CN116313149B - 一种细菌耐药性检测的方法及系统 - Google Patents
一种细菌耐药性检测的方法及系统 Download PDFInfo
- Publication number
- CN116313149B CN116313149B CN202310219738.6A CN202310219738A CN116313149B CN 116313149 B CN116313149 B CN 116313149B CN 202310219738 A CN202310219738 A CN 202310219738A CN 116313149 B CN116313149 B CN 116313149B
- Authority
- CN
- China
- Prior art keywords
- detection
- drug
- drug resistance
- bacterial
- resistance detection
- 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.)
- Active
Links
- 206010059866 Drug resistance Diseases 0.000 title claims abstract description 238
- 230000001580 bacterial effect Effects 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 493
- 239000003814 drug Substances 0.000 claims abstract description 183
- 229940079593 drug Drugs 0.000 claims abstract description 181
- 230000035945 sensitivity Effects 0.000 claims abstract description 85
- 230000007613 environmental effect Effects 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 20
- 206010034133 Pathogen resistance Diseases 0.000 claims description 15
- 241000894006 Bacteria Species 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000011896 sensitive detection Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000035772 mutation Effects 0.000 abstract description 3
- 229940124350 antibacterial drug Drugs 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 239000003242 anti bacterial agent Substances 0.000 description 2
- 229940088710 antibiotic agent Drugs 0.000 description 2
- 238000002815 broth microdilution Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 206010048723 Multiple-drug resistance Diseases 0.000 description 1
- 239000004098 Tetracycline Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000002814 agar dilution Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000003120 macrolide antibiotic agent Substances 0.000 description 1
- 229940041033 macrolides Drugs 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 235000019364 tetracycline Nutrition 0.000 description 1
- 150000003522 tetracyclines Chemical class 0.000 description 1
- 229940040944 tetracyclines Drugs 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Pharmacology & Pharmacy (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Epidemiology (AREA)
- Bioethics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Toxicology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本申请涉及细菌检测技术领域，提供了一种细菌耐药性检测的方法及系统，所述方法包括：连接细菌耐药性检测数据库；基于耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间；执行细菌耐药性检测，并记录药物浓度；并将环境数据和耐药性检测控制方案输入影响评价模型，输出影响系数；生成第一药敏检测标定值；通过第一药敏检测标定值和第一药敏检测集中区间获得细菌耐药性检测结果。能够解决细菌耐药性检测过程中由于检测类型复杂多样以及细菌随机变异的原因造成检测准确率不高和检测效果不能准确直观显示的问题，可以达到在提高细菌耐药性检测的准确率的同时及时发现异常变异菌株，进一步提高细菌耐药性检测的效率。
