CN116249905A - 用于检测和报告体外诊断系统中的操作错误的方法以及体外诊断系统 - Google Patents

用于检测和报告体外诊断系统中的操作错误的方法以及体外诊断系统 Download PDF

Info

Publication number
CN116249905A
CN116249905A CN202180062163.0A CN202180062163A CN116249905A CN 116249905 A CN116249905 A CN 116249905A CN 202180062163 A CN202180062163 A CN 202180062163A CN 116249905 A CN116249905 A CN 116249905A
Authority
CN
China
Prior art keywords
data
error
user
providing
sample
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
Application number
CN202180062163.0A
Other languages
English (en)
Inventor
C·埃斯皮
A·普里斯塔-古普塔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
F Hoffmann La Roche AG
Original Assignee
F Hoffmann La Roche AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Publication of CN116249905A publication Critical patent/CN116249905A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0775—Content or structure details of the error report, e.g. specific table structure, specific error fields
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00613—Quality control
    • G01N35/00623—Quality control of instruments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00613—Quality control
    • G01N35/00623—Quality control of instruments
    • G01N2035/00643—Quality control of instruments detecting malfunctions in conveying systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00613—Quality control
    • G01N35/00663—Quality control of consumables
    • G01N2035/00683—Quality control of consumables of detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N2035/00891—Displaying information to the operator
    • G01N2035/0091—GUI [graphical user interfaces]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00732—Identification of carriers, materials or components in automatic analysers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00871—Communications between instruments or with remote terminals

Abstract

本公开涉及一种用于检测和报告用于测定体液的样品的体外诊断系统(1)中的操作错误的方法，所述方法包括：提供多个样品器皿(2)，每个样品器皿含有体液的样品；以及提供多个功能模块(3)，所述多个功能模块包括分析装置(4)、搬运系统(5)和自动化轨道(6)，所述分析装置被配置成测定所述样品，所述搬运系统被配置成搬运所述多个样品器皿(2)，所述自动化轨道由所述搬运系统(5)提供且被配置成将所述多个样品器皿(2)运送至所述分析装置(4)。所述方法进一步包括：提供操作控制装置(7)，所述操作控制装置被连接至所述功能模块(3)中的至少一者且被配置成控制至少一个功能模块(3)的操作，并且包括一个或多个数据处理器(8)，其中应用程序软件在所述一个或多个数据处理器(8)上运行，以用于控制所述至少一个功能模块(3)的操作；由所述操作控制装置(7)控制所述至少一个功能模块(3)的操作；以及由错误检测和报告装置(9)来检测并报告操作错误，包括：检测所述多个功能模块(3)和所述操作控制装置(7)中的至少一者的操作的操作错误，提供指示所述操作错误的错误数据，在检测到所述操作错误后通过用户界面(10)接收用户输入，响应于接收到所述用户输入而提供标记数据，所述标记数据除了指示所述错误数据之外还指示与所述操作错误相关的信息，提供包括所述错误数据和所述标记数据的错误报告数据，以及将所述错误报告数据传输至相对于所述多个功能模块(3)和所述操作控制装置(7)两者远程定位的错误存储库(11)；在机器学习过程中接收所述错误报告数据，所述机器学习过程在连接至所述错误存储库(11)的数据处理装置中运行；由所述数据处理装置中的所述机器学习过程来处理所述错误报告数据；响应于由所述数据处理装置中的所述机器学习过程对所述错误报告数据的处理而提供针对所述应用程序软件的应用程序软件更新；向所述操作控制装置(7)提供所述应用程序软件更新；以及由所述操作控制装置(7)来控制所述至少一个功能模块(3)的操作，包括运行包括所述应用程序软件更新的所述应用程序软件。进一步地，提供了用于测定体液的样品的体外诊断系统。

