CN117269009A - 流式细胞仪样本容量预警方法、装置、系统、设备及介质 - Google Patents
流式细胞仪样本容量预警方法、装置、系统、设备及介质 Download PDFInfo
- Publication number
- CN117269009A CN117269009A CN202311236673.2A CN202311236673A CN117269009A CN 117269009 A CN117269009 A CN 117269009A CN 202311236673 A CN202311236673 A CN 202311236673A CN 117269009 A CN117269009 A CN 117269009A
- Authority
- CN
- China
- Prior art keywords
- time
- vector
- sample
- early warning
- laser
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000013598 vector Substances 0.000 claims abstract description 224
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000000684 flow cytometry Methods 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 6
- 230000000149 penetrating effect Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 221
- 210000004027 cell Anatomy 0.000 description 23
- 238000005070 sampling Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000011324 bead Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008054 signal transmission Effects 0.000 description 3
- 206010000830 Acute leukaemia Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010025323 Lymphomas Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 201000005787 hematologic cancer Diseases 0.000 description 1
- 208000024200 hematopoietic and lymphoid system neoplasm Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 208000011645 metastatic carcinoma Diseases 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种流式细胞仪样本容量预警方法、装置、系统、设备及介质，其技术要点是，获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，能够在样本管内的细胞样本数量不多时，自动准确地发出预警。
Description
技术领域
本发明属于流式细胞仪技术领域，具体涉及一种流式细胞仪样本容量预警方法、装置、系统、设备及介质。
背景技术
急性白血病、淋巴瘤、转移癌等多种淋巴造血和非造血肿瘤都有可能累及中枢神经系统，因此急性白血病、有症状的其他肿瘤应尽可能进行脑脊液的流式细胞术检测，由于脑脊液无法大量取材，细胞数量少，细胞存活时间短等特点，所以操作和分析过程很重要。
因为脑脊液标本细胞数量少，而流式细胞术对于细胞检测真实性有效性的判断，一般是要求最少20-25个有效细胞，但是由于样本的差异，可能出现流式细胞仪取样过程中，取样针持续从样本管中获取脑脊液，直至取样针离开样本管脑脊液液面，此时由于获取的脑脊液标本细胞数量不满足要求，设备还在“空转”出现“获空”情况，最终导致检测失败。
由于流式细胞仪的样本管直径较小，且工作过程中取样针会一直在样本管中，受空间限制超声波液位计干扰因素多无法使用，同时由于生物样本本身可能存在带点粒子，电容式液位计可能会影响样本，所以使用受限。
当前为了减少和避免上述情况的发生，通常采用人为观测样本管样本液面和取样管的相对位置，判断样本管剩余样本情况。随着检测数量的增加，该做法增加了操作人员的负担，且由于流式细胞仪中样本管剩余样本的可观测空间有限，操作员也容易出错。
发明内容
本发明的目的在于提供一种流式细胞仪样本容量预警方法、装置、系统、设备及介质，能够在样本管内的细胞样本数量不多时，自动准确地发出预警。
本发明第一方面公开了一种流式细胞仪样本容量预警方法，包括：
步骤1、获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；
步骤2、通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；
步骤3、通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；
