CN107545138A - 基于大数据的微生物检测方法、微生物检测装置、计算机可读存储介质及微生物检测系统 - Google Patents

Abstract

一种基于大数据的微生物检测方法、微生物检测装置、计算机可读存储介质及微生物检测系统，其中基于大数据的微生物检测方法包括如下步骤：获取离体的标本的微生物耐药检测数据；将微生物耐药检测数据上传至云服务器；对云服务器中的微生物耐药检测数据进行分析，得到分析结果；展示所述分析结果。上述基于大数据的微生物检测方法，通过将微生物耐药检测数据上传至云服务器，来对云服务器中的微生物耐药检测数据进行分析，得到分析结果，相较于传统本地进行分析，能够使微生物耐药数据的分析更为准确，还能够使微生物耐药数据为公共卫生监控提供数据支持，从而有利于公共健康。

Description

基于大数据的微生物检测方法、微生物检测装置、计算机可读 存储介质及微生物检测系统

技术领域

本发明涉及基于生物医学技术领域，特别是涉及一种基于大数据的微生物检测方法、微生物检测装置、计算机可读存储介质及微生物检测系统。

背景技术

当前，细菌耐药已成为全球公共健康领域的重大挑战，也是各国政府和社会广泛关注的世界性问题。2014年5月，世界卫生组织(WHO)首次发布《抗菌素耐药：全球监测报告》，该报告指出，抗生素耐药延长了患病期并加大了死亡的危险，例如，耐甲氧西林金黄色葡萄球菌(MRSA)感染患者与非耐药性感染患者相比，死亡的可能性估计要高64％。耐药性还加大了卫生保健的成本，因为住院时间较长并需要更多的重症监护。当细菌发生变异，使抗生素对需要用这种药物治疗感染的人们不再有效，就称之为抗生素耐药，现在已对公共卫生构成重大威胁。在2016年召开的G20杭州峰会上，细菌耐药问题被列入主要议题，并写入最后公报。公报指出，抗生素耐药性严重威胁公共健康、经济增长和全球经济稳定。我们确认有必要从体现二十国集团自身优势的角度，采取包容的方式应对抗生素耐药性问题，以实证方法预防和减少抗生素耐药性，同时推动研发新的和现有的抗生素。

为积极应对细菌耐药带来的挑战，提高抗菌药物科学管理水平，遏制细菌耐药发展与蔓延，维护人民群众身体健康，促进经济社会协调发展，我国于2016 年8月5日发布了《遏制细菌耐药国家行动计划(2016-2020年)》。该计划由发改委、科技部、卫计委、农业部、药监局等14部委联合制定，该计划要求，科技部门通过相关科技计划(专项、基金等)统筹支持抗菌药物和细菌耐药研究；支持耐药菌感染快速诊断技术的研发，完善抗菌药物临床应用监测网和细菌耐药监测网，开展普遍监测、主动监测和目标监测工作，获得全面细菌耐药流行病学数据。该计划同时提出六项工作目标，其中包括：争取在2020年之前，研发上市新型诊断仪器设备和试剂5项～10项；健全医疗机构、动物源抗菌药物应用和细菌耐药监测网络。

而为了检测细菌的耐药情况，通常需要使用多种抗生素来对微生物进行耐药实验，如何构建出一种能够对这些微生物耐药实验数据进行分析的系统对于公共卫生中细菌耐药的研究至关重要。

发明内容

基于此，有必要提供一种能够对微生物耐药实验数据进行分析的基于大数据的微生物检测方法、微生物检测装置、计算机可读存储介质及微生物检测系统

一种基于大数据的微生物检测方法，包括如下步骤：获取离体的标本的微生物耐药检测数据；将微生物耐药检测数据上传至云服务器；对云服务器中的微生物耐药检测数据进行分析，得到分析结果；展示所述分析结果。

在其中一个实施例中，所述对云服务器中的微生物耐药检测数据进行分析，得到分析结果之后，以及展示所述分析结果之前，所述检测方法还包括：对所述分析结果进行干预，得到修正后的分析结果；所述展示所述分析结果，具体为：展示修正后的分析结果。

