CN117271639A - 血样检测数据存储方法、装置、设备及介质 - Google Patents
血样检测数据存储方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117271639A CN117271639A CN202311235427.5A CN202311235427A CN117271639A CN 117271639 A CN117271639 A CN 117271639A CN 202311235427 A CN202311235427 A CN 202311235427A CN 117271639 A CN117271639 A CN 117271639A
- Authority
- CN
- China
- Prior art keywords
- blood sample
- sample
- warehouse
- test data
- blood
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 186
- 210000004369 blood Anatomy 0.000 title claims abstract description 186
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013500 data storage Methods 0.000 title claims abstract description 31
- 238000012795 verification Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims description 35
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004659 sterilization and disinfection Methods 0.000 claims description 6
- 238000004378 air conditioning Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 241000894006 Bacteria Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001954 sterilising effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及数据处理技术领域,提供一种血样检测数据存储方法、装置、设备及介质,能够启动扫描设备扫描血液样本,得到扫描图像及样本标识码,以通过自动扫描技术获取到相关信息,根据样本标识码从配置数据库中调取样本信息,并基于样本信息对血液样本进行准入校验,以实现对血液样本的第一步校验,将扫描图像输入至检测模型以对血液样本进行完整性校验,实现对血液样本的第二步校验,在血液样本连续通过两次校验后,对血液样本及相关的检测数据进行入库处理,进而实现对血液检测数据的自动化验证存储,避免出现存储错误。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种血样检测数据存储方法、装置、设备及介质。
背景技术
对于如交通案件等各种场景,通常需要通过血液检测来进行责任认定,因此,需要采集血液样本,并对血液样本及血液检测数据进行有效保存。
但是,现有技术中,缺乏对血样检测数据的合理存储方案,导致血样检测数据容易缺失。
发明内容
鉴于以上内容,有必要提供一种血样检测数据存储方法、装置、设备及介质,旨在解决血样检测数据的存储问题。
一种血样检测数据存储方法,所述血样检测数据存储方法包括:
当接收到待存储的血液样本时,启动扫描设备扫描所述血液样本,得到扫描图像及样本标识码;
根据所述样本标识码从配置数据库中调取样本信息;
基于所述样本信息对所述血液样本进行准入校验;
当所述血液样本通过所述准入校验时,获取预先训练的检测模型;
将所述扫描图像输入至所述检测模型以对所述血液样本进行完整性校验;
当所述血液样本通过所述完整性校验时,获取所述血液样本的检测数据;
对所述检测数据及所述血液样本进行入库处理。
根据本发明优选实施例,所述基于所述样本信息对所述血液样本进行准入校验后,所述方法还包括:
当所述血液样本未通过所述准入校验时,发出报警信号。
根据本发明优选实施例,所述对所述血液样本进行入库处理后,所述方法还包括:
每隔预设时间间隔发出提示信息;
其中,所述提示信息用于提示对存储所述血液样本的储存库进行消毒处理及生物学监测处理。
根据本发明优选实施例,所述方法还包括:
获取所述储存库中存储的样本数量;
按照预设周期获取所述储存库中所存储样本的当前数量;
对比所述当前数量与所述样本数量,得到对比结果;
根据所述对比结果生成对所述储存库的库存校验结果。
根据本发明优选实施例,所述对所述血液样本进行入库处理包括:
获取所述血液样本的采集时间;
获取所述储存库中已存储样本的采集时间;
按照所述血液样本的采集时间及所述已存储样本的采集时间的先后顺序将所述血液样本存储至所述储存库。
根据本发明优选实施例,所述方法还包括:
当接收到出库请求时,根据所述出库请求确定待出库样本;
启动所述扫描设备扫描所述待出库样本,得到样本图像;
