CN116106248A - 丁苯酞注射液成分检测过程数据处理方法及系统 - Google Patents
丁苯酞注射液成分检测过程数据处理方法及系统 Download PDFInfo
- Publication number
- CN116106248A CN116106248A CN202310395178.XA CN202310395178A CN116106248A CN 116106248 A CN116106248 A CN 116106248A CN 202310395178 A CN202310395178 A CN 202310395178A CN 116106248 A CN116106248 A CN 116106248A
- Authority
- CN
- China
- Prior art keywords
- butylphthalide
- detection
- sample
- coefficient
- injection
- 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
- HJXMNVQARNZTEE-UHFFFAOYSA-N Butylphthalide Chemical compound C1=CC=C2C(CCCC)OC(=O)C2=C1 HJXMNVQARNZTEE-UHFFFAOYSA-N 0.000 title claims abstract description 514
- 229950005197 butylphthalide Drugs 0.000 title claims abstract description 256
- 238000001514 detection method Methods 0.000 title claims abstract description 221
- 238000002347 injection Methods 0.000 title claims abstract description 95
- 239000007924 injection Substances 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 230000033001 locomotion Effects 0.000 claims abstract description 73
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000002835 absorbance Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 13
- 238000010219 correlation analysis Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000000163 radioactive labelling Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 17
- 230000000694 effects Effects 0.000 description 4
- DNIAPMSPPWPWGF-UHFFFAOYSA-N Propylene glycol Chemical compound CC(O)CO DNIAPMSPPWPWGF-UHFFFAOYSA-N 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 208000006454 hepatitis Diseases 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 206010008909 Chronic Hepatitis Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 231100000283 hepatitis Toxicity 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 229940068918 polyethylene glycol 400 Drugs 0.000 description 1
- 239000000244 polyoxyethylene sorbitan monooleate Substances 0.000 description 1
- 235000010482 polyoxyethylene sorbitan monooleate Nutrition 0.000 description 1