在其中一个实施例中，所述云服务器为阿里云服务器。

在其中一个实施例中，所述微生物耐药检测数据包括标本病人的性别、标本病人的年龄、微生物种类、抗生素耐药性、标本检测时间以及标本检测所在的地区。

在其中一个实施例中，所述分析结果包括微生物在预设时间内的爆发情况、微生物易感染的人群分布、微生物易感染的地域分布以及抗生素对某种疾病的耐药性状况。

一种基于大数据的微生物检测装置，包括：

获取模块，用于接收病人离体的待测标本，并对病人离体的待测标本进行检测，获取微生物耐药检测数据；

通讯模块，用于将微生物耐药检测数据上传至云服务器；

分析模块；用于对云服务器中的微生物耐药检测数据进行分析，得到分析结果；

大数据前端展示模块，用于展示所述分析结果。

在其中一个实施例中，还包括干预模块，用于对所述分析结果进行干预，得到修正后的分析结果；

所述大数据前端展示模块用于下载并展示修正后的分析结果。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一实施例中所述的微生物检测方法的步骤。

一种基于大数据的微生物检测系统，包括服务器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序在其中一个实施例中，所述处理器执行所述计算机程序时实现如上任一实施例中所述的微生物检测方法的步骤，所述处理器分别电连接所述服务器及所述存储器。

一种基于大数据的微生物检测系统，包括如上任一实施例中所述的微生物检测装置。

上述基于大数据的微生物检测方法，通过将微生物耐药检测数据上传至云服务器，来对云服务器中的微生物耐药检测数据进行分析，得到分析结果，相较于传统本地进行分析，能够使微生物耐药数据的分析更为准确，还能够使微生物耐药数据为公共卫生监控提供数据支持，从而有利于公共健康。

附图说明

图1为本发明一实施方式的基于大数据的微生物检测方法的步骤流程图；

图2a为本发明一实施方式的自流失微生物检测卡的结构示意图；

图2b为本发明一实施方式的微生物检测仪的结构示意图；

图3为本发明一实施方式的基于大数据的微生物检测方法的线性回归算法的散点图；

图4a为本发明一实施方式的基于大数据的微生物检测方法的局部加权线性回归算法的一权值系数的散点图；

图4b为本发明一实施方式的基于大数据的微生物检测方法的局部加权线性回归算法的另一权值系数的散点图；

图4c为本发明一实施方式的基于大数据的微生物检测方法的局部加权线性回归算法的再一权值系数的散点图；

图5为本发明一实施方式的基于大数据的微生物检测方法的GIS(地理信息系统)展示图；

图6为本发明一实施方式的基于大数据的微生物检测方法的分析结果干预的流程图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。

需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。

在本发明的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本发明的描述中，“若干”的含义是至少一个，例如一个，两个等，除非另有明确具体的限定。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

例如，一种基于大数据的微生物检测方法，包括如下步骤：获取离体的标本的微生物耐药检测数据；将微生物耐药检测数据上传至云服务器；对云服务器中的微生物耐药检测数据进行分析，得到分析结果；展示所述分析结果。