步骤4、根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
可选的，获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，包括：
获取所述t时刻透射样本管的第一激光信号对应的第一激光数据和透射样本管的第二激光信号对应的第二激光数据，其中，所述第一激光信号和第二激光信号透射样本管的位置不同；
对所述t时刻的第一激光数据和第二激光数据进行向量化处理，形成t时刻的第一激光数据和第二激光数据对应的向量样本集。
可选的，所述根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，包括：
在所述t时刻的向量样本集与平均点向量的相似度大于预设相似度的情况下，返回执行步骤1；
在所述t时刻的向量样本集与平均点向量的相似度不大于预设相似度的情况下，将该t时刻作为第一预警时刻，发出第一预警，返回执行步骤1，直至所述t时刻的向量样本集与平均点向量的相似度再次不大于预设相似度的情况下，将该t时刻作为第二预警时刻，发出第二预警。
可选的，所述通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，包括：
通过所述位置敏感哈希算法计算平均点向量的第一哈希值以及计算t时刻的向量样本集的第二哈希值；
将所述第一哈希值和第二哈希值均平均分成3段；
将分成3段的第一哈希值和分成3段的第二哈希值一一进行比对，得到所述t时刻的向量样本集与平均点向量的相似度。
可选的，所述预设相似度为分成3段的第一哈希值和分成3段的第二哈希值有2段不相似。
可选的，所述通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，包括：
对所述0时刻到t时刻时间内的各个向量样本集进行数据清洗和处理得到处理样本集；
通过K均值聚类算法对所述0时刻到t时刻时间内的所有处理样本集进行计算，得到对应的平均点向量。
本发明第二方面公开了一种流式细胞仪样本容量预警装置，包括：
脉冲激光发射器，用于流式细胞仪样本发射第一激光信号和第二激光信号；
第一激光接收器，用于接收透射流式细胞仪样本后的所述第一激光信号，并将其转换成第一激光数据；
第二激光接收器，用于接收透射流式细胞仪样本后的所述第二激光信号，并将其转换成第二激光数据；
电路板，用于接收所述第一激光数据和第二激光数据，并将第一激光数据和第二激光数据传输给流式细胞仪样本容量预警系统；
预警机构；
所述第一激光接收器、第二激光接收器和存储介质均与电路板电连接，所述预警机构与流式细胞仪样本容量预警系统电连接。
本发明第三方面公开了一种流式细胞仪样本容量预警系统，包括：
数据获取处理模块，用于获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；
聚类计算模块，用于通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；
相似度计算模块，用于通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；
判断预警模块，用于根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
本发明第四方面公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述的方法的步骤。
本发明第五方面公开了一种计算机可读存储介质，所述计算机程序被处理器执行时实现上述的方法的步骤。
本发明所提供的技术方案具有以下的优点及效果：获取t时刻透射样本管的激光信号对应的激光数据，通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，然后通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，然后根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，能够在样本管内的细胞样本数量不多时，自动准确地发出预警，以防止流式细胞仪还在“空转”出现“获空”情况，避免因此情况导致的检测失败。
附图说明
图1是本发明实施例公开的流式细胞仪样本容量预警方法的流程示意图；
图2是本发明实施例公开的流式细胞仪样本容量预警方法的包含步骤3和4的子流程的流程示意图；
图3是本发明实施例公开的流式细胞仪样本容量预警装置的结构示意图；
图4本发明实施例公开的流式细胞仪样本容量预警系统的结构框图；
图5是本发明实施例中公开的计算机设备的内部结构图。
附图标记说明：
11、取样针；12、样本管；13、细胞样本；14、第一激光接收器；15、第一激光信号；16、激光发射器；17、第二激光信号；18、电路板；19、告警机构。
具体实施方式
为了便于理解本发明，下面将参照说明书附图对本发明的具体实施例进行更详细的描述。
除非特别说明或另有定义，本文所使用的“第一、第二…”仅仅是用于对名称的区分，不代表具体的数量或顺序。
除非特别说明或另有定义，本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
需要说明的是，本文中“固定于”、“连接于”，可以是直接固定或连接于一个元件，也可以是间接固定或连接于一个元件。
如图1所示，本发明实施例公开了一种流式细胞仪样本容量预警方法，包括：