Description

用于检测和报告体外诊断系统中的操作错误的方法以及体外 诊断系统
本公开涉及一种用于检测和报告被配置成测定体液的样品的体外诊断系统中的操作错误的方法以及一种体外诊断系统。
背景技术
体外诊断系统用于测定体液的样品。样品被容纳在体外诊断系统中处理的样品器皿或容器中。可以由样品器皿处理或分配系统处理样品器皿，例如以用于将样品器皿定位在样品器皿载件中以及用于从样品器皿载件中取出样品器皿。例如，在WO2016/038014A1中公开了实验室样品分配系统。
在体外诊断系统中，将样品器皿沿着处理线移动以进行处理，其中借助于具有一个或多个致动器和用于驱动致动器的致动器驱动件或驱动设备的运输设备来移动样品器皿和/或样品器皿载件。例如，可将样品器皿从第一工作站移动或重新定位到设置在体外诊断系统中的处理线中的第二工作站。工作站也可称为工作位置。
诊断系统目前使用预装算法在现场执行质量控制。特别是，当前此类诊断系统中用于样品质量检查的软件解决方案通常是基于照相机的，而不是基于安装在现场的系统的行为开发的。
文件US2019/0033209A1、EP 3 408640A1和EP3408641A1中公开了一种基于照相机的样品质量检查的系统。公开了一种用于量化样本的基于模型的方法。该方法包括：提供试样；在不同标称波长和曝光的多个光谱照射下捕获试样的图像；以及将试样分类为各种类别类型，包括血清或血浆部分、沉淀血液部分、凝胶分离器(如果使用)、空气、管、标签或瓶盖中的一个或多个；以及对试样进行量化。量化包括确定以下一项或多项：液-气界面的位置、血清-血液界面的位置、血清-凝胶界面的位置、血液-凝胶界面的位置、血清或血浆部分的体积和/或深度、或沉淀血液部分的体积和/或深度。
文件EP 3171302A1公开了一种用于生成关于电子实验室日志的条目的方法，该方法包括选择指定操作者必须执行的至少一个动作的实验室工作流程，其中该动作涉及一个或多个实验室装备工件；由操作者通过使用与操作者所穿戴的增强现实装置关联的照相机记录动作的一个或多个图像或视频；并基于记录的一个或多个图像或视频生成关于电子实验室日志的条目。
文件CN 108984613A公开了一种基于迁移学习的缺陷报告的跨项目分类方法，该方法包括：选择数据，确定源数据和目标数据，以及预处理数据；通过训练缺陷报告语义模型计算步骤中每个缺陷报告的矢量表示；将步骤中的源数据和目标数据划分为训练数据和测试数据，以及通过迁移学习调整训练数据的权重，使对分类结果的误差最小；使用步骤中迁移的数据训练分类器来通过机器学习分类器对跨项目的目标数据进行分类。
文件WO 2019/089578A1中公开了一种包括计算装置的系统，该计算装置包括被配置成存储指令的存储器。该系统还包括执行指令的处理器，以执行包括接收包括至少一种字体的文本内容的图像的操作。操作还包括使用机器学习系统识别接收到的图像中表示的至少一种字体。存在使用表示多种训练字体的图像来训练的机器学习系统。训练图像的一部分包括位于前景中并位于捕获的背景图像之上的文本。
文件US 2018/232657A1公开了一种用于生成认知洞察力的方法和系统，该方法包括：接收训练数据，该训练数据基于用户与认知学习和推理系统之间的交互；对训练数据执行多个机器学习操作；基于通过执行多个机器学习操作生成的信息生成认知概况；以及，基于使用多个机器学习操作生成的概况生成认知洞察力。
文件US 2019/102700A1中的公开内容涉及集成机器学习平台。机器学习平台可以将具有不同模式的机器学习模型转换成共享共同模式的机器学习模型，根据一定的准则将机器学习模型组织成模型组，并对机器学习模型进行预部署评估。模型组中的机器学习模型可以单独或作为组进行评估或使用。机器学习平台可用于在生产环境中部署模型组和选择器，选择器可以学习基于使用某些得分标准(诸如某些业务目标)确定的得分，在不同上下文或针对不同输入数据从生产环境中的模型组中动态选择模型。
文件CN 109635968A中公开了一种基于客服的故障报修管理方法。该方法包括以下步骤：获取报修用户的语音信息；对语音信息进行解析得到语音信息对应的文字信息；根据文字信息和预设关键词库，通过关键词抓取算法生成报修工单；将所述报修工单派发至目标终端并接收所述目标终端发送的反馈信息。
文件CN 1043011368B公开了一种故障信息上报及处理的方法及设备。根据预设的故障信息相关参数解析用户设备日志，从该日志中获取故障信息，其中，预设的故障信息相关参数包括故障关键字。根据获取到的故障信息，生成故障文件并上报服务器，其中，所述故障文件中包括故障关键字。
文件EP 3517970A1涉及一种在由于自动分析装置的异常而发生警报、自动分析装置成为停止状态的情况下，在判断为客户本身难以处理警报时，服务部门与客户进行联络，从而提高客户服务的系统。自动分析装置包括：显示装置，其显示报警画面；计算机，其生成表示因异常而产生了警报的警报产生信息和表示客户删除了基于上述警报产生信息而显示于上述警报画面的警报的警报删除信息；以及信息共享部，其将计算机生成的警报产生信息和警报删除信息与外部的警报维护系统共享。
文件US 2009/199052A1涉及一种管理系统，该管理系统包括多个分析器；以及经由网络连接到分析器的计算机系统，其中每个分析器包括：数据发送器，其用于经由网络将分析器产生的数据发送到计算机系统，并且其中计算机系统包括在处理器控制下的存储器，该存储器存储使处理器能够执行操作的指令，包括：(a)接收从多个分析器的数据发送器发送的多个数据；(b)基于多个接收数据生成用于确定条件的汇总结果，该确定条件用于确定是否需要向分析器的用户通知；以及(c)输出汇总结果。还公开了一种计算机系统和一种提供信息的方法。
文件US 2007/174653A1公开了一种自动化实验室设备，该自动化实验室设备包括对实验室样品执行操作的机构、使该机构根据编程的过程处理实验室样品的调度器、检测在由调度器控制的过程中发生的错误的逻辑，接受针对该错误的用户定义的错误处理例程的逻辑；以及当遇到该错误时执行该错误处理例程的逻辑。还描述了一种实验室自动化系统、一种实验室自动化的方法、一种计算机实现的软件程序产品、一种执行(doingbusiness)的方法和一种实验室自动化网络。