为了进一步说明上述基于大数据的微生物检测方法，又一个例子是，请参阅图1，基于大数据的微生物检测方法，包括如下步骤：

S110：获取离体的标本的微生物耐药检测数据；

例如，获取病人离体的标本中的微生物耐药检测数据。又如，离体的标本包括但不限于血液、组织、尿液、粪便、白带等。又如，所述微生物包括但不限于细菌、支原体等。又如，通过微生物检测仪获取病人离体的标本中的微生物耐药检测数据。又如，所述微生物检测仪包括但不限于细菌测定/药敏分析仪、细菌性阴道病四项联合检测配套仪器、PCR仪等。又如，细菌测定/药敏分析仪和/或细菌性阴道病四项联合检测配套仪器为惠州市阳光生物科技有限公司所生产。再如，通过与所述微生物检测仪配套的自流式微生物检测卡，使其用于接收病人离体的标本，并结合惠州市阳光生物科技有限公司所生产的对应的试剂盒，从而完成对标本中的微生物耐药数据进行检测并得到微生物耐药检测数据。又如，自流式微生物检测卡用于接收病人离体的标本，微生物检测仪用于对接收病人离体的标本后的自流式微生物检测卡进行微生物耐药检测并得到微生物耐药检测数据。又如，接收病人离体的标本时同步输入病人标本的类型、病人信息等。又如，所述微生物耐药检测数据包括但不限于标本病人的性别、标本病人的年龄、微生物种类、抗生素耐药性、标本检测时间以及标本检测所在的地区，如此，更便于后续的大数据处理和分析，使得分析检测结果更为准确。又如，所述微生物耐药检测数据包括标本病人的性别、标本病人的年龄、标本病人的疾病名称、微生物种类、抗生素耐药性、标本检测时间以及标本检测所在的地区。需要进一步说明的是，所述微生物检测仪、自流式微生物检测卡以及相配套的试剂盒均可直接通过从惠州市阳光生物科技有限公司处的市售产品购买到。当然，所述微生物检测仪、自流式微生物检测卡以及相配套的试剂盒也可以为其它公司生产，只要能够得到微生物耐药检测数据即可。

为了进一步说明上述自流式微生物检测卡，请参阅图2a，检测卡上设置有 2个加样孔1、多个检测微孔2和一个废液存储仓3。其中采集好的标本菌株在使用生化培养液及抗生素培养液稀释后分别加入两个加样孔中，即为标本液。检测卡上还开设有流道(图未示)，流道用于分别连通加样孔1、多个检测微孔 2和一个废液存储仓3，流道也可理解为流通槽，这样，稍稍倾斜检测卡，标本液通过重力进入流道并铺满每一个检测微孔中，残余的液体会进入废液存储仓，并被吸附在仓内防止影响检测结果。进一步将完成加样的检测卡在37摄氏度下培育18小时至24小时即可显示最终检测结果。所述的自流式微生物检测卡其优点在于：相较传统2秒每孔加样，自流式微生物检测卡仅需4秒～5秒便可完成多个微孔加样(例如，120孔加样)，加样效率提高了60倍。加样过程简便，不需要逐一孔进行手动加液。密封隔离性好，相较传统的开放式酶标板实验，自流式微生物检测卡是在密闭隔离的状态下进行的。上述自流式微生物检测卡，采用空气层流技术，制作自流式加样检测试剂板，实现检验试剂的加样过程自动流入，自动填入每个试剂检测孔，从而实现自动化加样过程。又如，所述流通的深度均小于加样孔、检测微孔和废液存储仓的深度。又如，所述检测卡上还设置有盖板，盖板盖合与所述检测卡上，如此，可以实现密闭隔离的使用状态。

