CN116359201A - 一种药品鉴定方法、系统、存储介质和电子设备 - Google Patents

一种药品鉴定方法、系统、存储介质和电子设备 Download PDF

Info

Publication number
CN116359201A
CN116359201A CN202310444331.3A CN202310444331A CN116359201A CN 116359201 A CN116359201 A CN 116359201A CN 202310444331 A CN202310444331 A CN 202310444331A CN 116359201 A CN116359201 A CN 116359201A
Authority
CN
China
Prior art keywords
raman
module
threshold value
calculating
preset
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
CN202310444331.3A
Other languages
English (en)
Inventor
李振颖
袁丁
吴红彦
夏征
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.)
Beijing Htnova Detection Technology Co ltd
Original Assignee
Beijing Htnova Detection Technology Co ltd
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 Beijing Htnova Detection Technology Co ltd filed Critical Beijing Htnova Detection Technology Co ltd
Priority to CN202310444331.3A priority Critical patent/CN116359201A/zh
Publication of CN116359201A publication Critical patent/CN116359201A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • 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
    • 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)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)

Abstract

本发明涉及药品鉴定技术领域，尤其涉及一种药品鉴定方法、系统、存储介质和电子设备，方法包括：获取预设种类的每个预设药品样品的拉曼光谱，进行预处理，得到多个第一拉曼光谱，进而计算阈值；利用L1‑KernelPCA方法，对所有第一拉曼光谱进行无乘核运算，得到矩阵、以及按照特征值从大到小排序的特征向量；选取前m个特征向量，作为主成分向量，计算每个第一拉曼光谱与相应的第一重构向量的累计方差，通过累计方差与阈值之间的大小关系，对每个预设药品样品的质量进行判断。能够保证准确率，且高效快速。

