一种比浊法异常反应曲线的识别、修正及报警方法
阅读：147发布：2024-02-20
专利汇可以提供一种比浊法异常反应曲线的识别、修正及报警方法专利检索，专利查询，专利分析的服务。并且本 发明 提供一种比浊法异常反应曲线的识别、报警及修正方法，其中识别方法包括：获取原始反应曲线；对所述原始反应曲线上是否存在异常点进行识别。本发明 实施例 创新性地对比浊法反应曲线进行异常点识别和报警，避免不加处理地将有可能已发生异常反应的数据作为检测结果，有助于提高检测的准确性；并且，通过对识别出的异常点加以修正，能够很好弥补发生显著异常的反应曲线，大大提高检测的准确性。，下面是一种比浊法异常反应曲线的识别、修正及报警方法专利的具体信息内容。
1.一种比浊法异常反应曲线的识别方法，应用于利用比浊法对全血样本进行检测的设备，包括：
将试剂输运至样本反应杯溶解样本的血细胞，以及使得试剂和样本中的抗原或抗体产生反应，然后应用比浊法对样本进行检测；
步骤S21，获取原始反应曲线；
步骤S22，计算所述原始反应曲线上至少一个点的一阶差分，所述一阶差分是该点后一采样时间点所对应的吸光度减去该点对应的吸光度的差值；如果计算所得到的该点的一阶差分小于第一阈值，则将该点识别为异常点；
步骤S23，从由计算得到的所述一阶差分形成的一阶差分曲线上至少选取部分点，分别计算其二阶差分；如果所述二阶差分大于所述第一阈值，则将所选取点中的至少一个点识别为异常点。
2.根据权利要求1所述的方法，其特征在于，从所述一阶差分曲线上至少选取部分点，分别计算其二阶差分的计算方法是：在所述一阶差分曲线上从第一个点开始，按采样时间顺序连续选取一部分点计算其一阶差分平均值作为第一一阶差分值，然后从未选取的点开始连续选取同样数量的点计算其一阶差分平均值作为第二一阶差分值，第二一阶差分值减去第一一阶差分值则为所述第一个点的二阶差分，依次计算第N1一阶差分值，第N1一阶差分值减去第N1-1一阶差分值则为第N1-1个点对应的二阶差分。
3.根据权利要求2所述的方法，其特征在于，还包括步骤：
从由计算得到的所述二阶差分形成的二阶差分曲线上至少选取部分点，分别计算其三阶差分；如果所述三阶差分小于所述第一阈值，则将所选取点中的至少一个点识别为异常点。
4.根据权利要求3所述的方法，其特征在于，从所述二阶差分曲线上至少选取部分点，分别计算其三阶差分的计算方法是：在所述二阶差分曲线上从第一个点开始，按采样时间顺序连续选取一部分点计算其二阶差分平均值作为第一二阶差分值，然后从未选取的点开始连续选取同样数量的点计算其二阶差分平均值作为第二二阶差分值，第二二阶差分值减去第一二阶差分值则为所述第一个点的三阶差分，依次计算第N2二阶差分值，第N2二阶差分值减去第N2-1二阶差分值则为第N2-1个点对应的三阶差分。
5.根据权利要求1所述的方法，其特征在于，所述第一阈值根据所用检测装置的本底测试样本的吸光度曲线对应的一阶差分统计值确定。
6.根据权利要求5所述的方法，其特征在于，所述第一阈值取值为0。
7.根据权利要求1所述的方法，其特征在于，所述步骤S22具体包括：
步骤S22a，根据从所述原始反应曲线获得的检测值，获取对应的正常反应曲线；
步骤S22b，获取所述正常反应曲线上每一点的吸光度；
步骤S22c，判断所述原始反应曲线上每一点的吸光度，是否超出所述正常反应曲线上同一采样时间点所对应的吸光度，若是则将所述原始反应曲线上的点识别为异常点。
8.一种比浊法异常反应曲线的报警方法，包括：
步骤S41，根据权利要求1-7任一项所述的方法识别出原始反应曲线上的异常点；
步骤S42，计算所述识别出的异常点占所有点的比例；
步骤S43，如果所述比例大于或等于第二阈值，则给出报警提示。
9.根据权利要求8所述的方法，其特征在于，所述第二阈值根据如下方式获得：
随机选取M例正常样本，并计算其中异常反应点占所有点的比例的平均值，获得第一平均值；
随机选取M例出现异常反应的样本，并计算其中异常反应点占所有点的比例的平均值，获得第二平均值；
计算所述第一平均值与第二平均值的平均值，得到所述第二阈值ψ。
10.一种比浊法异常反应曲线的修正方法，包括：
