核酸检测平台的状态监控方法及系统技术方案

本发明专利技术涉及数据监控技术领域，尤其涉及一种核酸检测平台的状态监控方法及系统。所述方法包括以下步骤：获取核酸检测平台的初始上传图像；通过计算机图像处理技术对初始上传图像进行全局序列空间映射处理，生成核酸映射数据；对核酸映射数据进行序列编码处理，从而生成全局序列编码数据；通过卷积神经网络对全局序列编码数据进行生物学特征提取处理，生成核酸序列特征数据，其中核酸序列特征数据包括碱基对数据和序列结构数据；基于主成分分析方法对核酸序列特征数据进行数据降维处理，生成碱基对降维数据和序列结构降维数据；本发明专利技术通过将数据转化成呼吸亮度图，以实现核酸检测平台的状态监控方法。的状态监控方法。的状态监控方法。

【技术实现步骤摘要】
核酸检测平台的状态监控方法及系统


[0001]本专利技术涉及数据监控
，尤其涉及一种核酸检测平台的状态监控方法及系统。

技术介绍

[0002]核酸检测平台的状态监控方法背后的技术发展历程可以追溯到计算机图像处理、神经网络、频谱分析和异常检测等领域的进展。这些技术的融合与创新，为实现更精准的核酸检测平台状态监控提供了坚实的基础，随着计算机图像处理技术的迅速发展，人们能够对图像进行更精确的分析和处理，这为核酸检测平台的状态监控方法提供了数字化数据基础，使得从实验数据到可视化呈现更为高效和准确，神经网络技术，特别是卷积神经网络（CNN）的兴起，极大地提升了对生物学数据的特征提取和分析能力，在核酸检测平台的状态监控中，CNN可以用于从核酸序列数据中提取生物学特征，进而探测平台状态的变化模式，然而目前的现有技术还存在着一些缺陷，例如无法精确捕捉平台状态发生时的异常敏感性导致监控精准度较低。