对所述样本图像进行识别,得到样本特征;
获取预先配置的出库检测策略;
根据所述样本特征及所述出库检测策略对所述待出库样本进行出库检测;
当所述待出库样本通过所述出库检测时,允许对所述待出库样本进行出库处理。
根据本发明优选实施例,所述方法还包括:
在完成对所述待出库样本的出库处理后,禁止对所述待出库样本再次进行入库处理。
一种血样检测数据存储装置,所述血样检测数据存储装置包括:
扫描单元,用于当接收到待存储的血液样本时,启动扫描设备扫描所述血液样本,得到扫描图像及样本标识码;
调取单元,用于根据所述样本标识码从配置数据库中调取样本信息;
校验单元,用于基于所述样本信息对所述血液样本进行准入校验;
获取单元,用于当所述血液样本通过所述准入校验时,获取预先训练的检测模型;
所述校验单元,还用于将所述扫描图像输入至所述检测模型以对所述血液样本进行完整性校验;
所述获取单元,还用于当所述血液样本通过所述完整性校验时,获取所述血液样本的检测数据;
处理单元,用于对所述检测数据及所述血液样本进行入库处理。
一种计算机设备,所述计算机设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现所述血样检测数据存储方法。
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至少一个指令,所述至少一个指令被计算机设备中的处理器执行以实现所述血样检测数据存储方法。
由以上技术方案可以看出,本发明能够启动扫描设备扫描血液样本,得到扫描图像及样本标识码,以通过自动扫描技术获取到相关信息,根据样本标识码从配置数据库中调取样本信息,并基于样本信息对血液样本进行准入校验,以实现对血液样本的第一步校验,将扫描图像输入至检测模型以对血液样本进行完整性校验,实现对血液样本的第二步校验,在血液样本连续通过两次校验后,对血液样本及相关的检测数据进行入库处理,进而实现对血液检测数据的自动化验证存储,避免出现存储错误。
附图说明
图1是本发明血样检测数据存储方法的较佳实施例的流程图。
图2是本发明血样检测数据存储装置的较佳实施例的功能模块图。
图3是本发明实现血样检测数据存储方法的较佳实施例的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明血样检测数据存储方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述血样检测数据存储方法应用于一个或者多个计算机设备中,所述计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(DigitalSignal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述计算机设备还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到待存储的血液样本时,启动扫描设备扫描所述血液样本,得到扫描图像及样本标识码。
其中,所述扫描设备可以为任意具有图像采集功能的设备。
其中,所述扫描图像中可以包括所述血液样本的外观、封闭及包装、标签等。
其中,所述样本标识码用于唯一标记所述血液样本。
S11,根据所述样本标识码从配置数据库中调取样本信息。
在本实施例中,可以在所述配置数据库中预先存储与不同标识码对应的样本信息。
具体地,所述样本信息可以包括运输条件(如温度等)、样本采集时间等。
S12,基于所述样本信息对所述血液样本进行准入校验。
在本实施例中,可以预先配置准入策略,并基于所述准入策略及所述样本信息验证所述血液样本的准入性。
例如:可以检测运输条件是否合格,如可以检测运输温度是否符合标准等。
在本实施例中,所述基于所述样本信息对所述血液样本进行准入校验后,所述方法还包括:
当所述血液样本未通过所述准入校验时,发出报警信号。
例如:当所述血液样本的运输条件不符合标准或者并非血液样本,而属于其他物品时,及时发出报警信号(如进行蜂鸣警报),并可以立即查找原因,及时解决并记录。
通过上述实施例,能够在执行入库前先对所述血液样本进行准入校验,避免出现存储错误。
S13,当所述血液样本通过所述准入校验时,获取预先训练的检测模型。
其中,所述检测模型可以为预先训练的具有预测作用的神经网络模型等人工智能模型。
在本实施例中,当所述血液样本未通过所述准入校验时,禁止对所述血液样本进行入库处理。
S14,将所述扫描图像输入至所述检测模型以对所述血液样本进行完整性校验。
具体地,在将所述扫描图像输入至所述检测模型后,通过图像识别及模型预测,可以自动检测出样本外观是否完整、封装是否完整,以及标签是否完整等,以实现对所述血液样本的完整性校验。
通过上述实施例,能够在执行入库前再对所述血液样本进行完整性校验,这样,通过依次执行两次校验,更加能够保证数据的可靠性及正确性。
S15,当所述血液样本通过所述完整性校验时,获取所述血液样本的检测数据。
其中,所述检测数据可以包括检测结果、检测人员信息等。
在本实施例中,当所述血液样本未通过所述完整性校验时,禁止对所述血液样本进行入库处理。
S16,对所述检测数据及所述血液样本进行入库处理。
在本实施例中,所述对所述血液样本进行入库处理后,所述方法还包括:
每隔预设时间间隔发出提示信息;
其中,所述提示信息用于提示对存储所述血液样本的储存库进行消毒处理及生物学监测处理。
