗磷脂质抗体免疫球蛋白G、抗磷脂质抗体免疫球蛋白M抗核抗体及狼疮细胞。

[0026] (2)将上述160个个案的该免疫标记套组10所检验的数据，及通过病历审阅的方式得知个案相对应的疾病诊断资料建立该免疫标记套组检验资料库12，接着经由该机器学习演算法14处理，在此本实施例的机器学习演算法使用主成分分析方法(Principal Component Analysis,PCA)分析，再通过散布图(scatter plot)的方式即可使该免疫标记套组检验资料库12形成具有图像的该辅助判读模型16，图2、图3所揭露的PC1为第一主成分、PC2为第二主成分、SLE为红斑性狼疮、APS为抗磷脂质症候、RA为风湿性关节炎。

[0027] (3)在该辅助判读模型16建立完成后，新受试者可任意选定至少二者以上不同的该免疫标记101作为该免疫标记套组10检验的项目(在此命名为标的个案)，将该免疫标记套组10所检验出的结果输入至该辅助判读模型16中，并从该辅助判读模型16中挑选该免疫标记套组检验资料库12相对应的检验该等免疫标记101项目，接着通过该机器学习演算法14运用主成分分析方法分析，并以散布图的方式呈现该免疫标记套组检验资料库12个案与标的个案之间的关系。

[0028] (4)若新受试者的单次检验仍无法与该辅助判读模型16所建立的散布图对应上，则可以通知上述新受试者在不同的时间进行多次的该免疫标记套组10检验，临床医疗人员可依据上述新受试者所检验的该免疫标记套组10中的该等免疫标记101(在此命名为标的个案)，并从该免疫标记套组检验资料库12挑选相对应的该等免疫标记101(在此命名为个案)，通过该机器学习演算法14运用主成分分析方法显示于该免疫标记套组检验资料库12的个案，以及表现标的个案检验数据随时间的渐变。

[0029] 成效：

[0030] 通过该机器学习演算法14的主成分分析方法分析该免疫标记套组检验资料库12的数据后，可将多维、复杂的该免疫标记套组检验资料库12的数据投射到图像以建立该辅助判读模型16。藉此，临床工作人员可以简单地通过该辅助判读模型16的平面图，了解标的个案与该免疫标记套组检验资料库12的个案之间属性的异同程度与关系。如图2所示(搭配图1)，新标的案例虽然在临床表现上仍属于UCTD，但通过本发明所建立的该辅助判读模型16，可将标的案例与该免疫标记套组检验资料库12个案做视觉化的呈现与比较。在此实施例中，标的案例在分布上较接近抗磷脂质症候群(Antiphospholipid syndrome,APS)的族群。该辅助判读模型16的视觉化呈现得以提醒临床医疗人员，此标的案例可能较接近抗磷脂质症候群，在未来可能发展为可确定诊断的抗磷脂质症候群。当临床医疗人员与病患得到此讯息后，则可做相关的检验、检查、处置与风险控管。本发明方法的应用，在临床上可以帮助减少免疫疾病初始阶段的诊断不确定性，因而减少检验、检查、病患多次看诊而造成的医疗花费。

[0031] 图3搭配图1所呈现的是标的案例其首次测验与二次测验该免疫标记套组10检验结果，通过该机器学习演算法14将上述的该免疫标记套组10与该免疫标记套组检验资料库12进行主成分分析投影结果。标的案例的首次检验结果分布较不典型，较难直接断定该个案是较接近何种特定免疫疾病的族群。但结合标的案例第二次检验结果的视觉化呈现，可以发现标的案例的检验结果渐往抗磷脂质症候群族群的方向移动。根据这样的视觉化呈现结果，临床医疗人员得以有一客观依据以预测该个案的疾病演变，以安排合适的检验、检查及治疗。

[0032] 其中所述的群聚式的机器学习演算法包括：主成分分析法(Principal Component Analysis,PCA)、自组织映射图(Self-organizing map,SOM)、阶层分群法(hierarchical clustering)、K平均分群法(k-means clustering)、K中心分群法(k-medoids clustering)、最大期望分群法(expectation-maximization clustering)、基于密度的分群法(density-based clustering methods)、基于网格的分群法(grid-based clustering methods)、基于模式的分群法(model-based clustering methods)或上述的任意组合。