文件GB 2 573 336 A公开了一种模块化医疗装置，例如一种体外诊断(IVD)装置，该模块化医疗装置使用已经存在于装置的模块中的传感器和致动器来针对故障进行自测试，该传感器和致动器用于执行测试运行以检查装置中的异常操作。制动器可以是泵或步进电机、Peltier元件、RFID传感器、声学或光学传感器，或者电容、压力、流量或液位传感器。传感器也可以是旋转或线性编码器或RFID接收器。模块化装置包括移液器、泵、用于清洗反应器皿的模块、恒温器模块或用于测量反应强度的模块。随着时间的推移重复测试序列，并比较数据以指示即将发生的故障。
文件US 9,430,312B2涉及一种系统，该包括分析样品的分析装置，或对样品进行前处理的处理装置，以及对分析装置和处理装置中的至少一者进行管理的管理装置，其中，管理装置包括：错误检测单元，其检测分析装置或处理装置中的错误；存储装置，其中存储操作者通知管理表，该操作者通知管理表对错误的每个种类登录了至少一个操作者；错误通知单元，其根据由错误检测单元检测出的错误的种类，基于操作员通知管理表，向单独处理该错误的操作员通知由错误检测单元检测出的错误；登录单元，其登录从所错误通知单元被通知了错误的操作者中的、对错误进行了应对的操作者即应对者。
发明内容
目的是提供一种用于检测和报告体外诊断系统中的操作错误的方法，该体外诊断系统被配置成使用改进的技术测定体液的样品，以避免操作错误。另外，将提供一种允许安全操作的体外诊断系统。
为了解决该问题，提供了分别根据独立权利要求1和12所述的用于检测和报告被配置成测定体液的样品的体外诊断系统中的操作错误的方法以及体外诊断系统。在从属权利要求中引用了另外的实施例。
根据一个方面，提供了一种用于检测和报告被配置成测定体液的样品的体外诊断系统中的操作错误的方法，该方法包括：在体外诊断系统中，提供多个样品器皿，每个样品器皿含有体液的样品；提供多个功能模块；该功能模块包括分析装置，其被配置成测定样品；搬运系统，其被配置成搬运多个样品器皿；以及自动化轨道，其由搬运系统提供，并被配置成用于将多个样品器皿运送至分析装置。该方法还包括：提供操作控制装置，该操作控制装置被连接至功能模块中的至少一者且被配置成控制至少一个功能模块的操作，并且包括一个或多个数据处理器，其中应用程序软件在一个或多个数据处理器上运行，以用于控制至少一个功能模块的操作；由操作控制装置来控制至少一个功能模块的操作；以及由错误检测和报告装置来检测并报告操作错误；其包括检测多个功能模块和操作控制装置中的至少一者的操作的操作错误；提供指示操作错误的错误数据；在检测到操作错误后通过用户界面接收用户输入；响应于接收到用户输入而提供标记数据，标记数据除了指示错误数据之外还指示与操作错误相关的信息；提供包括错误数据和标记数据的错误报告数据；以及将错误报告数据传输至相对于多个功能模块和操作控制装置两者远程定位的错误存储库。该方法还包括：在机器学习过程中接收错误报告数据，机器学习过程在连接至错误存储库的数据处理装置中运行；由数据处理装置中的机器学习过程来处理错误报告数据；响应于由数据处理装置中的机器学习过程对错误报告数据的处理而提供针对应用程序软件的应用程序软件更新；向操作控制装置提供应用程序软件更新；以及由操作控制装置来控制至少一个功能模块的操作，包括运行包括所述应用程序软件更新的所述应用程序软件。
根据另一个方面，提供了一种用于测定体液的样品的体外诊断系统，该系统包括多个样品器皿，每个样品器皿含有体液的样品；多个功能模块；该功能模块包括分析装置，其被配置成测定样品；搬运系统，其被配置成搬运多个样品器皿；以及自动化轨道，其由搬运系统提供，并被配置成用于将多个样品器皿运送至分析装置。操作控制装置被连接至功能模块中的至少一者且被配置成控制至少一个功能模块的操作，并且包括一个或多个数据处理器。应用程序软件在一个或多个数据处理器上运行，以用于控制至少一个功能模块的操作。错误检测和报告装置被配置成检测和报告操作错误，包括：检测多个功能模块和操作控制装置中的至少一者的操作的操作错误；提供指示操作错误的错误数据；在检测到操作错误之后通过用户界面接收用户输入；响应于接收到用户输入而提供标记数据，标记数据除了指示错误数据之外还指示与操作错误相关的信息；提供包括错误数据和标记数据的错误报告数据；并将错误报告数据传输至相对于多个功能模块和操作控制装置两者远程定位的错误存储库。体外诊断系统还包括数据处理装置，该数据处理装置被连接到错误存储库并被配置成：在机器学习过程中接收错误报告数据，机器学习过程在数据处理装置中运行；由机器学习过程处理错误报告数据；响应于由机器学习过程对错误报告数据的处理而提供针对应用程序软件的应用程序软件更新，其中应用程序软件更新待提供给操作控制装置，以用于由操作控制装置控制至少一个功能模块的操作，包括运行包括应用程序软件更新的应用程序软件。
不仅提供指示操作错误即错误数据，的数据，而且还提供从执行用于操作体外诊断系统的操作措施的用户收集的附加信息。此类附加信息由标记数据提供。因此，包括错误数据和标记数据的错误报告数据接收(和存储)在错误存储库中，这提供了一种改进的方法，不仅在现场(即体外诊断系统的使用位置)、而且远程地用于体外诊断系统的错误或故障分析。例如，开发团队可能有权访问错误报告数据。
机器学习过程可以被配置成提供应用程序软件更新。
在一个实施方案中，在现场体外诊断系统调试过程中，操作控制装置可以初始提供有预装应用程序软件。但是，预装的软件可能会导致操作错误。特别地，操作错误可能是系统错误。如果没有学习过程，错误(例如系统错误)通常会保留下来。通过报告错误(例如经由错误报告数据)，机器学习过程可以从这些错误中学习，特别是可以识别系统错误。换句话说，错误(特别是错误报告数据)可以作为训练数据和/或验证数据提供，作为机器学习过程的输入。机器学习过程可以与可能已经用于预装体外诊断系统的软件，特别是操作控制装置的软件相同。机器学习过程被提供为计算或确定用于操作控制装置的更新的应用程序软件(例如，操作模型)，这使得比预装的应用程序软件更少的错误。
由机器学习过程接收到的错误报告数据可以指示体外诊断系统的错误和/或现场中进一步的体外诊断系统的错误。