步骤S51，根据权利要求1所述的方法识别出原始反应曲线上的异常点；
步骤S52，根据异常点识别后剩余的一阶差分正常点及其对应的采样时间点，以及一阶差分异常点所对应的采样时间点，计算异常点的异常一阶差分修正值；
步骤S53，以所述异常一阶差分修正值对原始反应曲线上相应异常点的吸光度进行修正。
11.根据权利要求10所述的方法，其特征在于，所述异常一阶差分修正值通过由正常一阶差分构成的一个函数计算获得；其中，
所述正常一阶差分为根据异常点识别后剩余的一阶差分正常点；
所述函数为：所述异常一阶差分修正值等于该点对应的采样时间点乘以第一系数后，再加上第二系数；所述第一系数和第二系数通过对异常点识别后剩余的一阶差分正常点数组及其对应的采样时间点数组进行最小二乘拟合获得。
12.根据权利要求11所述的方法，其特征在于，所述步骤S53具体包括：
步骤S531，在原始反应曲线图上选择任意一点作为基准点；
步骤S532，将所述异常一阶差分的修正值和所述正常一阶差分进行合并作为所有点的一阶差分，然后进行如下操作：
从所述基准点后的第一个点开始至其后的所有点，其修正吸光度为：当前点的前一个点的修正吸光度加上前一个点的一阶差分修正值作为该点的吸光度；
从所述基准点前的第一个点开始至其前的所有点，其修正吸光度为：当前点的后一个点的修正吸光度减去当前点的一阶差分修正值作为该点的吸光度。
一种比浊法异常反应曲线的识别、修正及报警方法
技术领域
[0001] 本发明涉及医疗技术领域，尤其涉及一种比浊法异常反应曲线的识别、修正及报警方法。
背景技术
[0002] C反应蛋白（C-reactive protein，CRP）是急性时相反应蛋白之一，在临床上，经常需要检验C反应蛋白的浓度。
[0003] 当前业界测量C反应蛋白的浓度主要是测量血清中C反应蛋白的浓度，日本专利NO.11575/1983公开了一种免疫分析方法，该方法利用不溶物上的抗原或抗体与样本上的相应的抗体或抗原结合成凝集物的特点，再使用波长在600nm 2400nm之间的光波照射凝结~物，最后通过分析光的吸收（absorbance）或散射（scattered）程度得到抗原的参数。由于该方法的使用优点，逐步成为免疫分析方法的主流，被称之为胶乳免疫透射比浊法，该方法使用的测量对象是血清。在实际应用中，很多时候需要同时测量血常规和C反应蛋白。但由于血常规需要测量抗凝全血，而C反应蛋白需要测量血清，这就需要同时抽取两管血液，增加病人的负担。并且，对于某些特殊情况，例如儿童检测时，几乎很难抽取大量的血液，因此需要一种能够测量全血C反应蛋白的方法。
[0004] 由于全血中含有的血细胞可能会对光的散射或吸收产生影响，因此为了去除血细胞对测量C反应蛋白的干扰，需要加入试剂溶解血细胞去除干扰，同时测量C反应蛋白也需要加入试剂使得抗原抗体产生反应；将试剂输运至样本反应杯过程中可能会产生气泡，当样本反应杯中出现气泡，仪器会检测到许多干扰信号，影响C反应蛋白检测准确性。
[0005] 遗憾的是，对于测量全血C反应蛋白来说，现有技术并未考虑对全血C反应蛋白异常反应曲线进行识别，进而采取相应的处理。一种包括全血C反应蛋白异常反应曲线在内的比浊法异常反应曲线的识别方法成为了迫切的现实需要。
发明内容
[0006] 本发明所要解决的技术问题在于，提供一种有利于提高检测准确性的比浊法异常反应曲线的识别、修正及报警方法。
[0007] 为了解决上述技术问题，本发明提供一种比浊法异常反应曲线的识别方法，包括：
[0008] 步骤S21，获取原始反应曲线；
[0009] 步骤S22，对所述原始反应曲线上是否存在异常点进行识别。
[0010] 其中，所述步骤S22具体包括：
[0011] 步骤S221，计算所述原始反应曲线上至少一个点的一阶差分，所述一阶差分是该点后一采样时间点所对应的吸光度减去该点对应的吸光度的差值；
[0012] 步骤S222，如果计算所得到的该点的一阶差分小于第一阈值，则将该点识别为异常点。
[0013] 其中，还包括步骤：
[0014] 从由计算得到的所述一阶差分形成的一阶差分曲线上至少选取部分点，分别计算其二阶差分；
[0015] 如果所述二阶差分大于所述第一阈值，则将所选取点中的至少一个点识别为异常点。