为了进一步说明上述微生物检测仪，请参阅图2b，微生物检测仪设置有检测卡预处理仓1、堆叠式恒温培育箱2、中央处理模块3、检测卡检测单元4、废料出口通道5及废料存储槽6，堆叠式恒温培育箱2分别与检测卡预处理仓1、中央处理模块3及检测卡检测单元4连接，检测卡检测单元4与中央处理模块3 电连接，废料出口通道5的入口设置于检测卡检测单元4的出口下方，用于接收检测完毕后的检测卡，又如，所述检测卡为自流式微生物检测卡。废料存储槽6设置于废料出口通道5的出口下方。其中，微生物检测卡预处理仓1可以自动完成自流式微生物检测卡的加样工作。之后，由于恒温培育箱2内部设置有传感器，自流式微生物检测卡会被传送到堆叠式恒温培育箱2中培养并由其中的传感器记录每一张自流式微生物检测卡培育的位置和时间。所记录的数据会被传送到中央处理模块3，中央处理模块包括中央处理器、操作面板、显示器和通讯模块，中央处理器分别电连接传感器、操作面板、显示器、通讯模块和检测卡检测单元，中央处理模块负责控制整个机器的自动化运动、数据记录、数据采集、检测结果展示、互联网通讯等。在自流式微生物检测卡培育18小时至24小时之后，自流式微生物检测卡会被传送/传动至检测卡检测单元4。检测卡检测单元包括CMOS数据采集元件、LED光源、成像放大镜头以及光源转换装置。又如，LED光源为直射LED光源。又如，成像放大镜头为高倍率成像放大镜头。又如，CMOS数据采集元件具有高精度。CMOS数据采集元件、LED 光源及光源转换装置分别电连接所述中央处理器，又如，CMOS数据采集元件具有高精度。又如，所述中央处理器还分别用于控制CMOS数据采集元件、LED 光源及光源转换装置的工作。又如，所述中央处理器还电连接所述成像放大镜头，所述中央处理器还分别用于控制CMOS数据采集元件、LED光源、成像放大镜头及光源转换装置的工作。检测卡检测单元的工作过程如下：直射LED光源发出的光经光转换装置转换成为对应波长的光之后，射入检测卡中，从检测卡的检测微孔中透出的光经过成像放大镜头放大成像后，为CMOS数据采集元件识别，从而CMOS数据采集元件根据识别到的光信号生成检测数据并将检测数据发送至中央处理器中。检测卡检测单元所检测出的结果会传输到中央处理模块，并由中央处理模块通过通讯模块发送至云服务器，最终得到基于大数据分析的检测结果。废料出口通道5用于接收检测完毕后的自流式微生物检测卡，并将检测完成的自流式微生物检测卡通过该废料出口通道5的出口堆叠至废料存储槽6中。又如，微生物检测仪还包括传送单元，传送单元电连接中央处理器，中央处理器分别用于控制传送单元、检测卡预处理仓1、堆叠式恒温培育箱 2、检测卡检测单元4、显示器和通讯模块的工作。上述传感器，将检测卡放至检测卡预处理仓1中，通过控制面板输入标本信息，并由中央处理器控制检测卡预处理仓1完成检测卡的加样工作，加样完成之后，中央处理器控制传送单元将检测卡传送至堆叠式恒温培育箱2中培养，并由堆叠式恒温培育箱2内部设置的传感器记录每一张自检测卡培育的位置和时间，并将传感器记录的每一张自检测卡培育的位置和时间等数据发送给中央处理器。培养完成之后，中央处理器控制传送单元将检测卡转移传送至检测卡检测单元进行检测，待检测卡检测单元将对应的检测卡的检测数据发送给中央处理器后，中央处理器对检测数据处理后得到检测结果数据，并将检测结果数据以及标本信息通过通讯模块发送至云服务器中进行分析，与此同时，中央处理器控制传送单元将对应的检测卡转移至废料出口通道5的入口中。又如，所述通讯模块为移动互联网通讯模块。上述微生物检测仪的优点是：智能化高、简洁的人工操作、人性化操作界面、处理速度快、结果准确、存储量大且可同时处理数百分标本。又如，这里的标本信息和检测结果数据通称为微生物耐药检测数据。

需要说明的是，中央处理器(Central Processing Unit，CPU)是一块超大规模的集成电路，是一台计算机的运算核心(Core)和控制核心(Control Unit)。它的功能主要是解释计算机指令以及处理计算机软件中的数据。中央处理器主要包括运算器(算术逻辑运算单元，ALU，Arithmetic Logic Unit)和高速缓冲存储器(Cache)及实现它们之间联系的数据(Data)、控制及状态的总线(Bus)。它与内部存储器(Memory)和输入/输出(I/O)设备合称为电子计算机三大核心部件。需要进一步说明的是，传感器、中央处理器、操作面板、显示器、通讯模块、CMOS数据采集元件、LED光源、成像放大镜头以及光源转换装置均有现有产品可以实现，本发明在此仅保护其连接关系，而不具体保护其内部结构。