其中,所述预设时间间隔可以进行自定义配置。
例如:可以每周进行一次消毒处理,每月进行一次生物学监测,以保证无霉菌生成或培养皿(90mm)细菌生长菌落<8cfu/10min。
在本实施例中,所述方法还包括:
获取所述储存库中存储的样本数量;
按照预设周期获取所述储存库中所存储样本的当前数量;
对比所述当前数量与所述样本数量,得到对比结果;
根据所述对比结果生成对所述储存库的库存校验结果。
其中,所述预设周期可以根据实际的检测需求进行配置,如每月。
具体地,当所述对比结果显示所述当前数量与所述样本数量一致时,确定所述库存校验结果为正常;当所述对比结果显示所述当前数量与所述样本数量不一致时,确定所述库存校验结果为异常。
在本实施例中,所述对所述血液样本进行入库处理包括:
获取所述血液样本的采集时间;
获取所述储存库中已存储样本的采集时间;
按照所述血液样本的采集时间及所述已存储样本的采集时间的先后顺序将所述血液样本存储至所述储存库。
通过上述实施例,能够按照样本采集时间的先后顺序对样本进行存放,先采先用,以免样本过期报废。
在本实施例中,所述方法还包括:
当接收到出库请求时,根据所述出库请求确定待出库样本;
启动所述扫描设备扫描所述待出库样本,得到样本图像;
对所述样本图像进行识别,得到样本特征;
获取预先配置的出库检测策略;
根据所述样本特征及所述出库检测策略对所述待出库样本进行出库检测;
当所述待出库样本通过所述出库检测时,允许对所述待出库样本进行出库处理。
其中,所述样本特征可以包括,但不限于样本标签特征、样本颜色特征等。
具体地,可以通过所述出库检测,检测样本标签是否破损、标签字迹是否清晰,样本是否有破损,样本颜色是否正常等。
通过上述实施例,能够结合人工智能手段自动进行出库检测,避免有不符合标准的样本出库而影响后续处理结果的有效性。
在本实施例中,所述方法还包括:
在完成对所述待出库样本的出库处理后,禁止对所述待出库样本再次进行入库处理。
具体地,可以自动识别样本的标识码,当通过该样本的标识码检测到该样本已有出库记录时,则禁止该样本再次入库。
在上述实施例中,样本一旦出库,则不允许再次入库,以免造成样本污染。
由以上技术方案可以看出,本发明能够启动扫描设备扫描血液样本,得到扫描图像及样本标识码,以通过自动扫描技术获取到相关信息,根据样本标识码从配置数据库中调取样本信息,并基于样本信息对血液样本进行准入校验,以实现对血液样本的第一步校验,将扫描图像输入至检测模型以对血液样本进行完整性校验,实现对血液样本的第二步校验,在血液样本连续通过两次校验后,对血液样本及相关的检测数据进行入库处理,进而实现对血液检测数据的自动化验证存储,避免出现存储错误。
如图2所示,是本发明血样检测数据存储装置的较佳实施例的功能模块图。所述血样检测数据存储装置11包括扫描单元110、调取单元111、校验单元112、获取单元113、处理单元114。本发明所称的模块/单元是指一种能够被处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
所述扫描单元110,用于当接收到待存储的血液样本时,启动扫描设备扫描所述血液样本,得到扫描图像及样本标识码。
其中,所述扫描设备可以为任意具有图像采集功能的设备。
其中,所述扫描图像中可以包括所述血液样本的外观、封闭及包装、标签等。
其中,所述样本标识码用于唯一标记所述血液样本。
所述调取单元111,用于根据所述样本标识码从配置数据库中调取样本信息。
在本实施例中,可以在所述配置数据库中预先存储与不同标识码对应的样本信息。
具体地,所述样本信息可以包括运输条件(如温度等)、样本采集时间等。
所述校验单元112,用于基于所述样本信息对所述血液样本进行准入校验。
在本实施例中,可以预先配置准入策略,并基于所述准入策略及所述样本信息验证所述血液样本的准入性。
例如:可以检测运输条件是否合格,如可以检测运输温度是否符合标准等。
在本实施例中,所述校验单元112基于所述样本信息对所述血液样本进行准入校验后,当所述血液样本未通过所述准入校验时,发出报警信号。
例如:当所述血液样本的运输条件不符合标准或者并非血液样本,而属于其他物品时,及时发出报警信号(如进行蜂鸣警报),并可以立即查找原因,及时解决并记录。
通过上述实施例,能够在执行入库前先对所述血液样本进行准入校验,避免出现存储错误。
所述获取单元113,用于当所述血液样本通过所述准入校验时,获取预先训练的检测模型。
其中,所述检测模型可以为预先训练的具有预测作用的神经网络模型等人工智能模型。
在本实施例中,当所述血液样本未通过所述准入校验时,禁止对所述血液样本进行入库处理。
所述校验单元112,还用于将所述扫描图像输入至所述检测模型以对所述血液样本进行完整性校验。
具体地,在将所述扫描图像输入至所述检测模型后,通过图像识别及模型预测,可以自动检测出样本外观是否完整、封装是否完整,以及标签是否完整等,以实现对所述血液样本的完整性校验。
通过上述实施例,能够在执行入库前再对所述血液样本进行完整性校验,这样,通过依次执行两次校验,更加能够保证数据的可靠性及正确性。
所述获取单元113,还用于当所述血液样本通过所述完整性校验时,获取所述血液样本的检测数据。
其中,所述检测数据可以包括检测结果、检测人员信息等。
在本实施例中,当所述血液样本未通过所述完整性校验时,禁止对所述血液样本进行入库处理。
所述处理单元114,用于对所述检测数据及所述血液样本进行入库处理。