Description
技术领域
本申请涉及细菌检测技术领域，具体涉及一种细菌耐药性检测的方法及系统。
背景技术
细菌耐药性是指细菌对抗菌药物不敏感的现象，是细菌自身生存过程中的一种特殊表现形式。细菌的耐药性变异是指细菌对某种抗菌药物由敏感变为耐药的变异，有些细菌还表现为同时耐受多种抗菌药物，即多重耐药性。
从抗生素广泛应用以来，细菌对抗生素耐药的不断增长是世界范围内的普遍趋势，给临床治疗带来了很大困难。由于药物种类、检测方法以及培养环境的复杂多样、加上细菌耐药性检测过程中可能发生基因突变等情况，对检测结果的准确性造成了很大影响。而且由于直接产生的检测数据不能直观显示检测结果，降低了检测的效率。
综上所述，现有技术中存在细菌耐药性检测过程中由于检测类型复杂多样以及细菌随机变异的原因造成检测准确率不高和检测效果不能准确直观显示的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种细菌耐药性检测方的法及系统。
一种细菌耐药性检测的方法，包括：连接细菌耐药性检测数据库，其中，所述细菌耐药性检测数据库包括药物种类、药敏检测方法、药敏检测结果和检测控制数据；读取耐药性检测历史数据，并基于所述耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间；匹配获得耐药性检测控制方案，基于所述耐药性检测控制方案执行细菌耐药性检测，并记录药物浓度；监测获得耐药性检测过程的环境数据，并将所述环境数据和所述耐药性检测控制方案输入影响评价模型，输出影响系数；基于所述药物浓度和所述影响系数生成第一药敏检测标定值；通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果。
在一个实施例中，还包括：基于所述耐药性检测历史数据读取获得测试药物浓度数据，并基于所述测试药物浓度数据生成用量准确特征；对所述耐药性检测历史数据进行检测环境数据读取，通过检测环境读取结果生成环境稳定性特征，其中，所述环境稳定性特征包括环境稳定值和表征稳定性的稳定系数；通过所述用量准确特征和所述环境稳定性特征执行多特征分析，生成所述第一药敏检测集中区间。
在一个实施例中，还包括：通过所述检测环境读取结果获得环境极值，并获得所述环境极值的极值分布间隔；通过所述药敏检测方法对所述环境极值进行极值影响分析，根据极值分布间隔和分析结果生成第一稳定影响系数；计算获得检测环境读取结果的环境集中值，通过所述环境集中值和所述药敏检测方法生成第二稳定影响系数；通过所述第一稳定影响系数和所述第二稳定影响系数获得所述稳定系数。
在一个实施例中，还包括：获得所述耐药性检测历史数据的检测时间标识；构建时间影响特征集，其中，所述时间影响特征集为对应不同时间间隔与时间影响特征值的映射关系集合；基于所述时间影响特征集和所述检测时间标识获得所述耐药性检测历史数据的各数据间的时间影响特征值；通过所述用量准确特征、所述环境稳定性特征和所述时间影响特征值执行多特征分析，生成所述第一药敏检测集中区间。
在一个实施例中，还包括：判断所述第一药敏检测标定值和所述第一药敏检测集中区间是否处于预设关联区间；当所述第一药敏检测标定值和所述第一药敏检测集中区间不处于预设关联区间时，则生成验证检测指令；通过所述验证检测指令控制重新执行细菌耐药性检测，并记录验证结果；通过所述验证结果、所述第一药敏检测标定值和所述第一药敏检测集中区间进行细菌耐药性检测结果更新。
在一个实施例中，还包括：对所述细菌耐药性检测进行检测时间节点划分，生成N个检测评价节点，其中，N为大于1的正整数；获得所述N个检测评价节点下的药物节点浓度检测数据；通过所述药物节点浓度检测数据生成检测补偿数据；将所述检测补偿数据添加至所述细菌耐药性检测结果。
在一个实施例中，还包括：基于所述耐药性检测历史数据进行检测过程的异常标识；通过所述异常标识生成细菌耐药性检测控制约束数据；通过所述细菌耐药性检测控制约束数据执行后续细菌耐药性检测的控制约束。
一种细菌耐药性检测的系统，包括：
细菌耐药性检测数据库连接模块，所述细菌耐药性检测数据库连接模块用于连接细菌耐药性检测数据库，其中，所述细菌耐药性检测数据库包括药物种类、药敏检测方法、药敏检测结果和检测控制数据；
第一药敏检测集中区间生成模块，所述第一药敏检测集中区间生成模块用于读取耐药性检测历史数据，并基于所述耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间；
细菌耐药性检测模块，所述细菌耐药性检测模块用于匹配获得耐药性检测控制方案，基于所述耐药性检测控制方案执行细菌耐药性检测，并记录药物浓度；
影响系数输出模块，所述影响系数输出模块用于监测获得耐药性检测过程的环境数据，并将所述环境数据和所述耐药性检测控制方案输入影响评价模型，输出影响系数；
第一药敏检测标定值生成模块，所述第一药敏检测标定值生成模块用于基于所述药物浓度和所述影响系数生成第一药敏检测标定值；
细菌耐药性检测结果获得模块，所述细菌耐药性检测结果获得模块用于通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果。