[0016] 其中，从所述一阶差分曲线上至少选取部分点，分别计算其二阶差分的计算方法是：在所述一阶差分曲线上从第一个点开始，按采样时间顺序连续选取一部分点计算其一阶差分平均值作为第一一阶差分值，然后从未选取的点开始连续选取同样数量的点计算其一阶差分平均值作为第二一阶差分值，第二一阶差分值减去第一一阶差分值则为所述第一个点的二阶差分，依次计算第N1一阶差分值，第N1一阶差分值减去第N1-1一阶差分值则为第N1-1个点对应的二阶差分。
[0017] 其中，还包括步骤：
[0018] 从由计算得到的所述二阶差分形成的二阶差分曲线上至少选取部分点，分别计算其三阶差分；
[0019] 如果所述三阶差分小于所述第一阈值，则将所选取点中的至少一个点识别为异常点。
[0020] 其中，从所述二阶差分曲线上至少选取部分点，分别计算其三阶差分的计算方法是：在所述二阶差分曲线上从第一个点开始，按采样时间顺序连续选取一部分点计算其二阶差分平均值作为第一二阶差分值，然后从未选取的点开始连续选取同样数量的点计算其二阶差分平均值作为第二二阶差分值，第二二阶差分值减去第一二阶差分值则为所述第一个点的三阶差分，依次计算第N2二阶差分值，第N2二阶差分值减去第N2-1二阶差分值则为第N2-1个点对应的三阶差分。
[0021] 其中，所述第一阈值根据所用检测装置的本底测试样本的吸光度曲线对应的一阶差分统计值确定。
[0022] 其中，所述第一阈值取值为0。
[0023] 其中，所述步骤S22具体包括：
[0024] 步骤S22a，根据从所述原始反应曲线获得的检测值，获取对应的正常反应曲线；
[0025] 步骤S22b，获取所述正常反应曲线上每一点的吸光度阈值；
[0026] 步骤S22c，判断所述原始反应曲线上每一点的吸光度，是否超出所述正常反应曲线上同一采样时间点所对应的吸光度，若是则将所述原始反应曲线上的点识别为异常点。
[0027] 本发明又提供一种比浊法异常反应曲线的报警方法，包括：
[0028] 步骤S41，根据所述的方法识别出原始反应曲线上的异常点；
[0029] 步骤S42，计算所述识别出的异常点占所有点的比例；
[0030] 步骤S43，如果所述比例大于或等于第二阈值，则给出报警提示。
[0031] 其中，所述第二阈值根据如下方式获得：
[0032] 随机选取M例正常样本，并计算其中异常反应点占所有点的比例的平均值，获得第一平均值；
[0033] 随机选取M例出现异常反应的样本，并计算其中异常反应点占所有点的比例的平均值，获得第二平均值；
[0034] 计算所述第一平均值与第二平均值的平均值，得到所述第二阈值ψ。
[0035] 本发明还提供一种比浊法异常反应曲线的修正方法，包括：
[0036] 步骤S51，根据所述的方法识别出原始反应曲线上的异常点；
[0037] 步骤S52，根据异常点识别后剩余的一阶差分正常点及其对应的采样时间点，以及一阶差分异常点所对应的采样时间点，计算异常点的异常一阶差分修正值；
[0038] 步骤S53，以所述异常一阶差分修正值对原始反应曲线上相应异常点的吸光度进行修正。
[0039] 其中，所述异常一阶差分修正值通过由正常一阶差分构成的一个函数计算获得。
[0040] 其中，所述函数是：所述异常一阶差分修正值等于该点对应的采样时间点乘以第一系数后，再加上第二系数。
[0041] 其中，所述第一系数和第二系数通过对异常点识别后剩余的一阶差分正常点数组及其对应的采样时间点数组进行最小二乘拟合获得。
[0042] 其中，所述步骤S53具体包括：
[0043] 步骤S531，在所述原始反应曲线图上选择任意一点作为基准点；
[0044] 步骤S532，将所述异常一阶差分的修正值和所述正常一阶差分进行合并作为所有点的一阶差分，然后进行如下操作：
[0045] 从所述基准点后的第一个点开始至其后的所有点，其修正吸光度为：当前点的前一个点的修正吸光度加上前一个点的一阶差分修正值作为该点的吸光度；
[0046] 从所述基准点前的第一个点开始至其前的所有点，其修正吸光度为：当前点的后一个点的修正吸光度减去当前点的一阶差分修正值作为该点的吸光度。
