CN116523444B - 标本的自动识别管理方法、装置、设备及存储介质 - Google Patents

标本的自动识别管理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116523444B
CN116523444B CN202310787231.0A CN202310787231A CN116523444B CN 116523444 B CN116523444 B CN 116523444B CN 202310787231 A CN202310787231 A CN 202310787231A CN 116523444 B CN116523444 B CN 116523444B
Authority
CN
China
Prior art keywords
information
specimen
target
sample
identification
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
Application number
CN202310787231.0A
Other languages
English (en)
Other versions
CN116523444A (zh
Inventor
陈灿良
陈伟
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.)
Shenzhen Yizhilian Technology Co ltd
Original Assignee
Shenzhen Yizhilian 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 Shenzhen Yizhilian Technology Co ltd filed Critical Shenzhen Yizhilian Technology Co ltd
Priority to CN202310787231.0A priority Critical patent/CN116523444B/zh
Publication of CN116523444A publication Critical patent/CN116523444A/zh
Application granted granted Critical
Publication of CN116523444B publication Critical patent/CN116523444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Human Resources & Organizations (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Bioethics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Electromagnetism (AREA)
  • Toxicology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及人工智能领域，公开了一种标本的自动识别管理方法、装置、设备及存储介质，用于实现血液标本的智能管理并提高血液标本的出入库管理准确率。方法包括：对目标医护人员进行用户权限识别，得到用户权限信息；对基本参数信息和用户权限信息进行用户权限校验，得到权限校验结果；对目标血液标本进行标签信息读取，得到标本加密信息，并根据权限校验结果，对目标血液标本进行出库操作；对标本加密信息进行信息解密，得到目标标本信息，并采集标本理化信息；将目标标本信息和标本理化信息输入标本信息检测模型进行标本信息检测，得到标本信息检测结果。

Description

标本的自动识别管理方法、装置、设备及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及一种标本的自动识别管理方法、装置、设备及存储介质。
背景技术
近年来，随着医疗技术的不断发展，血液标本管理的自动化程度也逐渐提高，利用机械臂和智能化系统对标本进行自动检测和管理已经成为医疗行业的发展方向之一。对血液标本自动化管理的研究旨在提高标本管理的安全性、准确性和效率，同时降低管理成本，为临床诊断和治疗提供更为可靠的支持。
然而，当前的标本自动化管理技术还存在一些问题和不足。首先，一些传统的标本管理系统仍然采用人工管理方式，导致管理效率低下、管理数据不规范化。其次，一些血液标本自动化管理系统对标本的识别、采集和管理存在一定的误差和漏洞，需要进一步加强完善。此外，由于标本体积、成分差异等因素，标本自动化管理系统的适用范围还受到一定限制，需要进一步优化。
发明内容
本发明提供了一种标本的自动识别管理方法、装置、设备及存储介质，用于实现血液标本的智能管理并提高血液标本的出入库管理准确率。
本发明第一方面提供了一种标本的自动识别管理方法，所述标本的自动识别管理方法包括：
接收标本识别管理请求，并根据所述标本识别管理请求确定待处理的目标血液标本以及所述目标血液标本的基本参数信息；
通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息；
对所述基本参数信息和所述用户权限信息进行用户权限校验，得到权限校验结果；
对所述目标血液标本进行标签信息读取，得到标本加密信息，并根据所述权限校验结果，对所述目标血液标本进行出库操作；
对所述标本加密信息进行信息解密，得到目标标本信息，并采集所述目标血液标本的标本理化信息；
将所述目标标本信息和所述标本理化信息输入预置的标本信息检测模型进行标本信息检测，得到标本信息检测结果；
根据所述标本信息检测结果生成所述目标血液标本的标本异常信息，并根据所述标本异常信息生成所述目标血液标本的标本异常处理方案。
结合第一方面，在本发明第一方面的第一实施方式中，所述通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息，包括：
通过预置的标本自动管理库，采集目标医护人员的人脸图像，并对所述人脸图像进行信息识别，得到第一权限信息；
对所述目标医护人员进行虹膜识别，得到第二权限信息，以及对所述目标医护人员进行密码识别，得到第三权限信息；
根据所述第一权限信息、所述第二权限信息以及所述第三权限信息生成所述目标医护人员的用户权限信息。
结合第一方面，在本发明第一方面的第二实施方式中，所述对所述基本参数信息和所述用户权限信息进行用户权限校验，得到权限校验结果，包括：
对所述基本参数信息进行参数编码，得到第一编码信息，并对所述用户权限信息进行编码转换，得到第二编码信息；
提取所述第一编码信息中的多个第一编码元素，以及提取所述第二编码信息中的多个第二编码元素；
分别计算每个第一编码元素在所述第二编码信息的编码空间中对应的命中率，得到多个第一命中率，以及分别计算每个第二编码元素在所述第一编码信息的编码空间中对应的命中率，得到多个第二命中率；
计算所述多个第一命中率的第一平均值，并对所述多个第一命中率和所述第一平均值进行比较，得到多个第一比较结果，以及计算所述多个第二命中率的第二平均值，并对所述多个第二命中率和所述第二平均值进行比较，得到多个第二比较结果；