上述一种细菌耐药性检测的方法及系统，能够解决细菌耐药性检测过程中由于检测类型复杂多样以及细菌随机变异的原因造成检测准确率不高和检测效果不能准确直观显示的问题。通过细菌耐药性检测数据库获得细菌耐药性的历史检测数据，对所述历史检测数据进行药物用量、环境影响以及时间影响三个方面的特征分析，根据特征分析结果生成第一药敏检测集中区间。通过所述细菌耐药性检测数据库匹配耐药性检测控制方案，然后进行细菌耐药性检测，并对细菌耐药性检测过程中的环境数据进行监测，根据环境监测结果和检测控制方案获得影响系数，根据检测过程中记录的药物浓度和所述影响系数获得第一药敏检测标定值，最后根据所述第一药敏检测集中区间对所述第一药敏检测标定值进行判定得出细菌耐药性检测结果，通过上述方法可以达到在提高细菌耐药性检测的准确率的同时及时发现异常变异菌株，进一步提高细菌耐药性检测的效率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请提供了一种细菌耐药性检测的方法的流程示意图；
图2为本申请提供了一种细菌耐药性检测的方法中获得稳定系数的流程示意图；
图3为本申请提供了一种细菌耐药性检测的方法中生成第一药敏检测集中区间的流程示意图；
图4为本申请提供了一种细菌耐药性检测的系统的结构示意图。
附图标记说明：细菌耐药性检测数据库连接模块1、第一药敏检测集中区间生成模块2、细菌耐药性检测模块3、影响系数输出模块4、第一药敏检测标定值生成模块5、细菌耐药性检测结果获得模块6。
实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，本申请提供了一种细菌耐药性检测的方法，所述方法包括：
步骤S100：连接细菌耐药性检测数据库，其中，所述细菌耐药性检测数据库包括药物种类、药敏检测方法、药敏检测结果和检测控制数据；
具体而言，基于大数据技术进行细菌耐药性检测相关数据查询以及历史检测记录数据获得细菌耐药性的历史检测数据，通过收集并整理细菌耐药性的历史检测数据构建细菌耐药性检测数据库，其中所述耐药性检测数据库包括药物种类、药敏检测方法、药敏检测结果和检测控制数据，所述药物种类是指抗菌药物的种类，包括大环内酯类、四环素类等多个种类；所述药敏检测方法是指对细菌进行耐药性检测的方法，例如：制片扩散法、肉汤稀释法、琼脂稀释法等；所述药敏检测结果是指细菌耐药性检测的结果，所述检测控制数据是指细菌耐药性检测过程中的各种控制参数，例如：药物浓度、检测过程中的温度、湿度、检测时间等数据。通过连接细菌耐药性检测数据库获得耐药性检测历史数据，为下一步对所述细菌耐药性检测历史数据进行分析提供了原始数据支持。
步骤S200：读取耐药性检测历史数据，并基于所述耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间；
在一个实施例中，本申请步骤S200还包括：
步骤S210：基于所述耐药性检测历史数据读取获得测试药物浓度数据，并基于所述测试药物浓度数据生成用量准确特征；
具体而言，获得需要检测的目标细菌类型和所用的药物类型，连接细菌耐药性检测数据库，基于所述目标细菌类型进行历史检测数据读取，获得所述目标细菌类型的耐药性检测历史数据，其中包括历史药物种类、历史药敏检测方法、历史药敏检测结果和历史检测控制数据。获得所述历耐药性检测历史数据中对所述目标细菌类型具有抑制作用的所述药物类型的多个测试药物浓度数据，根据多个所述测试药物浓度数据和细菌耐药性检测结果进行准确度分析，将所述准确度分析结果作为用量准确特征，所述用量准确特征用于描述所述测试药物浓度数据对耐药性检测结果的影响程度，通过获得所述用量准确特征，为下一步获得第一药敏检测集中区间提供了分析依据。
步骤S220：对所述耐药性检测历史数据进行检测环境数据读取，通过检测环境读取结果生成环境稳定性特征，其中，所述环境稳定性特征包括环境稳定值和表征稳定性的稳定系数；
如图2所示，在一个实施例中，本申请步骤S220还包括：
步骤S221：通过所述检测环境读取结果获得环境极值，并获得所述环境极值的极值分布间隔；
步骤S222：通过所述药敏检测方法对所述环境极值进行极值影响分析，根据极值分布间隔和分析结果生成第一稳定影响系数；
步骤S223：计算获得检测环境读取结果的环境集中值，通过所述环境集中值和所述药敏检测方法生成第二稳定影响系数；
步骤S224：通过所述第一稳定影响系数和所述第二稳定影响系数获得所述稳定系数。
具体而言，对所述耐药性检测历史数据中的检测环境数据进行读取，获得历史检测环境数据，所述历史检测环境数据包括检测过程中的温度、湿度、检测时间等环境参数。根据所述历史检测环境数据获得环境稳定值，所述环境稳定值为环境参数的平均值，以检测过程中的温度参数举例，假设检测过程检测时间为10小时，每间隔半小时测量一次温度，则测量次数为20次，将每次测量的温度值进行相加再除以次数20得到的温度平均值即为所述环境稳定值中的温度稳定值。
获得所述检测环境读取结果中的环境极值，所述环境极值包括最大值和最小值，并获得所述环境极值的极值分布间隔，所述极值分布间隔是指极大值距离最近一次极小值之间的或极小值距离最近一次极大值之间的时间段。根据所述环境极值，对使用所述药敏检测方法进行耐药性检测获得的耐药性检测结果进行影响分析，所述影响分析是指环境极值对检测结果造成的影响，比如某种细菌的检测环境适应区间为31℃—32℃，当环境极大值为31.8℃时，对检测结果不会造成影响，则极值影响分析结果为0，当环境极大值为32.5℃时，可能造成细菌繁殖速度加快，会降低耐药性的检测效果，则极值影响分析结果为1，所述极值影响分析结果本领域技术人员基于实际检测结果可自定义赋值，获得极值影响分析结果。
根据所述极值分布间隔进行检测结果影响分析，其中所述极值分布间隔越大，表示环境变化比较平稳，相对较稳定，所述极值分布间隔越小，则表示环境变化频率较快，相对不稳定，获得极值分布间隔影响分析结果，对所述极值影响分析结果和所述极值分布间隔影响分析结果进行综合影响评估，生成所述第一稳定影响系数。对所述检测环境读取结果中出现次数最多和第二多的结果进行读取，然后将获得的两个结果求平均值获得环境集中值，然后根据所述环境集中值对使用所述药敏检测方法获得的检测结果进行影响分析，根据影响分析结果生成第二稳定影响系数。将所述第一稳定影响系数与所述第二稳定影响系数进行相加，获得所述稳定影响系数，所述稳定影响系数用于表征环境的稳定性。获得环境影响特征，所述环境影响特征包括所述稳定值和所述稳定系数。通过获得所述环境影响特征值，为下一步获得第一药敏检测集中区间提供了分析依据。