步骤1、获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻。
在实际应用中，样本管内通常装有细胞样本，激光发射器向样本管发射激光信号，在流式细胞仪开始对样本管中的细胞样本进行取样的情况下，激光信号会依次穿过样本管的一侧管壁、细胞样本和样本管的另一侧管壁后被激光接收器接收，激光接收器将激光信号转换成激光数据，由于流式细胞仪持续对样本管中的细胞样本进行取样，细胞样本逐渐减少，在激光发射器和样本管位置不变的情况下，激光信号可能会依次穿过样本管的一侧管壁和样本管的另一侧管壁后被激光接收器接收，然后转换成激光数据，对激光数据进行向量化处理，便于进行后续计算，加快数据处理效率。
进一步地，所述获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，具体包括：
获取所述t时刻透射样本管的第一激光信号对应的第一激光数据和透射样本管的第二激光信号对应的第二激光数据，其中，所述第一激光信号和第二激光信号透射样本管的位置不同；
对所述t时刻的第一激光数据和第二激光数据进行向量化处理，形成t时刻的第一激光数据和第二激光数据对应的向量样本集。
在实际应用中，激光发射器发出第一激光信号和第二激光信号，第一激光信号和第二激光信号透射样本管的高度不同，第一激光信号透射样本管处记为第一位置，第二激光信号透射样本管处记为第二位置，通过发射的第一激光信号和第二激光信号能够分别对样本管的第一位置和第二位置是否还有细胞样本进行检测，从而能够在第一位置处无细胞样本的情况下，发出第一次预警，在第二位置处无细胞样本的情况下，发出第二次预警，实现更好地预警效果。对t时刻的第一激光数据进行向量化处理得到第一激光向量样本，对t时刻的第二激光数据进行向量化处理得到第二激光向量样本，第一激光向量样本和第二激光向量样本共同组成t时刻的向量样本集。
步骤2、通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻。
在实际应用中，0时刻到t时刻时间内的所有向量样本集不包括t时刻的向量样本集，通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算，得到平均点向量，能够减少测量误差的影响，所述通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，具体包括：
对所述0时刻到t时刻时间内的各个向量样本集进行数据清洗和处理得到处理样本集；
通过K均值聚类算法对所述0时刻到t时刻时间内的所有处理样本集进行计算，得到对应的平均点向量。
具体地，对0时刻到t时刻时间内的各个向量样本集进行数据清洗，也就是将向量样本集中的异常值去除，缺失值填充，异常值为不在激光数据的正常范围值内的向量数据，可能因为设备或通讯问题，导致数据没有采集到，故而在激光数据中记录为空值，也就是造成了缺失值，缺失值可用缺失值附近的向量数据进行填充。
在本实施例中，通过轮廓系数确定K均值聚类算法的聚类数，轮廓系数的计算公式如下：
其中，a(i)代表向量样本集中的样本点i的内聚度，计算方式如下：
其中,j代表与样本点i在同一个类内的其他样本点，distance代表了求i与j的距离，所以a(i)越小说明该簇越紧密。b(i)的计算方式与a(i)类似，只不过需要遍历其他簇得到多个值{b1(i),b2(i),b3(i),...,bm(i)}从中选择最小的值作为最终的结果，轮廓系数越大聚类效果越好，然后将聚类数设定为具体的多个数值，如2到10，每个聚类数下进行聚类，然后计算每个聚类数下聚类结果的轮廓系数，然后将轮廓系数最大的聚类数作为最终的聚类数，然后根据聚类数对所有向量样本集中的样本点进行划分得到多个簇，从每个簇中随机选取一样本点作为对应的聚类中心，根据选取的各个聚类中心对所有向量样本集中的样本点进行重新划分，直至算法收敛，得到平均点向量。
步骤3、通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度。
在实际应用中，t时刻的激光数据中包括波长、能量、光谱、电位等特征，为了避免元件或系统导致的接收数据误差，采用位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，能够快速找到具有相似特征的向量。
进一步地，如图2所示，所述通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，具体包括：
步骤31、通过所述位置敏感哈希算法计算平均点向量的第一哈希值以及计算t时刻的向量样本集的第二哈希值；
步骤32、将所述第一哈希值和第二哈希值均平均分成3段；
步骤33、将分成3段的第一哈希值和分成3段的第二哈希值一一进行比对，得到所述t时刻的向量样本集与平均点向量的相似度。