- 229920000053 polysorbate 80 Polymers 0.000 description 1
- 229940068968 polysorbate 80 Drugs 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 229960004063 propylene glycol Drugs 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000008215 water for injection Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
- G01N13/02—Investigating surface tension of liquids
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
本发明公开了丁苯酞注射液成分检测过程数据处理方法及系统，涉及数据处理技术领域，建立丁苯酞检测数据集，在丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt；依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，并获取丁苯酞注射液中的丁苯酞的运动状态；依据检测总方差系数
判断当前批次的检测样品是否正常；基于相关性系数R及检测总方差系数
获取干扰度Gr；依据干扰度Gr从若干个检测样品中筛选出目标样品，可以保证数据检测的客观性，降低检测数据与真实数据间的误差。
Description
技术领域
本发明涉及数据处理技术领域，具体为丁苯酞注射液成分检测过程数据处理方法及系统。
背景技术
丁苯酞注射液是一种治疗慢性肝炎的药物，其主要成分为丁苯酞，它可以抑制病毒的复制和繁殖，从而减轻肝炎患者的症状和病情。
除丁苯酞外，丁苯酞注射液还含有一些辅助成分，如丙二醇、聚山梨酯80、聚乙二醇400、注射用水等。这些成分可以改善药物的质地、增加稳定性和溶解度，从而提高药物的疗效和安全性。
在对丁苯酞注射液的药效进行验证时，需要先对丁苯酞注射液的成分进行检测，但是，在对丁苯酞注射液进行成分测试前，为了避免沉淀对检测结果的影响，通常会对丁苯酞注射液进行摇晃，使沉淀物充分溶解，但是这种摇匀的方式会使丁苯酞处于过度运动的状态，此时，丁苯酞在丁苯酞注射液的分布会变的不再平衡，使样品检测遭受到外部干扰，导致丁苯酞注射液的检测数据和真实数据之间存在的一定的误差。
为此，本发明提供了丁苯酞注射液成分检测过程数据处理方法及系统。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了丁苯酞注射液成分检测过程数据处理方法及系统，通过建立丁苯酞检测数据集，在丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt；依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，并获取丁苯酞注射液中的丁苯酞的运动状态；结合丁苯酞运动数字孪生模型，通过相关性分析，生成分子无序度Wx与检测状态系数Jcxs间的相关性系数R；生成检测总方差系数，依据检测总方差系数判断当前批次的检测样品是否正常；基于相关性系数R及检测总方差系数获取干扰度Gr；依据干扰度Gr从若干个检测样品中筛选出目标样品，可以保证数据检测的客观性，降低检测数据与真实数据间的误差，从而解决了背景技术中的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
丁苯酞注射液成分检测过程数据处理方法，包括：在将检测样品等量的分割为若干份后进行成分检测，依据获取到的检测数据建立丁苯酞检测数据集，在获取到的若干个丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt，并对丁苯酞的浓度变化进行函数拟合；
在丁苯酞注射液中，对丁苯酞进行放射性标记及追踪，依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，进行仿真分析后，在受到摇晃并经过间隔时间Jzt的静置的条件下，获取丁苯酞注射液中的丁苯酞的运动状态；
结合丁苯酞运动数字孪生模型，在给定时间后，获取丁苯酞的分子无序度Wx，并基于丁苯酞检测数据集生成检测状态系数Jcxs，通过相关性分析，生成分子无序度Wx与检测状态系数Jcxs间的相关性系数R；
从丁苯酞检测数据集中分别获取丁苯酞的吸光度xG、表面张力zL、电化学位dW，并分别获取吸光度xG、表面张力zL和电化学位dW三项数据的方差，生成检测总方差系数，依据检测总方差系数判断当前批次的检测样品是否正常；