Description

一种药品鉴定方法、系统、存储介质和电子设备
技术领域
本发明涉及药品鉴定技术领域，尤其涉及一种药品鉴定方法、系统、存储介质和电子设备。
背景技术
拉曼光谱可用于过期药品的检测，目前，公开号为CN104777143A、主题名称为“一种用于过期药的、基于拉曼光谱的相似度鉴定方法”的发明专利公开了鉴定的具体过程，存在如下缺陷：
1)该发明专利是基于相似度的计算的，对于特征变量变化较小的不敏感；
2)该发明专利划定的单一阈值易受异常点和噪声影响，因此无法保证准确率。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供了一种药品鉴定方法、系统、存储介质和电子设备。
本发明的一种药品鉴定方法的技术方案如下：
获取预设种类的每个预设药品样品的拉曼光谱，其中，所有预设药品样品包括至少一个出现异常的药品；
对所有预设药品样品的拉曼光谱进行预处理，得到多个第一拉曼光谱；
根据所有的第一拉曼光谱计算阈值；
利用L1-KernelPCA方法，对所有第一拉曼光谱进行无乘核运算，得到矩阵；
根据所述矩阵得到多个特征向量，以及每个特征向量对应的特征值，并按照特征值从大到小排序对特征向量进行排序，从排序的特征向量中选取前m个特征向量，作为主成分向量，m为正整数；
分别根据每个第一拉曼光谱和所有的主成分向量，得到每个第一拉曼光谱对应的第一重构向量；
计算每个第一拉曼光谱与相应的第一重构向量的累计方差，分别判断每个累计方差是否超过所述阈值，将为是的判断结果所对应的预设药品样品的质量判定为异常，将为否的判断结果所对应的预设药品样品的质量判定为正常。
本发明的一种药品鉴定系统的技术方案如下：
包括获取模块、预处理模块、阈值计算模块、运算模块、排序选取模块、重构模块和计算判断模块；
所述获取模块用于：获取预设种类的每个预设药品样品的拉曼光谱，其中，所有预设药品样品包括至少一个出现异常的药品；
所述预处理模块用于：对所有预设药品样品的拉曼光谱进行预处理，得到多个第一拉曼光谱；
所述阈值计算模块用于：根据所有的第一拉曼光谱计算阈值；
所述运算模块用于：利用L1-KernelPCA方法，对所有第一拉曼光谱进行无乘核运算，得到矩阵；
所述排序选取模块用于：根据所述矩阵得到多个特征向量，以及每个特征向量对应的特征值，并按照特征值从大到小排序对特征向量进行排序，从排序的特征向量中选取前m个特征向量，作为主成分向量，m为正整数；
所述重构模块用于：分别根据每个第一拉曼光谱和所有的主成分向量，得到每个第一拉曼光谱对应的第一重构向量；
所述计算判断模块用于：计算每个第一拉曼光谱与相应的第一重构向量的累计方差，分别判断每个累计方差是否超过所述阈值，将为是的判断结果所对应的预设药品样品的质量判定为异常，将为否的判断结果所对应的预设药品样品的质量判定为正常。
本发明的一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述任一项所述的一种药品鉴定方法。
本发明的一种电子设备，包括处理器和上述的存储介质，所述处理器执行所述存储介质中的指令。
本发明的有益效果如下：
一方面，利用L1-KernelPCA方法能够提取第一拉曼光谱的关键信息，关键信息具体体现在主成分向量，消除每个预设药品样品的拉曼光谱的各拉曼偏移间的相互影响，因此，能够提高药品鉴定的准确率。另一方面，利用L1-KernelPCA方法能够减少数据维度，简化数据，避免了矩阵乘法运算，无乘子操作，降低计算复杂度，提高计算效率。
附图说明
图1为本发明实施例的一种药品鉴定方法的流程示意图；
图2为本发明实施例的一种药品鉴定方法的结构示意图。
具体实施方式
如图1所示，本发明实施例的一种药品鉴定方法，包括如下步骤：
S1、获取预设种类的每个预设药品样品的拉曼光谱，其中，所有预设药品样品包括至少一个出现异常的药品，具体可通过拉曼光谱仪如型号为CR2000手持式光谱仪等采集预设种类的每个预设药品样品的拉曼光谱，预设种类如布洛芬等。
S2、对所有预设药品样品的拉曼光谱进行预处理，得到多个第一拉曼光谱；
S3、根据所有的第一拉曼光谱计算阈值；
S4、利用L1-KernelPCA方法，对所有第一拉曼光谱进行无乘核运算，得到矩阵；
S5、根据矩阵得到多个特征向量，以及每个特征向量对应的特征值，并按照特征值从大到小排序对特征向量进行排序，从排序的特征向量中选取前m个特征向量，作为主成分向量，m为正整数；
其中，按照特征值从大到小排序的特征向量的具体解释如下：
利用L1-KernelPCA方法计算出的结果中，每个特征向量对应一个特征值，按照特征值从大到小的顺序，对所有的特征向量进行排序，得到按照特征值从大到小排序的特征向量。
S6、分别根据每个第一拉曼光谱和所有的主成分向量，得到每个第一拉曼光谱对应的第一重构向量；例如：
根据第一个第一拉曼光谱和所有的主成分向量，得到第一个第一拉曼光谱对应的第一重构向量。
S7、计算每个第一拉曼光谱与相应的第一重构向量的累计方差，分别判断每个累计方差是否超过阈值，将为是的判断结果所对应的预设药品样品的质量判定为异常，将为否的判断结果所对应的预设药品样品的质量判定为正常。例如：