机器学习过程可以在没有开发人员监督的情况下进行学习，从而响应于接收到错误报告数据而自动进行机器学习。这种自动机器学习过程可以在接收到指示操作错误的错误报告数据之后或响应于已经接收到的错误存储库中预定数量的操作错误的错误报告数据而自动启动。
或者，机器学习过程可以由开发人员监督。错误存储库中的错误报告数据可以提供给开发人员。开发人员可以提供不同于第一机器学习过程的第二机器学习过程。开发人员可以从多个错误报告数据中选择一个或多个错误报告数据，其中选择的错误报告数据可以包含也可以不包含在训练数据中。在实施方案中，可以通过机器学习过程仅接收错误报告数据的选择。
可能通过错误报告数据(错误报告数据)报告的错误的典型类型可能包括以下中的至少一者：系统引起的与样品容器中检测到的材料/体液的数量或类型相关的错误、与样品容器的识别相关的所引起的错误、与样本容器中材料质量的测定相关的所引起的错误、以及与以下相关的所引起的错误。
响应于利用机器学习过程处理来处理错误报告数据，可以提供用于操作控制装置的新的应用程序软件。用于操作控制装置的新的应用程序软件可能与现场体外诊断系统中现有的用于操作控制装置的应用程序软件不同。现场体外诊断系统中现有的用于操作控制装置的应用程序软件(旧的应用程序软件)可能会被新的应用程序软件覆盖。替代地，仅指示旧的应用程序软件和新的应用程序软件之间的差异的部分可以并入旧的应用程序软件中(即，提供应用程序软件更新)。
在一个实施方案中，该方法还包括在数据处理装置中预处理错误报告数据，其中预处理包括将错误报告数据格式化为格式化错误报告数据，该格式化错误报告数据具有通过机器学习过程可处理的数据格式。数据处理装置可以包含在错误存储库中或功能连接到错误存储库，以用于访问错误报告数据。预处理例如可以包括解压缩和/或解码数据包中的至少一者，以及如果数据以分层格式存储，则重构。
在数据处理装置中预处理错误报告数据可以包括将模拟数据转换成数字数据，具体地，将模拟错误数据或模拟标记数据转换成数字错误数据或数字标记数据。此外，例如，可以从错误数据中选择一个或多个特征。该特征可以指示体外诊断系统的一个或多个操作参数。处理装置可以被提供为用于选择错误数据的这种特征。替代地，错误存储库可以被提供为用于从错误数据中选择这种特征。错误数据可以被格式化以使得提供可以包括这些选择的特征的特征矢量。特征矢量可以是指示n个特征的n维矢量。或者，特征矢量可以是标量。在优选实施方案中，特征矢量是数值矢量。
可以对标记数据进行格式化，以便提供链接到错误数据、特别是链接到特征矢量的靶标。换句话说，靶标标记错误数据、特别是特征矢量。靶标可以指示标记数据。该靶标可以指示操作错误的类型。靶标可以是标量或矢量。靶标可以是数值标量或矢量。
可以将靶标和特征矢量提供为机器学习过程或算法的输入数据。靶标和特征矢量可以并入训练数据集中。训练数据集包括训练条目。特征矢量连同靶标可以限定-个训练条目。可以将特征矢量并入到特征矩阵中并且可以将靶标分别并入到靶标矢量/矩阵中。特别是，可以提供特征矢量和靶标，使得它们可以用于训练算法，如最邻近分类、神经网络、和统计技术，诸如贝叶斯方法。替代地，可以提供特征矢量和靶标来训练其他机器学习算法/过程。本文公开的标量、矢量和矩阵可以作为位矢量提供。新的格式错误报告数据可以很容易地输入到现有的机器学习算法中。特别地，新的格式化错误报告数据可以补充先前的格式化错误报告数据。对于检测到的每个错误，新的错误报告数据可以被格式化并输入到机器学习算法中，从而生成连续增加的错误报告数据集。连续增加的错误报告数据集可以伴随连续增加的训练数据集。更大的训练数据集可能与机器学习算法的更精确结果相关。
错误数据可以指示分析装置的操作错误。在另一个实施方案中，错误数据可以指示搬运系统的操作错误。此外或作为替代，错误数据可以指示自动化轨道的操作错误。错误数据可以指示分析装置、搬运系统或自动化轨道中的至少一者的操作参数。特别地，错误数据可以指示分析装置、搬运系统或自动化轨道中的至少一者在错误发生时(即已被检测到或报告)的操作参数。备选地，错误数据可以指示分析装置、搬运系统或自动化轨道中的至少-者在错误发生之前的时间中的操作参数。错误数据可以指示由分析装置、搬运系统和/或自动化轨道的操作参数的函数确定的函数值。例如，误差数据可以指示分析装置、搬运系统和/或自动化轨道在错误发生之前的时间中的操作参数的平均值(或者最大值、最小值、中值等)。
错误数据可以指示假阳性错误和假阴性错误中的一者。在医学测试中，更一般地在二元分类中，假阳性是数据报告中的错误，其中测试结果不正确地指示存在诸如疾病(结果为阳性)的情况，而实际上该情况并不存在，而假阴性是一种错误，其中测试结果不正确地表明不存在情况(结果为阴性)，而实际上存在这种情况。这些是二元测试中的两种错误(并与正确的结果进行对比，无论是真阳性还是真阴性。)它们在医学上也被称为假阳性(分别为阴性)诊断，在统计分类中被称为假阳性(分别为阴性)错误。错误报告不同于过度诊断，也不同于过度测试。对于错误的二元分类，用户只能有两个选项来标记错误数据，例如“0”或“1”，即假阴性或假阳性。关于错误的二元分类，靶标可以只是具有两个可能条目的标量，例如条目“0”或“1”。或者，关于错误的二元分类，靶标可以是具有三个可能条目的标量，例如假阴性、假阳性或正确。靶标还可以有四个可能的条目，例如，假阴性、假阳性、正确阴性或正确阳性。例如，当试管或样品器皿被错误地分类到错误架子中时，可以检测到假阴性。错误架子可以包括被分类为阴性的样品器皿。
接收用户输入还可以包括：提供指示多种类型的操作错误的用户信息数据；通过显示装置输出用户信息数据，从而在显示装置上呈现多种类型的操作错误的菜单；通过用户界面接收用户输入，用户输入指示对多种类型的操作错误中的至少一者的用户选择；以及提供分配给由用户选择的多种类型的操作错误中的至少一者的标记数据。
存储器可以被提供为包括多种类型的操作错误，例如在列表中。响应于接收到第一用户输入，列表可以在显示装置上显示给用户。可选地，多种类型的操作错误可以在存储器中以不同的类别(任选地以进一步不同的子类别或子子类别)保存。响应于接收到第一用户输入，类别可以在显示装置上显示给用户。响应于指示用户选择的类别的第二用户输入，可以在显示装置上向用户显示所选类别的相应类型的操作错误。如果提供了几个子类别(子子类别)，则可以接收进一步的用户输入(多个用户输入)直到在显示装置上向用户呈现/显示与最终选择的子类别(子子类别)对应的操作错误类型。