在当前批次的检测样品为正常样品时，基于相关性系数R及检测总方差系数获取干扰度Gr，依据干扰度Gr的分布，从若干个检测样品中选择出目标样品，基于目标样品进行丁苯酞注射液成分检测。
进一步的，在丁苯酞注射液逐渐平稳后，将待测试丁苯酞注射液等量的分割为若干样品并分别进行标记；依据标记顺序，以固定的间隔依次对若干样品进行丁苯酞浓度检测并输出检测结果，确定为样品浓度；在检测样品的丁苯酞浓度时，至少还获取样品的：吸光度、表面张力、电化学位，汇总后建立丁苯酞检测数据集。
进一步的，获取若干个样品浓度的方差和极值，当方差和极值均在预设阈值之外时，将若干个样品浓度沿着时间轴排列，基于线性回归分析，对丁苯酞的浓度变化进行函数拟合，将拟合后的浓度变化函数输出；在浓度变化函数的斜率符合相应阈值时，将其确定为丁苯酞的浓度稳定点，将与浓度稳定点相对应的样品的采样时间及分析时间输出，并将两者间隔确定为间隔时间Jzt。
进一步的，当丁苯酞的浓度不再变化时，对丁苯酞注射液中的部分丁苯酞进行放射性标记，并对试管内标记后的丁苯酞的位置进行追踪，获取丁苯酞分子在试管内的运动过程；在获取若干个丁苯酞的运动过程后，对注射液中的丁苯酞分子的运动状态进行建模，构建丁苯酞运动数字孪生模型，在训练和测试后，将丁苯酞运动数字孪生模型输出；
对丁苯酞注射液中的丁苯酞的运动状态进行仿真分析；在丁苯酞注射液逐渐平稳后，再经过间隔时间Jzt，获取丁苯酞注射液中的丁苯酞的运动状态并输出。
进一步的，结合丁苯酞运动数字孪生模型，获取若干个样品在分析时间点的运动状态，获取样品在分析时间点时丁苯酞的分子无序度Wx，分别将与样品相对应的分子无序度Wx输出；获取样品的吸光度xG、表面张力zL及电化学位dW，进行无量纲处理后，关联获取检测状态系数Jcxs；其中，检测状态系数Jcxs的获取方式符合如下公式：
；
其中，α及β为可变更常数参数，，；通过相关性分析，分别获取各个样品的分子无序度Wx与检测状态系数Jcxs间的相关性系数R并输出。
进一步的，重新采样并获取若干个丁苯酞注射液样品，在丁苯酞注射液样品经过间隔时间Jzt的静置后，对丁苯酞注射液样品进行检测，检测内容至少包含：吸光度、表面张力、电化学位；对若干个吸光度、表面张力、电化学位的方差分别进行计算，输出第一方差、第二方差及第三方差，在汇总后构建检测偏差集数据，并生成检测总方差系数；
当检测总方差系数不超过相应阈值时，将该批次标记为正常样品，当检测总方差系数超过阈值时，则确定为异常样品，当判定为异常样品时，发出预警信息并再次进行采样。
进一步的，检测总方差系数的获取方式如下：汇总第一方差、第二方差及第三方差，无量纲处理后，关联形成检测总方差系数，依照如下公式：
；
其中，参数意义为：第一因子，，第二因子，，第三因子，，为常数修正系数。
进一步的，获取相关性系数R及检测总方差系数，进行无量纲处理后，关联形成干扰度Gr，其中，干扰度Gr的获取方式如下：
；
其中，参数的意义为：，，且，为权重，其具体值由用户调整设置，为常数修正系数。
进一步的，在干扰度Gr大于阈值时，依据接近中心性算法确定若干个检测状态系数Jcxs里中心度最大值，及相应的检测样品，作为目标样品；在干扰度Gr小于阈值时，获取若干个检测状态系数Jcxs的平均值，及与该平均值最接近的检测样品，作为目标样品；从筛选出的目标样品中，进行丁苯酞注射液成分检测，获取检测数据并输出。
丁苯酞注射液成分检测过程数据处理系统，包括：
第一检测单元，将检测样品等量的分割为若干份后进行成分检测，建立丁苯酞检测数据集，丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt，并对丁苯酞的浓度变化进行函数拟合；
建模单元，对丁苯酞进行放射性标记及追踪，依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，在受到摇晃并经过间隔时间Jzt的静置的条件下，获取丁苯酞注射液中的丁苯酞的运动状态；
仿真分析单元，结合丁苯酞运动数字孪生模型，在给定时间后，获取丁苯酞的分子无序度Wx，并基于丁苯酞检测数据集生成检测状态系数Jcxs，通过相关性分析，生成分子无序度Wx与检测状态系数Jcxs间的相关性系数R；
判断单元，从丁苯酞检测数据集中分别获取丁苯酞的吸光度xG、表面张力zL及电化学位dW，分别获取三项数据的方差，生成检测总方差系数，依据检测总方差系数判断当前批次的检测样品是否正常；
筛选单元，在当前批次的检测样品为正常样品时，基于相关性系数R及检测总方差系数获取干扰度Gr，依据干扰度Gr的分布，从若干个检测样品中选择出目标样品，基于目标样品进行丁苯酞注射液成分检测。
（三）有益效果