步骤S230：通过所述用量准确特征和所述环境稳定性特征执行多特征分析，生成所述第一药敏检测集中区间。
如图3所示，在一个实施例中，本申请步骤S230还包括：
步骤S231：获得所述耐药性检测历史数据的检测时间标识；
步骤S232：构建时间影响特征集，其中，所述时间影响特征集为对应不同时间间隔与时间影响特征值的映射关系集合；
步骤S233：基于所述时间影响特征集和所述检测时间标识获得所述耐药性检测历史数据的各数据间的时间影响特征值；
步骤S234：通过所述用量准确特征、所述环境稳定性特征和所述时间影响特征值执行多特征分析，生成所述第一药敏检测集中区间。
具体而言，获得所述耐药性检测历史数据的检测时间标识，所述检测时间标识是指每一次进行耐药性检测试验的检测开始时间，具体到分钟，例如：2023年2月28号14时30分。构建时间影响特征集，所述时间影响特征集为对应不同时间间隔与时间影响特征值的映射关系集合，所述时间间隔是指所述耐药性检测历史数据中的一次试验检测开始时间距离目前时间的时间段，所述时间影响特征值是指所述时间间隔对应的耐药性检测结果对本次试验结果的影响，所述时间影响特征值可基于所述耐药性检测历史数据分析获得，所述间隔时间越短，则时间影响特征值越大，和本次实验结果之间的关联性也就越大。
根据所述检测时间标识获得所述时间间隔，并将所述时间间隔输入所述时间影响特征集进行特征值匹配，获得每次历史耐药性检测结果对应的时间影响特征值。获得一段时间内所述耐药性检测历史数据中的检测药浓度、检测环境数据和时间间隔，所述一段时间是指距离目前时间较近的时间段，本领域技术人员可自定义设置，例如：近3个月、近6个月等。将所述检测药浓度、所述检测环境数据和所述时间间隔分别匹配所述用量准确特征、所述环境稳定性特征和所述时间影响特征值，获得所述检测药浓度、所述检测环境数据和所述时间间隔的特征评估结果，分别对上述评估结果赋予不同的权重值，通过权重计算获得综合评估结果。例如：本次数据的检测药浓度、检测环境数据和时间间隔的特征评估结果分别为9、7、2，赋予的权重值为20%、30%、50%，则综合评估结果为4.9。将所述综合评估结果按照数值从大到小进行排列，并筛选前20%的综合评估结果对应的细菌耐药性检测历史数据作为信任程度较高的可靠数据，根据所述可靠数据的检测结果历史数据获得第一药敏检测集中区间，即将所述检测结果历史数据中的最小数据作为所述第一药敏检测集中区间的左端点，将所述检测结果历史数据中的最大数据作为所述第一药敏检测集中区间的右端点。通过对所述用量准确特征、所述环境稳定性特征和所述时间影响特征值进行多特征分析，可以提高所述第一药敏检测集中区间获得的准确率，间接提高了细菌耐药性检测的准确率。
步骤S300：匹配获得耐药性检测控制方案，基于所述耐药性检测控制方案执行细菌耐药性检测，并记录药物浓度；
步骤S400：监测获得耐药性检测过程的环境数据，并将所述环境数据和所述耐药性检测控制方案输入影响评价模型，输出影响系数；
步骤S500：基于所述药物浓度和所述影响系数生成第一药敏检测标定值；
具体而言，通过所述细菌耐药性检测数据库匹配获得耐药性检测控制方案，所述耐药性检测控制方案包括药物浓度、检测温度、检测湿度、检测时间等控制参数，并根据所述耐药性检测控制方案执行细菌耐药性检测，并记录实际检测的药物浓度。通过多个传感器对耐药性检测过程中的温度、湿度等数据按照预设检测时间节点进行监测，获得监测环境数据即所述环境数据。构建影响评价模型，所述影响评价模型用于所述环境数据和所述耐药性检测控制方案对检测结果的影响进行评价，分别对所述环境数据和所述耐药性检测控制方案赋予不同的权重值，然后对这两个参数进行单独影响性评价，获得参数评价结果，最后根据所述参数评价结果乘对应的权重值获得两者之和即所述影响系数。通过所述影响系数对所述药物浓度进行调整生成所述第一药敏检测标定值。通过生成所述影响系数对所述药物浓度进行调整，可以提高细菌耐药性检测的准确率。
步骤S600：通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果。
在一个实施例中，本申请步骤S600还包括：
步骤S610：判断所述第一药敏检测标定值和所述第一药敏检测集中区间是否处于预设关联区间；
步骤S620：当所述第一药敏检测标定值和所述第一药敏检测集中区间不处于预设关联区间时，则生成验证检测指令；
步骤S630：通过所述验证检测指令控制重新执行细菌耐药性检测，并记录验证结果；
步骤S640：通过所述验证结果、所述第一药敏检测标定值和所述第一药敏检测集中区间进行细菌耐药性检测结果更新。
具体而言，将近N次细菌耐药性检测结果历史数据，所述N为大于0的正整数，本领域技术人员可自定义赋值，例如8次，10次等，并按照检测时间从早到晚的顺序对所述细菌耐药性检测结果历史数据各数据间的关联性进行分析，剔除异常数据之后获得关联系数，将所述第一药敏检测集中区间乘以所述关联系数获得预设关联区间，通过获得所述预设关联区间，可以提高细菌耐药性检测结果的准确率。然后判断所述第一药敏检测标定值是否处于所述预设关联区间之间，当所述第一药敏检测标定值不处于预设关联区间之间时，生成验证检测指令，并根据所述验证检测指令重新进行细菌耐药性检测，记录本次药敏检测标定值即所述验证结果，当所述验证结果符合所述预设关联区间时，则细菌检耐药性测结果为正常。当所述验证结果不符合所述预设关联区间时，则细菌耐药性检测结果为细菌发生变异。通过设置预设关联区间对所述药敏检测标定值进行判断，可以及时发现异常变异菌株，提高细菌耐药性检测的效率。
在一个实施例中，本申请步骤S600还包括：