获取所述多个第一比较结果中所述第一命中率超过所述第一平均值的数量，得到第一目标数量，以及获取所述多个第二比较结果中所述第二命中率超过所述第二平均值的数量，得到第二目标数量；
分别判断所述第一目标数量和所述第二目标数量是否超过预设目标值，得到目标判断结果，并根据所述目标判断结果生成权限校验结果，其中，所述权限校验结果包括：权限校验通过以及权限校验不通过。
结合第一方面，在本发明第一方面的第三实施方式中，所述对所述目标血液标本进行标签信息读取，得到标本加密信息，并根据所述权限校验结果，对所述目标血液标本进行出库操作，包括：
对所述目标血液标本进行二维码标签识别，得到第一标签识别信息，以及对所述目标血液标本进行RFID标签感应，得到第二标签识别信息；
对所述第一标签识别信息以及所述第二标签识别信息进行信息加密，得到标本加密信息；
若所述权限校验结果为权限校验通过，则对所述目标血液标本进行出库操作，并对所述目标医护人员和所述目标血液标本进行标本出库记录，得到标本出库记录信息，其中，所述标本出库记录信息包括：领用人信息、领用时间信息以及领用标本信息。
结合第一方面，在本发明第一方面的第四实施方式中，所述对所述标本加密信息进行信息解密，得到目标标本信息，并采集所述目标血液标本的标本理化信息，包括：
获取所述标本加密信息和预置解码信息之间的映射关系表；
根据所述映射关系表，对所述标本加密信息进行标本信息解密，得到目标标本信息；
采集所述目标血液标本的标本理化信息，其中，所述标本理化信息包括：温度信息以及湿度信息。
结合第一方面，在本发明第一方面的第五实施方式中，所述将所述目标标本信息和所述标本理化信息输入预置的标本信息检测模型进行标本信息检测，得到标本信息检测结果，包括：
对所述目标标本信息进行向量转换，得到第一标本向量，并对所述标本理化信息进行向量映射，得到第二标本向量；
对所述第一标本向量和所述第二标本向量进行向量融合，得到目标标本向量；
将所述目标标本向量输入预置的标本信息检测模型，其中，所述标本信息检测模型包括：双向门限循环网络、编解码网络以及预测层；
通过所述标本信息检测模型对所述目标标本向量进行特征提取以及标本信息检测，生成标本信息检测结果。
结合第一方面，在本发明第一方面的第六实施方式中，所述根据所述标本信息检测结果生成所述目标血液标本的标本异常信息，并根据所述标本异常信息生成所述目标血液标本的标本异常处理方案，包括：
对所述标本信息检测结果进行解析，得到目标解析列表，并对所述目标解析列表进行异常项提取，得到所述目标血液标本的标本异常信息，其中，所述标本异常信息包括：标本编号、异常项目、异常值以及异常时间；
根据所述标本异常信息生成标本异常报告，并根据所述标本异常报告从预置的多个候选异常处理方案中匹配所述目标血液标本的标本异常处理方案；
将所述标本异常处理方案传输至预置的物联网标本管理系统。
本发明第二方面提供了一种标本的自动识别管理装置，所述标本的自动识别管理装置包括：
接收模块，用于接收标本识别管理请求，并根据所述标本识别管理请求确定待处理的目标血液标本以及所述目标血液标本的基本参数信息；
识别模块，用于通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息；
校验模块，用于对所述基本参数信息和所述用户权限信息进行用户权限校验，得到权限校验结果；
读取模块，用于对所述目标血液标本进行标签信息读取，得到标本加密信息，并根据所述权限校验结果，对所述目标血液标本进行出库操作；
解密模块，用于对所述标本加密信息进行信息解密，得到目标标本信息，并采集所述目标血液标本的标本理化信息；
检测模块，用于将所述目标标本信息和所述标本理化信息输入预置的标本信息检测模型进行标本信息检测，得到标本信息检测结果；
生成模块，用于根据所述标本信息检测结果生成所述目标血液标本的标本异常信息，并根据所述标本异常信息生成所述目标血液标本的标本异常处理方案。
本发明第三方面提供了一种标本的自动识别管理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述标本的自动识别管理设备执行上述的标本的自动识别管理方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的标本的自动识别管理方法。
本发明提供的技术方案中，对目标医护人员进行用户权限识别，得到用户权限信息；对基本参数信息和用户权限信息进行用户权限校验，得到权限校验结果；对目标血液标本进行标签信息读取，得到标本加密信息，并根据权限校验结果，对目标血液标本进行出库操作；对标本加密信息进行信息解密，得到目标标本信息，并采集标本理化信息；将目标标本信息和标本理化信息输入标本信息检测模型进行标本信息检测，得到标本信息检测结果，本发明通过自动识别和自动化管理可以减少人为误操作和数据错误的出现，从而提高标本管理的安全性和准确性，实现标本的自动化存储、出库、取样等操作，从而减少人力物力的投入，提高管理的效率，进而实现了血液标本的智能管理并且提高了血液标本的出入库管理准确率。
附图说明
图1为本发明实施例中标本的自动识别管理方法的一个实施例示意图；
图2为本发明实施例中用户权限校验的流程图；
图3为本发明实施例中标签信息读取的流程图；
图4为本发明实施例中标本信息检测的流程图；
图5为本发明实施例中标本的自动识别管理装置的一个实施例示意图；
图6为本发明实施例中标本的自动识别管理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种标本的自动识别管理方法、装置、设备及存储介质，用于实现血液标本的智能管理并提高血液标本的出入库管理准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中标本的自动识别管理方法的一个实施例包括：
S101、接收标本识别管理请求，并根据标本识别管理请求确定待处理的目标血液标本以及目标血液标本的基本参数信息；
可以理解的是，本发明的执行主体可以为标本的自动识别管理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，服务器接收标本识别管理请求，并根据请求确定目标血液标本及其基本参数信息，是细胞分析领域中非常重要的一步。细胞分析仪通过接收标本识别管理请求来确定待处理的目标血液标本。通常，标本识别管理请求由细胞分析中心或其他相关机构发起，包括一些基本参数信息，如患者姓名、门诊号、标本编号等。根据标本识别管理请求中包含的基本参数信息，可以确定目标血液标本。例如，通过标本编号、标本类型等信息进行匹配，找到对应的目标血液标本。同时，系统需要对标本进行预处理，如样本标准化等。通过标本识别管理请求，可以得到目标血液标本的基本参数信息，如患者姓名、门诊号、标本编号等，这些信息可以在后续细胞分析和报告中使用。同时，系统也需要在预处理过程中获取标本的一些基本物理参数信息，如细胞大小、细胞形态等。例如，在进行血液细胞分析时，根据标本识别管理请求中的患者姓名、门诊号、标本编号等基本参数信息，可以确定待处理的目标血液标本。在获取目标血液标本后，系统需要对标本进行预处理，如进行样本标准化、荧光染色等操作。同时，系统需要获取目标血液标本的一些基本物理参数信息，例如细胞大小、细胞形态以及细胞表面标记物信息等。
S102、通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息；
