CN113180595A - 基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统 - Google Patents
基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统 Download PDFInfo
- Publication number
- CN113180595A CN113180595A CN202110321824.9A CN202110321824A CN113180595A CN 113180595 A CN113180595 A CN 113180595A CN 202110321824 A CN202110321824 A CN 202110321824A CN 113180595 A CN113180595 A CN 113180595A
- Authority
- CN
- China
- Prior art keywords
- fatigue
- biomarker
- detection
- data
- protein
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 210000003296 saliva Anatomy 0.000 title claims abstract description 68
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 58
- 102000004169 proteins and genes Human genes 0.000 title claims abstract description 58
- 239000000090 biomarker Substances 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 17
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 11
- 238000003745 diagnosis Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 4
- 238000001819 mass spectrum Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 108090000765 processed proteins & peptides Proteins 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 13
- 238000012544 monitoring process Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 5
- 230000036541 health Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000012502 risk assessment Methods 0.000 abstract description 2
- 241000894007 species Species 0.000 abstract description 2
- 206010016256 fatigue Diseases 0.000 description 118
- 239000000523 sample Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 108010029987 Salivary Proteins and Peptides Proteins 0.000 description 4
- 102000001848 Salivary Proteins and Peptides Human genes 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- 238000010847 SEQUEST Methods 0.000 description 1
- 239000013543 active substance Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 150000002344 gold compounds Chemical class 0.000 description 1
- 238000003317 immunochromatography Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000002331 protein detection Methods 0.000 description 1
- 239000012474 protein marker Substances 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000001196 time-of-flight mass spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