上述微生物检测仪，微生物耐药检试验操作过程简单，采用仪器进行结果判读。试验过程采用自流式加样检测板，避免了基层试验人员技术不熟练的弊端，同时采用仪器进行结果判读，减少了人为误差，节省了人力成本。又如，自流式加样检测板为自流式加样药敏板。其中，药敏抗生素涵盖目前国内外主要的临床应用新旧抗生素，品类齐全，同时根据流行病趋势进行及时更新。这将克服目前市场上药敏抗生素与临床使用抗生素类别不一样或更新不及时的问题。又如，所述通讯模块为4G通讯模块，如此，仪器采用4G数据传输模块，实现大数据分析功能。仪器内置4G数据传输模块，能够实时将试验数据传回，并与国家细菌耐药监测网进行连接，实现大数据分析，能够对区域流行性疾病的发展趋势和细菌耐药趋势进行及时预测，从而为疾病控制提供更有效的手段和方法。

为了使微生物检测仪获取的数据更为准确，又如，微生物检测仪采用最大似然法和微量肉汤稀释法，实现对微生物鉴定和药敏分析。及/或，微生物检测仪还用于采用光电比浊比色原理，实现检测仪器自动识别检测卡内的生化反应和药敏反应的结果。

S120：将微生物耐药检测数据上传至云服务器；

例如，通过通信模块将微生物耐药检测数据上传至云服务器。又如，采用互联网通信模块将微生物耐药检测数据上传到云服务器。又如，采用互联网通讯模块将微生物耐药检测数据上传到云服务器。又如，互联网通讯模块采用SIM 通讯卡进行数据传输，模块在插入SIM通讯卡后会通过SIM卡与服务商的基站联接并接入互联网。又如，该通讯模块在发送检测结果数据的同时会将地理位置信息及时间信息发送到云服务器。检测仪通过该模块可以实现与云服务器的双向数据通讯。又如，通过微生物检测仪的通讯模块将微生物耐药检测数据上传至云服务器。又如，通讯模块也可以理解为通信模块。又如，所述云服务器为阿里云服务器。又如，云服务器前期布置在阿里云服务器的框架下，采用 UBUNTU OS构架系统，如此，可以高效的响应、处理各类网络数据。又如，云服务器采用多服务器数据同步保存模式，其中多服务器彼此之间通信连接，如此，即便云服务器中一台停止工作，其余的服务器也能保持整个云数据服务器构架的正常运行，并且数据不会丢失或出错。又如，所有的微生物耐药检测数据都存储在T级超大存储器上，如此以保证大数据的存储空间，并且数据库由独立的数据链接相关联，并且以视图的形式展示，在统计和计算上也做了相关的优化，可以在短时间内统计出数十亿条数据的统计结果。

S130：对云服务器中的微生物耐药检测数据进行分析，得到分析结果；

通过将标本的微生物耐药检测数据上传至云服务器中，基于云服务器较大的数据储存能力和数据分析能力，能够对标本的微生物耐药检测数据进行更为准确的分析。例如，对所述的云服务器中的微生物耐药检测数据处理分析采用局部加权线性回归算法进行大数据统计。例如，线性回归算法具体包括：将计算机记录的每一组数据通过线性回归算法计算分散点的线性趋势，通过计算出最小误差的w，就可以拟出这些离散点的总体趋势。这里的误差是指预测y值和真实y值之间的差值。平方误差可以写做：

对w求导后可以得到：

通过计算机对上述公式一的求解就可以分析出总体的趋势线w，从而预测出拟结果w。

请参阅图3，所有离散点的趋势可以由w所表示出来。那么就可以对未出现过的数据进行预测，如图所示X的值为1.2时其Y值的预测值为5.2。

需要说明的是，直线线性回归算法虽然预测了总体趋势，但是出现欠拟合现象其误差过大，最小均方差的无偏估计是一种模糊的估计并不符合自然界的随机偏离性。随机偏离性是指真实的数据会围绕直线进行线波动。为了解决上述问题，本实施例中，对所述的云服务器中的微生物耐药检测数据处理分析采用局部加权线性回归算法，如此，能够允许在估计中有一些偏差，从而降低预测的均方误差，最终体现的效果就是变成了与真实拟合预测相近的折线。因此可以得到局部加权线性回归算法公式：