具体的，服务器构建一个包含医护人员的信息的标本库。这个标本库可以包含照片、身份证信息、工作岗位、授权等信息。在收集医护人员的信息时，要确保数据的准确性，避免错误信息进入标本库。通过人脸识别或指纹识别等技术。设计权限系统，通过与医疗信息化系统相结合，实现标本库自动管理，医护人员在进入医院或科室时，系统自动读取医护人员的信息，判断其身份和权限。如果医护人员的权限不足，系统会提示需要其他人员的授权。医疗信息是关键信息，为确保数据的安全性，需要采取安全措施。可以采取防火墙、数据加密、权限控制等技术，尽可能保障医疗信息的安全。例如：该系统可以应用于不同的医院和科室中，例如在住院部和急诊科等地方，通过标本库识别医护人员的身份和权限。在执行医疗服务时，医护人员可以通过授权进行相关操作，如拿药、破胎、输液等操作。在数据安全方面，可以使用数据加密技术，只有授权人员可以进行相关操作，确保数据的安全性。
S103、对基本参数信息和用户权限信息进行用户权限校验，得到权限校验结果；
需要说明的是，在设计用户权限系统时，根据用户权限校验的逻辑，包括何时进行校验、采用如何的校验方法等。采用标准化的权限控制模型，如RBAC或ABAC可提高系统的安全性和灵活性。为进行权限校验，需要收集用户的基本参数信息和用户授权信息，如用户名、密码、角色、授权范围等信息。需要确保收集到的信息准确无误。根据用户权限系统的设计，对基本参数信息和用户授权信息进行权限校验。可以使用条件判断、加密签名或一些专业的校验工具进行权限校验处理，确保基本信息和用户权限信息的一致性。权限校验的结果可以是1或0，需要实现对这些结果的处理及返回响应。通常来说，权限校验结果会发送到前端，通过界面来展示给用户或其他系统。
S104、对目标血液标本进行标签信息读取，得到标本加密信息，并根据权限校验结果，对目标血液标本进行出库操作；
具体的，首先，采用专业的血液标本管理软件，利用该软件来实现血液标本的信息管理和操作管理功能，也可以管理血液标本的库存、出库记录等相关信息。同时可以将标本的加密信息存储在数据库中进行管理。通过权限校验模块来确认操作人员的身份和对目标血液标本的出库权限，只有具有相关权限的人员才能进行操作。操作人员可以采用密码、指纹等方式进行验证。通过读取血液标本上的QR码或条码等信息，识别目标标本的信息。在读取过程中，对标本的二维码或条码进行识别，并返回识别结果。根据标本上的加密信息可以识别标本的相关信息，如患者信息、采集日期、采集时间等数据。同时，还需对加密信息进行解密，以确保信息的安全和可读性。在标本加密信息确认无误的情况下，对目标血液标本进行出库操作。通过权限验证结果控制操作人员对标本的访问权限，避免未经授权的出库和访问操作。同时，可以记录操作人员的相关信息，以保留出库记录。例如：上述操作流程可以应用于临床生物样本库等领域，例如在医院或实验室中，通过血液标本管理软件进行血液样本信息管理，识别和加密解密标本的相关信息，以确保医学数据的安全性和完整性。同时，可以在软件中设定权限控制功能，以确保出库操作的合法性。操作人员除了身份验证外，系统还可以通过监控和防误操作技术进行风险识别，从而最大程度避免操作过程中可能发生的错误。
S105、对标本加密信息进行信息解密，得到目标标本信息，并采集目标血液标本的标本理化信息；
具体的，对加密信息进行解密，从而得到目标标本的相关信息。解密信息的过程通常需要使用密钥和算法来确保解密过程的正确性和安全性。在得到目标标本的相关信息后，可以对目标血液标本进行标本理化信息采集，如标本的颜色、透明度、浆液分离情况等相关信息。同时也可以进行常规的生化检测和检验，如血常规、肝功能、肾功能等测试。所有的操作需要根据行业内的相关规范进行。对得到的标本信息和理化信息进行管理和处理。可以采用数据库、文本文件和其他符合标准的方式进行存储和管理。此外，还可在数据之上建立专业的数据分析和处理模块，以实现更深入的数据分析和处理，为相关领域提供更为有力的技术支持。例如：上述操作流程可应用于临床实验室等领域，在这些领域中，可以利用解密技术获取标本加密信息，以进一步提取标本的相关信息和特性。同时，通过采集标本理化信息，可以更全面地了解目标血液标本的生理特征，并提高对标本的处理精度和准确性。
S106、将目标标本信息和标本理化信息输入预置的标本信息检测模型进行标本信息检测，得到标本信息检测结果；
具体的，采用统计学模型或深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）等模型检测目标标本的相应信息。目标标本信息需要进行预处理、清洗或转换，以适配所选模型的输入格式，通常文件中的文本、图片、声音等格式需要进行相应的预处理和转化，使其能够被检测模型所接收。通过采用指定模型和相应的工具或平台进行标本信息结构提取和特征提取。在模型设计过程中，应该根据需要选定相应的特征提取工具或算法，以便更好地提取标本信息。将目标标本信息和标本理化信息输入预置的标本信息检测模型中，对标本信息进行检测。在模型中输入标本信息的方式可根据模型需要和适应性来进行自定义，同时需要确保输入的标本信息的准确性和完整性。模型根据输入的标本信息进行检测并输出相应的检测结果。检测结果可能是具有可视化的图表、解释可读的标本状态信息等等，具体可根据模型的需求和实际应用场景来进行设置。
S107、根据标本信息检测结果生成目标血液标本的标本异常信息，并根据标本异常信息生成目标血液标本的标本异常处理方案。
具体的，服务器根据检测结果，从目标标本信息中提取出现异常的信息。可以通过自然语言处理、图像识别等技术对标本信息进行分析，找出异常的信息。标本异常信息的生成需要根据标本检测模型的实际需求，与异常情况有关的信息可以包括标本属性、采样时间、采样人员、异常类型等等。在生成标本异常信息之后，研究标本异常信息的类型、来源及危害程度并根据根据检测结果进行分析，判断该异常是否影响到标本的使用，然后制定出相应的处理方案。根据异常情况，制定标本的异常处理方案，可能会考虑是否销毁标本，是否重新采集标本等等。在处理方案的制定过程中，需要考虑实际应用情况和相关规定，以确保对标本的处理符合标准和规定。根据标本检测结果生成和异常信息分析后，使用相应的标本处理方案来处理标本异常。在执行方案的过程中，需要有具有相应资质和许可的操作人员参与，避免发生一系列的错误。在处理标本异常时，需要准确地记录过程和结果以保留处理记录。可以采用表单等方式进行记录，并在处理完成后对异常标本进行报告，以确保下一步的使用使其更加安全。例如：上述操作流程在医院、环境保护等领域将会应用到极致，如在医院领域，标本异常的处理可以避免医疗签名的假冒、挪动、错误等异常，从而能够对病人的安全起到重要的作用；在环境保护领域，可以根据标本的异常信息来判断大气中特定污染物的来源及危害程度，以采取适当的措施来减少污染物的释放。
本发明实施例中，对目标医护人员进行用户权限识别，得到用户权限信息；对基本参数信息和用户权限信息进行用户权限校验，得到权限校验结果；对目标血液标本进行标签信息读取，得到标本加密信息，并根据权限校验结果，对目标血液标本进行出库操作；对标本加密信息进行信息解密，得到目标标本信息，并采集标本理化信息；将目标标本信息和标本理化信息输入标本信息检测模型进行标本信息检测，得到标本信息检测结果，本发明通过自动识别和自动化管理可以减少人为误操作和数据错误的出现，从而提高标本管理的安全性和准确性，实现标本的自动化存储、出库、取样等操作，从而减少人力物力的投入，提高管理的效率，进而实现了血液标本的智能管理并且提高了血液标本的出入库管理准确率。
