【技术实现步骤摘要】
本专利技术涉及尿激酶分离，具体适用于尿激酶分离的自适应参数优化方法及系统。
技术介绍
1、尿激酶主要从人尿中分离，而对于尿激酶生产厂商而言，对于尿激酶的提取和研究的尿液主要是从挑选的一些尿液供应人员的群体中收集，例如与学校合作，收集学校中的学生群体的尿液用于提取尿激酶；然而因为不同的人群，身体状态和健康程度有所不同，尿液中的各种成分也不相同，而尿激酶的分离提取设备往往是对混合一定量的尿液进行提取；
2、而现有的分离技术通常不会针对不同人群的尿液特性进行分类以及对分离设备的参数进行优化，从而导致分离效果在不同的混合尿液中表现不稳定，提取出的尿激酶的纯度也不尽相同，导致了尿液样本的浪费；
3、授权公告号为cn217613447u的中国专利公开了一种尿激酶制备用树脂提取分离装置，包括：分离箱，分离板倾斜设置，两个分离板的上端相互贴合，导向槽的槽底开设有滤孔；出料口贯穿开设于分离箱的两侧内壁，出料口的外侧设置有收集箱，收集箱与分离板的下端正对应；活动管的上端连通搅拌箱，搅拌箱固定在分离箱的上表面，然而该装置未能实现对不同人群的尿液分组，以及分离参数的优化；
4、为此，本专利技术提出用于尿激酶分离的自适应参数优化方法及系统。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出用于尿激酶分离的自适应参数优化方法及系统，为每个人群提供合适的尿激酶分离设备的分离参数，提高了尿激酶分离的纯度。
2、为实现上述目的
3、步骤一：收集尿液供应人员的身份信息以及尿液参数数据；
4、步骤二：将所有尿液供应人员的尿液参数数据进行聚类分析，获得聚类分组数据，基于身份信息和聚类分组数据，将尿液供应人员进行分组，获得人员分组数据；
5、步骤三：对于每个人员分组，收集尿液参数特征数据、分离参数特征数据以及纯度训练标签数据；
6、步骤四：对于每个人员分组，以尿液参数特征数据、分离参数特征数据为输入，以纯度训练标签数据为输出，训练预测尿激酶分离的纯度的纯度预测模型；
7、步骤五：为每个人员分组设置一个提取容器；在尿液供应人员进行尿液供应前，基于身份信息和人员分组数据，识别尿液供应人员对应的人员分组，将供应的尿液积攒在对应人员分组的提取容器中，并收集该次尿液供应的尿液供应数据；
8、步骤六：在任意提取容器中尿液的容积大于预设的提取容积阈值时，将该提取容器中的尿液倾倒至尿激酶分离设备中，尿激酶分离设备后台基于尿液参数数据、尿液供应数据以及纯度预测模型，生成分离参数设置策略；
9、所述收集尿液供应人员的身份信息以及尿液参数数据的方式包括：
10、收集每个尿液供应人员的姓名以及身份特征数据；
11、每个尿液供应人员的姓名以及身份特征数据组成所述身份信息；
12、收集每个尿液供应人员提供的测试尿液样本，并统计每份测试尿液样本中的各项尿液参数；
13、将每个尿液供应人员的测试尿液样本中各项尿液参数组成尿液参数集合；
14、所有尿液供应人员的姓名与尿液参数集合的对应关系组成尿液参数数据；
15、所述获得聚类分组数据包括：
16、步骤11：预设聚类数量k；
17、步骤12：将每个尿液供应人员的尿液参数集合作为一个n维离散点；其中，n为尿液参数集合中元素的数量，所述n维离散点在每一个维度的坐标对应尿液参数集合中的一个尿液参数；
18、步骤13：随机选择k个n维离散点作为初始聚类中心，其余的n维离散点作为非初始聚类中心；
19、步骤14：对于每个非初始聚类中心，计算到每个初始聚类中心的欧式距离，把每个n维离散点划分到离其最近的初始聚类中心所在的聚类簇中；
20、步骤15：计算每个聚类簇内n维离散点的每个维度对应的尿液参数的平均值，将每个维度对应的尿液参数的平均值组成新的n维离散点，将该新的n维离散点作为该聚类簇的新聚类中心；
21、步骤16：重新计算每个n维离散点到每个新聚类中心的欧式距离,将每个n维离散点重新划分到最近的新聚类中心所在的聚类簇中；
22、步骤17：重复步骤15-16，直至所有划分的聚类簇中的n维离散点不再变化，将每个聚类簇的编号标记为k，k=1,2,3,...k；获得每个聚类簇中包含的所有n维离散点，将其中的所有n维离散点组成离散点集合；所述聚类分组数据包括所有聚类簇的编号和离散点集合的对应关系；
23、所述将尿液供应人员进行分组，获得人员分组数据的方式为：
24、对于第k个聚类簇，获得聚类分组数据中对应的离散点集合，再获得离散点集合中每个n维离散点对应的尿液供应人员的姓名，从而获得第k个聚类簇对应的尿液供应人员的姓名集合；
25、所述人员分组数据包括每个聚类簇与姓名集合的对应关系，且每个聚类簇对应一个人员分组；
26、所述收集尿液参数特征数据、分离参数特征数据以及纯度训练标签数据的方式为：
27、选择c个测试供尿人员，获得每个测试供尿人员的尿液参数集合；其中，c为选择的测试供尿人员的数量；
28、获得每个测试供尿人员的尿液参数集合对应的n维离散点，基于该n维离散点与各个聚类簇的聚类中心的距离，将距离最近的聚类中心对应的聚类簇作为该测试供尿人员的人员分组，将测试供尿人员按人员分组的结果进行划分；