步骤S650：对所述细菌耐药性检测进行检测时间节点划分，生成N个检测评价节点，其中，N为大于1的正整数；
步骤S660：获得所述N个检测评价节点下的药物节点浓度检测数据；
步骤S670：通过所述药物节点浓度检测数据生成检测补偿数据；
步骤S680：将所述检测补偿数据添加至所述细菌耐药性检测结果。
具体而言，在所述细菌耐药性检测过程中设置N个检测时间节点，其中N为大于1的正整数，本领域技术人员可根据预设检测结果要求自定义赋值，获得所述N个检测时间节点的药物浓度数据。 并将所述药物浓度数据作为补偿数据添加至所述细菌耐药性检测结果。通过对细菌耐药性检测过程中多个时间节点的药物浓度检测数据进行记录保存，生成所述检测补偿数据，可以更加直观的了解细菌耐药性检测过程中的细菌阶段式增长的速度，为可能进行的更加深入的细菌耐药性研究提供了数据支持。通过上述方法解决了细菌耐药性检测过程中由于检测类型复杂多样以及细菌随机变异的原因造成检测准确率不高和检测效果不能准确直观显示的问题，可以达到在提高细菌耐药性检测的准确率的同时及时发现异常变异菌株，进一步提高细菌耐药性检测的效率。
在一个实施例中，本申请步骤S700还包括：
步骤S710：基于所述耐药性检测历史数据进行检测过程的异常标识；
步骤S720：通过所述异常标识生成细菌耐药性检测控制约束数据；
步骤S730：通过所述细菌耐药性检测控制约束数据执行后续细菌耐药性检测的控制约束。
具体而言，对所述耐药性检测历史数据进行异常数据查询，获得细菌耐药性检测过程中出现的异常情况，所述异常情况是指由于操作不规范等原因发生的对检测结果造成影响的情况，例如：在用肉汤稀释法做实验的过程中，所要求添加的水为蒸馏水，但是工作人员添加的是蒸馏水的情况，从而造成了检测结果不准确。并对所述异常情况进行异常标识，根据所述异常标识生成细菌耐药性检测控制约束数据，并将所述细菌耐药性检测控制约束数据添加至耐药性检测控制方案中，通过所述控制约束数据对细菌耐药性检测过程中的操作进行限制，从而得到更准确的细菌耐药性检测结果。
在一个实施例中，如图4所示提供了一种细菌耐药性检测的系统，包括：细菌耐药性检测数据库连接模块1、第一药敏检测集中区间生成模块2、细菌耐药性检测模块3、影响系数输出模块4、第一药敏检测标定值生成模块5、细菌耐药性检测结果获得模块6、其中：
细菌耐药性检测数据库连接模块1，所述细菌耐药性检测数据库连接模块1用于连接细菌耐药性检测数据库，其中，所述细菌耐药性检测数据库包括药物种类、药敏检测方法、药敏检测结果和检测控制数据；
第一药敏检测集中区间生成模块2，所述第一药敏检测集中区间生成模块2用于读取耐药性检测历史数据，并基于所述耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间；
细菌耐药性检测模块3，所述细菌耐药性检测模块3用于匹配获得耐药性检测控制方案，基于所述耐药性检测控制方案执行细菌耐药性检测，并记录药物浓度；
影响系数输出模块4，所述影响系数输出模块4用于监测获得耐药性检测过程的环境数据，并将所述环境数据和所述耐药性检测控制方案输入影响评价模型，输出影响系数；
第一药敏检测标定值生成模块5，所述第一药敏检测标定值生成模块5用于基于所述药物浓度和所述影响系数生成第一药敏检测标定值；
细菌耐药性检测结果获得模块6，所述细菌耐药性检测结果获得模块6用于通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果。
在一个实施例中，所述系统还包括：
用量准确特征生成模块，所述用量准确特征生成模块用于基于所述耐药性检测历史数据读取获得测试药物浓度数据，并基于所述测试药物浓度数据生成用量准确特征；
环境稳定性特征生成模块，所述环境稳定性特征生成模块用于对所述耐药性检测历史数据进行检测环境数据读取，通过检测环境读取结果生成环境稳定性特征，其中，所述环境稳定性特征包括环境稳定值和表征稳定性的稳定系数；
第一药敏检测集中区间生成模块，所述第一药敏检测集中区间生成模块用于通过所述用量准确特征和所述环境稳定性特征执行多特征分析，生成所述第一药敏检测集中区间。
在一个实施例中，所述系统还包括：
环境极值信息获得模块，所述环境极值信息获得模块用于通过所述检测环境读取结果获得环境极值，并获得所述环境极值的极值分布间隔；
第一稳定系数生成模块，所述第一稳定系数生成模块用于通过所述药敏检测方法对所述环境极值进行极值影响分析，根据极值分布间隔和分析结果生成第一稳定影响系数；
第二稳定系数生成模块，所述第二稳定系数生成模块用于计算获得检测环境读取结果的环境集中值，通过所述环境集中值和所述药敏检测方法生成第二稳定影响系数；
稳定系数获得模块，所述稳定系数获得模块用于通过所述第一稳定影响系数和所述第二稳定影响系数获得所述稳定系数。
在一个实施例中，所述系统还包括：
检测时间标识获得模块，所述检测时间标识获得模块用于获得所述耐药性检测历史数据的检测时间标识；
时间影响特征集构建模块，所述时间影响特征集构建模块用于构建时间影响特征集，其中，所述时间影响特征集为对应不同时间间隔与时间影响特征值的映射关系集合；
时间影响特征值获得模块，所述时间影响特征值获得模块用于基于所述时间影响特征集和所述检测时间标识获得所述耐药性检测历史数据的各数据间的时间影响特征值；
第一药敏检测集中区间生成模块，所述第一药敏检测集中区间生成模块用于通过所述用量准确特征、所述环境稳定性特征和所述时间影响特征值执行多特征分析，生成所述第一药敏检测集中区间。
在一个实施例中，所述系统还包括：
信息判断模块，所述信息判断模块用于判断所述第一药敏检测标定值和所述第一药敏检测集中区间是否处于预设关联区间；
验证检测指令生成模块，所述验证检测指令生成模块用于当所述第一药敏检测标定值和所述第一药敏检测集中区间不处于预设关联区间时，则生成验证检测指令；
细菌耐药性重新检测模块，所述细菌耐药性重新检测模块用于通过所述验证检测指令控制重新执行细菌耐药性检测，并记录验证结果；