在一具体实施例中，执行步骤S102的过程可以具体包括如下步骤：
（1）通过预置的标本自动管理库，采集目标医护人员的人脸图像，并对人脸图像进行信息识别，得到第一权限信息；
（2）对目标医护人员进行虹膜识别，得到第二权限信息，以及对目标医护人员进行密码识别，得到第三权限信息；
（3）根据第一权限信息、第二权限信息以及第三权限信息生成目标医护人员的用户权限信息。
具体的，服务器通过人脸识别技术，对医护人员的人脸图像进行识别和检测。根据实际应用场景和安全需求，可以选择不同的人脸识别技术，例如基于深度学习的人脸识别技术、基于统计方法的人脸识别技术等。通过人脸识别技术，对医护人员的人脸图像进行信息识别。根据人脸图像中的特征，如脸部轮廓、面部特征等，进行准确的人脸识别和人脸图像的信息提取。
在对人脸图像进行信息识别之后，可以得到医护人员的第一权限信息。这些信息可能包括姓名、职称、工作单位等。将得到的第一权限信息存储在管理库中，为下一步的管理和应用做出准备。同时，还需要输出识别结果，以便操作人员查看。例如：上述操作流程可应用于医院、药店、诊所等医疗领域。例如在医院，医护人员可以在管理库中预先注册其人脸图像和第一权限信息，而在进行进入、出门、审批放行等操作时，只需进行人脸图像信息识别即可，方便快捷且安全。此外，在药房中，通过采用类似的技术，也可以做到自动识别医护人员身份，从而更好地保护病人的安全和药品质量。虹膜识别是一种生物识别技术，可用于鉴别人体虹膜的唯一性，以实现自动身份识别。该技术可以通过相应的软件和硬件设备，如虹膜扫描器或摄像机，对目标医护人员的虹膜进行识别。密码识别是指通过相应的软件和硬件设备对目标医护人员的密码进行识别。可以通过输入密码或扫描手指等方式进行身份识别。通过虹膜识别技术和密码识别技术，可以得到目标医护人员的第二和第三权限信息。这些信息可能包括虹膜图像或密码等等。在得到第一、第二和第三权限信息之后，可以生成目标医护人员的用户权限信息。在生成用户权限信息时，需要根据实际需求和场景进行设置，以确定该用户可以执行哪些操作或访问哪些资源。例如，医护人员可能根据他们的角色和级别获得不同的权限，以执行不同的任务和操作。将生成的用户权限信息存储到相应的管理库中。在存储用户权限信息的同时，还需要输出相应的信息，以便操作人员查看。例如，医院可以采用虹膜识别技术和密码识别技术，对医护人员进行身份识别，以确定他们的第二和第三权限信息。通过生成用户权限信息，医院可以根据医护人员的角色和身份，来管理不同的任务和操作。例如，只有拥有特定权限的医生才能查看和管理病人的医疗记录，只有拥有特定权限的护士才能执行特定的护理工作。这样可以确保医院中的安全管理，保障病人和医护人员的安全。
在一具体实施例中，如图2所示，执行步骤S103的过程可以具体包括如下步骤：
S201、对基本参数信息进行参数编码，得到第一编码信息，并对用户权限信息进行编码转换，得到第二编码信息；
S202、提取第一编码信息中的多个第一编码元素，以及提取第二编码信息中的多个第二编码元素；
S203、分别计算每个第一编码元素在第二编码信息的编码空间中对应的命中率，得到多个第一命中率，以及分别计算每个第二编码元素在第一编码信息的编码空间中对应的命中率，得到多个第二命中率；
S204、计算多个第一命中率的第一平均值，并对多个第一命中率和第一平均值进行比较，得到多个第一比较结果，以及计算多个第二命中率的第二平均值，并对多个第二命中率和第二平均值进行比较，得到多个第二比较结果；
S205、获取多个第一比较结果中第一命中率超过第一平均值的数量，得到第一目标数量，以及获取多个第二比较结果中第二命中率超过第二平均值的数量，得到第二目标数量；
S206、分别判断第一目标数量和第二目标数量是否超过预设目标值，得到目标判断结果，并根据目标判断结果生成权限校验结果，其中，权限校验结果包括：权限校验通过以及权限校验不通过。
具体的，服务器参数编码是将原始数据转换为一定的编码格式，以方便后续处理或存储。在本方案中，需要对基本参数信息和用户权限信息进行参数编码，以得到第一和第二编码信息。编码转换是指将一种编码格式转换为另一种编码格式。在本方案中，对用户权限信息进行编码转换，以得到第二编码信息。第一编码信息和第二编码信息可能包含多个编码元素。在本方案中，从第一和第二编码信息中提取多个编码元素，以计算命中率。在本方案中，根据提取的第一和第二编码元素计算命中率。计算命中率可以通过以下步骤进行：将第一和第二编码信息表示为数学空间中的向量；对于每个第一编码元素，计算其在第二编码空间中对应的命中率；对于每个第二编码元素，计算其在第一编码空间中对应的命中率。
举例说明：假设有两个用户权限信息（A和B），分别包含以下参数信息：
A:{id:1,name:Jack,age:30,gender:male,role:doctor}
B:{id:2,name:Sarah,age:25,gender:female,role:nurse}
首先，将这些基本参数信息进行编码，以得到第一编码信息。例如，可以通过哈希函数或其他编码算法将“Jack”转换为“j15”、“Sarah”转换为“s36”等等。接下来，需要将用户权限信息进行编码转换，以得到第二编码信息。例如，可以将“doctor”转换为“d1”，将“nurse”转换为“n2”，以此类推。
然后，从第一和第二编码信息中提取编码元素。例如，可以从第一编码信息中提取“j15”和“s36”，从第二编码信息中提取“d1”和“n2”。最后，可以根据第一和第二编码元素分别计算命中率，以确定其相似程度。对多个第一和第二命中率进行平均值计算。这可以通过将所有命中率相加，然后除以命中率的数量来实现。将所有第一和第二命中率与平均数进行比较，以确定哪些命中率大于平均值。这可以通过将每个命中率与平均值相减，然后比较结果来实现。如果结果大于零，则命中率大于平均值；如果结果等于零，则命中率等于平均值；如果结果小于零，则命中率小于平均值。计算所有大于平均值的命中率的数量。这可以通过循环比较命中率和平均值，然后对大于平均值的命中率进行计数来实现。将计算出的目标数量与预设目标值进行比较，以确定是否达到了目标。如果目标数量大于等于预设目标值，则权限校验通过；否则，权限校验不通过。
在一具体实施例中，如图3所示，执行步骤S104的过程可以具体包括如下步骤：
S301、对目标血液标本进行二维码标签识别，得到第一标签识别信息，以及对目标血液标本进行RFID标签感应，得到第二标签识别信息；
S302、对第一标签识别信息以及第二标签识别信息进行信息加密，得到标本加密信息；
S303、若权限校验结果为权限校验通过，则对目标血液标本进行出库操作，并对目标医护人员和目标血液标本进行标本出库记录，得到标本出库记录信息，其中，标本出库记录信息包括：领用人信息、领用时间信息以及领用标本信息。
需要说明的是，二维码标签识别技术是将二维码图像转换为数字代码的技术。在本方案中，对目标血液标本中的二维码进行标签识别，以得到第一标签识别信息。这可以通过使用计算机视觉算法来实现，例如OpenCV等。RFID标签感应技术是一种通过电磁场感应技术读取或写入RFID标签中的数据的技术。在本方案中，对目标血液标本中的RFID标签进行感应，以得到第二标签识别信息。例如：假设有一份标注了二维码和RFID标签的目标血液标本，对目标血液标本中的二维码和RFID标签进行识别和感应，以获得第一和第二标签识别信息。例如，可以使用二维码扫描仪对标本上的二维码进行扫描，然后将扫描结果转换为数字代码；或者可以使用RFID标签读写器对标本上的RFID标签进行感应，然后读取标签中的数据。