计算第一个第一拉曼光谱分别与所有第一重构向量的累计方差，判断该累计方差是否超过阈值，若是，则判定第一个第一拉曼光谱对应的预设药品样品的质量异常，若否，则判定第一个第一拉曼光谱对应的预设药品样品的质量正常。
一方面，本发明利用L1-KernelPCA方法能够提取第一拉曼光谱的关键信息，关键信息具体体现在主成分向量，消除每个预设药品样品的拉曼光谱的各拉曼偏移间的相互影响，因此，能够提高药品鉴定的准确率。另一方面，本发明利用L1-KernelPCA方法能够减少数据维度，简化数据，避免了矩阵乘法运算，无乘子操作，降低计算复杂度，提高计算效率。
可选地，在上述技术方案中，S2中，对所有预设药品样品的拉曼光谱进行预处理，包括：
S20、对所有预设药品样品进行异常数据清洗，得到多个待选拉曼光谱；
其中，异常数据清洗要剔除一些具有明显错误的拉曼光谱。
S21、对每个待选拉曼光谱依次进行去噪处理、扣除荧光干扰处理、插值规整处理以及正则化处理，得到多个第一拉曼光谱。
其中，使用Savitzky-Golay算法对每个待选拉曼光谱进行去噪处理，使用IAsLS(improved asymmetric least square IAsLS)实现扣除荧光干扰处理，三次样条插值规整处理，正则化具体为：通过maxminscale方式，归到[0,1]之间。
可选地，在上述技术方案中，S3中，根据所有的第一拉曼光谱计算阈值，包括：
S30、计算所有的第一拉曼光谱的每个拉曼偏移对应的光强的均值；；
S31、根据每个拉曼偏移对应的光强的均值，计算每个拉曼偏移对应的光强的方差；
例如，共有10个第一拉曼光谱，同一拉曼偏移在每个第一拉曼光谱中均对应一个光强，也就是说，每个拉曼偏移对应10个光强，计算所有的第一拉曼光谱的每个拉曼偏移对应的光强的均值，即为，计算每个拉曼偏移对应10个光强的均值；
S32、利用阈值计算公式计算阈值，阈值计算公式为：
Figure BDA0004195124850000051
其中，F表示阈值，ui表示第i个拉曼偏移对应的光强的均值，σii是第i个拉曼偏移对应的光强的方差，n表示起始拉曼偏移，N表示终止拉曼偏移，n＜i≤N，a表示经验系数。
在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本申请给出的具体实施例，本领域的技术人员可根据实际情况调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
如图2所示，本发明实施例的一种药品鉴定系统200，包括获取模块210、预处理模块220、阈值计算模块230、运算模块240、排序选取模块250、重构模块260和计算判断模块270；
获取模块210用于：获取预设种类的每个预设药品样品的拉曼光谱，其中，所有预设药品样品包括至少一个出现异常的药品；
预处理模块220用于：对所有预设药品样品的拉曼光谱进行预处理，得到多个第一拉曼光谱；
阈值计算模块230用于：根据所有的第一拉曼光谱计算阈值；
运算模块240用于：利用L1-KernelPCA方法，对所有第一拉曼光谱进行无乘核运算，得到矩阵；
排序选取模块250用于：根据矩阵得到多个特征向量，以及每个特征向量对应的特征值，并按照特征值从大到小排序对特征向量进行排序，从排序的特征向量中选取前m个特征向量，作为主成分向量，m为正整数；
重构模块260用于：分别根据每个第一拉曼光谱和所有的主成分向量，得到每个第一拉曼光谱对应的第一重构向量；
计算判断模块270用于：计算每个第一拉曼光谱与相应的第一重构向量的累计方差，分别判断每个累计方差是否超过阈值，将为是的判断结果所对应的预设药品样品的质量判定为异常，将为否的判断结果所对应的预设药品样品的质量判定为正常。
可选地，在上述技术方案中，预处理模块220具体用于：
对所有预设药品样品进行异常数据清洗，得到多个待选拉曼光谱；
对每个待选拉曼光谱依次进行去噪处理、扣除荧光干扰处理、插值规整处理以及正则化处理，得到多个第一拉曼光谱。
可选地，在上述技术方案中，阈值计算模块230具体用于：
计算所有的第一拉曼光谱的每个拉曼偏移对应的光强的均值；
根据每个拉曼偏移对应的光强的均值，计算每个拉曼偏移对应的光强的方差；
利用阈值计算公式计算阈值，阈值计算公式为：
Figure BDA0004195124850000071
其中，F表示阈值，ui表示第i个拉曼偏移对应的光强的均值，σii是第i个拉曼偏移对应的光强的方差，n表示起始拉曼偏移，N表示终止拉曼偏移，n＜i≤N，a表示经验系数。
上述关于本发明的一种药品鉴定系统中的各参数和各个单元模块实现相应功能的步骤，可参考上文中关于一种药品鉴定方法的实施例中的各参数和步骤，在此不做赘述。
本发明实施例的一种存储介质，存储介质中存储有指令，当计算机读取指令时，使计算机执行上述任一项的一种药品鉴定方法。
本发明实施例的一种电子设备，包括处理器和上述的存储介质，处理器执行存储介质中的指令。其中，电子设备可以选用电脑、手机等。
所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。
因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)，只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种药品鉴定方法，其特征在于，包括：