[0033] 其中检体为人体的血液、尿液、唾液、汗液、粪便、胸水、腹水或脑脊髓液。

[0034] 其中该等免疫标志101为抗心磷脂抗体免疫球蛋白G(anti-cardiolipin antibody IgG,ACAG)、抗心磷脂抗体免疫球蛋白M(anti-cardiolipin antibody IgM,ACAM)、抗β2醣蛋白抗体免疫球蛋白G(β2-glycoprotein 1IgG,B2GP1G)、抗β2醣蛋白抗体免疫球蛋白M(β2-glycoprotein 1IgM,B2GP1M)、抗磷脂质抗体免疫球蛋白G(anti-phospholipid IgG,APHLG)、抗磷脂质抗体免疫球蛋白M(anti-phospholipid IgM,APHLM)、抗核抗体(anti-nucleus antibody,ANA)、类风湿性因子(rheumatoid factor)、狼疮细胞(lupus cell)、高敏感度C反应蛋白(high sensitive c-reactive protein,hs-CRP)、抗双股去氧核醣核酸抗体(anti-double strain DNA antibody,anti-ds DNA Ab)、抗单股去氧核醣核酸抗体(anti-single strain DNA antibody,anti-ss DNA Ab)、抗核糖体P抗体(anti-Ribosomal-P antibody)、抗可萃取式核抗原抗体(anti-extractable nuclear antigens antibody,anti-ENA Ab)、抗甲状腺球蛋白抗体(anti-thyroglobulin antibody)、抗甲状腺过氧化物酶抗体(anti-thyroid peroxidase antibody,anti-TPO Ab)、抗嗜中性白血球细胞质抗体(anti-neutrophil cytoplasmic antibody,ANCA)、抗SS-A抗体(Anti-SSA antibody)、抗SS-B抗体(Anti-SSB antibody)、抗Smith抗体(anti-Smith antibody)、抗核糖核蛋白抗体(anti-ribonucleoprotein antibody,anti-RNP Ab)、抗Ku抗体(anti-Ku antibody)、抗Ro52抗体(anti-Ro52antibody)、抗异质性核糖核蛋白A1抗体(anti-hnRNP protein A1antibody)、抗增殖细胞核抗原抗体(anti-PCNA antibody)、抗热休克蛋白90抗体(anti-Hsp90antibody)、抗高基氏体抗体(anti-Golgi complex antibody)、抗高迁移率族蛋白17抗体(anti-HMG 17antibody)、抗scl-70抗体(anti-Scl 70antibody)、抗着丝粒抗体(anti-centromere antibody)、抗核醣核酸聚合酶I抗体(anti-RNA Polymerase I antibody)、抗核醣核酸聚合酶II抗体(anti-RNA Polymerase II antibody)、抗核醣核酸聚合酶III抗体(anti-RNA Polymerase III antibody)、抗核仁纤维蛋白抗体(anti-fibrillarin antibody)、抗U1核糖核蛋白抗体(anti-U1RNP antibody)、抗PM-Scl抗体(anti-PM Scl antibody)、抗Th抗体(anti-Th antibody)、抗NOR90抗体(anti-NOR 90antibody)、抗毒蕈碱受体抗体(anti-muscarinic receptor antibody)、抗α胞衬蛋白抗体(anti-αfodrin antibody)、抗核抗原14抗体(anti-NA
14antibody)、抗Jo 1抗体(anti-Jo 1antibody)、抗苏氨酰转运核糖核酸合成酶抗体(anti-PL 7antibody)、抗丙氨酰转运核糖核酸合成酶抗体(anti-PL 12antibody)、抗苯丙氨酰转运核糖核酸合成酶抗体(anti-Zo antibody)、抗酪氨酰转运核糖核酸合成酶抗体(anti-YRS antibody)、抗天冬酰胺转运核糖核酸合成酶抗体(anti-KS antibody)、抗甘氨酰转运核糖核酸合成酶抗体(anti-EJ antibody)、抗异亮氨酸转运核糖核酸合成酶抗体(anti-OJ antibody)、抗黑色素瘤分化相关基因5抗体(anti-melanoma differentiation associated gene 5antibody,anti-MDA 5Ab)、抗Mi2抗体(anti-Mi 2antibody)、抗讯息辨认体抗体(anti-signal recognition particle antibody,anti-SRP Ab)、抗小泛素样修饰物激活酶抗体(anti-small ubiquitin like modifier activating enzyme antibody,anti-SAE Ab)、抗p155抗体(anti-p155antibody)、抗HMG-CoA还原酶抗体(anti-HMGCR antibody)、抗MJ抗体(anti-MJ antibody)或上述的任意组合。

标题	发布/更新时间	阅读量
卫星外场试验中与试验基地遥测数据交互方法及系统	2020-05-12	839
一种云平台镜像制作系统及其实现方法	2020-05-11	449
拓扑感知下的机载建筑屋顶点云建模方法	2020-05-12	940
一种数字油田综合应用系统	2020-05-12	345
航空发动机电气附件静态性能预测方法	2020-05-11	780
一种数据存储系统、方法、设备和存储介质	2020-05-11	583
一种民机试飞中测试改装阶段多BOM构建及转换方法	2020-05-12	561
生成模拟非均质柔性生物组织MR影像的模型及方法	2020-05-12	475
一种用于滨海核电站海洋致灾物预警系统	2020-05-11	820
一种旅游大数据商业平台系统	2020-05-12	272