具体地，先构建位置敏感哈希函数，位置敏感哈希函数通常是一个非线性函数，如sigmoid、tanh或ReLU函数，如构建基于随机投影的位置敏感哈希函数，其主要是将原始多特征向量映射到一个低维空间，原始向量之间的距离可以被认为是相似的，使用余弦相似度作为距离度量，将平均点向量输入位置敏感哈希函数得到对应的第一哈希值，将t时刻的向量样本集输入位置敏感哈希函数得到对应的第二哈希值，也就是计算得到平均点向量和t时刻的向量样本集在低维空间中的位置，能够根据时间、第一激光数据和第二激光数据将述第一哈希值分成3段，分别为第一时间哈希值、第一激光哈希值和第二激光哈希值，根据时间、第一激光数据和第二激光数据将述第二哈希值分成3段，分别为第二时间哈希值、第三激光哈希值和第四激光哈希值，使用余弦相似度计算分别计算第一时间哈希值和第二时间哈希值之间的距离、第一激光哈希值和第三激光哈希值之间的距离及第二激光数据和第四激光数据之间的距离，若第一时间哈希值和第二时间哈希值之间的距离小于预设阈值，则说明第一时间哈希值和第二时间哈希值相似，反之则不相似，第一激光哈希值和第三激光哈希值是否相似及第二激光数据和第四激光数据是否相似的判断方法与第一时间哈希值和第二时间哈希值是否相似的判断方法相同，通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，可以在较短的时间内找到具有相似特征的向量，从而加速数据分析，同时，还能数据降维，降低存储和计算成本。
步骤4、如图2所示，根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
在本实施例中，所述根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，具体包括：
步骤41、判断所述t时刻的向量样本集与平均点向量的相似度是否大于预设相似度；
在所述t时刻的向量样本集与平均点向量的相似度大于预设相似度的情况下，返回执行步骤1；
在所述t时刻的向量样本集与平均点向量的相似度不大于预设相似度的情况下，执行步骤42，然后返回执行步骤1，直至所述t时刻的向量样本集与平均点向量的相似度再次不大于预设相似度的情况下，执行步骤43；
步骤42、将该t时刻作为第一预警时刻，发出第一预警；
步骤43、将该t时刻作为第二预警时刻，发出第二预警。
具体地，将分成3段的第一哈希值和分成3段的第二哈希值中有2段不相似作为判断t时刻的向量样本集与平均点向量是否相似的预设相似度，在分成3段的第一哈希值和分成3段的第二哈希值中2段或3段不相似，则说明t时刻的向量样本集与平均点向量不相似，也就是t时刻的向量样本集与平均点向量的相似度不大于预设相似度，在分成3段的第一哈希值和分成3段的第二哈希值中只有1段不相似，则说明t时刻的向量样本集与平均点向量相似，也就是t时刻的向量样本集与平均点向量的相似度大于预设相似度；若样本管竖直放置，开口朝上，第一位置在第二位置上方，流式细胞仪逐渐从样本管吸取细胞样本，细胞样本逐渐减少，减少至样本管的第一位置处没有细胞样本后，此时，接收到的第一激光信号产生变化，使得第一激光数据、此时刻的向量样本集和此时刻的第二哈希值变化，将此时刻的第二哈希值与平均点向量的第一哈希值进行比较，则得到此时刻的向量样本集与平均点向量的相似度不大于预设相似度，将此时刻作为第一预警时刻，发出第一预警，然后返回执行步骤1继续执行，直至细胞样本减少至样本管的第二位置处没有细胞样本后，此时，接收到的第二激光信号产生变化，使得第二激光数据、此时刻的向量样本集和此时刻的第二哈希值变化，将此时刻的第二哈希值与平均点向量的第一哈希值进行比较，则得到此时刻的向量样本集与平均点向量的相似度再次不大于预设相似度，将此时刻作为第二预警时刻，发出第二预警，结束。
本发明实施例公开的流式细胞仪样本容量预警方法，获取t时刻透射样本管的激光信号对应的激光数据，通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，然后通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，然后根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，能够在样本管内的细胞样本数量不多时，自动准确地发出预警，以防止流式细胞仪还在“空转”出现“获空”情况，导致检测失败。
如图3所示，本发明实施例还公开了一种流式细胞仪样本容量预警装置，包括：
脉冲激光发射器，用于流式细胞仪样本发射第一激光信号和第二激光信号；
第一激光接收器，用于接收透射流式细胞仪样本后的所述第一激光信号，并将其转换成第一激光数据；
第二激光接收器，用于接收透射流式细胞仪样本后的所述第二激光信号，并将其转换成第二激光数据；
电路板，用于接收所述第一激光数据和第二激光数据，并将第一激光数据和第二激光数据传输给流式细胞仪样本容量预警系统；
预警机构；
所述第一激光接收器、第二激光接收器和存储介质均与电路板电连接，所述预警机构与流式细胞仪样本容量预警系统电连接。
具体地，第一激光信号和第二激光信号均垂直入射样本管，第一激光信号对应的第一位置处和第二激光信号对应的第二位置处的距离为5-10mm，第一激光信号和第二激光信号的垂直高度均在取样针上方，其中第二激光信号在取样针位置上方约2-5mm位置，激光发射器水平布置在取样针偏后方约2-3mm位置，使得第一激光信号和第二激光信号穿透样本管和细胞样本时，避开取样针，激光发射器位于样本管的一侧，第一激光接收器和第二激光接收器均布置在样本管的另一侧，第一激光接收器和激光发射器的第一激光信号的发射口水平相对，第二激光接收器和激光发射器的第二激光信号的发射口水平相对，使得第一激光信号和第二激光信号分别垂直入射第一激光发射器和第二激光发射器。
具体地，预警机构包括：灯珠和蜂鸣器；在流式细胞仪样本容量预警系统发出第一次预警的情况下，采用灯珠闪灯的方式预警，在发出第二预警的情况下，采用灯珠闪灯加蜂鸣器响铃的方式预警，以便于工作人员区分两次预警。
如图4所示，本发明实施例公开了一种流式细胞仪样本容量预警系统，包括：
数据获取处理模块10，用于获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；