- G01N33/6848—Methods of protein analysis involving mass spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/40—Disorders due to exposure to physical agents, e.g. heat disorders, motion sickness, radiation injuries, altitude sickness, decompression illness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/60—Complex ways of combining multiple protein biomarkers for diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- Urology & Nephrology (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Cell Biology (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- Medicinal Chemistry (AREA)
- Physiology (AREA)
- Food Science & Technology (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,涉及疲劳检测技术领域。所述疲劳检测系统包括:生物标志物数据库、数据采集模块、处理器模块、云数据库、移动终端,通过建立疲劳人群生物标志物数据库,实现网络可视化检测,应用前端唾液疲劳生物标志物参数采集与信息处理系统开展监测,对疲劳生物标志物种类含量等物理量数据进行采集和监控,处理器模块通过对采集到的数据信号进行处理和函数分析,建立人机交互界面,并通过云数据构建疲劳防控技术网络体系建设,数据通过网络发送至监测终端,防控人员对职业人群疲劳程度进行预判,采取防控措施,构建涵盖健康管理、疲劳检测、风险评估、报警干预等环节的防控体系。
Description
技术领域
本发明涉及疲劳检测技术领域,具体的涉及基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统。
背景技术
疲劳是指人们在劳动生产过程中人体各系统、器官或全身生理功能和作业能力出现明显下降的总称,是人体出现的一种复杂的生理现象,人体各个生理特征参数会随之发生变化。随着我国现代化工作强度、精密度、独立作业程度越来越高,人们常常处于持续或应急疲劳状态,疲劳可引起注意力分散、反应迟钝或身体协调性下降,因此疲劳在电力工业、建筑高空作业、车辆驾驶、航空航天、大型复杂工业等高风险职业作业中,都可能导致极为严重的生产事故。疲劳导致机体失能状态而造成的损失与代价巨大,职业疲劳已成为我国不可忽视的公共卫生问题。
申请人在先申请CN 106814145 B公开了一种人体疲劳测定方法,通过检测唾液中Nucleobindin-2(NUCB2):核连蛋白-2来确定是否疲劳及疲劳程度;CN 106706929 B公开一种利用唾液检测人体疲劳的方法,是通过检测唾液中特定蛋白的含量来确定健康状况;通过前期的研究确定了人体唾液蛋白测定疲劳程度的标志物,明确了疲劳蛋白标志物表达对疲劳进程的影响,解决了目前疲劳检测存在检测方式不便利,监测成本较高,环境局限性较大,取样不便等问题,因此适合在实现疲劳人群快速测定和评估方向应用,是职业疲劳防控和临床应用的新思路;在应用程中,如何建立疲劳检测系统结合大数据开展网络化监测,实现数据采集,如何建立疲劳检测系统将其引入重点行业职业疲劳监测系统是本领域亟需解决的问题。
发明内容
针对现有技术存在的上述问题,本发明提供了一种基于人体唾液蛋白测定疲劳程度的疲劳检测系统,
为实现上述技术目的,达到上述技术效果,本发明是通过以下技术方案实现:
基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,包括:
生物标志物数据库:用于收录唾液疲劳生物标志物;
数据采集模块:用于对待测标的人体唾液蛋白的疲劳生物标志物种类、含量及相关物理量进行数据采集,并同时采集标的基本信息建立档案;
处理器模块:用于对采集到的数据信号进行处理和函数分析,建立人机交互界面;
云数据库:用于对数据采集模块与处理器模块的数据进行远程存储以及访问;
移动终端:用于双向传输数据采集模块与处理器模块的数据。
进一步的,所述生物标志物数据库为已知人体唾液疲劳生物标志物,并将验证的唾液疲劳生物标志物实时更新于重点行业职业疲劳检测系统数据库;
所述数据采集模块为重点行业职业人体唾液蛋白的疲劳生物标志物检测物,通过对待测标的的唾液蛋白进行检测,选择检测生物标志物数据库内疲劳生物标志物种类、含量及相关物理量,同时根据重点行业职业人群个人基本信息建立职业疲劳档案;
所述处理器模块通过对采集的数据信息进行处理和函数分析,与云数据库和生物标志物数据库进行交互;所述移动终端发送和接收数据采集模块与处理器模块的相关信息。
进一步的,所述生物标志物数据库还包括验证的唾液疲劳生物标志物判别模型和验证的蛋白组合诊断效能模型,由数据采集模块进行对应采集。
进一步的,所述唾液疲劳生物标志物判别模型以观测的胶体金标记检测技术和蛋白质芯片法为切入点,聚焦职业疲劳人群唾液检测疲劳状态靶标蛋白的定性及定量检测,建立唾液生物标志物判别模型;
所述蛋白组合诊断效能模型为唾液蛋白组学相关肽质谱疲劳检测判别模型效能,应用可视、便捷的胶体金标记检测技术和蛋白质芯片法对重点行业的职业疲劳人群开展检测。