技术实现思路

[0003]基于此，有必要提供一种核酸检测平台的状态监控方法及系统，以解决至少一个上述技术问题。
[0004]为实现上述目的，一种核酸检测平台的状态监控方法，所述方法包括以下步骤：步骤S1：获取核酸检测平台的初始上传图像；通过计算机图像处理技术对初始上传图像进行全局序列空间映射处理，生成核酸映射数据；对核酸映射数据进行序列编码处理，从而生成全局序列编码数据；步骤S2：通过卷积神经网络对全局序列编码数据进行生物学特征提取处理，生成核酸序列特征数据，其中核酸序列特征数据包括碱基对数据和序列结构数据；基于主成分分析方法对核酸序列特征数据进行数据降维处理，生成碱基对降维数据和序列结构降维数据；步骤S3：将碱基对降维数据作为节点，序列结构降维数据作为边，从而构建监控网络图；根据图神经网络技术对监控网络谱图进行时空建模处理，生成时空监控图；对时空监控图的节点进行亮度设置，从而生成平台呼吸频率图；步骤S4：利用摄像机对平台呼吸频率图进行图像捕获处理，从而获取连续的呼吸频率图像集；对呼吸频率图像集进行节点亮度筛选处理，生成高亮度呼吸图像和低亮度呼吸图像；基于高亮度图像确定第一闪烁时间，基于低亮度图像确定第二闪烁时间；步骤S5：通过光亮呼吸强度转化公式对第一闪烁时间和第二闪烁时间进行时序分析处理，生成光亮呼吸强度值；将光亮呼吸强度值与预设的标准光亮呼吸强度波形进行对比处理，生成正常检测状态信号和可疑检测状态信号；步骤S6：根据傅里叶变换算法对正常检测状态信号和可疑检测状态信号进行频谱
转换处理，生成标准检测频谱图和可疑检测频谱图；利用频谱拟合匹配公式对可疑检测频谱图和标准检测频谱图进行重合处理，生成异常拟合频谱图；通过孤立森林方法对异常拟合频谱图进行异常模式识别处理，以执行异常监控警报。
[0005]本专利技术通过获取初始上传图像并进行全局序列空间映射处理，核酸映射数据能够从图像中提取更多的特征和信息，增强了数据的多样性和丰富性，全局序列空间映射处理能够从整体上捕获核酸检测平台的状态特征，相较于局部信息，这种全局信息更能够反映平台整体的状态变化，有助于更准确地监控平台的运行情况，对核酸映射数据进行序列编码处理，将图像中的信息转化为具有一定结构和规律的编码数据，这有助于更好地表示图像特征，使得核酸映射数据更加准确可靠；通过在全局序列编码数据上应用CNN，核酸序列特征数据得以生成，这些特征可以涵盖核酸的生物学特性，有助于更准确地表示平台状态，在核酸序列特征数据上应用PCA，可以减少数据维度，去除冗余信息，从而更好地表示核酸平台的状态变化，通过PCA进行数据降维，可以减轻计算负担，提高处理速度，从而更适合实时监控需求；将碱基对降维数据作为节点，序列结构降维数据作为边，构建监控网络图，综合考虑了碱基对数据和序列结构数据之间的关系，这种综合表示有助于更好地捕捉核酸检测平台的状态变化，通过对监控网络谱图进行时空建模处理，可以更准确地预测平台状态随时间和空间的变化，提升监控精度，时空监控图将平台状态信息与时间、空间维度结合，能够更直观地展示平台的状态演变趋势，通过对图的节点进行亮度设置，可以更清晰地显示核酸检测平台的呼吸频率变化，图的表示方式可以将复杂的多维数据映射到二维空间，通过可视化更容易理解和分析数据，有助于更好地把握平台状态变化的整体趋势；利用摄像机对平台呼吸频率图进行图像捕获，实现了对平台状态变化的实时监控，对呼吸频率图像集进行节点亮度筛选处理，可以选择出具有显著变化的图像，排除掉干扰或噪声，这有助于提高数据质量，使后续处理更准确可靠，通过提取高亮度和低亮度图像，能够将不同亮度下的呼吸变化情况区分开来，有助于分析不同条件下的平台状态差异，更全面地了解平台运行情况；通过光亮呼吸强度转化公式对闪烁时间进行时序分析处理，可以将时间信息转化为呼吸强度值，有助于量化呼吸强度，使得后续状态判断更精确，将光亮呼吸强度值与预设的标准光亮呼吸强度波形进行对比，有助于快速检测是否存在异常情况，基于对比处理，可以生成正常检测状态信号和可疑检测状态信号，这有助于及时发现和识别异常情况，触发相应的监控警报，光亮呼吸强度值的生成是基于实时数据的分析，能够迅速地反映平台状态的变化，这有助于实时监控和快速决策；傅里叶变换算法能够将信号从时域转换到频域，揭示信号的频率特征，通过对正常和可疑检测状态信号进行频谱转换处理，可以更清楚地了解信号的频率分布情况，利用频谱拟合匹配公式对可疑检测频谱图和标准检测频谱图进行重合处理，有助于识别异常状态，进行下一步的处理和警报，通过对异常拟合频谱图进行孤立森林方法处理，可以更准确地发现并识别核酸检测平台中的异常情况，保障平台运行的稳定性和可靠性。因此，本专利技术通过使用图神经网络技术对核酸检测平台上传的图像进行时空建模，对正常和可疑状态信号进行频谱转换和异常模式识别，增强了对异常频率模式的敏感性和精准性。
[0006]在本说明书中，提供了一种核酸检测平台的状态监控系统，用于执行上述所述的核酸检测平台的状态监控方法，该核酸检测平台的状态监控系统包括：数据编码模块，用于获取核酸检测平台的初始上传图像；通过计算机图像处理技
术对初始上传图像进行全局序列空间映射处理，生成核酸映射数据；对核酸映射数据进行序列编码处理，从而生成全局序列编码数据；特征分析模块，用于通过卷积神经网络对全局序列编码数据进行生物学特征提取处理，生成核酸序列特征数据，其中核酸序列特征数据包括碱基对数据和序列结构数据；基于主成分分析方法对核酸序列特征数据进行数据降维处理，生成碱基对降维数据和序列结构降维数据；网络建模模块，用于将碱基对降维数据作为节点，序列结构降维数据作为边，从而构建监控网络图；根据图神经网络技术对监控网络谱图进行时空建模处理，生成时空监控图；对时空监控图的节点进行亮度设置，从而生成平台呼吸频率图；亮度筛选模块，用于利用摄像机对平台呼吸频率图进行图像捕获处理，从而获取连续的呼吸频率图像集；对呼吸频率图像集进行节点亮度筛选处理，生成高亮度呼吸图像和低亮度呼吸图像；基于高亮度图像确定第一闪烁时间，基于低亮度图像确定第二闪烁时间；信号检测模块，用于通过光亮呼吸本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核酸检测平台的状态监控方法，其特征在于，包括以下步骤：步骤S1：获取核酸检测平台的初始上传图像；通过计算机图像处理技术对初始上传图像进行全局序列空间映射处理，生成核酸映射数据；对核酸映射数据进行序列编码处理，从而生成全局序列编码数据；步骤S2：通过卷积神经网络对全局序列编码数据进行生物学特征提取处理，生成核酸序列特征数据，其中核酸序列特征数据包括碱基对数据和序列结构数据；基于主成分分析方法对核酸序列特征数据进行数据降维处理，生成碱基对降维数据和序列结构降维数据；步骤S3：将碱基对降维数据作为节点，序列结构降维数据作为边，从而构建监控网络图；根据图神经网络技术对监控网络谱图进行时空建模处理，生成时空监控图；对时空监控图的节点进行亮度设置，从而生成平台呼吸频率图；步骤S4：利用摄像机对平台呼吸频率图进行图像捕获处理，从而获取连续的呼吸频率图像集；对呼吸频率图像集进行节点亮度筛选处理，生成高亮度呼吸图像和低亮度呼吸图像；基于高亮度图像确定第一闪烁时间，基于低亮度图像确定第二闪烁时间；步骤S5：通过光亮呼吸强度转化公式对第一闪烁时间和第二闪烁时间进行时序分析处理，生成光亮呼吸强度值；将光亮呼吸强度值与预设的标准光亮呼吸强度波形进行对比处理，生成正常检测状态信号和可疑检测状态信号；步骤S6：根据傅里叶变换算法对正常检测状态信号和可疑检测状态信号进行频谱转换处理，生成标准检测频谱图和可疑检测频谱图；利用频谱拟合匹配公式对可疑检测频谱图和标准检测频谱图进行重合处理，生成异常拟合频谱图；通过孤立森林方法对异常拟合频谱图进行异常模式识别处理，以执行异常监控警报。2.根据权利要求1所述的一种核酸检测平台的状态监控方法，其特征在于，步骤S1包括以下步骤：步骤S11：对核酸检测平台进行API接口调用，获取初始上传图像；步骤S12：利用高斯滤波方法对初始上传图像进行图像平滑处理，生成核酸平滑上传图像；对核酸平滑上传图像进行图像边缘增强处理，得到核酸增强图像；步骤S13：根据区域增长分割技术对核酸增强图像进行区域背景分离处理，生成核酸分割图像；对核酸分割图像进行核心区域提取处理，生成核酸核心区域图像；步骤S14：基于几何变换技术将核酸核心区域图像进行空间映射处理，从而生成核酸映射数据；步骤S15：通过One
‑
Hot编码方式对核酸映射数据进行核酸序列编码处理，从而得到全局序列编码数据。3.根据权利要求2所述的一种核酸检测平台的状态监控方法，其特征在于，步骤S2包括以下步骤：步骤S21：利用卷积神经网络对全局序列编码数据进行窗口创建处理，生成全局序列滑动窗口数据；步骤S22：对全局序列滑动窗口数据进行生物学特征提取处理，从而生成核酸序列特征数据，其中核酸序列特征数据包括碱基对数据和序列结构数据；步骤S23：通过主成分分析法对核酸序列特征数据包括碱基对数据和序列结构数据进行数据降维处理，从而生成碱基对降维数据和序列结构降维数据。
4.根据权利要求3所述的一种核酸检测平台的状态监控方法，其特征在于，步骤S3包括以下步骤：步骤S31：将碱基对降维数据作为节点，序列结构降维数据作为边进行数据连接处理，生成监控网络图；步骤S32：根据预设的标准时间戳对监控网络图进行起始时间定位处理，生成监控初始时间戳；步骤S33：利用图神经网络结构对监控网络图进行节点关系捕获处理，从而得到核酸时空特征数据；步骤S34：将核酸时空特征数据导入至图神经网络结构进行图卷积和特征传递处理，生成时空监控图；步骤S35：根据监控初始时间戳对时空监控图进行节点亮度设置处理，从而生成平台呼吸频率图。5.根据权利要求4所述的一种核酸检测平台的状态监控方法，其特征在于，步骤S4包括以下步骤：步骤S41：利用摄像机对平台呼吸频率图进行图像捕获处理，生成连续的呼吸频率图像集；步骤S42：通过分段线性灰度变换方法对呼吸频率图像集进行图像灰度变换增强处理，生成呼吸频率增强图像集；步骤S43：基于OTSU阈值分割法对呼吸频率增强图像集进行亮度区域切割处理，得到呼吸频率亮度切割图像；步骤S44：根据不变矩匹配方法对呼吸频率亮度切割图像进行图像重合和色彩提取处理，从而生成色彩重合区域图像；步骤S45：对色彩重合区域图像进行直方图分析处理，生成色彩光亮直方图；对色彩光亮直方图进行峰值和谷值分析处理，得到色彩光亮峰值数据和色彩光亮谷值数据；将色彩光亮峰值数据所对应的色彩重合区域标记为高亮度呼吸图像，将色彩光亮谷值数据所对应的色彩重合区域标记为低亮度呼...

【专利技术属性】
技术研发人员：邵高祥，张悦，孟凡伟，杜英侠，
申请(专利权)人：苏州中科苏净生物技术有限公司，
类型：发明
国别省市：