在本实施例中,所述对所述血液样本进行入库处理后,每隔预设时间间隔发出提示信息;
其中,所述提示信息用于提示对存储所述血液样本的储存库进行消毒处理及生物学监测处理。
其中,所述预设时间间隔可以进行自定义配置。
例如:可以每周进行一次消毒处理,每月进行一次生物学监测,以保证无霉菌生成或培养皿(90mm)细菌生长菌落<8cfu/10min。
在本实施例中,获取所述储存库中存储的样本数量;
按照预设周期获取所述储存库中所存储样本的当前数量;
对比所述当前数量与所述样本数量,得到对比结果;
根据所述对比结果生成对所述储存库的库存校验结果。
其中,所述预设周期可以根据实际的检测需求进行配置,如每月。
具体地,当所述对比结果显示所述当前数量与所述样本数量一致时,确定所述库存校验结果为正常;当所述对比结果显示所述当前数量与所述样本数量不一致时,确定所述库存校验结果为异常。
在本实施例中,所述处理单元114对所述血液样本进行入库处理包括:
获取所述血液样本的采集时间;
获取所述储存库中已存储样本的采集时间;
按照所述血液样本的采集时间及所述已存储样本的采集时间的先后顺序将所述血液样本存储至所述储存库。
通过上述实施例,能够按照样本采集时间的先后顺序对样本进行存放,先采先用,以免样本过期报废。
在本实施例中,当接收到出库请求时,根据所述出库请求确定待出库样本;
启动所述扫描设备扫描所述待出库样本,得到样本图像;
对所述样本图像进行识别,得到样本特征;
获取预先配置的出库检测策略;
根据所述样本特征及所述出库检测策略对所述待出库样本进行出库检测;
当所述待出库样本通过所述出库检测时,允许对所述待出库样本进行出库处理。
其中,所述样本特征可以包括,但不限于样本标签特征、样本颜色特征等。
具体地,可以通过所述出库检测,检测样本标签是否破损、标签字迹是否清晰,样本是否有破损,样本颜色是否正常等。
通过上述实施例,能够结合人工智能手段自动进行出库检测,避免有不符合标准的样本出库而影响后续处理结果的有效性。
在本实施例中,在完成对所述待出库样本的出库处理后,禁止对所述待出库样本再次进行入库处理。
具体地,可以自动识别样本的标识码,当通过该样本的标识码检测到该样本已有出库记录时,则禁止该样本再次入库。
在上述实施例中,样本一旦出库,则不允许再次入库,以免造成样本污染。
由以上技术方案可以看出,本发明能够启动扫描设备扫描血液样本,得到扫描图像及样本标识码,以通过自动扫描技术获取到相关信息,根据样本标识码从配置数据库中调取样本信息,并基于样本信息对血液样本进行准入校验,以实现对血液样本的第一步校验,将扫描图像输入至检测模型以对血液样本进行完整性校验,实现对血液样本的第二步校验,在血液样本连续通过两次校验后,对血液样本及相关的检测数据进行入库处理,进而实现对血液检测数据的自动化验证存储,避免出现存储错误。
如图3所示,是本发明实现血样检测数据存储方法的较佳实施例的计算机设备的结构示意图。
所述计算机设备1可以包括存储器12、处理器13和总线,还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如血样检测数据存储程序。
本领域技术人员可以理解,所述示意图仅仅是计算机设备1的示例,并不构成对计算机设备1的限定,所述计算机设备1既可以是总线型结构,也可以是星形结构,所述计算机设备1还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置,例如所述计算机设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是,所述计算机设备1仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
其中,存储器12至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是计算机设备1的内部存储单元,例如该计算机设备1的移动硬盘。存储器12在另一些实施例中也可以是计算机设备1的外部存储设备,例如计算机设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器12还可以既包括计算机设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于计算机设备1的应用软件及各类数据,例如血样检测数据存储程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述计算机设备1的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备1的各个部件,通过运行或执行存储在所述存储器12内的程序或者模块(例如执行血样检测数据存储程序等),以及调用存储在所述存储器12内的数据,以执行计算机设备1的各种功能和处理数据。
所述处理器13执行所述计算机设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个血样检测数据存储方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机程序在所述计算机设备1中的执行过程。例如,所述计算机程序可以被分割成扫描单元110、调取单元111、校验单元112、获取单元113、处理单元114。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块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、计算机设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述血样检测数据存储方法的部分。