[0047] 实施本发明实施例将带来如下有益效果：首先，本发明实施例创新性地对比浊法反应曲线进行异常点识别，避免不加处理地将有可能已发生异常反应的数据作为检测结果，有助于提高检测的准确性；进一步地，根据识别的结果可以及时报警，提示检测人员，同样可以避免不加处理地将有可能已发生异常反应的数据作为检测结果，有助于提高检测的准确性；更进一步地，通过对识别出的异常点加以修正，能够很好弥补发生显著异常的反应曲线，大大提高检测的准确性。附图说明
[0048] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0049] 图1是全血C反应蛋白的正常反应曲线示意图。
[0050] 图2是本发明实施例一比浊法异常反应曲线的识别方法的流程示意图。
[0051] 图3A-图3D是采用本发明实施例一中计算二阶差分和三阶差分以进一步识别异常反应曲线的示意图。
[0052] 图4是本发明实施例二比浊法异常反应曲线的报警方法的流程示意图。
[0053] 图5是本发明实施例三比浊法异常反应曲线的修正方法的流程示意图。
[0054] 图6A-图6G是分别采用本发明实施例一的识别方法和实施例三的修正方法应用于实例一的各反应曲线示意图。
[0055] 图7A-图7G是分别采用本发明实施例一的识别方法和实施例三的修正方法应用于实例二的各反应曲线示意图。
具体实施方式
[0056] 下面参考附图对本发明的优选实施例进行描述。
[0057] 本发明实施例的识别、报警及修正方法，适用于所有比浊法反应曲线，以下为叙述简便，将以全血C反应蛋白的反应曲线为例进行说明，但并非将其限制在全血C反应蛋白的反应曲线。
[0058] 本发明实施例一提供一种比浊法异常反应曲线的识别方法，如图2所示，具体包括：
[0059] 步骤S21，获取原始反应曲线；
[0060] 步骤S22，对该原始反应曲线上是否存在异常点进行识别。
[0061] 现有技术测量全血C反应蛋白时，样本反应杯容易出现气泡，导致产生许多干扰信号被仪器检测到，如果不对测量全血C反应蛋白所得到的反应曲线进行识别，判断是否有异常，将大大影响C反应蛋白检测准确性。
[0062] 图1所示为全血C反应蛋白的正常反应曲线，其中横轴为采样时间，纵轴为吸光度。某一采样时间点对应有一个吸光度，第i个时间点Ti的检测吸光度记为Ai，i=1，2，3，…，N。N为自然数。第i个采样时间点Ti与对应的吸光度Ai共同决定反映在反应曲线上的一个点，记为Pi，即Pi以采样时间Ti为横坐标、对应吸光度Ai为纵坐标。本实施例即是识别Pi是否是异常点。
[0063] 由于现有技术不存在对反应曲线进行识别的技术方案，通过本实施例的识别方法对获取的全血C反应蛋白的反应曲线进行识别，如果判断出存在异常点，则表明该反应曲线存在异常，不能将其结果作为正式检测结果，这将有利于提高检测的准确性。
[0064] 对异常点的识别方式，作为一个例子，步骤S22具体包括：
[0065] 步骤S22a，根据从所述原始反应曲线获得的检测值，获取对应的正常反应曲线；
[0066] 步骤S22b，获取正常反应曲线上每一点的吸光度阈值；
[0067] 步骤S22c，判断该原始反应曲线上每一点的吸光度，是否超出该正常反应曲线上同一采样时间点所对应的吸光度，若是则将该原始反应曲线上的点识别为异常点。
[0068] 以全血C反应蛋白反应曲线为例，从原始反应曲线得到CRP值，以该值在标准图库中找到对应的正常反应曲线，该正常反应曲线相当于当前样本的一种理想模版参照，没有发生任何干扰，其上每一点所对应的吸光度相当于一个阈值。将根据原始反应曲线上每一点的吸光度，均与正常反应曲线上对应的点进行吸光度大小比较，如果原始反应曲线上某一点吸光度与正常反应曲线上对应采样时间点的吸光度偏差较大，则表明该点出现了显著异常，则该点将被识别为异常点。通过这种方式可以很容易识别出全血C反应蛋白的原始反应曲线上是否存在异常点，有助于提高检测的准确性。
[0069] 作为另一种识别异常点的方式，并结合图1所示，步骤S22具体包括：
[0070] 步骤S221，计算原始反应曲线上至少一个点的一阶差分，该一阶差分是该点后一采样时间点所对应的吸光度减去该点对应的吸光度的差值；