进一步的,所述数据采集模块录入身份信息、时间、职业信息,同时通过检测重点行业职业人群唾液蛋白的疲劳生物标志物建立职业疲劳档案,并由移动终端上传相应数据至处理器模块。
进一步的,所述处理器模块对接收的数据建立疲劳分析函数,分析疲劳程度并根据相应信息进行预警、判断;
所述相应信息为身份信息、时间、职业信息;
所述处理器模块将处理分析的数据传输至移动终端。
进一步的,所述移动终端为移动PDA或移动端APP,移动终端与处理器模块、云数据模块和生物标志物数据库为双向访问。
本发明的另一目的在于,提供一种基于人体唾液蛋白测定重点行业职业疲劳程度的疲劳检测方法;
所述疲劳检测方法包括:
通过对待测标的进行重点行业职业人群唾液疲劳生物标志物的数据采集,并通过移动终端将采集或检测的信息传输至处理器模块,通过处理器模块访问云数据库和生物标志物数据库建立数据模型并进行函数分析,将结果通过传输至移动终端。
进一步的,所述处理器模块建立的数据模块和函数分析设定相应预警条件后传输至云数据库进行后台运行。
本发明的有益效果:
本发明基于人体唾液蛋白测定重点行业职业疲劳程度的疲劳检测系统,包括:生物标志物数据库、数据采集模块、处理器模块、云数据库、移动终端,通过建立重点行业职业疲劳人群生物标志物数据库,实现网络可视化检测,应用前端唾液疲劳生物标志物参数采集与信息处理系统开展监测,对疲劳生物标志物种类含量等物理量数据进行采集和监控,处理器模块通过对采集到的数据信号进行处理和函数分析,建立人机交互界面,并通过云数据构建疲劳防控技术网络体系建设,数据通过网络发送至监测终端,防控人员对重点行业职业人群疲劳程度进行预判,采取防控措施,构建涵盖健康管理、疲劳检测、风险评估、报警干预等环节的防控体系;评估重点行业职业疲劳检测潜力和应用效能潜力,进行风险防控应用研究。本项目可建立我国独立知识产权的疲劳识别体系,为疲劳防控和市场应用提供新思路和理论依据,是开展疲劳检测、建立重点行业职业疲劳防控体系的重要研究内容。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明实施例所述基于人体唾液蛋白测定疲劳程度的疲劳检测系统的结构框图;
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在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
如图1所示
一种基于人体唾液蛋白测定疲劳程度的疲劳检测系统,包括:
生物标志物数据库:用于收录唾液疲劳生物标志物;
数据采集模块:用于对待测标的人体唾液蛋白的疲劳生物标志物种类、含量及相关物理量进行数据采集,并同时采集标的基本信息建立档案;
处理器模块:用于对采集到的数据信号进行处理和函数分析,建立人机交互界面;
云数据库:用于对数据采集模块与处理器模块的数据进行远程存储以及访问;
移动终端:用于双向传输数据采集模块与处理器模块的数据。
所述生物标志物数据库为已知人体唾液疲劳生物标志物,并将验证的重点行业职业人群唾液疲劳生物标志物实时更新于职业疲劳数据库;
所述数据采集模块为人体唾液蛋白的疲劳生物标志物检测物,通过对待测标的的唾液蛋白进行检测,选择检测生物标志物数据库内疲劳生物标志物种类、含量及相关物理量,同时根据重点行业职业人群个人基本信息建立档案;
所述处理器模块通过对采集的数据信息进行处理和函数分析,与云数据库和生物标志物数据库进行交互;所述移动终端发送和接收数据采集模块与处理器模块的相关信息。
所述生物标志物数据库还包括验证的唾液疲劳生物标志物判别模型和验证的蛋白组合诊断效能模型,由数据采集模块进行对应采集。
所述唾液疲劳生物标志物判别模型以观测的胶体金标记检测技术和蛋白质芯片法为切入点,聚焦职业疲劳人群唾液检测疲劳状态靶标蛋白的定性及定量检测,建立重点行业职业人群唾液生物标志物判别模型;
所述蛋白组合诊断效能模型为唾液蛋白组学相关肽质谱疲劳检测判别模型效能,应用可视、便捷的胶体金标记检测技术和蛋白质芯片法对重点行业的职业疲劳群开展检测。
利用脑电图及疲劳生理指标变化监测进行唾液与血液中疲劳蛋白标志物的含量及标准界值测定。利用Q Exactive Plus质谱对不同职业疲劳人群队列唾液样品中的蛋白进行蛋白定量标记、通过PD软件对得到的原始数据进行分析,结合SEQUEST搜索蛋白数据库。利用CID谱图进行蛋白定性,结合HCD谱图报告离子定量,所有数据都与GIS进行比较,比较不同队列、不同组别数据,完成疲劳蛋白组学鉴定。
根据验证及测定结果,优化疲劳诊断蛋白组合,明确疲劳蛋白检测指标数据,奠定疲劳定性及半定量检测技术的转化理论基础。在已建立的不同职业疲劳人群队列中,利用预留唾液,将不同职业、不同疲劳状态的唾液系列样品,以脑电图出现delta波和theta波为疲劳出现的标准,进行疲劳生理指标变化监测和唾液与血液中蛋白标志物的含量及标准界值验证。
确定胶体金快速试纸检验方法。利用高电子密度纳米金颗粒与免疫活性物质结合形成免疫金复合物的特性,研究特异性检测疲劳生物标志物的胶体金探针的合成、纯化方法;使用免疫层析法或快速斑点渗滤法,设计和组装含有胶体金探针的疲劳状态检测试纸;优化试纸的检测限、保存时间等参数;在同一张试纸上集成多种胶体金探针、设计成多项目检测模式,实现职业疲劳多靶标精确诊断
确定蛋白质芯片定量检测方法。将多种蛋白质、检测探针负载于载体上组成微阵列、设计实现能同时高通量、高灵敏度的检测多种疲劳生物标志物的蛋白质芯片。使用超高分辨液质连用技术,通过不同职业疲劳人群对比,优化标志物组合,建立蛋白质芯片的检测模型;根据检测模型设计芯片点样阵列,分析检测数据、确定点样一致性和生物检测限,建立疲劳生物标志物的扫描方法和定量曲线,最终得到疲劳状态定量检测方法。