聚类计算模块20，用于通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；
相似度计算模块30，用于通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；
判断预警模块40，用于根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
关于流式细胞仪样本容量预警系统的具体构成可以参见上文中对于流式细胞仪样本容量预警方法的构成，在此不再赘述。上述流式细胞仪样本容量预警系统的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种流式细胞仪样本容量预警方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备,包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现以下步骤：
步骤1、获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；
步骤2、通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；
步骤3、通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；
步骤4、根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
在一个实施例中，获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，包括：
获取所述t时刻透射样本管的第一激光信号对应的第一激光数据和透射样本管的第二激光信号对应的第二激光数据，其中，所述第一激光信号和第二激光信号透射样本管的位置不同；
对所述t时刻的第一激光数据和第二激光数据进行向量化处理，形成t时刻的第一激光数据和第二激光数据对应的向量样本集。
在一个实施例中，所述根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，包括：
在所述t时刻的向量样本集与平均点向量的相似度大于预设相似度的情况下，返回执行步骤1；
在所述t时刻的向量样本集与平均点向量的相似度不大于预设相似度的情况下，将该t时刻作为第一预警时刻，发出第一预警，返回执行步骤1，直至所述t时刻的向量样本集与平均点向量的相似度再次不大于预设相似度的情况下，将该t时刻作为第二预警时刻，发出第二预警。
在一个实施例中，所述通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，包括：
通过所述位置敏感哈希算法计算平均点向量的第一哈希值以及计算t时刻的向量样本集的第二哈希值；
将所述第一哈希值和第二哈希值均平均分成3段；
将分成3段的第一哈希值和分成3段的第二哈希值一一进行比对，得到所述t时刻的向量样本集与平均点向量的相似度。
在一个实施例中，所述预设相似度为分成3段的第一哈希值和分成3段的第二哈希值有2段不相似。
在一个实施例中，所述通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，包括：
对所述0时刻到t时刻时间内的各个向量样本集进行数据清洗和处理得到处理样本集；
通过K均值聚类算法对所述0时刻到t时刻时间内的所有处理样本集进行计算，得到对应的平均点向量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
步骤1、获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；
步骤2、通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；
步骤3、通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；
步骤4、根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
在一个实施例中，获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，包括：
获取所述t时刻透射样本管的第一激光信号对应的第一激光数据和透射样本管的第二激光信号对应的第二激光数据，其中，所述第一激光信号和第二激光信号透射样本管的位置不同；
对所述t时刻的第一激光数据和第二激光数据进行向量化处理，形成t时刻的第一激光数据和第二激光数据对应的向量样本集。
在一个实施例中，所述根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，包括：
在所述t时刻的向量样本集与平均点向量的相似度大于预设相似度的情况下，返回执行步骤1；
在所述t时刻的向量样本集与平均点向量的相似度不大于预设相似度的情况下，将该t时刻作为第一预警时刻，发出第一预警，返回执行步骤1，直至所述t时刻的向量样本集与平均点向量的相似度再次不大于预设相似度的情况下，将该t时刻作为第二预警时刻，发出第二预警。
在一个实施例中，所述通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，包括：
通过所述位置敏感哈希算法计算平均点向量的第一哈希值以及计算t时刻的向量样本集的第二哈希值；