[0071] 步骤S222，如果计算所得到的该点的一阶差分小于第一阈值，则将该点识别为异常点。
[0072] 如前所述，第i个采样时间点的后一个采样时间点，即第i+1个时间点Ti+1，与对应的吸光度Ai+1共同决定反映在原始反应曲线上的另一个点，记为Pi+1，Pi+1点以采样时间Ti+1为横坐标、对应吸光度Ai+1为纵坐标。
[0073] 根据上述方法，要识别原始反应曲线上第i个采样时间点Ti对应的Pi点是否是异常点，则首先需要计算Pi点的一阶差分di：
[0074] di= Ai+1 - Ai，i=1，2，…，N-1
[0075] 由上可知，Pi点的一阶差分di是由Pi+1点对应的吸光度Ai+1减去Pi点对应的吸光度Ai而得。具体的，各点的一阶差分分别是：d1，d2，…，dN-1。
[0076] 得到Pi点的一阶差分di后，则需进一步将该一阶差分di与第一阈值相比较。第一阈值设为λ，λ的取值与全血C反应蛋白的检测装置的精度有关，确切地说是由所用检测装置的本底测试样本的吸光度曲线对应的一阶差分统计值确定。检测装置不同，则第一阈值λ的取值也不尽相同。
[0077] 如果di < λ，表明Pi点出现异常，则将Pi点识别为异常点。
[0078] 理想状态下，λ的取值为0。为判断简便，本实施例中，可以将λ取值为0，即λ=0。这时比较di与λ的大小关系，实际上相当于比较Pi+1点对应的吸光度Ai+1与Pi点对应的吸光度Ai之间的大小，如果Ai+1 < A（i 即di= Ai+1-Ai < 0），则将Pi点识别为异常点。通常在正常反应曲线上，后一采样时间点的吸光度总是要大于前一采样时间点的吸光度（即Ai+1 > Ai），所以，当出现后一采样时间点的吸光度小于前一采样时间点的吸光度（即Ai+1 < Ai）的情况时，就意味着Pi点出现了异常，该反应曲线也为异常反应曲线。
[0079] 通过这种简单的识别方式，能够快速识别出原始反应曲线上是否存在异常点，有助于提高检测的准确性。
[0080] 作为一种自动化的执行方式，利用上述步骤S221和S222，可以逐个计算原始反应曲线上每个点的一阶差分并分别与第一阈值进行比较，以对原始反应曲线上的每个点进行异常识别，不仅增强了识别的精确性，还为后续采取其他处理（例如修正）打下了良好的基础。对原始反应曲线的每个点计算其一阶差分后，可以得到一阶差分曲线。
[0081] 在某些情况下，仅仅计算出原始反应曲线上每个点的一阶差分，还不足以非常准确地识别出异常点，需要进一步计算其二阶差分和三阶差分。
[0082] 设Pi点的二阶差分为dfi，可以计算一阶差分曲线上每个点的二阶差分dfi，也可以选取部分点来进行，本实施例以选取部分点为例，此处i=1，2，…，N1，N1为整数。N1可以根据检测装置而定。具体的，上述所取点的二阶差分分别是：df1，df2，…，dfN1。
[0083] Pi点的二阶差分dfi的计算方式是：dfi = d'i+1 - d'i，i=1，2，…，N1[0084] 其中，d'i的计算方式是：
[0085] 由此也可以得知，从一阶差分曲线上至少选取部分点，分别计算其二阶差分的计算方法如下：在一阶差分曲线上从第一个点开始，按采样时间顺序连续选取一部分点计算其一阶差分平均值作为第一一阶差分值，然后从未选取的点开始连续选取同样数量的点计算其一阶差分平均值作为第二一阶差分值，第二一阶差分值减去第一一阶差分值则为第一个点的二阶差分，依次计算第N1一阶差分值，第N1一阶差分值减去第N1-1一阶差分值则为第N1-1个点对应的二阶差分。
[0086] 由计算得到的二阶差分形成二阶差分曲线。得到Pi点的二阶差分dfi后，则同样需进一步将该二阶差分dfi与第一阈值λ相比较：
[0087] 如果dfi > λ，则表明计算d'i所用到的点中，至少有一个是异常点，换言之，即自Pi点起至所有选取点中至少有一个是异常点。本实施例中采取将计算d'i所用到所有点均识别为异常点。
[0088] 同理，本实施例中，可以将λ取值为0，即λ=0。