其中W是一个举证系数，该系数将给每个点赋予一个偏差权重，使用权重系数来改变函数，可得公式如下：

其中不同的k值(权重系数)得到的不同拟合曲线如图4所示，如此，通过不同k值所产生的不同折线图，可以发现不同的权重系数使得预测线与实际情况更加吻合，也就是真实偏差值会更小。通过局部加权线性回归算法可以有效的预测到微生物传播的趋势和时间。

此外，通过大数据所形成多维度数据还可以实现精准预测，每一组检测结果都会包含很多的数据特征如：患者的性别、年龄、标本采集的样本、所感染的微生物名称、该患者各类抗生素耐药性、检测的地理位置信息、检测的时间信息、当天的温湿度信息。即，所述微生物耐药检测数据包括但不限于患者的性别、年龄、标本采集的样本、所感染的微生物名称、该患者各类抗生素耐药性、检测的地理位置信息、检测的时间信息、当天的温湿度信息等。如此，通过大量数据的分析，可以把每一种数据特征作为一个维度，从而分析出某一维度的预测线，而该预测线会比单一维度数据的预测更加精准。例如，以微生物统计实验为例，南方在每一年的5月至8月之间肠道感染疾病呈爆发趋势，其中儿童感染几率更高，而12月至3月该趋势则明显降低。通过利用微生物云数据分析处理系统可以分析出，在5月至8月的温度与湿度的环境因素下，肠道感染疾病的细菌更加容易存活和繁殖，并且儿童更加容易被感染，这与儿童的自身免疫力可能有关。在这个实例中，对微生物耐药检测数据的分析可将时间、微生物种类、年龄、温度、以及湿度作为多维度参数并且进行计算，最后得到符合实际情况的预测曲线。通过实验可以发现，微生物大数据的采集和分析具有很高的实用性，可以对疫病爆发进行观测，甚至预测。因此，采用局部加权线性回归算法来有效的预测到微生物传播的趋势和时间，对于公共健康控制，例如对疫情的监控具有重要意义，能够为公共健康控制提供更为准确的数据支持和预测。

S140：展示所述分析结果。

例如，在预设的网络平台发布分析结果。又如，在预设的网络平台发布每个微生物耐药检测数据的分析结果。又如，通过大数据前端展示模块展示分析结果，例如，大数据前端展示模块建立于HTML5+CSS3构架上，通过网页的形式进行展示。又如，通过网页的形式展示所述分析结果。又如，在移动展示端展示所述分析结果，又如，所述移动展示端包括但不限于手机、平板、电脑等。又如，通过开发相应的移动展示端，通过移动端(如手机、平板电脑等)通过 APP(Application，手机软件)以调取微生物检测的大数据分析结果。又如，所述分析结果按照下列条件分类进行展示：性别、年龄、微生物种类、抗生素耐药性、时间、地区。又如，展示的分析结果还可以使用户自定义筛选条件的功能。通过这些筛选条件用户可以直观的得到以下数据：微生物在一定时间内的爆发情况、微生物针对哪类人群更加易感染、微生物会在哪些地区更加流行、抗生素对某种疾病的耐药性如何等等。又如，一实施例中，在步骤S140之前，所述基于大数据的微生物检测方法还包括：获取用户自定义筛选条件，其中用户自定义筛选条件包括但不限于性别、年龄、微生物种类、抗生素耐药性、时间、地区、疾病类别等，所述步骤S140具体为：根据用户自定义筛选条件展示所述分析数据。

又如，所述分析数据展示的形式包括但不限于表格图、曲线图、柱状图、 GIS(地理信息系统)图等，其中，通过GIS(地理信息系统)的形式进行展示，可以直观地看出疫病发生情况。例如，请参阅图5，其为某种微生物传播的GIS 图例，如此，可以较为直观地看出微生物疫病发生情况，尤其是使用于区域疫情控制。

