CN117110268A - 多模态容错性试纸检测方法、装置、设备及存储介质 - Google Patents
多模态容错性试纸检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117110268A CN117110268A CN202311144587.9A CN202311144587A CN117110268A CN 117110268 A CN117110268 A CN 117110268A CN 202311144587 A CN202311144587 A CN 202311144587A CN 117110268 A CN117110268 A CN 117110268A
- Authority
- CN
- China
- Prior art keywords
- detection
- value
- blank
- brightness
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 410
- 238000012360 testing method Methods 0.000 title claims abstract description 124
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 40
- 239000003153 chemical reaction reagent Substances 0.000 claims description 58
- 238000003908 quality control method Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000007621 cluster analysis Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000009897 systematic effect Effects 0.000 claims description 6
- 210000002700 urine Anatomy 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 239000007788 liquid Substances 0.000 description 6
- 239000012042 active reagent Substances 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000001917 fluorescence detection Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000008260 defense mechanism Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000007259 addition reaction Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 239000010800 human waste Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
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
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6402—Atomic fluorescence; Laser induced fluorescence
-
- 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
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/493—Physical analysis of biological material of liquid biological material urine
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Urology & Nephrology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biophysics (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
本发明实施例涉及试纸检测技术领域，公开了一种多模态容错性试纸检测方法、装置、设备及存储介质，该方法包括：获取空白区的第一空白亮度值以及每个检测块的第一检测亮度值；获取加样后的空白区的第二空白亮度值以及每个检测块的第二检测亮度值；对每个第二检测亮度值进行分析以得到有效检测块集的每一检测块的有效块集特征值；根据第一空白亮度值、第二空白亮度值、第一检测亮度值以及第二检测亮度值计算检测块的系统整体误差；当系统整体误差小于或等于预设误差标准值时，根据预存的检测项定量标准特征以及有效块集特征值确定所在检测块的样品检测结果,从而能在不进行设备校准时能够快速准确的得到试纸检测结果。
Description
技术领域
本发明实施试纸检测技术领域，具体涉及一种多模态容错性试纸检测方法、装置、设备及存储介质。
背景技术
尿液是一种能表征生理信息的人体排泄物，其中包含重要的生理和病理信息，因此在临床上尿常规检查十分重要，它主要通过物理检查或化学检查包括尿液颜色、透明度、pH值、红细胞和尿蛋白等指标的检测值来对患者进行诊断。