本发明提供了丁苯酞注射液成分检测过程数据处理方法及系统，具备以下有益效果：
（1）建立丁苯酞运动数字孪生模型，进而对丁苯酞分子的运动状态进行模拟，能够判断出丁苯酞注射液逐渐稳定后，各种成分相对均匀分布的时间点，当丁苯酞分子的运动状态不同时，所述丁苯酞在丁苯酞注射液的不同位置，也会对后续的检测带来影响，便于对检测结果的影响程度形成判断。
（2）通过形成检测状态系数Jcxs，对当前条件下的丁苯酞注射液的检测结果形成描述，依据相关性系数R，对丁苯酞运动状态是否会对检测结果形成显著影响做出判断，如果会造成显著影响，保持样品的稳定并延长间隔时间Jzt，对丁苯酞注射液的成分检测形成指导作用，提高检测结果的客观性。
（3）判断检测数据分布的稳定性，当检测数据的稳定性不足时，样品存在问题或者检测方式存在问题，需要重新进行采样及检测；而在检测数据的稳定性的较高时，说明样品是合格的，从而能够对若干个样品形成筛选作用，从若干个样品中筛选出合格有效样品。
（4）对检测样品受外部环境的影响程度进行判断和评估，并依据干扰度Gr从若干个检测样品中筛选出目标样品，目标样品所受到的外部干扰相对最少，检测获取得到的数据稳定性最高，可以保证数据检测的客观性，降低检测数据与真实数据间的误差。
附图说明
图1为本发明丁苯酞注射液成分检测过程数据处理方法流程示意图；
图2为本发明丁苯酞注射液成分检测过程数据处理流程结构示意图；
图中：10、第一检测单元；20、建模单元；30、仿真分析单元；40、判断单元；50、筛选单元。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1和图2，本发明提供丁苯酞注射液成分检测过程数据处理方法，包括如下步骤：
步骤一、在将检测样品等量的分割为若干份后进行成分检测，依据获取到的检测数据建立丁苯酞检测数据集，在获取到的若干个丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt，并对丁苯酞的浓度变化进行函数拟合；
步骤101、在对样品进行检测前，将丁苯酞注射液轻轻摇晃，在丁苯酞注射液逐渐平稳后，将待测试丁苯酞注射液等量的分割为若干样品并分别进行标记；依据标记顺序，以固定的间隔依次对若干样品进行丁苯酞浓度检测并输出检测结果，确定为样品浓度；
在检测样品的丁苯酞浓度时，至少还获取样品的：吸光度、表面张力、电化学位，汇总后建立丁苯酞检测数据集；
步骤102、获取若干个样品浓度的方差和极值，当方差和极值均在预设阈值之外时，将若干个样品浓度沿着时间轴排列，基于线性回归分析，对丁苯酞的浓度变化进行函数拟合，将拟合后的浓度变化函数输出，以此能够对丁苯酞的浓度变化趋势进行描述；
步骤103、在浓度变化函数的斜率符合相应阈值时，将其确定为丁苯酞的浓度稳定点，将与浓度稳定点相对应的样品的采样时间及分析时间输出，并将两者间隔确定为间隔时间Jzt；
此时，确定出较佳的丁苯酞分析时间点，在该时间点上，丁苯酞已经处于相对稳定的状态，因此，在该时间点上进行丁苯酞注射液成分检测，数据真实性也更高。
使用时，结合步骤101至步骤103中的内容：
在进行丁苯酞注射液成分检测时，以丁苯酞的浓度作为检测切入点，依据若干个检测样品间的浓度不同确定出间隔时间Jzt，从而完成采样后，将采样所得的样品经过间隔时间Jzt的静置，使样品内部的丁苯酞注射液进入稳定状态，降低丁苯酞注射液的不稳定对检测过程的影响，减少不同样品间的检测数据的差距，提高检测数据的真实性。
步骤二、在丁苯酞注射液中，对丁苯酞进行放射性标记及追踪，依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，进行仿真分析后，在受到摇晃并经过间隔时间Jzt的静置的条件下，获取丁苯酞注射液中的丁苯酞的运动状态；
所述步骤二包括如下内容：
步骤201、当丁苯酞的浓度不再变化时，对丁苯酞注射液中的部分丁苯酞进行放射性标记，并对试管内标记后的丁苯酞的位置进行追踪，获取丁苯酞分子在试管内的运动过程；
步骤202、在获取若干个丁苯酞的运动过程后，对注射液中的丁苯酞分子的运动状态进行建模，构建丁苯酞运动数字孪生模型，在训练和测试后，将丁苯酞运动数字孪生模型输出；此时，能够对丁苯酞分子的运动过程进行模拟；
步骤203、依据丁苯酞注射液成分检测时对试管的摇晃力度，对丁苯酞注射液中的丁苯酞的运动状态进行仿真分析；在丁苯酞注射液逐渐平稳后，再经过间隔时间Jzt，获取丁苯酞注射液中的丁苯酞的运动状态并输出；
使用时，结合步骤201至步骤203中的内容；
通过对丁苯酞分子进行标记，在对其完成运动过程的追踪后，建立丁苯酞运动数字孪生模型，进而对丁苯酞分子的运动状态进行模拟，能够判断出丁苯酞注射液逐渐稳定后，各种成分相对均匀分布的时间点，而且，当丁苯酞分子的运动状态不同时，所述丁苯酞在丁苯酞注射液的不同位置，也会对后续的检测带来影响，便于对检测结果的影响程度形成判断。