上述基于大数据的微生物检测方法，通过将微生物耐药检测数据上传至云服务器，来对云服务器中的微生物耐药检测数据进行分析，得到分析结果，相较于传统本地进行分析，能够使微生物耐药数据的分析更为准确，还能够使微生物耐药数据为公共卫生监控提供数据支持，从而有利于公共健康。

具体应用中，比如，所述微生物为B族链球菌(group B streptococcus，GBS)，通过基于大数据的微生物检测方法，能够更为准确的鉴别出B族链球菌及其药敏实验。如此，能够及时发现B族链球菌的感染情况以及B族链球菌的抗生素耐药情况，从而为B族链球菌的相关疾病提供相关的实验数据支持。

一实施例中，在所述步骤S130之后，以及在所述步骤S140之前，所述基于大数据的微生物检测方法还包括：对所述分析结果进行干预，得到修正后的分析结果。

能够理解，经过步骤130之后得到的分析数据可能会出现一定的误差，通过自动调整干预参数对分析结果进行修正，从而能够通过大数据分析有效的提高每一次检测结果的准确度。还可以通过大数据的积累自动调整干预参数从而影响每一台微生物检测仪的最终检测结果。请参阅图6，其为对分析结果干预的流程图，对所述分析结果进行干预，得到修正后的分析结果具体包括：(1)由微生物检测仪根据最新的检测数据库得出初次检测结果；(2)初次检测结果通过移动互联网模块上传至检测结果干预模块；(3)检测结果干预模块将发送请求给大数据分析模块，请求的内容包括初次检测结果中的各项特征(年龄、标本类型、性别、区域、时间、结果)。(4)大数据分析模块根据初次检测结果的各项特征对大数据进行筛选及分析，并将分析结果发送给检测结果干预模块。 (5)检测结果干预模块在接收完分析结果后，计算出一个干预参数并发送给微生物检测仪，上述干预参数可以干预初次检测结果，微生物检测仪将拟出该微生物种类的最大可能性。(6)微生物检测仪将最终检测结果发送回云服务器大数据分析模块保存。如此，可以通过完善大数据而自我完善，可以有效的根据被检测人的特征进行结果的调整，还能够基于大数据分析的最终的检测结果将更加准确。需要进一步说明的是，所谓干预也可以理解为修正，通过设置一个干预参数，可以在误差范围内对分析结果进行修正，比如，某一分析结果值为X，则判断结果为正常，然而根据该病人的疾病的统计情况，实际上Y才为正常，如此，通过X-Y的值作为修订值，使分析结果有效的根据被检测人的特征进行结果的调整，还能够基于大数据分析的最终的检测结果将更加准确。

上述基于大数据的微生物检测方法，通过将微生物耐药检测数据上传至云服务器，来对云服务器中的微生物耐药检测数据进行分析，得到分析结果，相较于传统本地进行分析，能够使微生物耐药数据的分析更为准确，还能够使微生物耐药数据为公共卫生监控提供数据支持，从而有利于公共健康。

本发明还提供一种基于大数据的微生物检测装置，基于大数据的微生物检测装置与上述基于大数据的微生物检测方法相对应。例如，一种基于大数据的微生物检测装置，其采用上述任一实施例所述微生物检测方法实现；又如，一种基于大数据的微生物检测装置，其应用上述任一实施例所述微生物检测方法。

一实施例中，基于大数据的微生物检测装置，包括：

获取模块，用于接收病人离体的待测标本，并对病人离体的待测标本进行检测，获取微生物耐药检测数据；

通讯模块，用于将微生物耐药检测数据上传至云服务器；

分析模块；用于对云服务器中的微生物耐药检测数据进行分析，得到分析结果；

大数据前端展示模块，用于展示所述分析结果。

一实施例中，基于大数据的微生物检测装置还包括干预模块，用于对所述分析结果进行干预，得到修正后的分析结果；

所述大数据前端展示模块用于下载并展示修正后的分析结果。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一实施例中所述的微生物检测方法的步骤。