尿常规检测中，传统荧光检测设备是通过采集检测标准品的光电信号强度，基于拟合参照系统的标准曲线，换算被测物质的浓度。传统荧光检测设备成本高、人工校准过程复杂，使得非专业人员较难通过传统荧光检测设备获得准确的检测结果。
发明内容
鉴于上述问题，本发明实施例提供了一种多模态容错性试纸检测方法，用于解决现有技术中进行尿常规检测操作的技术门槛较高的技术问题。
根据本发明实施例的一个方面，提供了一种多模态容错性试纸检测方法，所述多模态容错性试纸包括空白区以及检测区，所述检测区包括至少两个检测块且所述检测块互相独立；
所述方法包括：
获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值，所述第一检测亮度值在所述多模态容错性试纸进行第一次整体环境校准后获取；
获取加样后的所述空白区的第二空白亮度值以及所述检测区的每个检测块的第二检测亮度值，所述第二检测亮度值在所述多模态容错性试纸进行第二次整体环境校准后获取；
对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值；
对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差；
当确定的所述系统整体误差小于或等于预设误差标准值时，根据预存的检测项定量标准特征以及所述有效块集特征值确定所在检测块的样品检测结果。
在一种可选的方式中，所述多模态容错性试纸还包括荧光区，所述获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值之前，进一步包括：
获取所述荧光区的荧光光亮度；
根据所述荧光光亮度确定是否存在匹配的检测环境；
若存在匹配的检测环境，依据所述荧光光亮度以及质控基线参数确定对应的标准定量特征，并将其预存为所述检测项定量标准特征，所述质控基线参数包括包含不同检测环境下的荧光值以及不同荧光值下每个检测项的标准定量特征；
若不存在匹配检测的环境，输出提示信息。
在一种可选的方式中，所述根据所述荧光光亮度以及质控基线参数匹配检测环境的步骤，进一步包括：
对多个所述荧光光亮度进行误差计算以获取亮度误差；
若所述亮度误差的绝对值小于或等于预设亮度误差值，则确定所述多模态容错性试纸处于受控检测环境，并依据所述质控基线参数匹配检测环境；
若所述亮度误差的绝对值大于所述预设亮度误差值，则确定所述多模态容错性试纸不处于受控检测环境。
在一种可选的方式中，所述对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值，进一步包括：
对每个所述第二检测亮度值进行区间聚类分析，以获取所述检测块的第二检测亮度值的有效试剂块集；
对所述有效试剂块集进行误差计算以获取每一所述检测块的操作误差。
在一种可选的方式中，所述对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差，进一步包括：
根据多个所述第一检测亮度值计算出每个所述检测块的亮度误差；
根据所述第一空白亮度值以及所述第二空白亮度值计算出每个所述检测块的环境误差；
根据每一所述检测块的第一空白亮度值、所述操作误差、所述亮度误差以及所述环境误差计算出每一所述检测块的所述系统整体误差。
在一种可选的方式中，所述对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差之后，进一步包括：
当确定的所述系统整体误差大于预设误差标准值时，将所述系统整体误差对应的所述检测块标记为失效检测块。
根据本发明实施例的另一方面，提供了一种多模态容错性试纸检测装置，所述多模态容错性试纸包括空白区以及检测区，所述检测区包括至少两个检测块且所述检测块互相独立；
所述多模态容错性试纸检测装置包括：
参数获取模块，用于获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值，所述第一检测亮度值在所述多模态容错性试纸进行第一次整体环境校准后获取；并获取加样后的所述空白区的第二空白亮度值以及所述检测区的每个检测块的第二检测亮度值，所述第二检测亮度值在所述多模态容错性试纸进行第二次整体环境校准后获取；
计算模块，用于对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值；并对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差；
处理模块，当确定的所述系统整体误差小于或等于预设误差标准值时，根据预存的检测项定量标准特征以及所述有效块集特征值确定所在检测块的样品检测结果。
根据本发明实施例的另一方面，提供了一种多模态容错性试纸检测设备，包括：
处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上所述的多模态容错性试纸检测方法的操作。
在一种可选的方式中，所述多模态容错性试纸包括荧光区、空白区以及检测区，所述检测区包括至少一个检测块；当所述检测块的数量为多个时，多个所述检测块互相独立；
所述多模态容错性试纸检测装置还包括摄像头、偏正镜以及荧光灯；
所述摄像头与所述存储器电连接，在所述摄像头的收光方向上，所述荧光灯、所述偏正镜以及所述多模态容错性试纸依次排列；
所述荧光区的光源由紫光灯透过偏正镜产生。
根据本发明实施例的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在多模态容错性试纸检测设备/装置上运行时，使得多模态容错性试纸检测设备/装置执行如上所述的多模态容错性试纸检测方法的操作。