29、获得每个人员分组中的测试供尿人员提供的尿液，并对每份尿液使用尿激酶分离设备进行尿激酶的分离工作，获得分离出的尿激酶的尿激酶纯度，且每次分离工作对尿激酶分离设备使用的分离参数集合的设置有所区别；
30、对于第k个人员分组，收集该人员分组内所有测试供尿人员对应的尿液参数集合的集合、收集该人员分组内所有测试供尿人员对应的分离参数集合的集合，并收集该人员分组内所有测试供尿人员对应的尿激酶纯度的集合；
31、将所有人员分组对应的尿液参数集合的集合组成尿液参数特征数据，将所有人员分组对应的分离参数集合的集合组成分离参数特征数据，将所有人员分组对应的尿激酶纯度的集合作为纯度训练标签数据；
32、其中，所述训练预测尿激酶分离的纯度的纯度预测模型的方式为：
33、对于每个人员分组：
34、将该人员分组对应的测试供尿人员尿液参数特征数据、分离参数特征数据中，每个测试供尿人员的尿液参数集合和分离参数集合组成一组纯度特征向量；
35、将该人员分组对应的每组纯度特征向量作为纯度预测模型的输入，所述纯度预测模型以对每个测试供尿人员的预测的尿激酶纯度为输出，以纯度训练标签数据中，该测试供尿人员对应的尿激酶纯度为预测目标，以最小化对所有尿激酶纯度的预测误差之和作为训练目标；对纯度预测模型进行训练，直至预测误差之和达到收敛时停止训练，训练出对于该人员分本文档来自技高网...
【技术保护点】
1.用于尿激酶分离的自适应参数优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述收集尿液供应人员的身份信息以及尿液参数数据的方式包括：
3.根据权利要求2所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述获得聚类分组数据包括：
4.根据权利要求3所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述将尿液供应人员进行分组，获得人员分组数据的方式为：
5.根据权利要求4所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述收集尿液参数特征数据、分离参数特征数据以及纯度训练标签数据的方式为：
6.根据权利要求5所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述训练预测尿激酶分离的纯度的纯度预测模型的方式为：
7.根据权利要求6所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述纯度预测模型是多项式回归模型。
8.根据权利要求7所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述收集该次尿液供应的尿液供应
9.根据权利要求8所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述尿激酶分离设备后台基于尿液参数数据、尿液供应数据以及纯度预测模型，生成分离参数设置策略的方式为：
10.用于尿激酶分离的自适应参数优化系统，其特征在于，包括人员数据收集模块、人员聚类模块、训练数据收集模块、纯度预测模型训练模块以及分离参数优化模块；其中，各个模块之间通过电性连接；
11.一种电子设备，其特征在于，包括：处理器和存储器，其中，
12.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
...【技术特征摘要】
1.用于尿激酶分离的自适应参数优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述收集尿液供应人员的身份信息以及尿液参数数据的方式包括：
3.根据权利要求2所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述获得聚类分组数据包括：
4.根据权利要求3所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述将尿液供应人员进行分组，获得人员分组数据的方式为：
5.根据权利要求4所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述收集尿液参数特征数据、分离参数特征数据以及纯度训练标签数据的方式为：
6.根据权利要求5所述的用于尿激酶分离的自适应参数优化方法，其特征在于，所述训练预测尿激酶分离的纯度的纯度预测模型的方式为：
7....
【专利技术属性】
技术研发人员：顾京，唐维，熊心磊，诸荣福，丁晶，卢子龙，倪萌，李乐枫，杨展伟，李争，
申请(专利权)人：江苏尤里卡生物科技有限公司，
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。