【技术实现步骤摘要】
本专利技术涉及微生物检测，尤其涉及一种基于深度学习的微生物生长情况检测方法。
技术介绍
1、微生物检测是通过配置培养基人为创造培养条件，使微生物可以快速繁殖，通过微生物生长的指标来判断是否有微生物生长。目前微生物检测主要包括传统培养法、分子生物学方和生物传感器技术。其中通过血培养来检测微生物的生长在临床医学中有着重要的作用，可以通过血培养来确定传染病的类型，在败血症、肺炎等多种疾病的检测中意义重大。血液感染是一类非常常见的感染类型，如果诊断不及时，就无法及时地救助病人，如果确认了感染类型，就可以对症下药，针对性地进行治疗，从而降低死亡率。因此快速、准确地检测微生物的生长情况有着非常重要的意义。通常情况下，判断微生物的生长情况是通过分析采集到的微生物生长期间的时间序列数据，不同的检测方法收集到的数据略有不同，例如，若使用荧光增强法进行检测，那么采集到的数据为随时间变化的荧光强度，若使用比色法进行检测，那么采集到的数据为随时间变化的反射率。
2、门控循环单元(gate recurrent unit，gru)网络是一种循环神经网络...
【技术保护点】
1.一种基于深度学习的微生物生长情况检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的微生物生长情况检测方法，其特征在于，所述采集微生物生长情况的时间序列数据作为数据集，包括以下步骤：
3.根据权利要求2所述的基于深度学习的微生物生长情况检测方法，其特征在于，所述基于数据集对GRU深度学习网络进行训练，包括：
4.根据权利要求3所述的基于深度学习的微生物生长情况检测方法，其特征在于，所述基于数据集对GRU深度学习网络进行训练，还包括：通过提前停止的回调函数，实现当GRU深度学习网络在验证集上的性能不再提升时
【技术特征摘要】
1.一种基于深度学习的微生物生长情况检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的微生物生长情况检测方法，其特征在于，所述采集微生物生长情况的时间序列数据作为数据集，包括以下步骤：
3.根据权利要求2所述的基于深度学习的微生物生长情况检测方法，其特征在于，所述基于数据集对gru深度学习网络进行训练，包括：
4.根据权利要求3所述的基于深度学习的微生物生长情况检测方法，其特征在于，所述基于数据集对gru深度学习网络进行训练，还包括：通过提前停止的回调函数，实现当gru深度学习网络在验证集上的性能不再提升时及时停止训练。
5.根据权利要求3所述的基于深度学习的微生物生长情况检测方法，其特征在于，所述基于数据集对gru深度学习网络进行训练，还包括：通过保存最佳模型的回调函数，实现在训练过程中监控验证集的损失、保存损失有所改善时的gru深度...
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。