本发明实施例通过在加样前后，采集加样前后的空白区的空白亮度值数据。并在加样前后分别进行一次环境校准后，再去采集检测区的每个检测块的检测亮度值数据，通过对采集的原始数据依次进行多种分析，综合考虑到环境误差、光源误差、操作误差以及检测区的检测块误差，使得在开放环境下最后输出的检测结果提升到接近封闭系统的性能，提高了检测系统的稳定性、可靠性以及精准度。另外，本申请的技术方案为非本领域技术人员也能通过搭载有本方法的终端设备实现准确的检测的检测方法，而无需人工进行参数调试等需要专业知识的检测过程，从而降低了尿常规检测操作的技术门槛。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明提供的多模态容错性试纸检测方法的第一实施例的流程示意图；
图2示出了本发明提供的多模态容错性试纸检测方法的第二实施例的流程示意图；
图3示出了本发明提供的多模态容错性试纸检测方法的第三实施例的流程示意图；
图4示出了本发明提供的多模态容错性试纸检测方法的第四实施例的流程示意图；
图5示出了本发明提供的多模态容错性试纸检测方法的第五实施例的流程示意图；
图6示出了本发明提供的多模态容错性试纸检测装置的第一实施例的结构示意图；
图7示出了本发明提供的多模态容错性试纸检测设备的一实施例的结构示意图；
图8示出了本发明提供的多模态容错性试纸检测设备的另一实施例的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
以下结合相关技术，分析现有技术中传统荧光检测设备的检测方案。
相关技术中提供的检测方案是在传统开放环境下试剂检测方案，检测方案采用“参考线+标准线+检测线”的简单对比方案，是基于有限的特殊环境推测无穷的普遍环境，对实验过程本身缺少系统误差精确量化，对实验结果出现误判时缺少主动防御机制，即在系统失效时缺少主动防御机制。除此之外，传统开放环境下试剂检测方案，面对实验操作过程中的不可控因素，针对“反光、模糊、晕染、点状或不均匀”，缺少对实验数据的正确性防御机制。
本申请提供的是一种综合考虑到各种不可控因素之后的多模态容错性试纸检测方法，能够在各种影响检测结果的因素出现后，还能综合考虑到各种因素对检测结果的影响，从而使得普通用户也能依照本方法的方案得到稳定、可靠且精准度高的检测结果。
在一个实施场景中，参照图1所示，本方案基于多模态容错性试纸实现，多模态容错性试纸包括空白区以及检测区，所述检测区包括至少两个检测块且所述检测块互相独立。
其中，空白区设置于试纸上，用于进行光线对照，通过对空白区的空白图像采集，可以依据采集的光线分析出此时环境光线，从而可以通过特定的处理方式分析出环境光线对相关结果的影响。检测区设置于试纸上，可以设置至少一个检测块，当设置有多个检测块时，多个检测快互相独立，可以通过多个检测块检测多个不同的项目，此时不同的检测块上有不同的试剂，也可以通过将检测块设置为不同颜色检测同一个项目，或者时同样颜色设置同样的检测项目，通过上述设置可以引入试剂误差，考虑到若干不可控因素，包括且不限于同一检测项多个试剂块干燥程度不一致通过反光导致亮度差异、生产过程中同一批次多个试剂块与试纸基体平面存在高低起伏导致亮度差别，使用环境中外在光源存在辐射频率引起波纹状的亮度起伏、使用环境中漫反射光源并非理想中的绝对均匀导致到达每个试剂块存在亮度差等等。通过通过特定的处理方式分析出试剂对相关结果的影响。
在一个可能的实现场景中，本方案的多模态容错性试纸检测方法可以搭载在各种终端处理设备上运行应用于检测，所述终端处理设备包括但不限于手机、电脑、平板灯个人终端。
图1示出了本发明多模态容错性试纸检测方法的第一实施例的流程图，该多模态容错性试纸检测方法由多模态容错性试纸检测装置、设备及存储介质设备执行。如图1所示，该方法包括以下步骤：
所述方法包括：
步骤110：获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值，所述第一检测亮度值在所述多模态容错性试纸进行第一次整体环境校准后获取；
其中，所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值均通过多模态容错性试纸检测设备/装置的摄像头进行图像的获取，此时图像的获取过程是在没有对多模态容错性试纸进行加样之前进行，通过对获取到的图像进行AI算法分析，对图像分区以及提取出对应空白区以及每一个检测块的亮度值，并对应每个检测块的坐标存储为对应的第一检测亮度值。
在一种实现AI算法分析图像的示例中，实现过程如下：
荧光信号聚焦在摄像头的CCD传感器区域，形成光电信号，从而使得摄像头采集到多模态容错性试纸的图片，搭载有摄像头的设备采用图像算法，使用规定尺寸的窗口扫描整个图片，识别出不同检测块的坐标区域，并将对应坐标区域内的RGB三通道的累积值提取出来，再将RGB三通道的累积值实时转换为CIELab视觉图像作为输入；其中，所述CIELab视觉图像，由亮度L和感官颜色(a*,b*)组成，包括红/黄、蓝/绿。
针对每一检测块，设计规定的网格数，将每个网格的信号值RGB进行累加，然后进行转换得到亮度值，从而得到固定数量的亮度输入值，再输入到神经网络模型，换算为对应检测块的被测物质的浓度值。
在神经网络模型的训练过程中，通过利用荧光试剂条配备的梯度质控液，经过加样反应后，并测试后，得到输入的亮度值的数据，可以得到多组梯度质控液(浓度值)-亮度值的数据，神经网络算法中的神经网络模型是被上述多组梯度质控液(浓度值)-亮度值的数据训练得到。
进一步地，第一次整体环境校准的步骤包括：
获取所述空白区的第一空白亮度值以及当前试纸的预设空白区质控特征值；
根据所述第一空白亮度值以及所述预设空白区质控特征值的差值确定调光范围。