所述数据采集模块录入身份信息、时间、职业信息,同时通过检测重点行业职业人群唾液蛋白的疲劳生物标志物建立档案,并由移动终端上传相应数据至处理器模块。
数据采集过程中,被采集者的的基本信息需要包括身份信息、采集时间信息以及职业信息,职业信息是重要的影响因素之一,不同职业对于疲劳程度的判断及要求不一致,因此此为必要项,对于数据模型和函数分析有重要影响。
所述处理器模块对接收的数据建立疲劳分析函数,分析疲劳程度并根据相应信息进行预警、判断;
所述相应信息为身份信息、时间、职业信息;
所述处理器模块将处理分析的数据传输至移动终端。
所述移动终端为移动PDA或移动端APP,移动终端与处理器模块、云数据模块和生物标志物数据库为双向访问。
实施例2
一种基于人体唾液蛋白测定疲劳程度的疲劳检测系统的疲劳检测方法;
所述疲劳检测方法包括:
通过对待测标的进行唾液疲劳生物标志物的数据采集,并通过移动终端将采集或检测的信息传输至处理器模块,通过处理器模块访问云数据库和生物标志物数据库建立数据模型并进行函数分析,将结果通过传输至移动终端。
所述处理器模块建立的数据模块和函数分析设定相应预警条件后传输至云数据库进行后台运行。
为实现重点行业职业人群疲劳状态实时监测,建立智能化疲劳诊断辅助信息支持系统,对不同职业人群的疲劳特征进行智能化定量分析,产出标准进入DSS数据库。基于LabVIEW设计疲劳生理指标变化监控系统,以计算机和NI cRIO 9075数据采集卡搭建硬件系统,建立可视化人机界面,结合数据库管理系统等平台在智能系统实验室进行仿真模拟实验。从时域和频域对数据进行分析,实现数据的显示和存储,从而对所处环境中的疲劳胁迫因素和疲劳程度预警。
对最具应用前景的唾液疲劳生物标志物开展工作,基于前期进大量研究,通过预初试验筛选疲劳紧密相关的29种生物标志物。聚焦蛋白芯片和胶体金检测技术,建立唾液生物标志物判别模型,使用超高分辨液质连用技术和飞行时间质谱、利用EEG进行判别模型检测效能验证;
为实现重点行业职业人群疲劳状态网络监测,建立智能化疲劳诊断辅助信息支持系统,对不同职业人群的疲劳特征进行智能化定量分析,实现数据的显示和存储,对所处环境中的疲劳胁迫因素和疲劳程度预警,监视职业疲劳趋势,验证防控措施合理性,评估重点行业职业卫生状况。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,其特征在于,包括:
生物标志物数据库:用于收录唾液疲劳生物标志物;
数据采集模块:用于对待测标的人体唾液蛋白的疲劳生物标志物种类、含量及相关物理量进行数据采集,并同时采集标的基本信息建立档案;
处理器模块:用于对采集到的数据信号进行处理和函数分析,建立人机交互界面;
云数据库:用于对数据采集模块与处理器模块的数据进行远程存储以及访问;
移动终端:用于双向传输数据采集模块与处理器模块的数据。
2.如权利要求1所述的基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,其特征在于:所述生物标志物数据库为已知人体唾液疲劳生物标志物,并将验证的唾液疲劳生物标志物实时更新于重点行业职业疲劳检测系统数据库;
所述数据采集模块为重点行业职业人体唾液蛋白的疲劳生物标志物检测物,通过对待测标的的唾液蛋白进行检测,选择检测生物标志物数据库内疲劳生物标志物种类、含量及相关物理量,同时根据重点行业职业人群个人基本信息建立职业疲劳档案;
所述处理器模块通过对采集的数据信息进行处理和函数分析,与云数据库和生物标志物数据库进行交互;所述移动终端发送和接收数据采集模块与处理器模块的相关信息。
3.如权利要求2所述的基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,其特征在于:所述生物标志物数据库还包括验证的唾液疲劳生物标志物判别模型和验证的蛋白组合诊断效能模型,由数据采集模块进行对应采集。
4.如权利要求3所述的基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,其特征在于:所述唾液疲劳生物标志物判别模型以观测的胶体金标记检测技术和蛋白质芯片法为切入点,聚焦职业疲劳人群唾液检测疲劳状态靶标蛋白的定性及定量检测,建立唾液生物标志物判别模型;
所述蛋白组合诊断效能模型为唾液蛋白组学相关肽质谱疲劳检测判别模型效能,应用可视、便捷的胶体金标记检测技术和蛋白质芯片法对重点行业的职业疲劳群开展检测。
5.如权利要求1所述的基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,其特征在于:所述数据采集模块录入身份信息、时间、职业信息,同时通过检测人体唾液蛋白的疲劳生物标志物建立档案,并由移动终端上传相应数据至处理器模块。
6.如权利要求5所述的基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,其特征在于:所述处理器模块对接收的数据建立疲劳分析函数,分析疲劳程度并根据相应信息进行预警、判断;
所述相应信息为身份信息、时间、职业信息;
所述处理器模块将处理分析的数据传输至移动终端。
7.如权利要求6所述的基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统,其特征在于:所述移动终端为移动PDA或移动端APP,移动终端与处理器模块、云数据模块和生物标志物数据库为双向访问。
8.基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统的疲劳检测方法;