所述计算机设备1集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指示相关的硬件设备来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器等。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,在图3中仅用一根直线表示,但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出,所述计算机设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器13逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述计算机设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该计算机设备1与其他计算机设备之间建立通信连接。
可选地,该计算机设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在计算机设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的计算机设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对所述计算机设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
结合图1,所述计算机设备1中的所述存储器12存储多个指令以实现一种血样检测数据存储方法,所述处理器13可执行所述多个指令从而实现:
当接收到待存储的血液样本时,启动扫描设备扫描所述血液样本,得到扫描图像及样本标识码;
根据所述样本标识码从配置数据库中调取样本信息;
基于所述样本信息对所述血液样本进行准入校验;
当所述血液样本通过所述准入校验时,获取预先训练的检测模型;
将所述扫描图像输入至所述检测模型以对所述血液样本进行完整性校验;
当所述血液样本通过所述完整性校验时,获取所述血液样本的检测数据;
对所述检测数据及所述血液样本进行入库处理。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
需要说明的是,本案中所涉及到的数据均为合法取得。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
本发明可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种血样检测数据存储方法,其特征在于,所述血样检测数据存储方法包括:
当接收到待存储的血液样本时,启动扫描设备扫描所述血液样本,得到扫描图像及样本标识码;
根据所述样本标识码从配置数据库中调取样本信息;
基于所述样本信息对所述血液样本进行准入校验;
当所述血液样本通过所述准入校验时,获取预先训练的检测模型;
将所述扫描图像输入至所述检测模型以对所述血液样本进行完整性校验;
当所述血液样本通过所述完整性校验时,获取所述血液样本的检测数据;
对所述检测数据及所述血液样本进行入库处理。
2.如权利要求1所述的血样检测数据存储方法,其特征在于,所述基于所述样本信息对所述血液样本进行准入校验后,所述方法还包括:
当所述血液样本未通过所述准入校验时,发出报警信号。
3.如权利要求1所述的血样检测数据存储方法,其特征在于,所述对所述血液样本进行入库处理后,所述方法还包括:
每隔预设时间间隔发出提示信息;
其中,所述提示信息用于提示对存储所述血液样本的储存库进行消毒处理及生物学监测处理。
4.如权利要求3所述的血样检测数据存储方法,其特征在于,所述方法还包括:
获取所述储存库中存储的样本数量;
按照预设周期获取所述储存库中所存储样本的当前数量;
对比所述当前数量与所述样本数量,得到对比结果;
根据所述对比结果生成对所述储存库的库存校验结果。
5.如权利要求3所述的血样检测数据存储方法,其特征在于,所述对所述血液样本进行入库处理包括:
获取所述血液样本的采集时间;
获取所述储存库中已存储样本的采集时间;
按照所述血液样本的采集时间及所述已存储样本的采集时间的先后顺序将所述血液样本存储至所述储存库。
6.如权利要求1所述的血样检测数据存储方法,其特征在于,所述方法还包括:
当接收到出库请求时,根据所述出库请求确定待出库样本;
启动所述扫描设备扫描所述待出库样本,得到样本图像;
对所述样本图像进行识别,得到样本特征;
获取预先配置的出库检测策略;
根据所述样本特征及所述出库检测策略对所述待出库样本进行出库检测;
当所述待出库样本通过所述出库检测时,允许对所述待出库样本进行出库处理。
7.如权利要求6所述的血样检测数据存储方法,其特征在于,所述方法还包括:
在完成对所述待出库样本的出库处理后,禁止对所述待出库样本再次进行入库处理。