例如，在存储器中，多种类型的操作错误可以通过不同功能模块或操作控制装置的运算错误来分类。具体地，可以将多种类型的操作错误分类为分析装置、处理装置和自动化轨道的操作错误。多种类型的操作错误可以存储在例如存储器中，使得对应于(标准)类型的操作错误链接到分析装置、处理装置、自动化轨道和/或操作控制装置的每个操作错误。
接收用户输入的用户界面可以包括按钮、操纵杆、触摸屏、麦克风、扫描装置和/或摄像机。
在显示装置上呈现多种类型的操作错误的菜单可以包括呈现供用户从中选择的少数可能的标准错误。此外，可以提供这样的选项，用户可以写指示非标准错误其他东西。响应于接收到指示非标准错误的用户输入，非标准错误可被存储在存储器中。非标准误差可能链接到分析装置、处理装置、自动化轨道和/或操作控制装置中的至少一者。
用户输入可以指示新型操作错误。新型操作错误可以在用户输入之前未存储在存储器中。响应于指示新型操作错误的用户输入，可以将新型操作错误存储在存储器中。可以将新型操作错误合并到多个操作错误中。用户可以输入新型操作错误类型，例如通过键盘、手势识别系统或语音识别系统。
用户输入还可以指示对于类别之一为新的操作错误类型。对于类别之一为新的操作错误类型可能在用户输入之前未存储在相应类别的存储器中。响应于指示对于类别之一为新的操作错误类型的用户输入，可以将对于类别之一为新的操作错误类型存储在存储器中。对于类别之一为新的操作错误类型可以被合并到存储器中的相应类别中。换句话说，对于类别之一为新的操作错误类型可以链接到存储器中的这个类别。用户可以输入对于类别之一为新的操作错误的类型(例如，通过键盘、手势识别系统或语音识别系统)。
提供用户信息数据可以包括从数据载体读取装置接收读取数据，该读取数据指示存储在样品器皿上提供的数据载体中的样品器皿数据；以及响应于接收到读取数据而提供用户信息数据。
数据载体读取装置可以包括扫描装置，例如条形码扫描仪或QR码扫描仪。或者，数据载体读取装置可包括相机装置或RFID读取器。指示存储在设置在样品器皿上的数据载体中的样品器皿数据的读取数据可以包括与该样品器皿相关的典型用户信息数据，尤其是操作错误的类型。这些典型类型的操作错误可以例如响应于历史检测到的和报告的与该样品器皿相关的操作错误来提供。替代地，指示存储在设置在样品器皿上的数据载体中的样品器皿数据的读取数据可以包括唯一标识号。例如，在存储装置中，一个或多个唯一标识号可以与多种类型的操作错误中的每一种有关。响应于接收唯一标识号，可以提供与该唯一标识号有关的操作错误。然后可以在显示装置上向用户提供/显示与该唯一标识号有关的这些操作错误。唯一标识号与多种类型的操作错误中的哪一种有关可以取决于与相应样品器皿有关的历史检测到的和报告的操作错误和/或可以是预先设置的。
为每个样品器皿，可以提供包括一种或多种类型的操作错误的相应类别。包括与样品器皿对应的一种或多种类型的操作错误的类别可以包括与该样品器皿有关的类型的操作错误。在存储器中，可以将一个或多个样品器皿链接到存储的操作错误中的每一个。响应于接收读取数据，可以选择对应于样品器皿之一的类别之一。然后可以在显示装置上向用户提供/显示存储在所选类别中的操作错误。
提供用户信息数据可以包括从输入装置接收用户消息数据，用户消息数据指示用户视频消息输入和用户音频消息输入中的至少一者；以及响应于接收到用户消息数据而提供用户信息数据。
例如，在存储器中，可以提供多种类型的操作错误。因此可能意在用户可以经由用户输入装置或输入装置进行预选择，例如，在指示(选择的)多个操作错误的用户信息数据被输出到显示装置上之前。用户输入装置可以包括输入装置。可以响应于用户消息数据的接收而提供(所有的)多个操作错误的部分。具体地，响应于接收用户消息，可以提供(所有的)多个操作错误的特定类别(或子类别或子子类别)(例如，与分析装置、处理装置、自动化轨道，或样品器皿相关的)。用户信息数据可以指示(所有的)多个操作错误的部分(类别、子类别或子子类别)。
视频消息输入可以由相机提供。可以设置手势识别装置。输入装置可以包括相机和/或手势识别装置。用户的注意力可以通过相机持续监控。如果用户没有看向相机的方向，则注意力可以被归类为负的并且相机处于待机模式。如果注意力被归类为正的，即用户正在看相机的方向，则相机可能会打开。或者，可以持续打开相机。在另一示例性实施方案中，相机可以通过诸如按钮、触摸屏、操纵杆或麦克风的其他输入装置在打开和待机模式之间切换。如果相机打开，则可以由手势识别装置提供和接收用户的图片(视频)。手势识别装置可以识别用户的手势(由相机捕获)。响应于用户手势的识别，手势识别装置可以提供相应的用户(视频)消息数据。如果相机处于待机模式，则手势识别装置可能无法接收到用户的图片(视频)。如果用户提供手势语言字符，则手势识别装置可以将手势语言字符转换为v-text。用户(视频)消息数据可以包括v-text。
音频消息输入可以由麦克风提供。可以提供语音识别装置。输入装置可以包括麦克风和/或语音识别装置。麦克风可以包括待机和打开模式。如果麦克风被打开，则可以由语音识别装置提供和接收用户的音频数据。响应于接收用户的音频数据，语音识别装置可以提供相应的用户(音频)消息数据。如果麦克风处于待机模式，则语音识别装置可能无法接收到用户的音频数据。语音识别装置可以将音频数据转换成a-text。用户(视频)消息数据可以包括a-text。可能会持续打开麦克风。替代地，麦克风通常处于待机模式并响应于特定的用户输入而打开。特定的用户输入可以是特定的口头短语。这种口头短语的实施例可能是：“您好<体外诊断系统的名称>”、“问题报告”、“错误报告”及类似的。替代地，麦克风可以通过诸如按钮、触摸屏、操纵杆和/或相机的其他输入装置在打开和待机模式之间切换。
在该方法中，提供用户信息数据可以包括通过显示装置输出来自多个功能模块的一个功能模块和操作控制装置的视觉表示；以及接收指示用户选择视觉表示的用户选择输入。