所述疲劳检测方法包括:
通过对待测标的进行唾液疲劳生物标志物的数据采集,并通过移动终端将采集或检测的信息传输至处理器模块,通过处理器模块访问云数据库和生物标志物数据库建立数据模型并进行函数分析,将结果通过传输至移动终端。
9.一种应用权利要求8所述的基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统的疲劳检测方法,其特征在于:所述处理器模块建立的数据模块和函数分析设定相应预警条件后传输至云数据库进行后台运行。
10.基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统在职业疲劳检测中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321824.9A CN113180595A (zh) | 2021-03-25 | 2021-03-25 | 基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321824.9A CN113180595A (zh) | 2021-03-25 | 2021-03-25 | 基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113180595A true CN113180595A (zh) | 2021-07-30 |
Family
ID=76973893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110321824.9A Pending CN113180595A (zh) | 2021-03-25 | 2021-03-25 | 基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113180595A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070134156A1 (en) * | 2004-02-17 | 2007-06-14 | Soiken Inc. | Fatigue evaluation apparatus, fatigue evaluation method, and application thereof |
CN201007839Y (zh) * | 2007-01-29 | 2008-01-16 | 深圳大学 | 一种疲劳报警装置 |
CN101454669A (zh) * | 2006-02-17 | 2009-06-10 | 关山敦生 | 生物负荷指示剂和生物负荷的测定方法 |
CN203275415U (zh) * | 2013-03-20 | 2013-11-06 | 江苏元化生命科技有限公司 | 一种检测食管鳞癌标志物的蛋白质芯片及其试剂盒 |
CN203465203U (zh) * | 2013-08-19 | 2014-03-05 | 上海市建青实验学校 | 一种针对驾驶员的唾液型检测装置 |
CN106370861A (zh) * | 2016-08-25 | 2017-02-01 | 北京金华科生物技术有限公司 | 一种c 反应蛋白唾液检测试纸条及其制备方法 |
CN206756851U (zh) * | 2017-06-07 | 2017-12-15 | 河北工程大学 | 一种人体疲劳状态检测装置 |
CN108280314A (zh) * | 2018-03-01 | 2018-07-13 | 江苏理工学院 | 一种基于语义网络的人类疲劳监测系统 |
CN108333362A (zh) * | 2017-12-21 | 2018-07-27 | 河北工程大学 | 一种人体疲劳测定方法 |
CN109416360A (zh) * | 2016-03-31 | 2019-03-01 | 迪森德克斯公司 | 生物标志物数据库的生成和用途 |
US20190175104A1 (en) * | 2017-12-10 | 2019-06-13 | Bela Malik | In-situ salivary component collection, concentration, isolation, analytics, and communication system |
CN110364266A (zh) * | 2019-06-28 | 2019-10-22 | 深圳裕策生物科技有限公司 | 用于指导临床肿瘤个体化用药的数据库及其构建方法和装置 |
-
2021
- 2021-03-25 CN CN202110321824.9A patent/CN113180595A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070134156A1 (en) * | 2004-02-17 | 2007-06-14 | Soiken Inc. | Fatigue evaluation apparatus, fatigue evaluation method, and application thereof |
CN101454669A (zh) * | 2006-02-17 | 2009-06-10 | 关山敦生 | 生物负荷指示剂和生物负荷的测定方法 |
CN201007839Y (zh) * | 2007-01-29 | 2008-01-16 | 深圳大学 | 一种疲劳报警装置 |