步骤三、结合丁苯酞运动数字孪生模型，在给定时间后，获取丁苯酞的分子无序度Wx，并基于丁苯酞检测数据集生成检测状态系数Jcxs，通过相关性分析，生成分子无序度Wx与检测状态系数Jcxs间的相关性系数R；
所述步骤三包括：
步骤301、结合丁苯酞运动数字孪生模型，获取若干个样品在分析时间点的运动状态，获取样品在分析时间点时，丁苯酞的分子无序度Wx，分别将与样品相对应的分子无序度Wx输出；
步骤302、获取样品的吸光度xG、表面张力zL及电化学位dW，进行无量纲处理后，关联获取检测状态系数Jcxs；其中，检测状态系数Jcxs的获取方式符合如下公式：
；
其中，α及β为可变更常数参数，，，可按照实际情况进行调整。
通过相关性分析，分别获取各个样品的分子无序度Wx与检测状态系数Jcxs间的相关性系数R并输出；如果相关性系数R大于阈值，则说明丁苯酞分子的过度运动会对样品的检测形成影响，如果相关性系数R小于阈值，至少说明丁苯酞的过度运动对样品的检测影响程度有限。
使用时，结合步骤301及步骤302中的内容：
借助丁苯酞运动数字孪生模型获取分子无序度Wx并输出，能够对丁苯酞的运动状态进行描述，而通过形成检测状态系数Jcxs，则对当前条件下的丁苯酞注射液的检测结果形成描述，因此，在形成相关性系数R后，依据相关性系数R，可以对丁苯酞运动状态是否会对检测结果形成显著影响做出判断，如果会造成显著影响，在检测前，应该尽量保持样品的稳定，并延长间隔时间Jzt，从而对丁苯酞注射液的成分检测形成指导作用，提高检测结果的客观性。
步骤四、从丁苯酞检测数据集中分别获取丁苯酞的吸光度xG、表面张力zL、电化学位dW，并分别获取三项数据的方差，生成检测总方差系数，依据检测总方差系数判断当前批次的检测样品是否正常；
所述步骤四包括如下内容：
步骤401、重新采样并获取若干个丁苯酞注射液样品，在丁苯酞注射液样品经过间隔时间Jzt的静置后，对丁苯酞注射液样品进行检测，检测内容至少包含：吸光度、表面张力、电化学位；
步骤402、对若干个吸光度、表面张力、电化学位的方差分别进行计算，输出第一方差、第二方差及第三方差，在汇总后构建检测偏差集数据；
汇总第一方差、第二方差及第三方差，无量纲处理后，关联形成检测总方差系数，检测总方差系数的获取方式符合如下公式：
；
其中，参数意义为：第一因子，，第二因子，，第三因子，，为常数修正系数。
需要说明的是，由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设比例系数；将设定的预设比例系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到的取值；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数；只要不影响参数与量化后数值的比例关系即可。
步骤403、当检测总方差系数不超过相应阈值时，将该批次标记为正常样品，当检测总方差系数超过阈值时，则确定为异常样品，当判定为异常样品时，发出预警信息，则再次进行采样；
使用时，结合步骤401至步骤403中的内容：
在检测状态系数Jcxs之后，进一步获取检测总方差系数，依据形成的检测总方差系数，在已经获取吸光度xG、表面张力zL、电化学位dW的基础上，判断出检测数据分布的稳定性，当检测数据的稳定性不足时，可以说明在检测时，样品存在问题或者检测方式存在问题，此时，需要重新进行采样及检测；而在检测数据的稳定性的较高时，说明样品是合格的，此时可以采取进一步的检测，能够对若干个样品形成筛选作用，从若干个样品中筛选出合格有效样品。
步骤五、在当前批次的检测样品为正常样品时，基于相关性系数R及检测总方差系数获取干扰度Gr，依据干扰度Gr的分布，从若干个检测样品中选择出目标样品，基于目标样品进行丁苯酞注射液成分检测；
所述步骤五包括如下内容：
步骤501、获取相关性系数R及检测总方差系数，进行无量纲处理后，关联形成干扰度Gr，其中，干扰度Gr的获取方式如下：
；
其中，参数的意义为：，，且，为权重，其具体值由用户调整设置，为常数修正系数。
步骤502、在干扰度Gr大于阈值时，依据接近中心性算法确定若干个检测状态系数Jcxs里中心度最大值，及相应的检测样品，作为目标样品；在干扰度Gr小于阈值时，获取若干个检测状态系数Jcxs的平均值，及与该平均值最接近的检测样品，作为目标样品；
从筛选出的目标样品中，进行丁苯酞注射液成分检测，获取检测数据并输出。
使用时，结合步骤501至步骤502中的内容：