信息加密是将信息转换为不可读的代码，以保护信息不被未授权人员访问的过程。在本方案中，对第一和第二标签识别信息进行信息加密，以实现标本加密。通过使用加密算法（例如AES加密算法）来实现。目标血液标本出库操作是指将目标血液标本从库存中移出的过程。在本方案中，在权限校验通过的情况下，对目标血液标本进行出库操作，并记录标本出库记录信息。标本出库记录信息是对目标血液标本出库过程进行记录的相关信息，包括领用人信息、领用时间信息以及领用标本信息。例如：假设已经完成对目标血液标本中的二维码和RFID标签的识别和感应，得到了第一和第二标签识别信息。同时，假设已经获得了授权，即权限校验通过。对第一和第二标签识别信息进行信息加密，以实现标本加密。例如，可以使用AES加密算法对第一和第二标签识别信息进行加密，并将加密结果保存为标本加密信息，对目标血液标本进行出库操作。例如，可以使用指定的出库工具将标本从库存中移出，以完成出库操作，记录标本出库记录信息，包括领用人信息、领用时间信息以及领用标本信息。例如，可以通过业务系统完成领用人信息和领用时间的记录，并将标本加密信息与出库记录信息一并保存到数据库中。
在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：
（1）获取标本加密信息和预置解码信息之间的映射关系表；
（2）根据映射关系表，对标本加密信息进行标本信息解密，得到目标标本信息；
（3）采集目标血液标本的标本理化信息，其中，标本理化信息包括：温度信息以及湿度信息。
具体的，获取映射关系表是指建立标本加密信息和预置解码信息之间的对应关系表，以实现信息解密的过程。这可以通过使用定义特定数据格式和加密规则的编程语言来实现。标本信息解密是指根据映射关系表，对标本加密信息进行解密，以获取目标标本信息的过程。这可以通过使用解密算法（例如AES解密算法）来实现。标本理化信息采集是指对目标血液标本温度和湿度等相关信息进行采集和记录的过程。这可以通过使用相应的传感器和数据采集设备来实现。获取标本加密信息和预置解码信息之间的映射关系表；根据映射关系表，对标本加密信息进行标本信息解密，以获取目标标本信息；采集目标血液标本的标本理化信息，包括温度信息以及湿度信息。
例如：假设在对目标血液标本的出库操作之后，并获取了标本加密信息和预置解码信息之间的映射关系表。此时，需要执行以下操作：获取标本加密信息和预置解码信息之间的映射关系表。例如，可以使用C++或Python等编程语言编写程序，将标本加密信息和预置解码信息进行映射，并生成相应的关系表；根据映射关系表，对标本加密信息进行标本信息解密，以获取目标标本信息。例如，可以使用AES解密算法对标本加密信息进行解密，并根据映射关系表将解密结果映射为目标标本信息；采集目标血液标本的标本理化信息。例如，可以使用温湿度传感器等设备对标本所处环境的温度和湿度进行实时监测，并将监测结果保存到相应的数据库中。通过这些步骤，可以获取目标标本的原始信息，并记录标本所处环境的状态信息，为后续分析和处理提供支持。
在一具体实施例中，如图4所示，执行步骤S106的过程可以具体包括如下步骤：
S401、对目标标本信息进行向量转换，得到第一标本向量，并对标本理化信息进行向量映射，得到第二标本向量；
S402、对第一标本向量和第二标本向量进行向量融合，得到目标标本向量；
S403、将目标标本向量输入预置的标本信息检测模型，其中，标本信息检测模型包括：双向门限循环网络、编解码网络以及预测层；
S404、通过标本信息检测模型对目标标本向量进行特征提取以及标本信息检测，生成标本信息检测结果。
具体的，目标标本信息的向量转换和向量映射是将标本信息和标本理化信息转换为向量形式，方便后续的处理和分析。使用基础的数据处理工具如NumPy和Pandas，对标本信息和标本理化信息进行向量转换和向量映射。例如，将目标标本的各项信息分别进行向量化处理，然后将它们合并为一个目标标本向量。向量的融合是将多个向量合并为一个综合向量的过程。在实际操作中，采用线性加权平均法或者主成分分析等方法进行向量融合。例如，将第一标本向量和第二标本向量进行适当的加权合并，得到目标标本向量。这样，在后续的处理和分析中，就可以使用目标标本向量进行处理，实现更高效的操作和优化。例如，使用NumPy和Pandas对目标标本信息进行向量转换和向量映射，得到第一标本向量和第二标本向量。然后，采用线性加权平均法将两个向量进行加权平均，得到目标标本向量。在具体实现中，在程序中设置加权系数，根据具体返回值进行融合处理。
首先，建立标本信息检测模型需要三个主要组件：双向门限循环网络(Bi-directional Threshold Recurrent Neural Network,BTRNN)、编解码网络(AutoencoderNetwork)和预测层(Prediction Layer)。这些组件都有不同的功能，下面，对它们一一加以解释：BTRNN是一种适用于时间序列数据的循环神经网络模型。它包含了两个独立、相反方向的循环网络，分别对前向和后向的信息进行建模，并使用门限机制来控制每个时间步骤的信息流程，它可以将输入数据压缩为较小的特征向量，并且可以从该压缩表示中重构出原始输入数据。这个过程类似于压缩和解压缩文件的过程，并且可以帮助模型减少特征维度的大小。根据模型输入来预测输出，并且将模型的输出调整为目标格式。在这个任务中，可以使用一个具有二元输出的softmax层，表示样本是否具有“信息”或“非信息”两种类别。在模型建立之后，将目标标本向量(inputvector)输入到模型中，然后执行标本信息检测，以生成标本信息检测结果(output result)。这个过程主要包括以下步骤：将目标标本向量(input vector)输入到BTRNN中，从而分别建模其顺序和逆序信息并提取其特征向量(feature vector)。该特征向量可以捕捉目标标本向量中的时间序列模式和上下文信息。将特征向量(input feature vector)输入到Autoencoder Network中，从而将其压缩为较小的特征向量(encode vector)。此外，将该压缩特征向量解码(decoding)，以恢复原始的特征向量。解压缩后再将其输入到Prediction Layer中，生成二元的输出结果(outputresult)。这个过程可以检测标本信息，并生成标本信息检测结果。一旦标本信息检测模型建立好了，将它用于不同的标本检测任务中，并分析和评估其性能。通常，使用如下的指标来评估模型的性能：在二元分类检测任务中，模型正确分类的标本数除以总标本数的比例。在二元分类检测任务中，所有分类为“信息”的标本中，实际属于“信息”的标本数与总分类为“信息”的标本数的比例。在二元分类检测任务中，所有实际为“信息”的标本中，模型正确分类为“信息”的标本数与总实际为“信息”的标本数的比例。F1得分越高，表明模型效果越好。
在一具体实施例中，执行步骤S107的过程可以具体包括如下步骤：
（1）对标本信息检测结果进行解析，得到目标解析列表，并对目标解析列表进行异常项提取，得到目标血液标本的标本异常信息，其中，标本异常信息包括：标本编号、异常项目、异常值以及异常时间；