在上述实施例中，将第一空白亮度值记为c1，将预设空白区质控特征值记为ck，依据上述参数可以控制光源进行调光以进行整体环境校准，即需要调整的空白区的反馈亮度差值为Δc1＝ck-c1，调整后的第一空白亮度值可以保证检测环境处于多模态容错性试纸可检测的环境。其中，ck为多模态容错性试纸出厂预设参数，不同批次试纸可能预设参数存在差别。
步骤120：获取加样后的所述空白区的第二空白亮度值以及所述检测区的每个检测块的第二检测亮度值，所述第二检测亮度值在所述多模态容错性试纸进行第二次整体环境校准后获取；
其中，加样是往试纸上添加待检测的样本，可以由机械臂或者管道或者人工执行此加样过程，此时待检测的样本可以是尿液、也可以是其他可以通过试纸进行检测的液体、气体等，所述空白区的第二空白亮度值以及所述检测区的每个检测块的第二检测亮度值均通过多模态容错性试纸检测设备/装置的摄像头进行图像的获取，通过对获取到的图像进行AI算法分析，对图像分区以及提取出对应空白区以及每一个检测块的亮度值，并对应每个检测块的坐标存储为对应的第二检测亮度值。
在一种实现AI(Artificial Intelligence，人工智能)算法分析图像的示例中，实现过程如下：
荧光信号聚焦在摄像头的CCD(Charge-coupled Device，电荷耦合元件)传感器区域，形成光电信号，从而使得摄像头采集到多模态容错性试纸的图片，搭载有摄像头的设备采用图像算法，使用规定尺寸的窗口扫描整个图片，识别出不同检测块的坐标区域，并将对应坐标区域内的RGB三通道的累积值提取出来，再将RGB三通道的累积值实时转换为CIELab(Lab色彩模式)视觉图像作为输入；其中，所述CIELab视觉图像，由亮度L和感官颜色(a*,b*)组成，包括红/黄、蓝/绿。
针对每一检测块，设计规定的网格数，将每个网格的信号值RGB进行累加，然后进行转换得到亮度值，从而得到固定数量的亮度输入值，再输入到神经网络模型，换算为对应检测块的被测物质的浓度值。
在神经网络模型的训练过程中，通过利用荧光试剂条配备的梯度质控液，经过加样反应后，并测试后，得到输入的亮度值的数据，可以得到多组梯度质控液(浓度值)-亮度值的数据，神经网络算法中的神经网络模型是被上述多组梯度质控液(浓度值)-亮度值的数据训练得到。
进一步地，第二次整体环境校准的步骤包括：
获取所述空白区的第二空白亮度值以及当前试纸的预设空白区质控特征值；
根据所述第二空白亮度值以及所述预设空白区质控特征值的差值确定调光范围。
在上述实施例中，将第二空白亮度值记为c2，将预设空白区质控特征值记为ck，依据上述参数可以控制光源进行调光以进行环境校准，即需要调整的空白区的反馈亮度差值为Δc2＝ck-c2，调整后的第二空白亮度值可以保证检测环境处于多模态容错性试纸可检测的环境。其中，ck为多模态容错性试纸出厂预设参数，不同批次试纸可能预设参数存在差别。
步骤130：对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值；
其中，聚类就是一种寻找数据之间一种内在结构的技术。聚类把全体数据实例组织成一些相似组，而这些相似组被称作聚类。处于相同聚类中的数据实例彼此相同，处于不同聚类中的实例彼此不同。区间聚类分析的过程是对数据进行处理的过程，从而得到有效试剂块集，对有效试剂块集中的第二检测亮度值对应的每一检测块，通过亮度叠加方法计算其有效块集特征值。
步骤140：对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差；
步骤150：当确定的所述系统整体误差小于或等于预设误差标准值时，根据预存的检测项定量标准特征以及所述有效块集特征值确定所在检测块的样品检测结果。
通过在加样前后，采集加样前后的空白区的空白亮度值数据。并在加样前后分别进行一次环境校准后，再去采集检测区的每个检测块的检测亮度值数据，通过对采集的原始数据依次进行多种分析，综合考虑到环境误差、光源误差以及检测区的检测块误差，使得在开放环境下最后输出的检测结果提升到接近封闭系统的性能，提高了检测系统的稳定性、可靠性以及精准度。另外，本申请的技术方案为非本领域技术人员也能通过搭载有本方法的终端设备实现准确的检测的检测方法，而无需人工进行参数调试等需要专业知识的检测过程，从而降低了尿常规检测操作的技术门槛。
进一步地，需要说明的是，预存的检测项定量标准特征包含多个不同的标准值，将有效块集特征值记为Fi，检测项定量标准特征记为系统整体误差记为ΔRi，统计有效块集特征值Fi与各个预存的检测项定量标准特征可以是欧式距离取距离最近的两个梯度定量值(e1,e2)为区间识别结果，系统输出该检测项的判定结果/样品检测结果，也即检测样品的浓度Ri＝(e1,e2)(i)。即当系统整体误差小于或等于预设误差标准值时，认为本次实验过程系统整体误差合理，该检测项存在有效输出，例如当ΔRi≤5％时，认为本次实验过程系统整体误差合理，该检测项存在有效输出，并按照检测样品的浓度Ri＝(e1,e2)(i)输出所在检测块的样品检测结果。
在一种可选的方式中，如图2所示，所述多模态容错性试纸还包括荧光区，所述获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值之前，进一步包括：
步骤100：获取所述荧光区的荧光光亮度；
荧光区的荧光光亮度获取方法可以参考空白区以及检测区的亮度值的获取方法实现，在此不再赘述。
步骤101：根据所述荧光光亮度确定是否存在匹配的检测环境；
在一种可选的方式中，如图3所示，所述根据所述荧光光亮度确定是否存在匹配的检测环境的步骤，进一步包括：
步骤1011：对多个所述荧光光亮度进行误差计算以获取亮度误差；
此时，将荧光光亮度记为p，亮度误差记为Δpk，计算Δpk＝min{Δp1Δp2…Δpl}。