获取预设种类的每个预设药品样品的拉曼光谱，其中，所有预设药品样品包括至少一个出现异常的药品；
对所有预设药品样品的拉曼光谱进行预处理，得到多个第一拉曼光谱；
根据所有的第一拉曼光谱计算阈值；
利用L1-KernelPCA方法，对所有第一拉曼光谱进行无乘核运算，得到矩阵；
根据所述矩阵得到多个特征向量，以及每个特征向量对应的特征值，并按照特征值从大到小排序对特征向量进行排序，从排序的特征向量中选取前m个特征向量，作为主成分向量，m为正整数；
分别根据每个第一拉曼光谱和所有的主成分向量，得到每个第一拉曼光谱对应的第一重构向量；
计算每个第一拉曼光谱与相应的第一重构向量的累计方差，分别判断每个累计方差是否超过所述阈值，将为是的判断结果所对应的预设药品样品的质量判定为异常，将为否的判断结果所对应的预设药品样品的质量判定为正常。
2.根据权利要求1所述的一种药品鉴定方法，其特征在于，对所有预设药品样品的拉曼光谱进行预处理，包括：
对所有预设药品样品进行异常数据清洗，得到多个待选拉曼光谱；
对每个待选拉曼光谱依次进行去噪处理、扣除荧光干扰处理、插值规整处理以及正则化处理，得到多个第一拉曼光谱。
3.根据权利要求1所述的一种药品鉴定方法，其特征在于，所述根据所有的第一拉曼光谱计算阈值，包括：
计算所有的第一拉曼光谱的每个拉曼偏移对应的光强的均值；
根据每个拉曼偏移对应的光强的均值，计算每个拉曼偏移对应的光强的方差；
利用阈值计算公式计算所述阈值，所述阈值计算公式为：
Figure FDA0004195124820000021
其中，F表示所述阈值，ui表示第i个拉曼偏移对应的光强的均值，σii是第i个拉曼偏移对应的光强的方差，n表示起始拉曼偏移，N表示终止拉曼偏移，n＜i≤N，a表示经验系数。
4.一种药品鉴定系统，其特征在于，包括获取模块、预处理模块、阈值计算模块、运算模块、排序选取模块、重构模块和计算判断模块；
所述获取模块用于：获取预设种类的每个预设药品样品的拉曼光谱，其中，所有预设药品样品包括至少一个出现异常的药品；
所述预处理模块用于：对所有预设药品样品的拉曼光谱进行预处理，得到多个第一拉曼光谱；
所述阈值计算模块用于：根据所有的第一拉曼光谱计算阈值；
所述运算模块用于：利用L1-KernelPCA方法，对所有第一拉曼光谱进行无乘核运算，得到矩阵；
所述排序选取模块用于：根据所述矩阵得到多个特征向量，以及每个特征向量对应的特征值，并按照特征值从大到小排序对特征向量进行排序，从排序的特征向量中选取前m个特征向量，作为主成分向量，m为正整数；
所述重构模块用于：分别根据每个第一拉曼光谱和所有的主成分向量，得到每个第一拉曼光谱对应的第一重构向量；
所述计算判断模块用于：计算每个第一拉曼光谱与相应的第一重构向量的累计方差，分别判断每个累计方差是否超过所述阈值，将为是的判断结果所对应的预设药品样品的质量判定为异常，将为否的判断结果所对应的预设药品样品的质量判定为正常。
5.根据权利要求4所述的一种药品鉴定系统，其特征在于，所述预处理模块具体用于：
对所有预设药品样品进行异常数据清洗，得到多个待选拉曼光谱；
对每个待选拉曼光谱依次进行去噪处理、扣除荧光干扰处理、插值规整处理以及正则化处理，得到多个第一拉曼光谱。
6.根据权利要求4所述的一种药品鉴定系统，其特征在于，所述阈值计算模块具体用于：
计算所有的第一拉曼光谱的每个拉曼偏移对应的光强的均值；
根据每个拉曼偏移对应的光强的均值，计算每个拉曼偏移对应的光强的方差；
利用阈值计算公式计算所述阈值，所述阈值计算公式为：
Figure FDA0004195124820000031
其中，F表示所述阈值，ui表示第i个拉曼偏移对应的光强的均值，σii是第i个拉曼偏移对应的光强的方差，n表示起始拉曼偏移，N表示终止拉曼偏移，n＜i≤N，a表示经验系数。
7.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至3中任一项所述的一种药品鉴定方法。
8.一种电子设备，其特征在于，包括处理器和权利要求7所述的存储介质，所述处理器执行所述存储介质中的指令。
CN202310444331.3A 2023-04-23 2023-04-23 一种药品鉴定方法、系统、存储介质和电子设备 Pending CN116359201A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310444331.3A CN116359201A (zh) 2023-04-23 2023-04-23 一种药品鉴定方法、系统、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310444331.3A CN116359201A (zh) 2023-04-23 2023-04-23 一种药品鉴定方法、系统、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN116359201A true CN116359201A (zh) 2023-06-30