将所述第一哈希值和第二哈希值均平均分成3段；
将分成3段的第一哈希值和分成3段的第二哈希值一一进行比对，得到所述t时刻的向量样本集与平均点向量的相似度。
在一个实施例中，所述预设相似度为分成3段的第一哈希值和分成3段的第二哈希值有2段不相似。
在一个实施例中，所述通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，包括：
对所述0时刻到t时刻时间内的各个向量样本集进行数据清洗和处理得到处理样本集；
通过K均值聚类算法对所述0时刻到t时刻时间内的所有处理样本集进行计算，得到对应的平均点向量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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。
Claims (10)
1.流式细胞仪样本容量预警方法，其特征在于，包括：
步骤1、获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；
步骤2、通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；
步骤3、通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；
步骤4、根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
2.如权利要求1所述流式细胞仪样本容量预警方法，其特征在于，获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，包括：
获取所述t时刻透射样本管的第一激光信号对应的第一激光数据和透射样本管的第二激光信号对应的第二激光数据，其中，所述第一激光信号和第二激光信号透射样本管的位置不同；
对所述t时刻的第一激光数据和第二激光数据进行向量化处理，形成t时刻的第一激光数据和第二激光数据对应的向量样本集。
3.如权利要求2所述流式细胞仪样本容量预警方法，其特征在于，所述根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警，包括：
在所述t时刻的向量样本集与平均点向量的相似度大于预设相似度的情况下，返回执行步骤1；
在所述t时刻的向量样本集与平均点向量的相似度不大于预设相似度的情况下，将该t时刻作为第一预警时刻，发出第一预警，返回执行步骤1，直至所述t时刻的向量样本集与平均点向量的相似度再次不大于预设相似度的情况下，将该t时刻作为第二预警时刻，发出第二预警。
4.如权利要求3所述流式细胞仪样本容量预警方法，其特征在于，所述通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度，包括：
通过所述位置敏感哈希算法计算平均点向量的第一哈希值以及计算t时刻的向量样本集的第二哈希值；
将所述第一哈希值和第二哈希值均平均分成3段；
将分成3段的第一哈希值和分成3段的第二哈希值一一进行比对，得到所述t时刻的向量样本集与平均点向量的相似度。
5.如权利要求4所述流式细胞仪样本容量预警方法，其特征在于，所述预设相似度为分成3段的第一哈希值和分成3段的第二哈希值有2段不相似。
6.如权利要求1所述流式细胞仪样本容量预警方法，其特征在于，所述通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，包括：
对所述0时刻到t时刻时间内的各个向量样本集进行数据清洗和处理得到处理样本集；
通过K均值聚类算法对所述0时刻到t时刻时间内的所有处理样本集进行计算，得到对应的平均点向量。
7.流式细胞仪样本容量预警装置，其特征在于，包括：
脉冲激光发射器，用于流式细胞仪样本发射第一激光信号和第二激光信号；
第一激光接收器，用于接收透射流式细胞仪样本后的所述第一激光信号，并将其转换成第一激光数据；
第二激光接收器，用于接收透射流式细胞仪样本后的所述第二激光信号，并将其转换成第二激光数据；
电路板，用于接收所述第一激光数据和第二激光数据，并将第一激光数据和第二激光数据传输给流式细胞仪样本容量预警系统；
预警机构；
所述第一激光接收器、第二激光接收器和存储介质均与电路板电连接，所述预警机构与流式细胞仪样本容量预警系统电连接。
8.流式细胞仪样本容量预警系统，其特征在于，包括：
数据获取处理模块，用于获取t时刻透射样本管的激光信号对应的激光数据，进行向量化处理，形成t时刻的激光数据对应的向量样本集，其中，所述t时刻表示当前时刻；
聚类计算模块，用于通过聚类算法对0时刻到t时刻时间内的所有向量样本集进行计算得到对应的平均点向量，其中，所述0时刻表示开始获取透射流式细胞仪样本的激光数据的时刻；
相似度计算模块，用于通过位置敏感哈希算法计算t时刻的向量样本集与平均点向量的相似度；
判断预警模块，用于根据所述t时刻的向量样本集与平均点向量的相似度判断是否将t时刻作为预警时刻，并发出预警。
9.计算机设备,包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311236673.2A CN117269009A (zh) | 2023-09-22 | 2023-09-22 | 流式细胞仪样本容量预警方法、装置、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311236673.2A CN117269009A (zh) | 2023-09-22 | 2023-09-22 | 流式细胞仪样本容量预警方法、装置、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117269009A true CN117269009A (zh) | 2023-12-22 |