[0089] 设Pi点的三阶差分为dffi，可以计算二阶差分曲线上每个点的三阶差分dffi，也可以选取部分点来进行，本实施例以选取部分点为例，此处i=1，2，…，N2，N2为整数。N2同样可以根据检测装置而定。具体的，上述所取点的二阶差分分别是：dff1，dff2，…，dffN2。
[0090] Pi点的三阶差分dffi的计算方式是：
[0091] dffi = df'i+1 – df'i，i=1，2，…，N2
[0092] 其中，df'i的计算方式是：
[0093] 由此也可以得知，从所述二阶差分曲线上至少选取部分点，分别计算其三阶差分的计算方法是：在所述二阶差分曲线上从第一个点开始，按采样时间顺序连续选取一部分点计算其二阶差分平均值作为第一二阶差分值，然后从未选取的点开始连续选取同样数量的点计算其二阶差分平均值作为第二二阶差分值，第二二阶差分值减去第一二阶差分值则为所述第一个点的三阶差分，依次计算第N2二阶差分值，第N2二阶差分值减去第N2-1二阶差分值则为第N2-1个点对应的三阶差分。
[0094] 由计算得到的三阶差分形成三阶差分曲线。得到Pi点的三阶差分dffi后，则同样需进一步将该三阶差分dfi与第一阈值λ相比较：
[0095] 如果dffi < λ，表明计算df'i所用到的点中，至少有一个是异常点，换言之，即自Pi点起至所有选取点中至少有一个是异常点。本实施例中采取将计算df'i所用到所有点均识别为异常点。
[0096] 同理，本实施例中，可以将λ取值为0，即λ=0。
[0097] 本实施例中，分别与一阶差分、二阶差分、三阶差分比较的第一阈值λ可以相同，也可以不同。
[0098] 通过上述进一步计算二阶差分，能够识别出通过计算一阶差分所未能识别的异常反应曲线；而计算三阶差分则能够识别出通过计算一阶差分及二阶差分均未能识别的异常反应曲线。以下通过图3A-3D所示对此进行说明。
[0099] 图3A所示的反应曲线，其异常反应区域呈“下凹”状，其反应曲线是递增的，即：后一个点的吸光度是大于前一个点的吸光度的，故计算一阶段差分无异常，因此无法使用一阶差分识别该反应曲线的异常区域。如果计算二阶差分，则可识别，二阶差分如图3B所示。
[0100] 再如图3C所示，该反应曲线起始时间段反应无变化，即吸光度检测值一致，此类异常通过计算一阶差分和二阶差分均无法识别，如果计算三阶差分，则可识别，三阶差分的识别效果如图3D所示。
[0101] 相应于本发明实施例一关于比浊法异常反应曲线的识别方法，本发明实施例二提供一种比浊法异常反应曲线的报警方法，如图4所示，包括：
[0102] 步骤S41，根据本发明实施例一所述方法识别原始反应曲线上的异常点；
[0103] 步骤S42，计算识别出的异常点占所有点的比例；
[0104] 步骤S43，如果该比例大于或等于第二阈值，则给出报警提示。
[0105] 具体来说，步骤S41对异常点的识别方法，与本发明实施例一所述识别方法完全相同，此处不再赘述。
[0106] 设识别出的异常点总数为A_num，异常点总数占所有点的比例为Ratio_A，则有：
[0107] Ratio_A = A_num / N，其中N为采样时间点总数。
[0108] 根据本发明实施例一所述的识别方法，将只通过计算一阶差分并识别出的异常点数量设为A1_num，进一步通过计算二阶差分并识别出的异常点数量设为A2_num，再进一步通过计算三阶差分并识别出的异常点数量设为A3_num，则与第二阈值ψ的判断方式上相应有三种：
[0109] （1）如果Ratio_A = A1_num / N ≥ ψ，则给出报警提示；
[0110] （2）如果Ratio_A = （A1_num + A2_num）/ N ≥ ψ，则给出报警提示；
[0111] （3）如果Ratio_A = （A1_num + A2_num + A3_num）/ N ≥ ψ，则给出报警提示；
[0112] 从准确性上讲，第（3）种情况识别出的异常点数量最多（A1_num + A2_num + A3_num），以其作为判断基础，判断是否需要报警则最为准确，能够防止误报。当然，在某些情况下，异常反应特别显著，通过一阶差分所识别出的异常点数量已非常多，则其占所有点的比例已足以超过第二阈值，达到报警条件，也同样不失准确性。