在获取到干扰度Gr的基础上，对检测样品受外部环境的影响程度进行判断和评估，并依据干扰度Gr，从若干个检测样品中筛选出目标样品，在检测时，目标样品所受到的外部干扰相对最少，检测获取得到的数据稳定性最高，此时，以目标样品作为最终样品进行全方位检测，输出检测数据，保证数据检测的客观性，降低检测数据与真实数据间的误差。
请参阅图1和图2，本发明提供丁苯酞注射液成分检测过程数据处理系统，包括：
第一检测单元10，将检测样品等量的分割为若干份后进行成分检测，建立丁苯酞检测数据集，丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt，并对丁苯酞的浓度变化进行函数拟合；
建模单元20，对丁苯酞进行放射性标记及追踪，依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，在受到摇晃并经过间隔时间Jzt的静置的条件下，获取丁苯酞注射液中的丁苯酞的运动状态；
仿真分析单元30，结合丁苯酞运动数字孪生模型，在给定时间后，获取丁苯酞的分子无序度Wx，并基于丁苯酞检测数据集生成检测状态系数Jcxs，通过相关性分析，生成分子无序度Wx与检测状态系数Jcxs间的相关性系数R；
判断单元40，从丁苯酞检测数据集中分别获取丁苯酞的吸光度xG、表面张力zL、电化学位dW，分别获取三项数据的方差，生成检测总方差系数，依据检测总方差系数判断当前批次的检测样品是否正常；
筛选单元50，在当前批次的检测样品为正常样品时，基于相关性系数R及检测总方差系数获取干扰度Gr，依据干扰度Gr的分布，从若干个检测样品中选择出目标样品，基于目标样品进行丁苯酞注射液成分检测。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.丁苯酞注射液成分检测过程数据处理方法，其特征在于：包括：
在将检测样品等量的分割为若干份后进行成分检测，依据获取到的检测数据建立丁苯酞检测数据集，在获取到的若干个丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt，并对丁苯酞的浓度变化进行函数拟合；
在丁苯酞注射液中，对丁苯酞进行放射性标记及追踪，依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，进行仿真分析后，在受到摇晃并经过间隔时间Jzt的静置的条件下，获取丁苯酞注射液中的丁苯酞的运动状态；
结合丁苯酞运动数字孪生模型，在给定时间后，获取丁苯酞的分子无序度Wx，并基于丁苯酞检测数据集生成检测状态系数Jcxs，通过相关性分析，生成分子无序度Wx与检测状态系数Jcxs间的相关性系数R；
从丁苯酞检测数据集中分别获取丁苯酞的吸光度xG、表面张力zL、电化学位dW，并分别获取吸光度xG、表面张力zL和电化学位dW三项数据的方差，生成检测总方差系数 ，依据检测总方差系数判断当前批次的检测样品是否正常；
在当前批次的检测样品为正常样品时，基于相关性系数R及检测总方差系数获取干扰度Gr，依据干扰度Gr的分布，从若干个检测样品中选择出目标样品，基于目标样品进行丁苯酞注射液成分检测。
2.根据权利要求1所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
在丁苯酞注射液逐渐平稳后，将待测试丁苯酞注射液等量的分割为若干样品并分别进行标记；依据标记顺序，以固定的间隔依次对若干样品进行丁苯酞浓度检测并输出检测结果，确定为样品浓度；在检测样品的丁苯酞浓度时，至少还获取样品的：吸光度、表面张力、电化学位，汇总后建立丁苯酞检测数据集。
3.根据权利要求2所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
获取若干个样品浓度的方差和极值，当方差和极值均在预设阈值之外时，将若干个样品浓度沿着时间轴排列，基于线性回归分析，对丁苯酞的浓度变化进行函数拟合，将拟合后的浓度变化函数输出；在浓度变化函数的斜率符合相应阈值时，将其确定为丁苯酞的浓度稳定点，将与浓度稳定点相对应的样品的采样时间及分析时间输出，并将两者间隔确定为间隔时间Jzt。
4.根据权利要求3所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
当丁苯酞的浓度不再变化时，对丁苯酞注射液中的丁苯酞进行放射性标记，并对试管内标记后的丁苯酞的位置进行追踪，获取丁苯酞分子在试管内的运动过程；在获取若干个丁苯酞的运动过程后，对注射液中的丁苯酞分子的运动状态进行建模，构建丁苯酞运动数字孪生模型，在训练和测试后，将丁苯酞运动数字孪生模型输出；
对丁苯酞注射液中的丁苯酞的运动状态进行仿真分析；在丁苯酞注射液逐渐平稳后，再经过间隔时间Jzt，获取丁苯酞注射液中的丁苯酞的运动状态并输出。
5.根据权利要求4所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