在存储器中，可以存储全部的多种类型的操作错误。另外，在存储器中，操作错误中的每个可以或不可以链接至一个或多个功能模块或操作控制装置。响应于用户对功能模块中的一个或操作控制装置的视觉表示的选择，可以提供全部多种类型的操作错误中的部分。可以选择(全部)多种类型的操作错误中的部分，使其包括链接至所选择的功能模块或操作控制装置的操作错误的类型。换句话说，多种类型的操作错误在存储器中被分类为不同的类别。响应于对多个功能模块中的一个和操作控制装置中的视觉表示的选择，可以选择类别之一。可以提供显示装置以供用户选择。或者，可以提供按钮、操纵杆、触摸屏、麦克风、扫描装置和/或摄像机以供用户选择。此外，响应于用户对功能模块中的一个或操作控制装置的视觉表示的选择，用户可以输入新型操作错误(例如，经由键盘、手势识别装置或语音识别装置)。
响应于用户对功能模块中的一个或操作控制装置的视觉表示的选择，显示装置可以呈现多种类型的操作错误的部分的菜单。多种类型的操作错误中的部分可以指示链接至所选择的功能模块或操作控制装置的操作错误的类型。
该方法还可以包括：在对用户输入的接收内接收用户错误报告消息；生成指示用户错误报告消息的用户错误报告消息数据；以及提供包括用户错误报告消息数据的标记数据。除了操作错误类型的选择之外，还可以提供用户错误报告消息。用户错误报告消息可以包括关于所选择的操作错误的进一步信息。换句话说，用户错误报告消息指示关于所选择的操作错误类型的细节，特别是错误数据未提供的细节或操作错误类型固有地包含的细节。用户错误报告消息可以是文本消息、语音消息、图像消息和/或视频消息。用户报告消息数据可以包括文本、声音文件、图像和/或视频。在优选实施方案中，用户报告消息数据可以仅包括文本数据。用户输入装置(提供用户输入)可以包括带有麦克风的语音识别装置。语音识别装置可以将语音消息转换成语音到文本的消息(指示文本消息)。用户输入装置(提供用户输入)可以包括带有相机的手势识别装置。手势识别装置可以将(用户的)视频消息转换成视频到文本的消息(指示文本消息)。手势识别装置可以将(用户的)图像消息转换成图像到文本的消息(指示文本消息)。
关于被配置成测定体液的样品的体外诊断系统，对用于检测和报告体外诊断系统中的操作错误的方法所描述的实施方案加以必要的变更后可以应用。
具体实施方式
接下来，通过参考附图描述进一步的实施例。在附图中，示出：
图1被配置成测定体液的样品的体外诊断系统的功能模块或组件的示意图；和
图2检测和报告体外诊断系统中操作错误的方法的示意框图。
图1显示了被配置成测定体液的样品的体外诊断系统1的功能模块或组件的示意图。
体液包含在样品器皿2中。特别地，为了处理和分析样品，提供了多个功能模块3。多个功能模块3可以包括分析装置4、搬运系统5和自动化轨道6。分析装置4被配置成测定样品。例如，可以确定样品的血糖水平。备选地或附加地，可以确定样品器皿中接收的样品的一些其他物理或化学参数。
搬运系统5被配置成搬运多个样品器皿2，且自动化轨道6由搬运系统5提供，且被配置成将多个样品器皿2从可将样品器皿2接收在(传输)架子中的接收位置运送到分析装置4，并且任选地，然后运送到一些输出装置或位置。
另外，设置有操作控制装置7。操作控制装置7被连接至功能模块3中的至少一者且被配置成控制至少一个功能模块3的操作。根据图1所示的实施例，操作控制装置7(用于操作控制)功能连接到分析装置4、搬运系统5和自动化轨道6。为了对功能模块3进行操作控制，操作控制装置7包括一个或多个数据处理器8，以及在一个或多个数据处理器8上运行的应用程序软件。
体外诊断系统1还包括错误检测和报告装置9，用于检测和报告操作错误。具体地，错误检测和报告装置9被设置用于检测多个功能模块3和操作控制装置7中的至少一者的操作的操作错误。错误检测和报告装置9例如可以与操作控制装置7共同实现。至少部分地，错误检测和报告装置9可以由在一个或多个数据处理器8上运行的应用程序软件来实现。或者，也可以与操作控制装置7分开设置。
提供的用户界面10与错误检测和报告装置9通信连接。此外，提供错误存储库11。错误存储库11相对于多个功能模块3和操作控制装置7两者远程定位。错误存储库11可以设置在远程靶标或服务器终端中。错误存储库11可连接到设置在不同位置的多个体外诊断系统，用于从多个体外诊断系统接收或收集错误报告数据。
图2显示了体外诊断系统1中检测和报告操作错误100的方法的示意性框图。
在步骤101中，检测多个功能模块3和操作控制装置7中的至少一者的操作错误。作为响应，在步骤102中，在错误检测和报告装置9中提供指示操作错误的错误数据。错误数据可以包括检测到哪个功能模块3的操作错误的信息。操作错误可以是选自以下的操作错误类型：不可识别的样品容器：样品识别单元无法确定样品容器或样品器皿2的类型；不当地准备样品器皿2：例如，要求等分，但确定在样品器皿2中可用的材料太少；无法读取条形码；以及样品器皿2不允许在体外诊断系统1上使用。
在步骤103中，响应于检测操作错误，通过用户界面10接收用户输入。响应于接收用户输入，在步骤104中提供标记数据。除了错误数据之外，标记数据还指示与操作错误有关的信息。标记数据可以指示以下至少之一：
-错误是否正确；
-装置中的传感器未记录实验室中的干扰环境条件；
-样品器皿2中处理的产生错误的材料的预期用途、目的地等；
-当模块抛出错误时，整个解决方案的预期工作流程；和
-进一步的上下文信息。
分别在步骤105和106中，包括错误数据和标记数据的错误报告数据被提供并传输到错误存储库11，该错误存储库相对于多个功能模块3和操作控制装置7两者远程定位。错误报告数据可以用于多个体外诊断系统的错误和故障分析，一些或所有这样的体外诊断系统向错误存储库11提供错误报告数据。例如，错误报告数据可以提供输入数据，诸如机器学习过程的训练数据和验证数据中的至少一者。作为机器学习过程的这种处理的结果，更新的或新的应用程序软件可以被生成并提供给现场的多个体外诊断系统中的一些或全部。因此，可以进行集中错误和故障分析，以改进现场的体外诊断系统的操作。对于这样的分析和处理，不仅错误数据本身被收集并传输到错误存储库11，而且响应于在体外诊断系统实现的位置处接收到的用户输入而生成标记数据。