步骤1012：若所述亮度误差的绝对值小于或等于预设亮度误差值，则确定所述多模态容错性试纸处于受控检测环境，并依据所述质控基线参数匹配检测环境；
当|Δpk|≤θ时，证明存在匹配的检测环境，所述θ为出厂预设的该检测环境下荧光值合理偏差范围。
步骤1013：若所述亮度误差的绝对值大于所述预设亮度误差值，则确定所述多模态容错性试纸不处于受控检测环境。
步骤102：若存在匹配的检测环境，依据所述荧光光亮度以及质控基线参数确定对应的标准定量特征，并将其预存为所述检测项定量标准特征，所述质控基线参数包括包含不同检测环境下的荧光值以及不同荧光值下每个检测项的标准定量特征；
此时，不同的荧光光亮度对应有不同的标准定量特征，确定获取的荧光光亮度存在匹配的检测环境，依据荧光光亮度提取对应的检测环境的检测项定量标准，检测项定量标准特征记为为梯度定量标准，其中k为某一个出厂预设的标准检测环境，表示第i个检测项梯度的定量标准特征值。
步骤103：若不存在匹配检测的环境，输出提示信息。
此时，所述标准检测环境不匹配时，提示试纸不适用于当前使用环境，也即此时的系统有效性验证不通过，可以规避传统检测方式强行检测识别引发误判、错判的行为。
本发明基于开放式试剂检测的基础上，通过增加不同的标准检测环境，使用激光灯照射试纸荧光区域，根据激发的荧光值识别对应标准检测环境，提取出对应标准环境下的预置的检测项定量标准特征，从而可以规避传统检测方式强行识别引发误判、错判的行为。
在一种可选的方式中，如图4所示，所述对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值，进一步包括：
步骤1301：对每个所述第二检测亮度值进行区间聚类分析，以获取所述检测块的第二检测亮度值的有效试剂块集；
在进行检测时，单个检测块的亮度记为L′i，有效试剂块集记为Si，每个检测项的检测块的亮度L′i＝{l′1l′2…l′n}，其中，l′n表示第n个检测块的亮度，对此进行区间聚类分析。取区间数量r，满足2r-1≤n≤2r，统计L′i，获得分布在r个区间的分布数量最集中的区间dh＝max{d1d2…dr}，其中，dr表示第r个区间，取有效试剂块集
步骤1302：对所述有效试剂块集进行误差计算以获取每一所述检测块的操作误差。
对有效试剂块集Si，计算有效试剂块集的操作误差 为第dh-1个有效试剂块集与第dh个有效试剂块集的操作误差，而对于检测同一检测项目的检测块，该检测项目的有效块集特征值 为dh区间的有效试剂块集。
所述有效试剂块集Si，考虑到了实验操作过程中存在的不可控因素，包括且不限于试剂块上样本液体过厚或者过薄、试剂块不同部位对样本吸收的先后次序、试剂块吸收样本的程度不均匀等，引起“反光、模糊、晕染、点状或不均匀”的问题，通过亮度的区间聚类分析，取分布最集中的检测块，结合检测块的对称性矩阵式离散布局，综合多个检测块确定操作误差，从而能最大可能地减小实验操作误差。
在一种可选的方式中，如图5所示，对区间的分布数量进行统计以获取分布集中的区间，并将此区间内对应的；
所述对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差，进一步包括：
步骤1401：根据多个所述第一检测亮度值计算出每个所述检测块的亮度误差；
每个检测项的检测块的亮度Li＝{l1l2…ln}，统计每个检测块的误差 为第n-1个与第n个检测块之间的亮度差；从而引入试剂误差，所述试剂误差，考虑到若干不可控因素，包括且不限于同一检测项多个试剂块干燥程度不一致通过反光导致亮度差异、生产过程中同一批次多个试剂块与试纸基体平面存在高低起伏导致亮度差别，使用环境中外在光源存在辐射频率引起波纹状的亮度起伏、使用环境中漫反射光源并非理想中的绝对均匀导致到达每个试剂块存在亮度差等等。
步骤1402：根据所述第一空白亮度值以及所述第二空白亮度值计算出每个所述检测块的环境误差；
将第一空白亮度值记为e1，第二空白亮度值记为e2，计算环境误差ΔE＝|e1-e2|；所述环境误差的来源，在背景光校准后，环境值并非绝对精准，包括且不限于光源位置变化、手机位置的变化、环境中漫反射光源成分的微弱变化、使用环境中存在背景辐射光引起波纹变化等等；通过环境误差评估，基于系统抗干扰的鲁棒性，系统允许合理范围内的偏差，满足使用便利性。
步骤1403：根据每一所述检测块的第一空白亮度值、所述操作误差、所述亮度误差以及所述环境误差计算出每一所述检测块的所述系统整体误差。
系统整体误差评估，对每一个检测项取有效块集特征值Fi的亮度Li，系统整体误差其中，ΔE为环境误差，ΔLi为亮度误差，ΔSi为操作误差。
在一种可选的方式中，所述对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差之后，进一步包括：
当确定的所述系统整体误差大于预设误差标准值时，将所述系统整体误差对应的所述检测块标记为失效检测块。
此时，系统整体误差大于预设误差标准值时，认为本次实验过程存在操作误差，主动将检测块标记为失效检测块NA，防止系统出现误判、错判。
本发明基于开放式试剂检测的基础上，增加系统整体误差合理性评价，通过精确定量试纸的环境误差、试剂误差、操作误差，并整体误差进行累计分析，解决了传统开发式环境下试剂检测系统精确定量误差的困难。
图6示出了本发明多模态容错性试纸检测装置的实施例的结构示意图。如图3所示，该多模态容错性试纸检测装置300包括：参数获取模块310、计算模块320和处理模块330。
在一种可选的方式中，参数获取模块310，用于获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值，所述第一检测亮度值在所述多模态容错性试纸进行第一次整体环境校准后获取；并获取加样后的所述空白区的第二空白亮度值以及所述检测区的每个检测块的第二检测亮度值，所述第二检测亮度值在所述多模态容错性试纸进行第二次整体环境校准后获取；