结合丁苯酞运动数字孪生模型，获取若干个样品在分析时间点的运动状态，获取样品在分析时间点时丁苯酞的分子无序度Wx，分别将与样品相对应的分子无序度Wx输出；获取样品的吸光度xG、表面张力zL、电化学位dW，进行无量纲处理后，关联获取检测状态系数Jcxs；其中，检测状态系数Jcxs的获取方式符合如下公式：
其中，α及β为可变更常数参数，，，通过相关性分析，分别获取各个样品的分子无序度Wx与检测状态系数Jcxs间的相关性系数R并输出。
6.根据权利要求5所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
重新采样并获取若干个丁苯酞注射液样品，在丁苯酞注射液样品经过间隔时间Jzt的静置后，对丁苯酞注射液样品进行检测，检测内容至少包含：吸光度、表面张力、电化学位；对若干个吸光度、表面张力与电化学位的方差分别进行计算，输出第一方差、第二方差及第三方差，在汇总后构建检测偏差集数据，并生成检测总方差系数；
当检测总方差系数不超过相应阈值时，将该批次标记为正常样品，当检测总方差系数超过阈值时，则确定为异常样品，当判定为异常样品时，发出预警信息并再次进行采样。
7.根据权利要求6所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
检测总方差系数的获取方式如下：汇总第一方差、第二方差及第三方差，无量纲处理后，关联形成检测总方差系数，依照如下公式：
；
其中，参数意义为：第一因子，，第二因子，，第三因子，，为常数修正系数。
8.根据权利要求7所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
获取相关性系数R及检测总方差系数，进行无量纲处理后，关联形成干扰度Gr，其中，干扰度Gr的获取方式如下：
；
其中，参数的意义为：，，且，为权重，其具体值由用户调整设置，为常数修正系数。
9.根据权利要求8所述的丁苯酞注射液成分检测过程数据处理方法，其特征在于：
在干扰度Gr大于阈值时，依据接近中心性算法确定若干个检测状态系数Jcxs里中心度最大值，及相应的检测样品，作为目标样品；在干扰度Gr小于阈值时，获取若干个检测状态系数Jcxs的平均值，及与该平均值最接近的检测样品，作为目标样品；从筛选出的目标样品中，进行丁苯酞注射液成分检测，获取检测数据并输出。
10.丁苯酞注射液成分检测过程数据处理系统，其特征在于：包括：
第一检测单元，将检测样品等量的分割为若干份后进行成分检测，建立丁苯酞检测数据集，丁苯酞浓度的数据稳定性低于预设阈值时，依据丁苯酞浓度的变化趋势生成间隔时间Jzt，并对丁苯酞的浓度变化进行函数拟合；
建模单元，对丁苯酞进行放射性标记及追踪，依据丁苯酞分子在试管内的运动过程建立丁苯酞运动数字孪生模型，在受到摇晃并经过间隔时间Jzt的静置的条件下，获取丁苯酞注射液中的丁苯酞的运动状态；
仿真分析单元，结合丁苯酞运动数字孪生模型，在给定时间后，获取丁苯酞的分子无序度Wx，并基于丁苯酞检测数据集生成检测状态系数Jcxs，通过相关性分析，生成分子无序度Wx与检测状态系数Jcxs间的相关性系数R；
判断单元，从丁苯酞检测数据集中分别获取丁苯酞的吸光度xG、表面张力zL、电化学位dW，分别获取三项数据的方差，生成检测总方差系数，依据检测总方差系数判断当前批次的检测样品是否正常；
筛选单元，在当前批次的检测样品为正常样品时，基于相关性系数R及检测总方差系数获取干扰度Gr，依据干扰度Gr的分布，从若干个检测样品中选择出目标样品，基于目标样品进行丁苯酞注射液成分检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310395178.XA CN116106248A (zh) | 2023-04-14 | 2023-04-14 | 丁苯酞注射液成分检测过程数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310395178.XA CN116106248A (zh) | 2023-04-14 | 2023-04-14 | 丁苯酞注射液成分检测过程数据处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116106248A true CN116106248A (zh) | 2023-05-12 |
Family