（2）根据标本异常信息生成标本异常报告，并根据标本异常报告从预置的多个候选异常处理方案中匹配目标血液标本的标本异常处理方案；
（3）将标本异常处理方案传输至预置的物联网标本管理系统。
具体的，使用涉及到标本信息的特定API，比如检查标本编号以及标本采集时间，确保标本信息检测结果正确。将标本信息检测结果与其他相关数据整合，从而生成目标解析列表。这个列表包括了对标本特征的描述，以及对标本是否有异常的判断。检查每一条目标解析列表中的标本编号，以确保它们与预置的标本信息一致，从目标解析列表中识别异常检测结果。比如，可以使用阈值法或其他机器学习技术来检测异常。提取异常项的相关信息，包括异常项目名称、异常值、异常时间等。这样可以得到目标血液标本的标本异常信息。检查每一条目标解析列表中的标本编号，以确保它们与预置的标本信息一致，从目标解析列表中识别异常检测结果。比如，可以使用阈值法或其他机器学习技术来检测异常。提取异常项的相关信息，包括异常项目名称、异常值、异常时间等。这样可以得到目标血液标本的标本异常信息。考虑标本的特定条件和限制，比如标本类型、特定检测方法、人工干预的可能性以及费用等。评估每个候选异常处理方案，然后选择最适合当前标本异常报告的处理方案。将异常处理方案转换为标准格式，以便它与物联网标本管理系统相匹配。将已选择的异常处理方案传输给物联网标本管理系统，这样它就可以开始执行异常处理过程。
上面对本发明实施例中标本的自动识别管理方法进行了描述，下面对本发明实施例中标本的自动识别管理装置进行描述，请参阅图5，本发明实施例中标本的自动识别管理装置一个实施例包括：
接收模块501，用于接收标本识别管理请求，并根据所述标本识别管理请求确定待处理的目标血液标本以及所述目标血液标本的基本参数信息；
识别模块502，用于通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息；
校验模块503，用于对所述基本参数信息和所述用户权限信息进行用户权限校验，得到权限校验结果；
读取模块504，用于对所述目标血液标本进行标签信息读取，得到标本加密信息，并根据所述权限校验结果，对所述目标血液标本进行出库操作；
解密模块505，用于对所述标本加密信息进行信息解密，得到目标标本信息，并采集所述目标血液标本的标本理化信息；
检测模块506，用于将所述目标标本信息和所述标本理化信息输入预置的标本信息检测模型进行标本信息检测，得到标本信息检测结果；
生成模块507，用于根据所述标本信息检测结果生成所述目标血液标本的标本异常信息，并根据所述标本异常信息生成所述目标血液标本的标本异常处理方案。
通过上述各个组成部分的协同合作，对目标医护人员进行用户权限识别，得到用户权限信息；对基本参数信息和用户权限信息进行用户权限校验，得到权限校验结果；对目标血液标本进行标签信息读取，得到标本加密信息，并根据权限校验结果，对目标血液标本进行出库操作；对标本加密信息进行信息解密，得到目标标本信息，并采集标本理化信息；将目标标本信息和标本理化信息输入标本信息检测模型进行标本信息检测，得到标本信息检测结果，本发明通过自动识别和自动化管理可以减少人为误操作和数据错误的出现，从而提高标本管理的安全性和准确性，实现标本的自动化存储、出库、取样等操作，从而减少人力物力的投入，提高管理的效率，进而实现了血液标本的智能管理并且提高了血液标本的出入库管理准确率。
上面图5从模块化功能实体的角度对本发明实施例中的标本的自动识别管理装置进行详细描述，下面从硬件处理的角度对本发明实施例中标本的自动识别管理设备进行详细描述。
图6是本发明实施例提供的一种标本的自动识别管理设备的结构示意图，该标本的自动识别管理设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对标本的自动识别管理设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在标本的自动识别管理设备600上执行存储介质630中的一系列指令操作。
标本的自动识别管理设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，MacOS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的标本的自动识别管理设备结构并不构成对标本的自动识别管理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种标本的自动识别管理设备，所述标本的自动识别管理设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述标本的自动识别管理方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述标本的自动识别管理方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（randomacceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种标本的自动识别管理方法，其特征在于，所述标本的自动识别管理方法包括：
接收标本识别管理请求，并根据所述标本识别管理请求确定待处理的目标血液标本以及所述目标血液标本的基本参数信息；
通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息；
对所述基本参数信息和所述用户权限信息进行用户权限校验，得到权限校验结果；具体包括：对所述基本参数信息进行参数编码，得到第一编码信息，并对所述用户权限信息进行编码转换，得到第二编码信息；提取所述第一编码信息中的多个第一编码元素，以及提取所述第二编码信息中的多个第二编码元素；分别计算每个第一编码元素在所述第二编码信息的编码空间中对应的命中率，得到多个第一命中率，以及分别计算每个第二编码元素在所述第一编码信息的编码空间中对应的命中率，得到多个第二命中率；计算所述多个第一命中率的第一平均值，并对所述多个第一命中率和所述第一平均值进行比较，得到多个第一比较结果，以及计算所述多个第二命中率的第二平均值，并对所述多个第二命中率和所述第二平均值进行比较，得到多个第二比较结果；获取所述多个第一比较结果中所述第一命中率超过所述第一平均值的数量，得到第一目标数量，以及获取所述多个第二比较结果中所述第二命中率超过所述第二平均值的数量，得到第二目标数量；分别判断所述第一目标数量和所述第二目标数量是否超过预设目标值，得到目标判断结果，并根据所述目标判断结果生成权限校验结果，其中，所述权限校验结果包括：权限校验通过以及权限校验不通过；
对所述目标血液标本进行标签信息读取，得到标本加密信息，并根据所述权限校验结果，对所述目标血液标本进行出库操作；
对所述标本加密信息进行信息解密，得到目标标本信息，并采集所述目标血液标本的标本理化信息；
将所述目标标本信息和所述标本理化信息输入预置的标本信息检测模型进行标本信息检测，得到标本信息检测结果；具体包括：对所述目标标本信息进行向量转换，得到第一标本向量，并对所述标本理化信息进行向量映射，得到第二标本向量；对所述第一标本向量和所述第二标本向量进行向量融合，得到目标标本向量；将所述目标标本向量输入预置的标本信息检测模型，其中，所述标本信息检测模型包括：双向门限循环网络、编解码网络以及预测层；通过所述标本信息检测模型对所述目标标本向量进行特征提取以及标本信息检测，生成标本信息检测结果；