Claims (12)

1.一种用于检测和报告体外诊断系统(1)中的操作错误的方法，所述体外诊断系统被配置成测定体液的样品，所述方法包括：在体外诊断系统(1)中，
-提供多个样品器皿(2)，每个样品器皿含有体液的样品；
-提供多个功能模块(3)，所述多个功能模块包括
-分析装置(4)，其被配置成测定所述样品，
-搬运系统(5)，其被配置成搬运所述多个样品器皿(2)，以及
-自动化轨道(6)，其由所述搬运系统(5)提供且被配置成将所述多个样品器皿(2)运送至所述分析装置(4)；
-提供操作控制装置(7)，所述操作控制装置被连接至至少一个功能模块(3)且被配置成控制所述至少一个功能模块(3)的操作，并且包括一个或多个数据处理器(8)，其中应用程序软件在所述一个或多个数据处理器(8)上运行，以用于控制所述至少一个功能模块(3)的操作；
-由所述操作控制装置(7)来控制所述至少一个功能模块(3)的操作；以及
-由错误检测和报告装置(9)来检测并报告操作错误，包括
-检测所述多个功能模块(3)和所述操作控制装置(7)中的至少一者的操作的操作错误，
-提供指示所述操作错误的错误数据，
-在检测到所述操作错误后通过用户界面(10)接收用户输入，
-响应于接收到所述用户输入而提供标记数据，所述标记数据除了指示所述错误数据之外还指示与所述操作错误相关的信息，
-提供包括所述错误数据和所述标记数据的错误报告数据，以及
-将所述错误报告数据传输至相对于所述多个功能模块(3)和所述操作控制装置(7)两者远程定位的错误存储库(11)；
-在机器学习过程中接收所述错误报告数据，所述机器学习过程在连接至所述错误存储库(11)的数据处理装置中运行；
-由所述数据处理装置中的所述机器学习过程来处理所述错误报告数据；
-响应于由所述数据处理装置中的所述机器学习过程对所述错误报告数据的处理而提供针对所述应用程序软件的应用程序软件更新；
-向所述操作控制装置(7)提供所述应用程序软件更新；以及
-由所述操作控制装置(7)来控制所述至少一个功能模块(3)的操作，包括运行包括所述应用程序软件更新的所述应用程序软件。
2.根据权利要求1所述的方法，其进一步包括在所述数据处理装置中预处理所述错误报告数据，其中所述预处理包括将所述错误报告数据格式化为具有由所述机器学习过程可处理的数据格式的格式化错误报告数据。
3.根据前述权利要求中任一项所述的方法，其中所述错误数据指示所述分析装置(4)的操作错误。
4.根据前述权利要求中任一项所述的方法，其中所述错误数据指示所述搬运系统(5)的操作错误。
5.根据前述权利要求中任一项所述的方法，其中所述错误数据指示所述自动化轨道(6)的操作错误。
6.根据前述权利要求中任一项所述的方法，其中所述错误数据指示假阳性错误和假阴性错误中的一者。
7.根据前述权利要求中任一项所述的方法，其中接收所述用户输入进一步包括
-提供指示多种类型的操作错误的用户信息数据；
-通过显示装置输出所述用户信息数据，从而在所述显示装置上呈现所述多种类型的操作错误的菜单；
-通过所述用户界面(10)接收所述用户输入，所述用户输入指示对所述多种类型的操作错误中的至少一者的用户选择；以及
-提供分配给由用户选择的所述多种类型的操作错误中的所述至少一者的标记数据。
8.根据权利要求7所述的方法，其中提供所述用户信息数据包括-从数据载体读取装置接收读取数据，所述读取数据指示存储在所述样品器皿(2)上提供的数据载体中的样品器皿数据；以及
-响应于接收到所述读取数据而提供所述用户信息数据。
9.根据权利要求7或8所述的方法，其中提供所述用户信息数据包括
-从输入装置接收用户消息数据，所述用户消息数据指示用户视频消息输入和用户音频消息输入中的至少一者；以及
-响应于接收到所述用户消息数据而提供所述用户信息数据。
10.根据权利要求7至9中任一项所述的方法，其中提供所述用户信息数据包括
-通过所述显示装置输出来自所述多个功能模块的功能模块和所述操作控制装置中的一者的视觉表示；以及
-接收指示用户选择所述视觉表示的用户选择输入。
11.根据权利要求7至10中任一项所述的方法，其进一步包括
-在接收所述用户输入中接收用户错误报告消息；
-生成指示所述用户错误报告消息的用户错误报告消息数据；以及
-提供包括所述用户错误报告消息数据的所述标记数据。
12.一种用于测定体液的样品的体外诊断系统(1)，其包括：
-多个样品器皿(2)，每个样品器皿含有体液的样品；
-多个功能模块(3)，其包括
-分析装置(4)，其被配置成测定所述样品，
-搬运系统(5)，其被配置成搬运所述多个样品器皿(2)，以及
-自动化轨道(6)，其由所述搬运系统(5)提供且被配置成将所述多个样品器皿(2)运送至所述分析装置(4)；
-操作控制装置(7)，其
-被连接至至少一个功能模块(3)且被配置成控制所述至少一个功能模块(3)的操作，
-包括一个或多个数据处理器(8)；以及
-被提供有在所述一个或多个数据处理器(8)上运行的应用程序软件，以用于控制所述至少一个功能模块(3)的操作；
-错误检测和报告装置(9)，其被配置成检测并报告操作错误，包括
-检测所述多个功能模块(3)和所述操作控制装置(7)中的至少一者的操作的操作错误，
-提供指示所述操作错误的错误数据，
-在检测到所述操作错误后通过用户界面(10)接收用户输入，
-响应于接收到所述用户输入而提供标记数据，所述标记数据除了指示所述错误数据之外还指示与所述操作错误相关的信息，
-提供包括所述错误数据和所述标记数据的错误报告数据，以及
-将所述错误报告数据传输至相对于所述多个功能模块(3)和所述操作控制装置(7)两者远程定位的错误存储库(11)；
-数据处理装置，其被连接到所述错误存储库(11)且被配置成
-在机器学习过程中接收所述错误报告数据，所述机器学习过程在所述数据处理装置中运行；
-由所述机器学习过程处理所述错误报告数据；
-响应于由所述机器学习过程对所述错误报告数据的处理而提供针对所述应用程序软件的应用程序软件更新，其中所述应用程序软件更新待提供给所述操作控制装置(7)，以用于由所述操作控制装置(7)控制所述至少一个功能模块(3)的操作，包括运行包括所述应用程序软件更新的所述应用程序软件。
CN202180062163.0A 2020-09-21 2021-09-15 用于检测和报告体外诊断系统中的操作错误的方法以及体外诊断系统 Pending CN116249905A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20197278.3 2020-09-21
EP20197278 2020-09-21
PCT/EP2021/075271 WO2022058324A1 (en) 2020-09-21 2021-09-15 A method for detecting and reporting an operation error in an in-vitro diagnostic system and an in-vitro diagnostic system