本发明还提供一种基于大数据的微生物检测系统，包括服务器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一实施例中所述的微生物检测方法的步骤，所述处理器分别电连接所述服务器及所述存储器。又如，所述服务器为如上任一实施例中所述的微生物检测方法中的云服务器。

本发明还提供一种基于大数据的微生物检测系统，包括如上任一实施例中所述的微生物检测装置。

上述基于大数据的微生物检测方法、微生物检测装置及微生物检测系统，同时运用互联网大数据进行分析，能够有效监测微生物耐药，预测地区性流行病的发展趋势，是国内疾病监控的重要而必不可少的手段，更符合国际卫生组织监测标准，必将成为行业内最先进并引领行业发展的新技术。可以预期的，上述基于大数据的微生物检测方法、微生物检测装置及微生物检测系统，能够解决细菌耐药和抗生素滥用的问题，能有效提高我国的医疗技术水平，从而提升国民健康水平，为社会主义经济建设提供有力保障。

需要进一步说明的是，微生物鉴定及药敏分析技术在国内外已经发展有十余年，随着全球各国对细菌耐药性问题的重视，微生物耐药检测和分析将会越来越被重视，其应用也会更普及。目前国内外的医疗机构已经普遍采用医疗耐药性监测，同时包括畜牧养殖业、宠物行业等各领域也在逐步应用微生物耐药检测和分析。然而，目前该项目的检测，多采用手工实验技术，需要技术人员较高的操作技术同时需要花费较大的时间和精力，操作相对复杂，对技术普及有一定难度；同时也无法与互联网技术进行有效对接，无法实现大数据分析，不利于充分发挥数据优势。自动化和大数据必将是该项目发展的趋势。而上述基于大数据的微生物检测方法基于以自流式微生物检测卡以及微生物检测仪技术实现自动化操作，同时结合互联网技术，能够同时实现大数据传输和分析功能。

应该说明的是，上述装置的各个实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于可读取存储介质中，所述存储介质，如ROM/RAM、磁盘、光盘等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种基于大数据的微生物检测方法，其特征在于，包括如下步骤：

获取离体的标本的微生物耐药检测数据；

将微生物耐药检测数据上传至云服务器；

对云服务器中的微生物耐药检测数据进行分析，得到分析结果；

展示所述分析结果。

2.根据权利要求1所述的微生物检测方法，其特征在于，所述对云服务器中的微生物耐药检测数据进行分析，得到分析结果之后，以及展示所述分析结果之前，所述检测方法还包括：

对所述分析结果进行干预，得到修正后的分析结果；

所述展示所述分析结果，具体为：展示修正后的分析结果。

3.根据权利要求1所述的基于大数据的微生物检测方法，其特征在于，所述微生物耐药检测数据包括标本病人的性别、标本病人的年龄、微生物种类、抗生素耐药性、标本检测时间以及标本检测所在的地区。

4.根据权利要求1所述的基于大数据的微生物检测方法，其特征在于，所述分析结果包括微生物在预设时间内的爆发情况、微生物易感染的人群分布、微生物易感染的地域分布以及抗生素对某种疾病的耐药性状况。

5.一种基于大数据的微生物检测装置，其特征在于，包括：

获取模块，用于接收病人离体的待测标本，并对病人离体的待测标本进行检测，获取微生物耐药检测数据；

通讯模块，用于将微生物耐药检测数据上传至云服务器；

分析模块；用于对云服务器中的微生物耐药检测数据进行分析，得到分析结果；

大数据前端展示模块，用于展示所述分析结果。

6.根据权利要求5所述的基于大数据的微生物检测装置，其特征在于，还包括干预模块，用于对所述分析结果进行干预，得到修正后的分析结果；

所述大数据前端展示模块用于下载并展示修正后的分析结果。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项中所述的微生物检测方法的步骤。

8.一种基于大数据的微生物检测系统，包括服务器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的微生物检测方法的步骤，所述处理器分别电连接所述服务器及所述存储器。

9.一种基于大数据的微生物检测系统，包括如权利要求5或6所述的微生物检测装置。