根据所述标本信息检测结果生成所述目标血液标本的标本异常信息，并根据所述标本异常信息生成所述目标血液标本的标本异常处理方案。
2.根据权利要求1所述的标本的自动识别管理方法，其特征在于，通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息，包括：
通过预置的标本自动管理库，采集目标医护人员的人脸图像，并对所述人脸图像进行信息识别，得到第一权限信息；
对所述目标医护人员进行虹膜识别，得到第二权限信息，以及对所述目标医护人员进行密码识别，得到第三权限信息；
根据所述第一权限信息、所述第二权限信息以及所述第三权限信息生成所述目标医护人员的用户权限信息。
3.根据权利要求1所述的标本的自动识别管理方法，其特征在于，对所述目标血液标本进行标签信息读取，得到标本加密信息，并根据所述权限校验结果，对所述目标血液标本进行出库操作，包括：
对所述目标血液标本进行二维码标签识别，得到第一标签识别信息，以及对所述目标血液标本进行RFID标签感应，得到第二标签识别信息；
对所述第一标签识别信息以及所述第二标签识别信息进行信息加密，得到标本加密信息；
若所述权限校验结果为权限校验通过，则对所述目标血液标本进行出库操作，并对所述目标医护人员和所述目标血液标本进行标本出库记录，得到标本出库记录信息，其中，所述标本出库记录信息包括：领用人信息、领用时间信息以及领用标本信息。
4.根据权利要求1所述的标本的自动识别管理方法，其特征在于，对所述标本加密信息进行信息解密，得到目标标本信息，并采集所述目标血液标本的标本理化信息，包括：
获取所述标本加密信息和预置解码信息之间的映射关系表；
根据所述映射关系表，对所述标本加密信息进行标本信息解密，得到目标标本信息；
采集所述目标血液标本的标本理化信息，其中，所述标本理化信息包括：温度信息以及湿度信息。
5.根据权利要求1所述的标本的自动识别管理方法，其特征在于，根据所述标本信息检测结果生成所述目标血液标本的标本异常信息，并根据所述标本异常信息生成所述目标血液标本的标本异常处理方案，包括：
对所述标本信息检测结果进行解析，得到目标解析列表，并对所述目标解析列表进行异常项提取，得到所述目标血液标本的标本异常信息，其中，所述标本异常信息包括：标本编号、异常项目、异常值以及异常时间；
根据所述标本异常信息生成标本异常报告，并根据所述标本异常报告从预置的多个候选异常处理方案中匹配所述目标血液标本的标本异常处理方案；
将所述标本异常处理方案传输至预置的物联网标本管理系统。
6.一种标本的自动识别管理装置，其特征在于，所述标本的自动识别管理装置包括：
接收模块，用于接收标本识别管理请求，并根据所述标本识别管理请求确定待处理的目标血液标本以及所述目标血液标本的基本参数信息；
识别模块，用于通过预置的标本自动管理库对目标医护人员进行用户权限识别，得到用户权限信息；
校验模块，用于对所述基本参数信息和所述用户权限信息进行用户权限校验，得到权限校验结果；具体包括：对所述基本参数信息进行参数编码，得到第一编码信息，并对所述用户权限信息进行编码转换，得到第二编码信息；提取所述第一编码信息中的多个第一编码元素，以及提取所述第二编码信息中的多个第二编码元素；分别计算每个第一编码元素在所述第二编码信息的编码空间中对应的命中率，得到多个第一命中率，以及分别计算每个第二编码元素在所述第一编码信息的编码空间中对应的命中率，得到多个第二命中率；计算所述多个第一命中率的第一平均值，并对所述多个第一命中率和所述第一平均值进行比较，得到多个第一比较结果，以及计算所述多个第二命中率的第二平均值，并对所述多个第二命中率和所述第二平均值进行比较，得到多个第二比较结果；获取所述多个第一比较结果中所述第一命中率超过所述第一平均值的数量，得到第一目标数量，以及获取所述多个第二比较结果中所述第二命中率超过所述第二平均值的数量，得到第二目标数量；分别判断所述第一目标数量和所述第二目标数量是否超过预设目标值，得到目标判断结果，并根据所述目标判断结果生成权限校验结果，其中，所述权限校验结果包括：权限校验通过以及权限校验不通过；
读取模块，用于对所述目标血液标本进行标签信息读取，得到标本加密信息，并根据所述权限校验结果，对所述目标血液标本进行出库操作；
解密模块，用于对所述标本加密信息进行信息解密，得到目标标本信息，并采集所述目标血液标本的标本理化信息；
检测模块，用于将所述目标标本信息和所述标本理化信息输入预置的标本信息检测模型进行标本信息检测，得到标本信息检测结果；具体包括：对所述目标标本信息进行向量转换，得到第一标本向量，并对所述标本理化信息进行向量映射，得到第二标本向量；对所述第一标本向量和所述第二标本向量进行向量融合，得到目标标本向量；将所述目标标本向量输入预置的标本信息检测模型，其中，所述标本信息检测模型包括：双向门限循环网络、编解码网络以及预测层；通过所述标本信息检测模型对所述目标标本向量进行特征提取以及标本信息检测，生成标本信息检测结果；
生成模块，用于根据所述标本信息检测结果生成所述目标血液标本的标本异常信息，并根据所述标本异常信息生成所述目标血液标本的标本异常处理方案。
7.一种标本的自动识别管理设备，其特征在于，所述标本的自动识别管理设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述标本的自动识别管理设备执行如权利要求1-5中任一项所述的标本的自动识别管理方法。
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-5中任一项所述的标本的自动识别管理方法。
CN202310787231.0A 2023-06-30 2023-06-30 标本的自动识别管理方法、装置、设备及存储介质 Active CN116523444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310787231.0A CN116523444B (zh) 2023-06-30 2023-06-30 标本的自动识别管理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310787231.0A CN116523444B (zh) 2023-06-30 2023-06-30 标本的自动识别管理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116523444A CN116523444A (zh) 2023-08-01
CN116523444B true CN116523444B (zh) 2023-12-01

Family

ID=87390512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310787231.0A Active CN116523444B (zh) 2023-06-30 2023-06-30 标本的自动识别管理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116523444B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1808461A (zh) * 2005-01-19 2006-07-26 陈燕 血液中心自动识别系统