计算模块320，用于对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值；并对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差；
处理模块330，用于当确定的所述系统整体误差小于或等于预设误差标准值时，根据预存的检测项定量标准特征以及所述有效块集特征值确定所在检测块的样品检测结果。
在一种可选的方式中，参数获取模块310，用于获取所述荧光区的荧光光亮度；
处理模块330，用于根据所述荧光光亮度确定是否存在匹配的检测环境；若存在匹配的检测环境，依据所述荧光光亮度以及质控基线参数确定对应的标准定量特征，并将其预存为所述检测项定量标准特征，所述质控基线参数包括包含不同检测环境下的荧光值以及不同荧光值下每个检测项的标准定量特征；若不存在匹配检测的环境，输出提示信息。
在一种可选的方式中，计算模块320，用于对多个所述荧光光亮度进行误差计算以获取亮度误差。
处理模块330，用于若所述亮度误差的绝对值小于或等于预设亮度误差值，则确定所述多模态容错性试纸处于受控检测环境，并依据所述质控基线参数匹配检测环境；若所述亮度误差的绝对值大于所述预设亮度误差值，则确定所述多模态容错性试纸不处于受控检测环境。
在一种可选的方式中，计算模块320，用于对每个所述第二检测亮度值进行区间聚类分析，以获取所述检测块的第二检测亮度值的有效试剂块集；对所述有效试剂块集进行误差计算以获取每一所述检测块的操作误差。
在一种可选的方式中，计算模块320，用于根据多个所述第一检测亮度值计算出每个所述检测块的亮度误差；根据所述第一空白亮度值以及所述第二空白亮度值计算出每个所述检测块的环境误差；根据每一所述检测块的第一空白亮度值、所述操作误差、所述亮度误差以及所述环境误差计算出每一所述检测块的所述系统整体误差。
在一种可选的方式中，处理模块330，用于当确定的所述系统整体误差大于预设误差标准值时，将所述系统整体误差对应的所述检测块标记为失效检测块。
本发明基于开放式试剂检测的基础上，增加系统整体误差合理性评价，通过精确定量试纸的环境误差、试剂误差、操作误差，并整体误差进行累计分析，解决了传统开发式环境下试剂检测系统精确定量误差的困难。
图7示出了本发明多模态容错性试纸检测设备的实施例的结构示意图，本发明具体实施例并不对多模态容错性试纸检测设备的具体实现做限定。
如图7所示，该多模态容错性试纸检测设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。处理器402，用于执行程序410，具体可以执行上述用于多模态容错性试纸检测方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机可执行指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。多模态容错性试纸检测方法、装置及存储介质
设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以被处理器402调用使多模态容错性试纸检测设备执行如上多模态容错性试纸检测方法的操作。
在一种可选的方式中，所述多模态容错性试纸包括荧光区、空白区以及检测区，所述检测区包括至少一个检测块；当所述检测块的数量为多个时，多个所述检测块互相独立；
参照图8所示，所述多模态容错性试纸检测装置还包括摄像头、偏正镜30以及荧光灯；
所述摄像头与所述存储器电连接，在所述摄像头的收光方向上，所述偏正镜30、所述荧光灯以及所述多模态容错性试纸40依次排列；
使用荧光灯照射多模态容错性试纸40的荧光区，激发荧光物质发光，斜射的荧光灯光线受偏正镜作用不能进入系统，垂直于偏正镜平面的荧光光线能够进入系统。
通过利用偏正镜(偏光镜)过滤限制入射光线，针对环境中侧向漫反射光线引起的阴影、不均匀等，限定垂直于系统平面、满足一定夹角范围的光线进入系统，解决了系统有效性验证和背景光环境标准化问题。
其中，摄像头由CCD传感器101以及凸镜102组成。
本发明基于开放式试剂检测的基础上，通过试剂块的对称矩阵式布局、及加样后通过区间聚类分析，对实验结果取有效试剂块集，结合受控环境下的定量标准化，将系统的稳定性、可靠性、精准度提升到接近封闭系统的性能。
本发明实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该可执行指令在多模态容错性试纸检测设备/装置上运行时，使得所述多模态容错性试纸检测设备/装置执行上述任意方法实施例中的多模态容错性试纸检测方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。此外，本发明实施例也不针对任何特定编程语言。
在此处所提供的说明书中，说明了大量具体细节。然而能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。类似地，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。其中，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
Claims (10)
1.一种多模态容错性试纸检测方法，其特征在于，所述多模态容错性试纸包括空白区以及检测区，所述检测区包括至少两个检测块且所述检测块互相独立；
所述方法包括：
获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值，所述第一检测亮度值在所述多模态容错性试纸进行第一次整体环境校准后获取；