细菌耐药性检测结果更新模块，所述细菌耐药性检测结果更新模块用于通过所述验证结果、所述第一药敏检测标定值和所述第一药敏检测集中区间进行细菌耐药性检测结果更新。
在一个实施例中，所述系统还包括：
检测评价节点生成模块，所述检测评价节点生成模块用于对所述细菌耐药性检测进行检测时间节点划分，生成N个检测评价节点，其中，N为大于1的正整数；
药物节点浓度检测数据生成模块，所述药物节点浓度检测数据生成模块用于获得所述N个检测评价节点下的药物节点浓度检测数据；
检测补偿数据生成模块，所述检测补偿数据生成模块用于通过所述药物节点浓度检测数据生成检测补偿数据；
检测补偿数据添加模块，所述检测补偿数据添加模块用于将所述检测补偿数据添加至所述细菌耐药性检测结果。
在一个实施例中，所述系统还包括：
异常标识模块，所述异常标识模块用于基于所述耐药性检测历史数据进行检测过程的异常标识；
细菌耐药性检测控制约束数据生成模块，所述细菌耐药性检测控制约束数据生成模块用于通过所述异常标识生成细菌耐药性检测控制约束数据；
细菌耐药性检测控制约束模块，所述细菌耐药性检测控制约束模块用于通过所述细菌耐药性检测控制约束数据执行后续细菌耐药性检测的控制约束。
综上所述，本申请提供了一种细菌耐药性检测的方法及系统具有以下技术效果：
1.解决了细菌耐药性检测过程中由于检测类型复杂多样以及细菌随机变异的原因造成检测准确率不高和检测效果不能准确直观显示的问题，可以达到在提高细菌耐药性检测的准确率的同时及时发现异常变异菌株，进一步提高细菌耐药性检测的效率。
2.通过对用量准确特征、环境稳定性特征和时间影响特征值进行多特征分析，生成所述第一药敏检测标定值，可以提高所述第一药敏检测集中区间获得的准确率，间接提高了细菌耐药性检测的准确率。
3.通过生成所述影响系数对所述药物浓度进行调整，可以提高细菌耐药性检测的准确率。通过生成检测补偿数据，可以更加直观的了解细菌耐药性检测过程中的的细菌阶段式增长的速度，为可能进行的更加深入的细菌耐药性研究提供了数据支持。
以上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申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种细菌耐药性检测的方法，其特征在于，所述方法包括：
连接细菌耐药性检测数据库，其中，所述细菌耐药性检测数据库包括药物种类、药敏检测方法、药敏检测结果和检测控制数据；
读取耐药性检测历史数据，并基于所述耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间；
匹配获得耐药性检测控制方案，基于所述耐药性检测控制方案执行细菌耐药性检测，并记录药物浓度；
监测获得耐药性检测过程的环境数据，并将所述环境数据和所述耐药性检测控制方案输入影响评价模型，输出影响系数；
基于所述药物浓度和所述影响系数生成第一药敏检测标定值；
通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果；
其中，所述读取耐药性检测历史数据，基于所述耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间包括：
基于所述耐药性检测历史数据读取获得测试药物浓度数据，并基于所述测试药物浓度数据生成用量准确特征；
对所述耐药性检测历史数据进行检测环境数据读取，通过检测环境读取结果生成环境稳定性特征，其中，所述环境稳定性特征包括环境稳定值和表征稳定性的稳定系数；
通过所述用量准确特征和所述环境稳定性特征执行多特征分析，生成所述第一药敏检测集中区间；
其中，所述对所述耐药性检测历史数据进行检测环境数据读取，通过检测环境读取结果生成环境稳定性特征，其中，所述环境稳定性特征包括环境稳定值和表征稳定性的稳定系数包括：
通过所述检测环境读取结果获得环境极值，并获得所述环境极值的极值分布间隔；
通过所述药敏检测方法对所述环境极值进行极值影响分析，根据极值分布间隔和分析结果生成第一稳定影响系数；
计算获得检测环境读取结果的环境集中值，通过所述环境集中值和所述药敏检测方法生成第二稳定影响系数；
通过所述第一稳定影响系数和所述第二稳定影响系数获得所述稳定系数；
其中，所述通过所述用量准确特征和所述环境稳定性特征执行多特征分析，生成所述第一药敏检测集中区间还包括：
获得所述耐药性检测历史数据的检测时间标识；
构建时间影响特征集，其中，所述时间影响特征集为对应不同时间间隔与时间影响特征值的映射关系集合；
基于所述时间影响特征集和所述检测时间标识获得所述耐药性检测历史数据的各数据间的时间影响特征值；
通过所述用量准确特征、所述环境稳定性特征和所述时间影响特征值执行多特征分析，生成所述第一药敏检测集中区间。
2.如权利要求1所述的方法，其特征在于，所述通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果包括：
判断所述第一药敏检测标定值和所述第一药敏检测集中区间是否处于预设关联区间；
当所述第一药敏检测标定值和所述第一药敏检测集中区间不处于预设关联区间时，则生成验证检测指令；
通过所述验证检测指令控制重新执行细菌耐药性检测，并记录验证结果；
通过所述验证结果、所述第一药敏检测标定值和所述第一药敏检测集中区间进行细菌耐药性检测结果更新。
3.如权利要求1所述的方法，其特征在于，所述通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果包括：
对所述细菌耐药性检测进行检测时间节点划分，生成N个检测评价节点，其中，N为大于1的正整数；
获得所述N个检测评价节点下的药物节点浓度检测数据；
通过所述药物节点浓度检测数据生成检测补偿数据；
将所述检测补偿数据添加至所述细菌耐药性检测结果。
4.如权利要求1所述的方法，其特征在于，所述方法包括：
基于所述耐药性检测历史数据进行检测过程的异常标识；