8.一种血样检测数据存储装置,其特征在于,所述血样检测数据存储装置包括:
扫描单元,用于当接收到待存储的血液样本时,启动扫描设备扫描所述血液样本,得到扫描图像及样本标识码;
调取单元,用于根据所述样本标识码从配置数据库中调取样本信息;
校验单元,用于基于所述样本信息对所述血液样本进行准入校验;
获取单元,用于当所述血液样本通过所述准入校验时,获取预先训练的检测模型;
所述校验单元,还用于将所述扫描图像输入至所述检测模型以对所述血液样本进行完整性校验;
所述获取单元,还用于当所述血液样本通过所述完整性校验时,获取所述血液样本的检测数据;
处理单元,用于对所述检测数据及所述血液样本进行入库处理。
9.一种计算机设备,其特征在于,所述计算机设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的血样检测数据存储方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至7中任意一项所述的血样检测数据存储方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235427.5A CN117271639A (zh) | 2023-09-22 | 2023-09-22 | 血样检测数据存储方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311235427.5A CN117271639A (zh) | 2023-09-22 | 2023-09-22 | 血样检测数据存储方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117271639A true CN117271639A (zh) | 2023-12-22 |
Family
ID=89200366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311235427.5A Pending CN117271639A (zh) | 2023-09-22 | 2023-09-22 | 血样检测数据存储方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117271639A (zh) |
-
2023
- 2023-09-22 CN CN202311235427.5A patent/CN117271639A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559535B (zh) | 基于多线程的异步任务处理方法、装置、设备及介质 | |
CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
CN111950621A (zh) | 基于人工智能的目标数据检测方法、装置、设备及介质 | |
CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
CN111985545A (zh) | 基于人工智能的目标数据检测方法、装置、设备及介质 | |
WO2022095519A1 (zh) | 通关检验方法、装置、电子设备及计算机可读存储介质 | |
CN111950707A (zh) | 基于行为共现网络的行为预测方法、装置、设备及介质 | |
CN116823437A (zh) | 基于配置化风控策略的准入方法、装置、设备及介质 | |
CN117271639A (zh) | 血样检测数据存储方法、装置、设备及介质 | |
CN115913763A (zh) | 流量异常检测方法、装置、设备及介质 | |
CN114816371A (zh) | 消息处理方法、装置、设备及介质 | |
CN115101152A (zh) | 样本优先级切换方法、装置、设备及介质 | |
CN116225971B (zh) | 交易接口兼容性检测方法、装置、设备及介质 | |
CN116976821B (zh) | 企业问题反馈信息处理方法、装置、设备及介质 | |
CN116934263B (zh) | 产品批量准入方法、装置、设备及介质 | |
CN116306591B (zh) | 流程表单生成方法、装置、设备及介质 | |
CN115731047B (zh) | 批量订单处理方法、设备及介质 | |
CN117316359A (zh) | 血液检测过程跟踪方法、装置、设备及介质 | |
CN113449037B (zh) | 基于ai的sql引擎调用方法、装置、设备及介质 | |
CN112651778B (zh) | 用户行为预测方法、装置、设备及介质 | |
CN117952076A (zh) | 人员询问过程的记录材料生成方法、装置、设备及介质 | |
CN116860508B (zh) | 分布式系统软件缺陷连续自愈方法、装置、设备及介质 | |
CN117540831A (zh) | 交通案件办理预约方法、装置、设备及介质 | |
CN116994279A (zh) | 发票数据采集方法、装置、设备及介质 | |
CN117151955A (zh) | 交通案件处理状态跟踪方法、装置、设备及介质 |
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 |