获取加样后的所述空白区的第二空白亮度值以及所述检测区的每个检测块的第二检测亮度值，所述第二检测亮度值在所述多模态容错性试纸进行第二次整体环境校准后获取；
对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值；
对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差；
当确定的所述系统整体误差小于或等于预设误差标准值时，根据预存的检测项定量标准特征以及所述有效块集特征值确定所在检测块的样品检测结果。
2.根据权利要求1所述的多模态容错性试纸检测方法，其特征在于，所述多模态容错性试纸还包括荧光区，所述获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值之前，进一步包括：
获取所述荧光区的荧光光亮度；
根据所述荧光光亮度确定是否存在匹配的检测环境；
若存在匹配的检测环境，依据所述荧光光亮度以及质控基线参数确定对应的标准定量特征，并将其预存为所述检测项定量标准特征，所述质控基线参数包括包含不同检测环境下的荧光值以及不同荧光值下每个检测项的标准定量特征；
若不存在匹配检测的环境，输出提示信息。
3.根据权利要求2所述的多模态容错性试纸检测方法，其特征在于，所述根据所述荧光光亮度以及质控基线参数匹配检测环境的步骤，进一步包括：
对多个所述荧光光亮度进行误差计算以获取亮度误差；
若所述亮度误差的绝对值小于或等于预设亮度误差值，则确定所述多模态容错性试纸处于受控检测环境，并依据所述质控基线参数匹配检测环境；
若所述亮度误差的绝对值大于所述预设亮度误差值，则确定所述多模态容错性试纸不处于受控检测环境。
4.根据权利要求1所述的多模态容错性试纸检测方法，其特征在于，所述对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值，进一步包括：
对每个所述第二检测亮度值进行区间聚类分析，以获取所述检测块的第二检测亮度值的有效试剂块集；
对所述有效试剂块集进行误差计算以获取每一所述检测块的操作误差。
5.根据权利要求4所述的多模态容错性试纸检测方法，其特征在于，所述对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差，进一步包括：
根据多个所述第一检测亮度值计算出每个所述检测块的亮度误差；
根据所述第一空白亮度值以及所述第二空白亮度值计算出每个所述检测块的环境误差；
根据每一所述检测块的第一空白亮度值、所述操作误差、所述亮度误差以及所述环境误差计算出每一所述检测块的所述系统整体误差。
6.根据权利要求1-5任一项所述的多模态容错性试纸检测方法，其特征在于，所述对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差之后，进一步包括：
当确定的所述系统整体误差大于预设误差标准值时，将所述系统整体误差对应的所述检测块标记为失效检测块。
7.一种多模态容错性试纸检测装置，其特征在于，所述多模态容错性试纸包括空白区以及检测区，所述检测区包括至少两个检测块且所述检测块互相独立；
所述多模态容错性试纸检测装置包括：
参数获取模块，用于获取所述空白区的第一空白亮度值以及所述检测区的每个检测块的第一检测亮度值，所述第一检测亮度值在所述多模态容错性试纸进行第一次整体环境校准后获取；并获取加样后的所述空白区的第二空白亮度值以及所述检测区的每个检测块的第二检测亮度值，所述第二检测亮度值在所述多模态容错性试纸进行第二次整体环境校准后获取；
计算模块，用于对每个所述第二检测亮度值进行区间聚类分析以得到有效试剂块集以及所述有效试剂块集的每一检测块的有效块集特征值；并对所述第一空白亮度值、所述第二空白亮度值、所述第一检测亮度值以及所述第二检测亮度值进行误差分析以得到每一所述检测块的系统整体误差；
处理模块，当确定的所述系统整体误差小于或等于预设误差标准值时，根据预存的检测项定量标准特征以及所述有效块集特征值确定所在检测块的样品检测结果。
8.一种多模态容错性试纸检测设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6任意一项所述的多模态容错性试纸检测方法的操作。
9.如权利要求8的多模态容错性试纸检测设备，其特征在于，所述多模态容错性试纸包括荧光区、空白区以及检测区，所述检测区包括至少一个检测块；当所述检测块的数量为多个时，多个所述检测块互相独立；
所述多模态容错性试纸检测设备还包括摄像头、偏正镜以及荧光灯；
所述摄像头与所述存储器电连接，在所述摄像头的收光方向上，所述荧光灯、所述偏正镜以及所述多模态容错性试纸依次排列；
所述荧光区的光源由紫光灯透过偏正镜产生。
10.一种存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在多模态容错性试纸检测设备/装置上运行时，使得多模态容错性试纸检测设备/装置执行如权利要求1-6任意一项所述的多模态容错性试纸检测方法的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311144587.9A CN117110268A (zh) | 2023-09-05 | 2023-09-05 | 多模态容错性试纸检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311144587.9A CN117110268A (zh) | 2023-09-05 | 2023-09-05 | 多模态容错性试纸检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117110268A true CN117110268A (zh) | 2023-11-24 |