[0113] 上述三种判断方式中，第二阀值ψ的取值并不相同。对于第二阈值ψ的取值，本实施例给出了如下设定方式：
[0114] 随机选取M例正常样本，统计其中异常反应点占所有点的比例ψ1i，随机选取M例出现异常反应的样本，统计其中异常反应点占所有点的比例ψ2i，则ψ的取值如下所示：
[0115]
[0116] 也就是说，分别计算（1）在M例正常样本中，异常反应点占所有点的比例的平均值，设为第一平均值ψ1M；（2）在M例出现异常反应的样本中，异常反应点占所有点的比例的平均值，设为第二平均值ψ2M；然后再计算第一平均值与第二平均值的平均值，得到第二阈值ψ。
[0117] 实践当中，M可以自由选取，作为一种较优的方式，本实施例里M取值100，即选取100例正常样本和100例出现异常反应的样本。
[0118] 相应于本发明实施例一关于比浊法异常反应曲线的识别方法，本发明实施例三提供一种比浊法异常反应曲线的修正方法，如图5所示，包括：
[0119] 步骤S51，根据本发明实施例一所述方法识别出比浊法原始反应曲线上的异常点；
[0120] 步骤S52，根据异常点识别后剩余的一阶差分正常点及其对应的采样时间点，以及一阶差分异常点所对应的采样时间点，计算异常点的异常一阶差分修正值；
[0121] 步骤S53，以该异常一阶差分修正值对原始反应曲线上相应异常点的吸光度进行修正。
[0122] 具体来说，步骤S51对异常点的识别是基于：
[0123] 步骤S511，计算原始反应曲线上至少一个点的一阶差分，该一阶差分是该点后一采样时间点所对应的吸光度减去该点对应的吸光度的差值；
[0124] 步骤S512，如果计算所得到的该点的一阶差分小于第一阈值，则将该点识别为异常点。
[0125] 有关具体识别方式参见本发明实施例一的相关说明，此处不再赘述。
[0126] 将经过上述步骤识别出异常点后剩余的一阶差分正常点数组记为：dNi，对应的时间点记为TNi，一阶差分异常点数组记为dAi，对应的时间点记为TAi，异常一阶差分修正后的数组记为dA_correcti，则：
[0127] dA_correcti = f（dN1，dN2，…，dNn，TN1，TN2，…，TNn）
[0128] f代表异常一阶差分修正值为正常一阶差分的一个函数关系，其中f的一种函数关系如下所示：
[0129] dA_correcti = k × TAi + b
[0130] 其中k和b的计算方法是：运用最小二乘法对（TN1，TN2，…，TNn）和（dN1，dN2，…，dNn）进行最小二乘拟合获得。至于最小二乘法计算方法来源可参见：《数值分析》，第5版，李庆扬、王能超、易大义，清华大学出版社。
[0131] 步骤S53具体包括：
[0132] 步骤S531，在原始反应曲线图上选择任意一点作为基准点；
[0133] 步骤S532，将所述异常一阶差分的修正值和所述正常一阶差分进行合并作为所有点的一阶差分，然后进行如下操作：
[0134] 从所述基准点后的第一个点开始至其后的所有点，其修正吸光度为：当前点的前一个点的修正吸光度加上前一个点的一阶差分修正值作为该点的吸光度；
[0135] 从所述基准点前的第一个点开始至其前的所有点，其修正吸光度为：当前点的后一个点的修正吸光度减去当前点的一阶差分修正值作为该点的吸光度。
[0136] 例如，记修正后的一阶差分数组为：d_correct_Totali（该数组既包括异常一阶差分修正后的数组dA_correcti，也包括正常一阶差分数组），以原始反应曲线图的任意一个点作为基准点，该基准点可以位于原始反应曲线上，也可以位于原始反应曲线之外，而位于原始反应曲线之外相当于该点是从原始反应曲线上沿坐标轴平移，其也同样对应有一采样时间点。设选取的基准点为Ai，对原始反应曲线每一个点的值进行计算，将原始反应曲线修正后的值记为数组A_correctj，则有
[0137] 若i > j，A_correctj= A_correctj+1 – d_correct_Totalj；
[0138] 若i < j，A_correcti = A_correctj-1 + d_correct_Totalj-1。
[0139] 以下通过两个实例来例证本发明实施例三的全血C反应蛋白异常反应曲线的修正方法。