通过所述异常标识生成细菌耐药性检测控制约束数据；
通过所述细菌耐药性检测控制约束数据执行后续细菌耐药性检测的控制约束。
5.一种细菌耐药性检测的系统，其特征在于，所述系统包括：
细菌耐药性检测数据库连接模块，所述细菌耐药性检测数据库连接模块用于连接细菌耐药性检测数据库，其中，所述细菌耐药性检测数据库包括药物种类、药敏检测方法、药敏检测结果和检测控制数据；
第一药敏检测集中区间生成模块，所述第一药敏检测集中区间生成模块用于读取耐药性检测历史数据，并基于所述耐药性检测历史数据进行多特征分析，生成第一药敏检测集中区间；
细菌耐药性检测模块，所述细菌耐药性检测模块用于匹配获得耐药性检测控制方案，基于所述耐药性检测控制方案执行细菌耐药性检测，并记录药物浓度；
影响系数输出模块，所述影响系数输出模块用于监测获得耐药性检测过程的环境数据，并将所述环境数据和所述耐药性检测控制方案输入影响评价模型，输出影响系数；
第一药敏检测标定值生成模块，所述第一药敏检测标定值生成模块用于基于所述药物浓度和所述影响系数生成第一药敏检测标定值；
细菌耐药性检测结果获得模块，所述细菌耐药性检测结果获得模块用于通过所述第一药敏检测标定值和所述第一药敏检测集中区间获得细菌耐药性检测结果；
用量准确特征生成模块，所述用量准确特征生成模块用于基于所述耐药性检测历史数据读取获得测试药物浓度数据，并基于所述测试药物浓度数据生成用量准确特征；
环境稳定性特征生成模块，所述环境稳定性特征生成模块用于对所述耐药性检测历史数据进行检测环境数据读取，通过检测环境读取结果生成环境稳定性特征，其中，所述环境稳定性特征包括环境稳定值和表征稳定性的稳定系数；
第一药敏检测集中区间生成模块，所述第一药敏检测集中区间生成模块用于通过所述用量准确特征和所述环境稳定性特征执行多特征分析，生成所述第一药敏检测集中区间；
环境极值信息获得模块，所述环境极值信息获得模块用于通过所述检测环境读取结果获得环境极值，并获得所述环境极值的极值分布间隔；
第一稳定系数生成模块，所述第一稳定系数生成模块用于通过所述药敏检测方法对所述环境极值进行极值影响分析，根据极值分布间隔和分析结果生成第一稳定影响系数；
第二稳定系数生成模块，所述第二稳定系数生成模块用于计算获得检测环境读取结果的环境集中值，通过所述环境集中值和所述药敏检测方法生成第二稳定影响系数；
稳定系数获得模块，所述稳定系数获得模块用于通过所述第一稳定影响系数和所述第二稳定影响系数获得所述稳定系数；
检测时间标识获得模块，所述检测时间标识获得模块用于获得所述耐药性检测历史数据的检测时间标识；
时间影响特征集构建模块，所述时间影响特征集构建模块用于构建时间影响特征集，其中，所述时间影响特征集为对应不同时间间隔与时间影响特征值的映射关系集合；
时间影响特征值获得模块，所述时间影响特征值获得模块用于基于所述时间影响特征集和所述检测时间标识获得所述耐药性检测历史数据的各数据间的时间影响特征值；
第一药敏检测集中区间生成模块，所述第一药敏检测集中区间生成模块还用于通过所述用量准确特征、所述环境稳定性特征和所述时间影响特征值执行多特征分析，生成所述第一药敏检测集中区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310219738.6A CN116313149B (zh) | 2023-03-09 | 2023-03-09 | 一种细菌耐药性检测的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310219738.6A CN116313149B (zh) | 2023-03-09 | 2023-03-09 | 一种细菌耐药性检测的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116313149A CN116313149A (zh) | 2023-06-23 |
| CN116313149B true CN116313149B (zh) | 2024-04-02 |
Family
ID=86818065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310219738.6A Active CN116313149B (zh) | 2023-03-09 | 2023-03-09 | 一种细菌耐药性检测的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116313149B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116719365B (zh) * | 2023-07-03 | 2024-06-21 | 深圳海关食品检验检疫技术中心 | 一种pcr温度控制装置及控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104531877A (zh) * | 2014-12-31 | 2015-04-22 | 南京安阔医疗科技有限公司 | 一种细菌耐药性筛查pcr芯片 |
| CN107256336A (zh) * | 2017-06-06 | 2017-10-17 | 山东大学 | 幽门螺杆菌对抗生素敏感性和耐药性的量化指标确定方法 |
| CN110542757A (zh) * | 2019-09-24 | 2019-12-06 | 齐齐哈尔医学院 | 一种利用微流控芯片定量检测细菌及药敏实验的方法 |
| CN112391441A (zh) * | 2021-01-13 | 2021-02-23 | 广州市胸科医院（广州市结核病防治所、广州市结核病治疗中心） | 一种基于荧光素的流式细胞术鉴定结核分枝杆菌利福平异质性耐药的方法 |
| WO2022047683A1 (zh) * | 2020-09-03 | 2022-03-10 | 中国科学院深圳先进技术研究院 | 一种快速检测系统及方法 |