Family
ID=88799966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311144587.9A Pending CN117110268A (zh) | 2023-09-05 | 2023-09-05 | 多模态容错性试纸检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117110268A (zh) |
-
2023
- 2023-09-05 CN CN202311144587.9A patent/CN117110268A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11709096B2 (en) | Precision luxmeter methods for digital cameras to quantify colors in uncontrolled lighting environments | |
| US11928814B2 (en) | Method and system for determining concentration of an analyte in a sample of a bodily fluid, and method and system for generating a software-implemented module | |
| Bao et al. | A remote computing based point-of-care colorimetric detection system with a smartphone under complex ambient light conditions | |
| US11781973B2 (en) | Methods and systems for calibrating and using a camera for detecting an analyte in a sample | |
| Thakur et al. | Machine learning-based rapid diagnostic-test reader for albuminuria using smartphone | |
| CN110403611B (zh) | 血液中糖化血红蛋白成分值预测方法、装置、计算机设备和存储介质 | |
| CN117152152B (zh) | 检测试剂盒的生产管理系统及方法 | |
| WO2022267799A1 (zh) | 水质检测方法及水质检测装置 | |
| Głowacz et al. | Comparison of various data analysis techniques applied for the classification of oligopeptides and amino acids by voltammetric electronic tongue | |
| CN117110268A (zh) | 多模态容错性试纸检测方法、装置、设备及存储介质 | |
| US20220283148A1 (en) | Method of determining a concentration of an analyte in a bodily fluid | |
| US20170276690A1 (en) | Visually-Based Diagnostic Device for Automatic Determination of a Physiologic Level Associated with a Sample | |
| Kibria et al. | Smartphone-based point-of-care urinalysis assessment | |
| CN111833325A (zh) | 一种基于深度学习的胶体金试剂条检测方法及系统 | |
| Xu et al. | Machine learning-assisted image label-free smartphone platform for rapid segmentation and robust multi-urinalysis | |
| CN114441512B (zh) | 阴道分泌物检测仪、干化学检测装置和干化学检测方法 | |
| Ramesh | Machine Learning Methods for Kidney Disease Screening | |
| CN115824982A (zh) | 一种光学poct颜色判读方法、系统和装置 | |
| Moglianetti et al. | Random Weights Neural Network | |
| Shi et al. | Color-deconvolution-based feature image extraction and application in water quality analysis | |
| TW202413946A (zh) | 試片檢測載台、試片檢測系統以及試片檢測方法 | |
| CN117782975A (zh) | 试片检测载台、试片检测系统以及试片检测方法 | |
| JPWO2019162496A5 (zh) |
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 |