[0140] 实例一：
[0141] 全血C反应蛋白检测设备为深圳迈瑞生物医疗电子股份有限公司生产的BC-5390血液细胞分析仪，对一个病人的血液样本进行C反应蛋白检测第一次测试，其反应曲线如图6A所示，对应C反应蛋白为：4.4 mg/L。
[0142] 按照本发明实施例的识别方法对该反应曲线进行异常识别，其中，一阶差分异常点识别如图6C所示，二阶差分异常点识别如图6D所示，三阶差分异常点识别如图6E所示，一阶差分、二阶差分、三阶差分识别到的异常点比例Ratio_A为48.18%。
[0143] 在本仪器中，根据统计结果设定第二阈值ψ为10%。本实施例中异常点比例超过阈值，给出报警提示。
[0144] 根据本发明实施例的修正方法获取修正后的一阶差分曲线如图6F所示，修正后的原始反应曲线如图6G所示，修正后的CRP结果为：5.92 mg/L。
[0145] 将该样本再进行一次测试，其反应曲线如图6B所示，对应C反应蛋白结果为：5.86 mg/L。用第一次测试曲线得到的修正后的CRP结果接近真实值。
[0146] 与第二次测试结果更接近。
[0147] 实例二：
[0148] 全血C反应蛋白检测设备为深圳迈瑞生物医疗电子股份有限公司生产的BC-5390血液细胞分析仪，对一个病人的血液样本进行C反应蛋白检测第一次测试，其反应曲线如图7A所示，对应C反应蛋白为：3.5 mg/L。
[0149] 按照本发明实施例的识别方法对该反应曲线进行异常识别，其中，一阶差分异常点识别如图7C所示，二阶差分异常点识别如图7D所示，三阶差分异常点识别如图7E所示，一阶差分、二阶差分、三阶差分识别到的异常点比例Ratio_A为59.12%。
[0150] 在本仪器中，根据统计结果设定第二阈值ψ为10%。本实施例中异常点比例超过阈值，给出报警提示。
[0151] 根据本发明实施例的修正方法获取修正后的一阶差分曲线如图7F所示，修正后的原始反应曲线如图7G所示，修正后的CRP结果为：43.02 mg/L。
[0152] 将该样本进行一次重复性测试，其反应曲线如图7B所示，对应C反应蛋白结果为：45.9 mg/L。用第一次测试曲线得到的修正后的CRP结果接近真实值。。
[0153] 上述两个实例充分证明了将本发明实施例的全血C反应蛋白异常反应曲线的识别及修正方法应用于全血C反应蛋白的实际检测中，能够带来显著的效果。
[0154] 实施本发明实施例将带来如下有益效果：首先，本发明实施例创新性地对比浊法反应曲线进行异常点识别，避免不加处理地将有可能已发生异常反应的数据作为检测结果，有助于提高检测的准确性；进一步地，根据识别的结果可以及时报警，提示检测人员，同样可以避免不加处理地将有可能已发生异常反应的数据作为检测结果，有助于提高检测的准确性；更进一步地，通过对识别出的异常点加以修正，能够很好弥补发生显著异常的反应曲线，大大提高检测的准确性。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 用于无线通信的电子设备和方法以及计算机可读存储介质 | 2020-05-08 | 1021 |
| 基于滑动输入来确定输入字符的系统和方法 | 2020-05-11 | 26 |
| 处理样本实体的测定系统和方法 | 2020-05-11 | 257 |
| 指纹检测装置和电子设备 | 2020-05-08 | 50 |
| 旋转分配泵阵列以实现通过多个分配泵在多个电子基板上同时分配 | 2020-05-08 | 913 |
| 介质分离式压力变送器 | 2020-05-11 | 838 |
| 无线通信系统中进行波束成形的设备和方法 | 2020-05-08 | 668 |
| 信息处理设备和方法 | 2020-05-08 | 411 |
| 电子照相用感光体、该电子照相用感光体的制造方法及电子照相装置 | 2020-05-11 | 884 |
| 固态摄像元件、制造方法和电子设备 | 2020-05-08 | 332 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