Family
ID=89213878
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311236673.2A Pending CN117269009A (zh) | 2023-09-22 | 2023-09-22 | 流式细胞仪样本容量预警方法、装置、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117269009A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117517176A (zh) * | 2024-01-04 | 2024-02-06 | 成都棱镜泰克生物科技有限公司 | 一种流式细胞数据自动处理方法及装置 |
-
2023
- 2023-09-22 CN CN202311236673.2A patent/CN117269009A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117517176A (zh) * | 2024-01-04 | 2024-02-06 | 成都棱镜泰克生物科技有限公司 | 一种流式细胞数据自动处理方法及装置 |
| CN117517176B (zh) * | 2024-01-04 | 2024-03-22 | 成都棱镜泰克生物科技有限公司 | 一种流式细胞数据自动处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108981781B (zh) | 用于分析和检测机器传感器故障的预测分析系统和方法 | |
| CN117269009A (zh) | 流式细胞仪样本容量预警方法、装置、系统、设备及介质 | |
| CN112181767B (zh) | 软件系统异常的确定方法、装置和存储介质 | |
| WO2017020725A1 (zh) | 一种数据检测方法及装置 | |
| JP2016212751A (ja) | 災害検知プログラム、災害検知装置および災害検知方法 | |
| KR102575917B1 (ko) | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 | |
| CN112946623A (zh) | 基于车辆上安装77g毫米波雷达的测速方法和装置 | |
| KR20160062259A (ko) | 차량 이상 상태를 관리하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록매체 | |
| CN111121946B (zh) | 大动态范围大离散单区域多点精准确定异常值的方法 | |
| CN109736793B (zh) | 一种评价储层孔隙结构的方法及设备 | |
| CN113703007A (zh) | 海拔数据监测及显示方法、装置、设备及存储介质 | |
| CN114048085B (zh) | 一种磁盘故障分析方法、装置、设备及可读存储介质 | |
| CN108287890B (zh) | 数据管理方法及装置 | |
| CN114577988B (zh) | 一种纯蒸汽取样方法及系统 | |
| CN113252105B (zh) | 一种硫化矿石存储隐患检测方法及系统 | |
| CN110098983B (zh) | 一种异常流量的检测方法及装置 | |
| KR102032481B1 (ko) | 지형 에코를 이용한 레이더 시스템 진단 장치 및 방법 | |
| CN109738805B (zh) | 电池及其测试方法、装置、电子设备 | |
| Zou et al. | Nonparametric detection of an anomalous disk over a two-dimensional lattice network | |
| Zhang et al. | A Bayes factor model for detecting artificial discontinuities via pairwise comparisons | |
| CN115598616B (zh) | 基于功率谱信息几何的雷达目标检测方法、装置和设备 | |
| US20240012361A1 (en) | Determining time of traversal of wastewater within a wastewater transport infrastructure | |
| US20240019085A1 (en) | Determining extent of obstruction in a wastewater transport infrastructure | |
| CN108616315A (zh) | 功放输出功率检测方法、装置、计算机设备及存储介质 | |
| CN116106852B (zh) | 机载主杂波频道的确定方法、装置及电子设备 |
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 |