Family

ID=86905006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310444331.3A Pending CN116359201A (zh) 2023-04-23 2023-04-23 一种药品鉴定方法、系统、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN116359201A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117079760A (zh) * 2023-07-25 2023-11-17 中国医学科学院阜外医院 华法林剂量调整方法、系统及临床辅助决策系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117079760A (zh) * 2023-07-25 2023-11-17 中国医学科学院阜外医院 华法林剂量调整方法、系统及临床辅助决策系统
CN117079760B (zh) * 2023-07-25 2023-12-19 中国医学科学院阜外医院 华法林剂量调整方法、系统及临床辅助决策系统

Similar Documents

Publication Publication Date Title
CA2865761C (en) Time series analytics
CN116359201A (zh) 一种药品鉴定方法、系统、存储介质和电子设备
CN111626360B (zh) 用于检测锅炉故障类型的方法、装置、设备和存储介质
CN111292254B (zh) 一种遥感影像中数据异常的确定方法、装置、设备及介质
CN1783092A (zh) 数据分析装置和数据分析方法
CN108197795A (zh) 恶意团体账户识别方法、装置、终端及存储介质
CN114817645A (zh) 时序数据的存储及读取方法、装置、设备及存储介质
CN108195817B (zh) 用于去除溶剂干扰的拉曼光谱检测方法
CN111831517A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN113705625A (zh) 异常生活保障申请家庭的识别方法、装置及电子设备
CN107067034B (zh) 一种快速识别红外光谱数据分类的方法及系统
CN115880696A (zh) 一种基于深度学习的物联网卡管理方法、装置及相关介质
CN111368864A (zh) 识别方法、可用性评估方法及装置、电子设备、存储介质
CN113139102B (zh) 数据处理方法、装置、非易失性存储介质及处理器
CN115470504A (zh) 结合人工智能的数据风险分析方法及服务器
CN113610817A (zh) 一种特征峰识别方法及计算设备、存储介质
CN118133812B (zh) 一种基于大语言模型的信息分析方法及系统
CN110032933A (zh) 一种图像数据的获取方法、装置、终端及存储介质
CN113724098B (zh) 一种基于聚类和神经网络的窃电用户检测方法及系统
CN115310049B (zh) 一种时间序列数据的周期检测方法、装置及设备
CN113194108B (zh) 攻击工具选择方法、装置、设备和计算机可读存储介质
CN110532285B (zh) 一种关联案件确定方法、系统、电子设备及存储介质
CN114580982B (zh) 一种工业设备的数据质量的评估方法、装置及设备
CN116561372B (zh) 基于多算法引擎的人员聚档方法、装置及可读存储介质
CN113609207B (zh) 一种边坡形变监测数据的数据预处理方法

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