CN101551878A (zh) * 2008-03-31 2009-10-07 北京中食新华科技有限公司 一种基于无线射频标签的农产品物流方法
CN104459172A (zh) * 2014-11-28 2015-03-25 武汉兰丁医学高科技有限公司 一种自动化骨髓样本处理装置及其自动化分析、阅片方法
EP3640875A1 (en) * 2018-10-18 2020-04-22 B.M.D. S.p.A. A collection, management, traceability and analysis system of specimens and of corresponding specific data
CN111680945A (zh) * 2020-05-11 2020-09-18 西安子国微科技有限公司 一种基于rfid与人脸识别技术的智能出库管理系统
CN112329057A (zh) * 2020-11-03 2021-02-05 平安信托有限责任公司 文档管理方法、装置、设备及计算机可读存储介质
CN114282882A (zh) * 2021-11-15 2022-04-05 深圳市东信时代信息技术有限公司 素材工单审核方法、装置、设备及存储介质
US11321843B1 (en) * 2020-12-29 2022-05-03 Rewire Neuro, Inc. Adaptive machine learning system for image based biological sample constituent analysis

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140335505A1 (en) * 2011-09-25 2014-11-13 Theranos, Inc. Systems and methods for collecting and transmitting assay results

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1808461A (zh) * 2005-01-19 2006-07-26 陈燕 血液中心自动识别系统
CN101551878A (zh) * 2008-03-31 2009-10-07 北京中食新华科技有限公司 一种基于无线射频标签的农产品物流方法
CN104459172A (zh) * 2014-11-28 2015-03-25 武汉兰丁医学高科技有限公司 一种自动化骨髓样本处理装置及其自动化分析、阅片方法
EP3640875A1 (en) * 2018-10-18 2020-04-22 B.M.D. S.p.A. A collection, management, traceability and analysis system of specimens and of corresponding specific data
CN111680945A (zh) * 2020-05-11 2020-09-18 西安子国微科技有限公司 一种基于rfid与人脸识别技术的智能出库管理系统
CN112329057A (zh) * 2020-11-03 2021-02-05 平安信托有限责任公司 文档管理方法、装置、设备及计算机可读存储介质
US11321843B1 (en) * 2020-12-29 2022-05-03 Rewire Neuro, Inc. Adaptive machine learning system for image based biological sample constituent analysis
CN114282882A (zh) * 2021-11-15 2022-04-05 深圳市东信时代信息技术有限公司 素材工单审核方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN116523444A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CA2606033C (en) Intelligent medical chart capture system
US20210174914A1 (en) Procedure for the global unified registration and universal identification of donors
US20130208952A1 (en) Method and Apparatus for Improving Accuracy of Biometric Identification in Specimen Collection Applications
CN110852894A (zh) 保险核保方法及装置、计算机存储介质、电子设备
CN111783663A (zh) 一种用于人证核验设备性能检测的算法测评系统及检测方法
US20130030838A1 (en) Unified Medical Record Retrieval
Monteiro et al. A de-identification pipeline for ultrasound medical images in DICOM format
CN111859451B (zh) 多源多模态数据的处理系统及应用该系统的方法
JP7101659B2 (ja) 静脈網に基づく生体認証システム、およびツリー構造の唯一で反証可能性のないエンコーディング、及び関連する方法
CN116308366A (zh) 一种支付安全监控处理方法、系统及存储介质
CN116523444B (zh) 标本的自动识别管理方法、装置、设备及存储介质
CN113470775A (zh) 信息采集方法、装置、设备及存储介质
CN117438086A (zh) 一种云平台的健康档案系统和方法
JP2013072693A (ja) 検体の取り違え防止方法
JP3226750B2 (ja) 検査システム
CN116108906A (zh) 疾病药品关系映射模型训练及相关推荐、检测方法和装置
CN116487066A (zh) 一种临床试验数据监控方法、系统和电子设备
CN110580939A (zh) 用于提供第二医疗数据记录的方法和系统
CN116055211A (zh) 基于神经网络用于身份识别并自动登录应用的方法与系统
CN114203312B (zh) 结合大数据智慧医疗的数字化医疗服务分析方法及服务器
CN108847281A (zh) 体检数据的处理方法、装置及电子设备
CN112990404B (zh) 样本标识码图案的生成方法及装置、获取方法及电子设备
Dorizzi Biometrics at the frontiers, assessing the impact on Society Technical impact of Biometrics
CN114783557A (zh) 肿瘤患者数据的处理方法和装置、存储介质及处理器
CN113850260A (zh) 关键信息抽取方法、装置、电子设备及可读存储介质

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