ID=86256553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310395178.XA Pending CN116106248A (zh) | 2023-04-14 | 2023-04-14 | 丁苯酞注射液成分检测过程数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116106248A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116577190A (zh) * | 2023-07-13 | 2023-08-11 | 南京华建检测技术有限公司 | 一种t型实验试块的智能化检测方法 |
-
2023
- 2023-04-14 CN CN202310395178.XA patent/CN116106248A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116577190A (zh) * | 2023-07-13 | 2023-08-11 | 南京华建检测技术有限公司 | 一种t型实验试块的智能化检测方法 |
| CN116577190B (zh) * | 2023-07-13 | 2023-11-28 | 南京华建检测技术有限公司 | 一种t型实验试块的智能化检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109472004B (zh) | 气候变化和人类活动对水文干旱影响的综合评估方法、装置及系统 | |
| CN112735094B (zh) | 基于机器学习的地质灾害预测方法、装置和电子设备 | |
| CN100463655C (zh) | 一种腹部ct图像自动测量装置 | |
| CN116106248A (zh) | 丁苯酞注射液成分检测过程数据处理方法及系统 | |
| CN110197020A (zh) | 一种环境变化对水文干旱影响的分析方法 | |
| CN107766467A (zh) | 一种信息检测方法、装置、电子设备及存储介质 | |
| CN115439654B (zh) | 动态约束下的弱监督农田地块精细化分割方法及系统 | |
| CN111445546A (zh) | 图像重建方法、装置、电子设备、存储介质 | |
| CN115166618A (zh) | 一种非平稳输出的电流互感器误差评估方法 | |
| CN114264865B (zh) | 一种电流采集装置在线自校准方法 | |
| CN112632862B (zh) | 风场稳定性的确定方法、装置、电子设备及存储介质 | |
| CN112202630A (zh) | 一种基于无监督模型的网路质量异常检测方法及装置 | |
| Müller et al. | Data fusion of surface data sets of X-ray computed tomography measurements using locally determined surface quality values | |
| CN108627433B (zh) | 一种环境气溶胶分粒径黑碳质量分布的测量方法及其系统 | |
| CN108896070B (zh) | 移动设备中检测传感器误差的方法、装置和终端 | |
| CN111368837A (zh) | 一种图像质量评价方法、装置、电子设备及存储介质 | |
| CN115546131A (zh) | 一种带钢表面黑灰的定量评价方法及相关设备 | |
| CN114677052A (zh) | 基于tarch模型的天然气负荷波动非对称性分析方法及系统 | |
| CN111695501B (zh) | 一种基于操作系统内核调用数据的设备软故障检测方法 | |
| JP2005507077A (ja) | ゲル・パーミエーション・クロマトグラフィおよび光散乱検出を用いてポリマー分布の旋回半径、分子量および固有粘度を決定するためのシステムおよび方法 | |
| CN113029103A (zh) | 一种风机塔筒基础环的倾斜测量方法、系统和存储介质 | |
| CN117906580B (zh) | 一种航道水下地形变化分析系统及方法 | |
| CN110786839A (zh) | 瞬时无波形比值的生成方法、装置、设备及介质 | |
| Fricout et al. | A quantitative method for analysing 3-D branching in embryonic kidneys: development of a technique and preliminary data | |
| CN114114881B (zh) | 一种脉冲星计时性能优化方法及系统 |
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: 20230512 |