Publications (1)

Publication Number Publication Date
CN116249905A true CN116249905A (zh) 2023-06-09

Family

ID=72613827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180062163.0A Pending CN116249905A (zh) 2020-09-21 2021-09-15 用于检测和报告体外诊断系统中的操作错误的方法以及体外诊断系统

Country Status (5)

Country Link
US (1) US20230229541A1 (zh)
EP (1) EP4214518A1 (zh)
JP (1) JP2023541272A (zh)
CN (1) CN116249905A (zh)
WO (1) WO2022058324A1 (zh)

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7555672B2 (en) 2006-01-13 2009-06-30 Agilent Technologies, Inc. Distributed system and method for error recovery
JP5148306B2 (ja) 2008-01-31 2013-02-20 シスメックス株式会社 分析装置用精度管理システム、管理装置、および情報提供方法
CN103907027B (zh) 2011-10-31 2016-03-09 株式会社日立高新技术 自动分析系统
EP2995580A1 (en) 2014-09-09 2016-03-16 Roche Diagniostics GmbH Laboratory sample distribution system and laboratory automation system
EP3171302A1 (en) 2015-11-18 2017-05-24 F. Hoffmann-La Roche AG A method for generating an entry for an electronic laboratory journal
EP3408653B1 (en) 2016-01-28 2024-01-17 Siemens Healthcare Diagnostics Inc. Methods and apparatus adapted to quantify a specimen from multiple lateral views
WO2017132168A1 (en) 2016-01-28 2017-08-03 Siemens Healthcare Diagnostics Inc. Methods and apparatus for multi-view characterization
US11042788B2 (en) 2016-01-28 2021-06-22 Siemens Healthcare Diagnostics Inc. Methods and apparatus adapted to identify a specimen container from multiple lateral views
JP6909224B2 (ja) 2016-09-21 2021-07-28 株式会社日立ハイテク 自動分析装置及びリモート保守システム並びに保守方法
US10997508B2 (en) 2017-02-14 2021-05-04 Cognitive Scale, Inc. Cognitive machine learning architecture
US11720813B2 (en) 2017-09-29 2023-08-08 Oracle International Corporation Machine learning platform for dynamic model selection
US11657602B2 (en) 2017-10-30 2023-05-23 Monotype Imaging Inc. Font identification from imagery
GB2573336A (en) 2018-05-04 2019-11-06 Stratec Biomedical Ag Method for self-diagnostics of independent machine components
CN108984613A (zh) 2018-06-12 2018-12-11 北京航空航天大学 一种基于迁移学习的缺陷报告跨项目分类方法
CN109635968A (zh) 2019-01-21 2019-04-16 嘉兴恒创电力集团有限公司佳创综合服务分公司 一种基于智能客服的故障报修管理方法

Also Published As

Publication number Publication date
WO2022058324A1 (en) 2022-03-24
JP2023541272A (ja) 2023-09-29
EP4214518A1 (en) 2023-07-26
US20230229541A1 (en) 2023-07-20

Similar Documents

Publication Publication Date Title
KR101711936B1 (ko) 머신 상태 모니터링에서 결함 진단을 위한 일반화된 패턴 인식
US10989908B2 (en) Automated workflows based on an identification of calibration samples
EP2280358B1 (en) A urine work area manager and a urine work area
JP3656692B2 (ja) 臨床検査システムおよび検査状況管理方法
US11823378B2 (en) Systems and methods for processing electronic images to detect contamination in specimen preparations
US20200365262A1 (en) Self-correcting method for annotation of data pool using feedback mechanism
JP2018512567A5 (zh)
CN109871002B (zh) 基于张量标签学习的并发异常状态识别与定位系统
CN116249905A (zh) 用于检测和报告体外诊断系统中的操作错误的方法以及体外诊断系统
US20230418721A1 (en) System and method for automated or semi-automated identification of malfunction area(s) for maintenance cases
EP4099225A1 (en) Method for training a classifier and system for classifying blocks
US11741686B2 (en) System and method for processing facility image data
EP4080515A1 (en) A method for classifying an identification tag on a sample tube containing a sample and an automated laboratory system
WO2022124316A1 (ja) 情報処理装置
WO2023168359A2 (en) Diagnostic laboratory systems and methods of updating
EP4287193A1 (en) Computer-implemented methods and assessing for the presence of an anomaly in a laboratory instrument
US20230177472A1 (en) Method for detecting inaccuracies and gaps and for suggesting deterioration mechanisms and actions in inspection reports
Moustris et al. Defect detection on optoelectronical devices to assist decision making: A real industry 4.0 case study
Şişman et al. Measuring the performance of an artificial intelligence–based robot that classifies blood tubes and performs quality control in terms of preanalytical errors: A preliminary study
WO2022155648A1 (en) Context discovery system and method
CN112926433A (zh) 基于头戴显示设备的生物制药安全监控方法与系统
CN115917583A (zh) 信息处理装置、信息处理方法及信息处理程序

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