CN203275415U (zh) * | 2013-03-20 | 2013-11-06 | 江苏元化生命科技有限公司 | 一种检测食管鳞癌标志物的蛋白质芯片及其试剂盒 |
CN203465203U (zh) * | 2013-08-19 | 2014-03-05 | 上海市建青实验学校 | 一种针对驾驶员的唾液型检测装置 |
CN109416360A (zh) * | 2016-03-31 | 2019-03-01 | 迪森德克斯公司 | 生物标志物数据库的生成和用途 |
CN106370861A (zh) * | 2016-08-25 | 2017-02-01 | 北京金华科生物技术有限公司 | 一种c 反应蛋白唾液检测试纸条及其制备方法 |
CN206756851U (zh) * | 2017-06-07 | 2017-12-15 | 河北工程大学 | 一种人体疲劳状态检测装置 |
US20190175104A1 (en) * | 2017-12-10 | 2019-06-13 | Bela Malik | In-situ salivary component collection, concentration, isolation, analytics, and communication system |
CN108333362A (zh) * | 2017-12-21 | 2018-07-27 | 河北工程大学 | 一种人体疲劳测定方法 |
CN108280314A (zh) * | 2018-03-01 | 2018-07-13 | 江苏理工学院 | 一种基于语义网络的人类疲劳监测系统 |
CN110364266A (zh) * | 2019-06-28 | 2019-10-22 | 深圳裕策生物科技有限公司 | 用于指导临床肿瘤个体化用药的数据库及其构建方法和装置 |
Non-Patent Citations (1)
Title |
---|
许岩丽,等: "人不同程度疲劳状态唾液蛋白标志物的肽谱研究", 《中国全科医学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4150044B2 (ja) | 臨床検査分析装置、臨床検査分析方法およびその方法をコンピュータに実行させるプログラム | |
Mian et al. | Serum proteomic fingerprinting discriminates between clinical stages and predicts disease progression in melanoma patients | |
Raghavan et al. | A review of cutoffs for nutritional biomarkers | |
JP3213097B2 (ja) | 粒子分析装置及び方法 | |
CN109669023A (zh) | 一种基于多传感器融合的土壤属性预测方法 | |
CN106645706A (zh) | 一种移动终端定量分析胶体金检测试剂的方法 | |
Bödeker et al. | Peak finding and referencing in MCC/IMS-data | |
CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
CN112161913A (zh) | 一种用于流式荧光分析系统的分析方法及设备 | |
CN103063674B (zh) | 一种铜块的铜品位检测方法及其检测系统 | |
CN113180595A (zh) | 基于人体唾液蛋白测定重点行业职业疲劳程度的检测系统 | |
CN103163257A (zh) | 一种奶牛尿液iTRAQ检测数据处理方法 | |
CN1891144A (zh) | 一种中风预警检测仪 | |
CN115356479A (zh) | 一种金免疫层析检测方法和系统 | |
CN108982390B (zh) | 一种基于原子吸收光谱信息的水体农药残留检测方法 | |
CN108375677B (zh) | 利用亚像素尺寸的珠粒来执行测定的系统和方法 | |
CN111766368A (zh) | 一种铅同位素的重金属源解析方法 | |
Jiang et al. | A Rapid Quantitative Determination Method of AFP Concentration with Gold Immunochromatographic Strip. | |
CN112070761B (zh) | 一种基于深度学习的明虾新鲜度无损检测方法 | |
CN102321733A (zh) | 一种分析iTRAQ数据的方法 | |
CN103777025A (zh) | 蛋白质微阵列芯片的临界值一级参考品的制备方法、临界值系数的确定和实验结果判定方法 | |
CN112881268B (zh) | 一种基于流式细胞术的尿液有形成分波形信号的处理方法 | |
CN118032677B (zh) | 当归冻干产品加工质量测试方法和系统 | |
US20230366881A1 (en) | Image quantification system for estimation of viral load based on detection by rapid antigen test | |
CN116359323A (zh) | 一种卵泡液代谢指纹谱图、生物标志物组合物及其应用 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |