【技术实现步骤摘要】
本申请涉及指标检测的，尤其涉及一种多指标智能标识和检测方法。
技术介绍
1、指标检测例如细胞因子检测、血管炎检测、抗核抗体检测等的检测结果可以反映生物样本及个体的状态，在实验、临床等方面均具有重要意义。近年来随着科技的飞速发展，检测技术的智能化进程也随之加速，指标检测的智能化也是大势所趋。
技术实现思路
1、本申请提供了一种多指标智能标识和检测方法，其有利于推动多指标检测的智能化进程。
2、第一方面，本申请提供了一种多指标智能标识方法。该方法包括：
3、获取指定数量个待标识的代表点的坐标位置，所述代表点的坐标位置关联于微球的聚集位置；
4、基于代表点的坐标位置，相对每一代表点确定一差异点集，所述差异点集中的差异点一一对应关联于基准的代表点的坐标位置与其他每一代表点的坐标位置的差值；
5、相对每一差异点集确定一定位点，所述定位点的坐标位置关联于差异点集中所有差异点的坐标位置；
6、基于预设相近分析规则，分析定位点的坐标位置与预获取的指定数量个基准点的坐标位置的对应关系，所述基准点携带有指标种类标识；
7、对待标识的代表点赋予对应基准点携带的指标种类标识。
8、通过采用上述技术方案，能够确定代表点的指标种类标识，即能确定微球的每个聚集位置对应哪一种指标，实现了微球的聚集位置与指标种类对应关系的智能识别，从而有利于推动多指标检测的智能化进程。
9、进一步地，所述基于代表点的坐标位置，相对每一代
10、设代表点共有n个，且，第i个代表点的坐标位置为，，则差异点集与代表点一一对应，第i个差异点集，或第i个差异点集。
11、进一步地，所述相对每一差异点集确定一定位点包括：
12、根据差异点集中每一差异点的坐标位置，计算定位点的坐标位置，所述定位点的坐标位置等于差异点集中所有差异点的平均坐标位置；
13、设第i个差异点集为，则第i个差异点集对应的定位点，；
14、或所述相对每一差异点集确定一定位点包括：
15、在每一差异点集中补充坐标原点得到补充点集，所述补充点集包括坐标原点和对应差异点集中的所有差异点；
16、基于补充点集计算定位点的坐标位置；
17、设补充点集为b，补充点集b中包含n个点，，定位点为m；
18、所述定位点，且。
19、进一步地，还包括：获取指定数量个基准点的坐标位置和基准点携带的指标种类标识；
20、所述获取指定数量个基准点的坐标位置和基准点携带的指标种类标识包括：
21、获取若干个组已标识的代表点，每组已标识的代表点包括指定数量个代表点的坐标位置以及代表点被赋予的指标种类标识；
22、基于每组已标识的代表点的坐标位置，相对每一已标识的代表点确定一差异点集，差异点集中的差异点一一对应关联于基准的代表点的坐标位置与其他每一代表点的坐标位置的差值；
23、相对每一差异点集确定一标定点，并将差异点集对应的代表点的指标种类标识赋予对应标定点，所述标定点的坐标位置关联于差异点集中所有差异点的坐标位置；
24、根据携带有同一指标种类标识的标定点的坐标位置，确定指标种类标识对应的基准点。
25、进一步地，所述预设相近分析规则包括：：
26、将定位点与基准点一一关联，确定每对关联的定位点和基准点的坐标距离；
27、计算所有关联方式的坐标距离之和；
28、确定坐标距离之和最小的关联方式中定位点和基准点的关联关系为对应关系；
29、或所述预设相近分析规则包括：
30、计算每个定位点与所有基准点的坐标距离；
31、确定与定位点的坐标距离最小的基准点为定位点对应的基准点。
32、进一步地，所述预设相近分析规则包括：
33、计算每个定位点与基准点之间的向量相似度；
34、确定与定位点向量相似度最高的基准点为定位点对应的基准点。
35、进一步地，所述获取指定数量个待标识的代表点的坐标位置包括：
36、基于预设聚类分析规则对微球的位置坐标进行分析，确定指定数量个代表点，微球的横坐标由第一特异性发光值的对数值确定，微球的纵坐标由第二特异性发光值的对数值确定。
37、进一步地，所述预设聚类分析规则包括：
38、基于微球的坐标位置，利用k-means聚类算法对所有微球进行指定数量个类的聚类分析，得到指定数量个微球群；
39、以微球群的中心点为所述代表点。
40、第二方面，本申请实施例提供了一种多指标智能检测方法。该方法包括：
41、利用如以上第一方面所述的任意一种标识方法赋予代表点以指标种类标识，以确定微球的聚集位置对应的指标种类标识；
42、以圈定标记线对微球的每个聚集位置进行圈定标记，所述圈定标记线为封闭曲线；
43、计算微球的每一聚集位置的发光强度值，所述发光强度值关联于圈定标记线内所有微球的第三特异性发光值。
44、进一步地，利用聚类算法对所有微球进行指定数量个类的聚类分析，得到指定数量个微球群的分布形状轮廓线，所述圈定标记线为微球群的分布形状轮廓线的外接椭圆，不同圈定标记线相离或相外切。
45、综上所述，本申请至少包含以下有益效果：
46、提供了一种多指标智能标识和检测方法，能够实现对微球的聚集位置与指标种类的对应关系的智能标识；
47、自主设计的利用代表点计算差异点集，进而利用差异点确定定位点，再进而确定定位点和基准点的对应关系，进而确定代表点及微球的聚集位置对应的指标种类标识，高效、合理且准确性较高。
48、应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
【技术保护点】
1.一种多指标智能标识方法，其特征在于，包括：
2.根据权利要求1所述的标识方法，其特征在于，所述基于代表点的坐标位置，相对每一代表点确定一差异点集包括：
3.根据权利要求1所述的标识方法，其特征在于，所述相对每一差异点集确定一定位点包括：
4.根据权利要求1-3中任意一项所述的标识方法，其特征在于，还包括：获取指定数量个基准点的坐标位置和基准点携带的指标种类标识；
5.根据权利要求4所述的标识方法，其特征在于，所述预设相近分析规则包括：
6.根据权利要求5所述的标识方法，其特征在于，所述预设相近分析规则包括：
7.根据权利要求6所述的标识方法，其特征在于，所述获取指定数量个待标识的代表点的坐标位置包括：
8.根据权利要求7所述的标识方法，其特征在于，所述预设聚类分析规则包括：
9.一种多指标智能检测方法，其特征在于，包括：
10.根据权利要求9所述的检测方法，其特征在于，利用聚类算法对所有微球进行指定数量个类的聚类分析，得到指定数量个微球群的分布形状轮廓线，所述圈定标记线
...【技术特征摘要】
1.一种多指标智能标识方法，其特征在于，包括：
2.根据权利要求1所述的标识方法，其特征在于，所述基于代表点的坐标位置，相对每一代表点确定一差异点集包括：
3.根据权利要求1所述的标识方法，其特征在于，所述相对每一差异点集确定一定位点包括：
4.根据权利要求1-3中任意一项所述的标识方法，其特征在于，还包括：获取指定数量个基准点的坐标位置和基准点携带的指标种类标识；
5.根据权利要求4所述的标识方法，其特征在于，所述预设相近分析规则包括：
6.根据权利要求5所述的标...
【专利技术属性】
技术研发人员：李东琦，周晨，
申请(专利权)人：北京胡曼智造科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。