| CN115261439A (zh) * | 2022-08-26 | 2022-11-01 | 山东博科生物产业有限公司 | 一种幽门螺旋杆菌药敏试剂盒及其检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040193325A1 (en) * | 2003-03-25 | 2004-09-30 | David Bonderud | Method and apparatus to prevent medication error in a networked infusion system |
-
2023
- 2023-03-09 CN CN202310219738.6A patent/CN116313149B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104531877A (zh) * | 2014-12-31 | 2015-04-22 | 南京安阔医疗科技有限公司 | 一种细菌耐药性筛查pcr芯片 |
| CN107256336A (zh) * | 2017-06-06 | 2017-10-17 | 山东大学 | 幽门螺杆菌对抗生素敏感性和耐药性的量化指标确定方法 |
| CN110542757A (zh) * | 2019-09-24 | 2019-12-06 | 齐齐哈尔医学院 | 一种利用微流控芯片定量检测细菌及药敏实验的方法 |
| WO2022047683A1 (zh) * | 2020-09-03 | 2022-03-10 | 中国科学院深圳先进技术研究院 | 一种快速检测系统及方法 |
| CN112391441A (zh) * | 2021-01-13 | 2021-02-23 | 广州市胸科医院（广州市结核病防治所、广州市结核病治疗中心） | 一种基于荧光素的流式细胞术鉴定结核分枝杆菌利福平异质性耐药的方法 |
| CN115261439A (zh) * | 2022-08-26 | 2022-11-01 | 山东博科生物产业有限公司 | 一种幽门螺旋杆菌药敏试剂盒及其检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 显微镜观察药物敏感度检测技术在结核分枝杆菌吡嗪酰胺耐药性检测中的应用;黄自坤 等;《广东医学》;第34卷(第11期);第1664-1667页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116313149A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116313149B (zh) | 一种细菌耐药性检测的方法及系统 | |
| EP3974790B1 (en) | Status detection method and apparatus for load cell | |
| CN102667352B (zh) | 制冷剂泄漏检测系统和方法 | |
| US9164057B2 (en) | Method for operating a measuring point | |
| CN112105923B (zh) | 利用人工智能深度学习的生物测量对象浓度测量方法 | |
| CN117249922B (zh) | 一种用于温度测试仪的温度校准方法及系统 | |
| CN115687983A (zh) | 一种桥梁健康状态监测方法、系统及电子设备 | |
| CN115261522B (zh) | 一种微生物发酵的环境控制方法及系统 | |
| CN117235511B (zh) | 一种二次仪表校准方法 | |
| CN117390591B (zh) | 基于电参量分析的输煤皮带采样机运行监测方法及系统 | |
| CN112650740B (zh) | 一种降低在线监测碳排放量数据不确定度的方法及系统 | |
| CN112595767B (zh) | 一种半导体式气体传感器的校准方法、系统、设备 | |
| EP3126833B1 (en) | A method of predicting phenotypic instability in a cell | |
| CN116047313B (zh) | 一种用于锂电池储能箱的质量检测和维护方法及系统 | |
| Golobič et al. | Software sensor for biomass concentration monitoring during industrial fermentation | |
| CN117057594B (zh) | 实验室样本培育数据监测系统 | |
| CN116777305B (zh) | 电力数据质量提升方法、装置、电子设备及存储介质 | |
| CN118426393B (zh) | 基于工控机的设备运行数据预警方法及系统 | |
| CN117929701B (zh) | 一种血糖仪智能化控制分析系统 | |
| WO2024084973A1 (ja) | 情報処理装置および情報処理方法 | |
| JP7314969B2 (ja) | ジルコニア式酸素濃度計のメンテナンス方法、メンテナンスシステム、及びジルコニア式酸素濃度計 | |
| CN115015472A (zh) | 一种基于域自适应的极限学习机传感器漂移数据重构方法 | |
| CN118209221A (zh) | 一种对温度传感器进行检测的方法 | |
| CN117664441A (zh) | 一种压力变送器的老化检测方法及系统 | |
| CN112816034A (zh) | 一种可变孔径流量探头的检测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |