CN111403006A - 一种微生物检测***及装置 - Google Patents
一种微生物检测***及装置 Download PDFInfo
- Publication number
- CN111403006A CN111403006A CN202010492258.3A CN202010492258A CN111403006A CN 111403006 A CN111403006 A CN 111403006A CN 202010492258 A CN202010492258 A CN 202010492258A CN 111403006 A CN111403006 A CN 111403006A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- user
- result
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 476
- 244000005700 microbiome Species 0.000 title claims abstract description 88
- 238000012216 screening Methods 0.000 claims abstract description 27
- 239000003153 chemical reaction reagent Substances 0.000 claims description 50
- 238000004891 communication Methods 0.000 claims description 21
- 230000002265 prevention Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 abstract description 6
- 206010011409 Cross infection Diseases 0.000 abstract description 5
- 206010029803 Nosocomial infection Diseases 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 208000031504 Asymptomatic Infections Diseases 0.000 abstract 1
- 239000008280 blood Substances 0.000 description 24
- 210000004369 blood Anatomy 0.000 description 24
- 201000010099 disease Diseases 0.000 description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 23
- 238000000034 method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 18
- 238000012549 training Methods 0.000 description 17
- 241000711573 Coronaviridae Species 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 14
- 208000015181 infectious disease Diseases 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 241000700605 Viruses Species 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 208000035473 Communicable disease Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000000813 microbial effect Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 150000007523 nucleic acids Chemical class 0.000 description 4
- 102000039446 nucleic acids Human genes 0.000 description 4
- 108020004707 nucleic acids Proteins 0.000 description 4
- 208000007407 African swine fever Diseases 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003085 diluting agent Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 206010022000 influenza Diseases 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 230000002906 microbiologic effect Effects 0.000 description 3
- 210000001124 body fluid Anatomy 0.000 description 2
- 239000010839 body fluid Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 208000001528 Coronaviridae Infections Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000009597 pregnancy test Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本申请提供一种微生物检测***及装置,该***包括检测设备、用户终端和服务器;检测设备用于采集试剂盒上检测区的至少一张图像,并将至少一张图像发送给绑定的用户终端;用户终端用于接收至少一张图像,并将该至少一张图像发送至服务器;服务器用于利用图像识别模型对至少一张图像中的每张图像进行识别,得到每张图像的识别结果,根据至少一张图像的识别结果确定出被测用户本次检测的检测结果,并将检测结果发给用户终端。本实施例提供的微生物检测***可以用于多个不同场景对微生物筛查结果的无线化监测,及时发现有症状及无症状感染人群,成本低、覆盖范围广,且由于用户无需前往医院检查,降低了交叉感染的风险。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种微生物检测***及装置。
背景技术
新冠状病毒(2019-nCoV)是一种具有极强的传染性、可导致感染者出现发热、咳嗽、呼吸困难,甚至死亡的冠状病毒新毒株。新冠状病毒感染导致的肺炎潜伏期为1-14天,感染者在整个病程中均具有明显的传染性,因此早期、及时地诊断可有效控制疾病的传染,并有助于提前给予患者医疗支持改善其疾病结局。目前对于新冠状病毒肺炎的筛查需要综合临床症状、血常规、CT检查或核酸检查的结果进行判断。CT检查和核酸检查均需要独立的场所、昂贵的设备及专业的人员,无法满足目前对大范围人群进行筛查的需求,同时,由于用户需前往医院检查,还存在交叉感染的风险。
发明内容
本申请实施例的目的在于提供一种微生物检测***及装置,可以用于对大范围内人群的微生物筛查,对于新冠状病毒具有较好地检测效果,同时可降低人群间交叉感染的风险。
第一方面,本申请实施例提供一种微生物检测***,包括检测设备、用户终端和服务器;所述检测设备用于采集试剂盒上检测区的至少一张图像,并将所述至少一张图像发送给绑定的用户终端;其中,所述试剂盒位于所述检测设备内;所述用户终端用于接收所述至少一张图像,并将所述至少一张图像发送至所述服务器;所述服务器用于利用图像识别模型对所述至少一张图像中的每张图像进行识别,得到每张图像的识别结果,根据所述至少一张图像的识别结果确定出被测用户本次检测的检测结果,并将所述检测结果发给所述用户终端。
在上述方案中,该***可以用较低成本实现人群在家自我检测、自我隔离、检测结果自动上传到服务器,可以满足在多个不同场景下对微生物筛查结果的无线化监测需求,比如对于新冠状病毒而言,可以尽可能发现更多的有症状无法及时就医人群以及无症状感染人群。同时,对于用户而言,由于不需要前往医院检查,极大降低了交叉感染的风险。
在一种可选的实施方式中,所述***还包括医生终端;所述医生终端用于接收所述服务器发来的目标图像,接收医生对目标图像的标注,并将标注后的目标图像发给所述服务器;所述服务器用于根据所述至少一张图像的识别结果确定出所述被测用户本次检测的检测结果,包括:将所述至少一张图像中识别结果满足预设条件的目标图像发送至所述医生终端;接收所述医生终端返回的标注后的目标图像,并以医生对目标图像的标注更新所述至少一张图像中目标图像的识别结果;根据更新后的所述至少一张图像的识别结果确定出所述被测用户本次检测的检测结果。
服务器对被测用户的图像进行识别后,得到初步的识别结果,将其中满足条件的图像发送至医生终端,由医生通过医生终端进行复核,得到的检测结果由图像识别模型和医生复核双重保障,既提高了效率、结果又准确。
在一种可选的实施方式中,所述服务器识别得到的每张图像的识别结果包括微生物检测结果以及微生物检测结果的置信度;所述预设条件包括:目标图像的微生物检测结果的置信度低于阈值;和/或,目标图像的微生物检测结果为阳性。
服务器可以将至少一张图像中无法识别的图像和阳性图像发送医生终端,以提高检测结果的准确性。
在一种可选的实施方式中,所述服务器还用于:在接收所述医生终端返回的标注后的目标图像后,利用目标图像和医生对目标图像的标注对所述图像识别模型进行优化,得到优化后的图像识别模型,以采用所述优化后的图像识别模型作为下一次检测时所使用的图像识别模型。
服务器可利用医生对目标图像的标注对图像识别模型进行优化,随着标注后的目标图像越来越多,图像识别模型的精度提高,获得的识别结果也会更加准确。
在一种可选的实施方式中,所述用户终端还用于:在所述检测设备采集试剂盒上检测区的至少一张图像之前,接收被测用户输入的身份信息,并对所述被测用户进行活体人脸采集,得到被测用户的人脸图像;调用公安接口对被测用户的身份信息和人脸图像进行校验;在校验通过后,完成被测用户的身份认证,得到经过核实的身份信息。
为了将每次检测的数据与用户之间准确关联,该微生物检测***可以仅向已认证用户提供检测服务,因此,被测用户需要经过身份认证。
在一种可选的实施方式中,所述用户终端在将所述至少一张图像发送至所述服务器的同时,还将预先保存的被测用户的用户信息、本次检测的唯一标识发送至所述服务器;其中,所述被测用户的用户信息包括所述经过核实的身份信息和被测用户当前的位置信息;所述服务器还用于将所述至少一张图像按照被测用户的用户信息和本次检测的唯一标识进行关联存储。
通过将每次检测的图像数据与用户信息及唯一标识进行关联存储,可以避免不同用户之间的数据、每次检测的数据之间出现混乱。
在一种可选的实施方式中,所述本次检测的唯一标识为所述检测设备的设备标识或者所述试剂盒的试剂标识,所述检测设备的设备标识用于唯一表征所述检测设备,所述试剂盒的试剂标识用于唯一表征所述试剂盒。
在一种可选的实施方式中,所述检测设备还用于:在采集试剂盒上检测区的至少一张图像之前,向所述用户终端发送标识信息,所述标识信息为所述检测设备的设备标识或者所述试剂盒的试剂标识,所述检测设备的设备标识用于唯一表征所述检测设备,所述试剂盒的试剂标识用于唯一表征所述试剂盒;所述用户终端还用于将所述标识信息和被测用户的用户信息一同发送至所述服务器,以向所述服务器请求本次检测的唯一标识;所述服务器用于根据所述标识信息和所述用户信息生成本次检测的唯一标识,并将所述本次检测的唯一标识下发给所述用户终端。
在一种可选的实施方式中,所述用户终端还用于:在所述检测设备采集试剂盒上检测区的至少一张图像之前,通过扫描识别码获得所述检测设备的通信地址,并通过所述通信地址向所述检测设备发起绑定请求;所述检测设备还用于基于所述绑定请求,与所述用户终端建立绑定关系。
在一种可选的实施方式中,所述检测设备用于采集试剂盒上检测区的至少一张图像,并将所述至少一张图像发送给绑定的用户终端,包括:在接收被测用户的触发后,启动计时;在预设时长内对试剂盒上的检测区进行图像采集,得到本次检测的至少一张图像;通过无线通信模块将所述至少一张图像发送至与所述检测设备建立有绑定关系的用户终端上。
在一种可选的实施方式中,所述服务器还用于:在所述被测用户的本次检测的检测结果为阳性时,将所述被测用户的用户信息和检测结果一同发送至疫情防控中心。从而该***可为疫情防控提供及时有效的疫情信息。
第二方面,本申请实施例提供一种微生物检测装置,配置于服务器,所述装置包括:图像接收模块,用于接收用户终端发来的本次检测得到的至少一张图像;所述至少一张图像是由与所述用户终端绑定的检测设备对试剂盒上的检测区进行图像采集后获得并发给所述用户终端的;图像识别模块,用于利用图像识别模型对所述至少一张图像中的每张图像进行识别,得到每张图像的识别结果;微生物检测模块,用于根据所述至少一张图像的识别结果确定出被测用户本次检测的检测结果,并将所述检测结果发给所述用户终端。
在一种可选的实施方式中,所述微生物检测模块包括:结果筛查单元,用于将所述至少一张图像中识别结果满足预设条件的目标图像发送至医生终端;结果接收单元,用于接收所述医生终端返回的标注后的目标图像,并以医生对目标图像的标注更新所述至少一张图像中目标图像的识别结果;检测单元,用于根据更新后的所述至少一张图像的识别结果确定出被测用户本次检测的检测结果。
在一种可选的实施方式中,所述图像识别模块识别得到的每张图像的识别结果包括微生物检测结果以及微生物检测结果的置信度;所述预设条件包括:目标图像的微生物检测结果的置信度低于阈值;和/或,目标图像的微生物检测结果为阳性。
在一种可选的实施方式中,所述装置还包括:模型优化模块,用于在结果接收单元接收所述医生终端返回的标注后的目标图像后,利用目标图像和医生对目标图像的标注对所述图像识别模型进行优化,得到优化后的图像识别模型,以采用所述优化后的图像识别模型作为下一次检测时图像识别模块所使用的图像识别模型。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的检测设备的结构示意图;
图2为本申请实施例提供的检测设备的另一结构示意图;
图3为本申请实施例提供的微生物检测***的示意图;
图4为微生物检测***中各个设备所用于执行的检测流程的示意图;
图5为本申请实施例提供的微生物检测装置的示意图;
图6为本申请实施例提供的微生物检测装置的另一示意图。
图标:100-检测设备;101-外壳;102-电路板;103-图像采集装置;104-触发装置;105-滴血孔;106-供电模块;107-指示灯;210-服务器;220-用户终端。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
基于免疫胶体金技术开发的微生物快速检测产品(试剂盒)具有快速、简便、稳定性高、廉价、可自我检测的优点,可有效解决当前疾病全人群普筛的要求。但是其使用时需要在医疗机构完成,很难渗透到人群范围更大的区域。基于此试剂盒产品,本申请实施例提供了一种微生物检测***,能够有效对被测用户进行微生物检测,需说明的是,本申请所检测的微生物可以包括但不限于病毒、细菌、真菌等微生物,任何通过试剂盒中的胶体金检测试纸可检测出的对象均应包含在本申请的检测范围内,在更换试剂盒的情况下,本申请可检测的微生物可以有多种变化。对于新冠状病毒而言,通过此微生物检测***可帮助疾控中心筛查出更多的有症状无法及时就医人群以及无症状感染人群,解决当下的疫情防控问题。
本实施例提供的微生物检测***可以对当前肆虐的新冠状病毒进行检测,但应当理解,新冠状病毒仅是本实施例的其中一种微生物检测场景,并不代表此微生物检测***只能用于检测新冠状病毒,对于其他传染病病毒、导致患病的微生物等,也可以使用本实施例中的微生物检测***实现检测,此外,该微生物检测***还可以用于对某些化学物质的检测,如试剂盒中的检测试纸与某些化学物质发生反应后变色,该***通过采集试剂盒检测区的图像进行分析,实现对该化学物质的检测,因此,具体检测何种检测对象不应理解为对本实施例具体方案的限定。
为构建上述微生物检测***,本申请提供一种特殊的检测设备,图1~图2示出了检测设备的结构示意图。参阅图1和图2,检测设备100包括:外壳101、电路板102、图像采集装置103和触发装置104。其中,检测设备100内开设有一试剂盒容纳区,该试剂盒容纳区用于放置具有微生物检测功能的试剂盒,在一种可选实施例中,检测设备100的一端设置有开口,通过该开口可以将试剂盒***到检测设备100内以及将试剂盒从检测设备100中取出;在另一可选实施例中,在检测设备100的外壳101上开设有盖板区域,将一试剂盖与盖板区域紧密合上后,检测设备100内形成一中空的试剂盒容纳区,在拆下或打开此试剂盖后,可以将试剂盒放入到试剂盒容纳区中,以及将试剂盒从试剂盒容纳区中取出。在试剂盒上设有血液存放点,被测用户通过向试剂盒的血液存放点处滴入血液即可实现检测,在检测设备100的表面设有滴血孔105,滴血孔105的位置与试剂盒放置在检测设备100后血液存放点的位置重合,于是,在将试剂盒放置到检测设备100后,被测用户只需将血液滴入检测设备100的滴血孔105,滴入的血液即可到达试剂盒的血液存放点。应理解,上述血液存放点也适用于唾液或其他体液的检测,视该试剂盒检测时需要何种体液决定,比如,试剂盒中的检测试纸为糖尿病试纸,那么该血液存放点也适用于对尿液的检测,又比如,该血液存放点还可适用于采集的鼻咽拭子提取的抗体或者核酸扩增物等。
电路板102设置于外壳101内部,用于完成本实施例中检测设备100所需实现的功能,在电路板102上设置有无线通信模块,检测设备100通过该无线通信模块可与绑定的用户终端通信,比如可以以蓝牙、移动通信、近场通信NFC、WIFI、第五代移动通信5G等无线方式通信。图像采集装置103设置于检测设备100上能够完整采集到试剂盒上的检测区的位置,在部分试剂盒产品中,检测区上设置有一条或多条检测线,可以通过观察检测区内各检测线上的显色情况获知被测用户是否感染相应的微生物。在一种实施例中,图像采集装置103可以设置于外壳101内侧且位于检测区的上方,并与检测区正对。图像采集装置103可以为微距摄像头,为获得更好的成像效果,在检测设备内还设有补光灯,在昏暗环境下,补光灯亮起,从而使图像采集装置103适应不同的采集环境。触发装置104能够接收用户的触发,使检测设备100开始启动检测流程,其中,触发装置104可以是实体的“开启”按键,当被测用户按下“开启”按键后,检测设备100启动检测流程,此外,触发装置104也可以是其他类型的触控装置。比如,在检测设备100的上表面设置一触控区域,当被测用户点击或者触摸到该触控区域后,检测设备100启动检测流程;触发装置104还可以是设置于检测设备100上表面的触摸显示屏,当被测用户在触摸显示屏上点击虚拟的“开启”按钮时,检测设备100启动检测流程,同时,该触摸显示屏还可以用于显示检测过程的当前进度以及其他的一些信息。
可选的,检测设备100还包括:供电模块106,用于为检测设备100内各电路模块供电;指示灯107,用于指示检测设备100的当前状态,例如,在检测设备100上电后,指示灯107亮起,在检测设备100开启检测流程后,指示灯107闪烁。
图1、图2所示的检测设备的结构仅是一种可选的示例,检测设备的具体结构还可根据其所需要实现的功能灵活开发,在图1、图2的基础上,其结构还可以有更多的变化,在本实施例中不做详细描述。
图3示出了本申请实施例提供的微生物检测***的示意图,如图3所示,该微生物检测***包括:检测设备100、用户终端220和服务器210。其中,用户终端220可以有多个,检测设备100可以有多个。用户终端220用于采集被测用户的用户信息,并绑定检测设备100,用户终端220可以绑定多个检测设备100;检测设备100用于对位于该检测设备内的试剂盒进行图像数据采集,并将采集到的图像数据发送给绑定的用户终端220;用户终端220用于将用户信息及检测设备100发来的图像数据发送至服务器210;服务器210用于接收用户终端220发来的数据,利用训练好的图像识别模型对图像进行识别,最终得到被测用户的检测结果。
在更加具体的实施例中,微生物检测***中的各个设备用于执行图4所示的检测流程。如图4所示,该检测流程包括:
步骤310:检测设备采集试剂盒上检测区的至少一张图像,并将本次检测的至少一张图像发送给绑定的用户终端。
试剂盒位于检测设备内,具体的,试剂盒可以通过检测设备一端的开口***到检测设备内,或者,可以通过检测设备外壳上的盖板区域放入到检测设备内。试剂盒具有微生物检测功能,其可以是用于检测新冠状病毒的试剂盒,也可以是用于检测其他传染病病毒的试剂盒,例如流感、非洲猪瘟等。除此以外,该试剂盒中的检测试纸还可以是糖尿病试纸、验孕试纸等。
步骤320:用户终端接收该至少一张图像,并将该至少一张图像发送至服务器。
可选的,用户终端还可以将预先保存的被测用户的用户信息与该至少一张图像一同发送至服务器。
步骤330:服务器利用图像识别模型对该至少一张图像中的每张图像进行识别,得到每张图像的识别结果。
步骤340:服务器根据该至少一张图像的识别结果确定出被测用户本次检测的检测结果,并将检测结果发给用户终端。
上述步骤310-340描述的是某一被测用户的一次检测的过程。
可选的,用户终端通过一APP、小程序或微服务向被测用户提供服务,在步骤310之前,被测用户需完成相应的设置操作,包括:APP的注册和登录、身份信息认证、检测设备绑定等。
在一种具体的实施例中,首先,被测用户进行APP、小程序或微服务的注册及登录。同时,为提供疫情防控的准确信息,以及准确将每次检测的数据与用户关联,该微生物检测***可以仅向已认证用户提供检测服务,被测用户在完成注册及登录后,用户终端还用于执行如下步骤:
1、接收被测用户输入的身份信息。其中,该身份信息包括被测用户的身份证号及姓名。
2、启动图像扫描,对被测用户进行活体人脸采集,得到被测用户的人脸图像。
3、调用公安接口对被测用户的身份信息和人脸图像进行校验,将该身份信息、人脸图像与公安***中的信息进行对比,若对比结果是一致的,则校验通过,若对比结果不一致,则校验不通过。
4、在校验通过后,完成被测用户的身份认证,得到经过核实的身份信息。若校验不通过,可以拒绝该被测用户进入下一步的检测流程。
在一种具体的实施例中,被测用户需要打开位置服务,用户终端会要求用户打开位置服务才能够继续操作,在进行检测的过程中,用户终端需要记录被测用户本次检测的位置地址,该位置地址将与本次检测的相关信息一同发送至服务器。如果用户终端不支持位置服务,被测用户可以通过填写位置地址进行检测。
在完成身份信息认证后,用户终端需与检测设备进行绑定。每一检测设备都具有一个唯一的设备标识,该设备标识用于唯一表征此检测设备,不同的检测设备之间的设备标识均不相同。
可选的,在检测开始前,为实现用户终端与检测设备的绑定,用户终端用于通过扫描检测设备上的识别码获得检测设备的通信地址,并通过该通信地址向检测设备发起绑定请求,检测设备用于基于该绑定请求,与用户终端建立绑定关系。具体的,用户终端可以通过扫描检测设备表面的识别码,如条形码或者二维码,获得检测设备的通信地址,该通信地址可以是该检测设备的蓝牙地址或者其他通信地址,以蓝牙地址为例,用户终端在获得检测设备的蓝牙地址后,通过该蓝牙地址与检测设备建立蓝牙绑定关系。检测设备在上电后,蓝牙模块自动开启,等待用户终端绑定。用户终端可以绑定多个检测设备。
在本实施例中,上述识别码可以是粘贴在检测设备上,其粘贴位置可以是检测设备的上表面、下表面、侧面等任意位置;当然,也可以通过检测设备上的显示单元显示上述识别码,如检测设备在上电后,开启蓝牙模块,并同时在显示单元上显示对应的条形码或者二维码。
用户终端绑定检测设备后,被测用户可以进行相关的检测动作。具体的,被测用户向检测设备上的滴血孔滴入血液、稀释剂,此时试剂盒已放置于检测设备内,且滴血孔位置与试剂盒的血液存放点位置重合,血液通过滴血孔到达试剂盒上的血液存放点,或者,也可以先在试剂盒上的血液存放点滴入血液、稀释剂,再将试剂盒放入到检测设备内。然后,被测用户可以通过检测设备上的触发装置启动检测流程。可以理解的是,如果需要检测被测用户是否感染新冠状病毒,那么,位于检测设备内的试剂盒可以为新冠状病毒的检测试剂盒,如果需要检测被测用户是否感染其他传染病病毒,例如流感、非洲猪瘟等,那么,位于检测设备内的试剂盒可以为相应病毒的检测试剂盒。
在完成上述操作后,检测设备可执行上述步骤310,通过图像采集装置对试剂盒上的检测区进行图像采集。试剂盒的检测过程需要耗时一段时间,在检测设备内设置相应的时间策略,比如,设置检测时长为15分钟,表示一次检测需15分钟。
可选的,在步骤310中,检测设备具体执行:在接收被测用户的触发后,启动计时;在预设时长内对试剂盒上的检测区进行图像采集,得到本次检测的至少一张图像;通过无线通信模块将本次检测的至少一张图像发送至与该检测设备建立有绑定关系的用户终端上。在计时结束后,表示本次检测已完成,接下来可以进行图像数据的上传。在图像采集过程中,检测设备可以仅采集检测区的一张图像,比如,在计时结束的时间点或者在计时即将结束的某一预设时间点,采集得到一张图像,此时,检测区中的检测线已逐步显色,采集的这张图像可以表征被测用户的微生物检测情况;当然,检测设备也可以采集检测区的多张图像,比如,在计时时间段内周期性地或者随机性地进行图像采集,得到本次检测的多张图像,若按照每一分钟采集一次图像,共得到15张图像。由于试剂盒上检测线的显色过程是随时间逐步显色的,因此,前期采集的部分图像中检测线可能还未来得及显色,而在后期采集的部分图像中检测线逐步显色。通过采集多张图像可以获得更加准确的结果,避免由于某张图像为无效图像而导致整个检测结果作废。
在检测设备开始检测的过程中,用户终端和检测设备可保持通信畅通,避免数据传输失败或者未能上传的情况,直至检测设备检测完成后,将所采集的至少一张图像发送给用户终端。在图像传输完成后,检测设备可以断开与用户终端的通信。在另外的实施例中,用户终端与检测设备间的通信连接也可以在检测设备检测完成之后建立,在需要进行数据传输的时间,再确认用户终端和检测设备已建立通信连接,完成图像数据的上传,避免用户的持续等待时间过长。可选的,检测设备通过无线通信模块与该用户终端通信,比如可以以蓝牙、移动通信、近场通信NFC、WIFI等无线方式通信。
可选的,检测设备在发送本次检测的至少一张图像时,将该至少一张图像发送至当前绑定的用户终端。当有新的用户终端向检测设备发起绑定请求时,检测设备与新的用户终端建立绑定关系,并清除与原绑定的用户终端之间的绑定关系。当然,检测设备也可以与多个用户终端建立绑定关系,在检测设备内维护绑定关系列表,在存在与多个用户终端建立有绑定关系的情况下,检测设备向绑定时间最近的一个用户终端发送该至少一张图像。
在步骤320中,用户终端接收检测设备发来的本次检测的至少一张图像,将被测用户的用户信息与该至少一张图像一同发送至服务器。其中,被测用户的用户信息包括经身份认证后得到的经过核实的身份信息,以及被测用户的当前位置信息。用户终端在接收到该至少一张图像后,将被测用户的用户信息、本次检测得到的至少一张图像和本次检测的唯一标识发送至服务器。服务器接收到本次检测所对应的:被测用户的用户信息、至少一张图像和唯一标识,然后,服务器将该至少一张图像按照被测用户的用户信息和被测用户本次检测的唯一标识进行关联存储。
比如,用户“张三”的账号下包括其每次检测的唯一标识、图像数据及相应的检测结果,用户可以通过用户终端查看历史检测记录。
在具体的实施例中,本次检测的唯一标识可以通过如下方式获得:
1、将检测设备的设备标识作为本次检测的唯一标识
在用户终端扫描检测设备上的识别码后,与检测设备建立绑定关系,用户终端同时获知到检测设备的设备标识,该设备标识用于唯一表征此检测设备。在检测设备开启检测流程后,当前进行检测的检测设备向用户终端发送自身的设备标识,在检测完成后,用户终端收到检测设备发来的至少一张图像,用户终端将获得的设备标识作为本次检测的唯一标识,与该至少一张图像一同发送给服务器。在此情况下,检测设备将作为一次性使用装置使用。
2、将试剂盒的试剂标识作为本次检测的唯一标识
每一试剂盒设有试剂标识,该试剂标识用于唯一表征此试剂盒,不同的试剂盒之间的试剂标识不相同。检测设备获取到位于该检测设备内的试剂盒的试剂标识,在检测设备开启检测流程后,当前进行检测的检测设备向用户终端发送该试剂标识,在检测完成后,用户终端收到检测设备发来的至少一张图像,用户终端将获得的试剂标识作为本次检测的唯一标识,与本次检测的至少一张图像一同发送给服务器。
在具体的实施例中,可在试剂盒上设置射频识别RFID标签,在RFID标签中存储有该试剂盒所对应的试剂标识,将试剂盒放入检测设备后,检测设备中的RFID读取器可读取试剂盒上的RFID标签,从而获得试剂盒所对应的试剂标识。
3、检测设备本地生成本次检测的唯一标识
检测设备获取自身的设备标识,根据该设备标识和检测相关信息本地生成一个标识,作为本次检测的唯一标识。例如,根据设备标识和当前检测时间生成标识,一种生成规则为:假设设备标识为AABBCC,当前检测时间为D年E月F日G时H秒,则生成对应的标识为AABBCCDEFGH。或者,根据设备标识和该检测设备的检测次数生成标识,一种生成规则为:假设设备标识为AABBCC,本次检测为该检测设备的第2次检测,则生成对应的标识为AABBCC-2。在检测设备开启检测流程后,将本地生成的唯一标识发送给用户终端。
可以理解的是,检测设备也可以根据试剂盒的试剂标识和检测相关信息本地生成标识,其生成方式与上述方式相同。
4、用户终端本地生成本次检测的唯一标识
在检测设备开启检测流程后,当前进行检测的检测设备向用户终端发送自身的设备标识或者试剂盒的试剂标识,用户终端根据该设备标识和检测相关信息本地生成一个标识,或者,根据该试剂标识和检测相关信息本地生成一个标识,将所生成的这一标识作为本次检测的唯一标识。其生成方式与方式3相同,在此不赘述。
可以理解的是,用户终端还可以根据设备标识和被测用户的用户信息,或者试剂标识和被测用户的用户信息,生成本次检测的唯一标识。
5、服务器生成本次检测的唯一标识
检测设备接收用户的触发,启动检测,当前进行检测的检测设备向用户终端发送标识信息,该标识信息可以是此检测设备的设备标识或者所使用的试剂盒的试剂标识。用户终端接收检测设备发来的标识信息,将该标识信息和被测用户的用户信息一同发送至服务器,以向服务器请求本次检测的唯一标识。服务器接收到用户信息和标识信息后,按照一定的算法规则生成本次检测的唯一标识,并将所生成的本次检测的唯一标识下发给用户终端。用户终端则获得了本次检测所对应的唯一标识。
用户终端通过本次检测的唯一标识关联检测数据并上传,达到关联数据的目的。检测设备每做一次检测,即每接收到用户的触发,则向用户终端发送一次自身的设备标识,进而得到一个当次检测的唯一标识。
在步骤330中,服务器利用图像识别模型对本次检测的至少一张图像中的每张图像进行识别,得到每张图像的识别结果,即得到至少一个识别结果。本实施例中的图像识别模型为基于神经网络的模型,通过对预构建的目标神经网络进行训练后得到。
为得到上述图像识别模型,先预构建目标神经网络,并对目标神经网络进行训练。在训练之前,先获取一定数量的训练样本,构建训练样本集,每一训练样本包括训练图像和该训练图像所对应的标签,标签包括阳性标签和阴性标签。在一个具体的实施例中,获取300张训练图像,其中包括200个结果为阴性的图像和100个结果为阳性的图像。在得到若干训练样本后,可对训练样本进行如下处理:
第一,图像预处理
首先,可进行直方图均衡化(Histogram Equalization)。服务器利用图像直方图对图像的对比度进行调整,在增强局部的对比度的同时而不影响整体的对比度。该步骤主要是消除不同图像间的均值对比度的不同所带来的误差。
其次,可进行高斯滤波(Gauss filter)。服务器通过高斯滤波对图像进行平滑处理,减少噪声对结果的影响。
再有,可进行边缘检测。服务器使用边缘检测算子提取图像边缘(例如Sobel、Canny等算子),将图像的边缘和原始图像叠加,增加图像的高频特征。
然后,可进行图像增强。服务器对获得的若干训练图像进行旋转、镜像、缩放等操作,得到更多的训练图像,以便让训练出的模型具有更好的鲁棒性。
在本实施例中,目标神经网络可使用卷积神经网络提取图像特征,然后基于所提取的特征进行端到端的分类。在一种具体的实施例中,图像识别模型使用加权交叉熵损失作为神经网络的分类损失。加权交叉熵损失E的一种设计如下:
其中,为交叉熵,训练样本集中的样本k的真实结果为,通过神经网络
对样本k预测得到的预测结果为,交叉熵可用于衡量预测结果与真实结果之间
的差异程度。交叉熵的详细计算可以参照现有技术。为系数,在对不同样本计算时所乘
的系数不同,在上式中,i类是少数类样本(通常是阳性类别的样本),为了加大分错第i
类的成本,在交叉熵上给训练样本集中的第i类样本乘以一个大于1的系数,这样如果分错
第i类样本的类别,损失E就会增加。随着图像的收集,得到的训练样本中阴性样本会远大于
阳性样本;通过该损失函数的设置能够有效抵抗样本不均衡带来的神经网络误差率问题,
有效提高模型精度。
在本实施例中,基于目前的微生物检测技术,构建相应的目标神经网络,比如,通过融合FPN(Feature pyramid networks,特征金字塔)、Resnet(ResidualNeuralNetwork,残差神经网络)、Shufflenet的神经网络模型,构建出目标神经网络;其中,FPN,用于保证网络能够抽取不同大小的目标特征;Resnet,加入了跨层的连接,能够使网络更深,更有可能提取到高维度的特征;Shufflenet,分组卷积带来的通道重排,主要为了增强网络的鲁棒性;全卷积层,替代网络最上层的全连接层,可处理缩放后不同分辨率的图像。在图像识别领域,神经网络的相关技术已经较为成熟,技术人员可基于相关技术对目标神经网络进行设计,本实施例对目标神经网络不做过多说明。
在步骤330中,服务器利用图像识别模型识别得到每张图像的识别结果,其中,识别结果包括微生物检测结果,微生物检测结果包括:无效结果、阳性结果、阴性结果。以新冠状病毒的检测为例,本实施例中的试剂盒可以是抗原检测试剂盒,也可以是抗体检测试剂盒,还可以是核酸检测试剂盒。再以其中的抗体检测试剂盒为例,该抗体检测试剂盒例如具有三条检测线,三条检测线分别为C线(控制线)、T1线(IGM抗体检测线)、T2线(IGG抗体检测线),其中,IGM抗体是近期感染的标志,IGG抗体是既往感染的标志。若C线变色,则表示本次检测有效,若T1线变色,则表示IGM呈阳性,若T2线变色,则表示IGG呈阳性。当然,该试剂盒还可以是具有一条检测线、具有两条检测线或者具有其他数量检测线的试剂盒产品。
在一种具体实施例中,图像识别模型通过对图像中检测线的显色信息进行分析,从而得到相应的微生物检测结果,其中包括:(1)无效结果(即C线未变色,可能是由于滴血失败或者稀释剂加入失误等原因导致);(2)阳性结果,包括IGM阳性且IGG阳性、IGM阳性而IGG阴性、IGM阴性而IGG阳性;(3)阴性结果,包括IGM阴性且IGG阴性。对于不同的微生物检测场景,在采用不同微生物的检测试剂盒时,图像识别模型对图像的分析方式也可以不同,例如,可以通过分析多条检测线中的特定检测线是否变色、或者分析每条检测线的显色程度、显色区域等方式得到微生物检测结果。
在步骤340中,服务器在获得本次检测的至少一个识别结果后,根据该至少一个识别结果确定出被测用户本次检测的检测结果,并将检测结果发给用户终端,使被测用户通过用户终端可获知到本次检测的检测结果。服务器可以根据被测用户的用户信息和本次检测的检测结果生成对应的检测报告,并将检测报告发送给用户终端,用户终端通过APP、小程序或者微服务向被测用户展示此检测报告。此外,服务器中记录有每一被测用户的每次检测的检测结果,这些信息可发送至指定的医疗服务平台或者疫情防控中心。在一种具体的实施例中,服务器用于在被测用户的本次检测的检测结果为阳性时,将该被测用户的用户信息和检测结果一同发送至疫情防控中心,疫情防控中心可根据被测用户的用户信息对该被测用户进行进一步的排查。
在上述实施例的基础上,该微生物检测***还包括:医生终端,医生可通过医生终端对图像进行判别。在本实施例中,医生为通过认证的专业医生。医生需要经过审核备案之后入驻,医生终端用于接收并显示服务器发来的目标图像,以及接收医生对目标图像的标注,并将标注后的目标图像发给服务器。
具体的,服务器向医生终端发送的目标图像为本次检测的至少一张图像中识别结果满足预设条件的图像。在步骤330中,服务器识别得到的每张图像的识别结果包括微生物检测结果以及微生物检测结果的置信度,其中,置信度用于表征该微生物检测结果的可信程度。一种预设条件包括:目标图像的微生物检测结果的置信度低于阈值;和/或,目标图像的微生物检测结果为阳性。
服务器获得至少一张图像的识别结果后,从至少一个识别结果中选择出微生物检测结果的置信度低于阈值,和/或,微生物检测结果为阳性的图像,作为目标图像,并将目标图像发送给医生终端。医生通过医生终端对目标图像进行审核和标注,然后将标注后的目标图像发回到服务器,服务器接收医生终端返回的标注后的目标图像,并以医生对目标图像的标注对至少一张图像中目标图像的识别结果进行更新,然后,根据更新后的至少一张图像的识别结果确定出被测用户本次检测的检测结果。
在一种示例中,当本次检测的至少一个识别结果中存在至少一个识别结果为阳性,则确定该被测用户本次检测的检测结果为阳性。
进一步的,服务器还用于在接收医生终端返回的标注后的目标图像后,利用目标图像和医生对目标图像的标注对所采用的图像识别模型进行优化,得到优化后的图像识别模型。服务器将优化后的图像识别模型作为下一次检测时所使用的图像识别模型。随着标注后的目标图像越来越多,图像识别模型的精度提高,获得的识别结果更加准确。
在实际的场景应用中,该微生物检测***可以满足大规模人群筛查的需求,并作为微生物感染初筛的工具为医生提供辅助,其中,服务器可对各个被测用户的检测图像进行识别,得到初步的识别结果,将其中无法识别的图像和阳性图像发送医生终端,由医生进行复核,医生也可以通过医生终端定期对其中的阴性图像进行抽查,检测结果由图像识别模型和医生复核双重保障,既提高了检测效率、结果又准确。
本实施例中的微生物检测***可以用于多个不同场景(居家、单位、医院)对微生物筛查结果的无线化监测需求,以尽可能发现更多的有症状无法及时就医人群以及无症状感染人群。为及时改善当前疫情现状,该微生物检测***可以首先应用于新冠状病毒肺炎的筛查工作,助力复工复产,例如可以应用到机场、车站安检、家庭等多个场景。进一步的,通过用户终端上的APP客户端可以对用户进行防疫防护的指导,消除其紧张及焦虑的情绪,切断病毒二次传播的途径;同时还可通过与社区、地区、国家的相关诊疗和管理机构相关联,实现数据的及时共享,有的放矢,合理分配医疗资源,全面有效解决目前存在的人群感染率不明确、传染途径难控制、流行病数据收集困难等疾病控制现状。同时,对于用户而言,由于不需要前往医院检查,极大降低了交叉感染的风险。
可选的,在该微生物检测***部署应用的前期,由于缺乏足够多的训练图像,存在得到的图像识别模型识别准确性不够高的问题,在这种情况下,***中的服务器也可以直接将本次检测得到的至少一张图像发送给医生终端,由医生终端直接进行判别,从而得到被测用户本次检测的检测结果。待收集到足够的训练图像后,图像识别模型逐渐趋于成熟,可正式投入对微生物的筛查使用。
在一种可选的实施例中,基于云计算技术构建疾病筛查云平台,该疾病筛查云平台部署于服务器中,疾病筛查云平台的网络运行环境可采用第五代移动通信5G技术。服务器基于疾病筛查云平台完成上述步骤。疾病筛查云平台将被测用户的检测结果通过5G网络有效地发送给用户终端和医疗机构,用户终端可为用户提供数据可视化服务,展示当次检测的相关信息。
在不改变***架构的前提下,本实施例还可以部署用于其他疾病筛查的图像识别模型,配合检测设备采集的图像数据,将疾病筛查云平台整合为一个集多病种筛查与监控能力的大平台,通过对常见急慢性传染疾病进行持续监管,提高我国公共卫生防疫能力。在本实施例提供的微生物检测***中,只需要更换检测设备内所放置的试剂盒、在服务器上增加疾病筛查的图像识别模型,即可针对不同的流行病进行简便的、快速的适应性升级,从而能够应用于诸如流感、非洲猪瘟等流行病的检测与防控。
在一种可选的实施例中,疾病筛查云平台还可以利用前期不同类型流行病防控的大数据沉淀,提取不同类型疾病的关键因子,对未来新型流行病的传播、防控进行关键因子匹配,实现防控推演,为公共***门疫情及时有效的针对性防控措施的拟定提供参考。
综上所述,本申请实施例基于微生物检测试剂盒、检测设备、用户终端、服务器构建低成本、覆盖广的微生物检测***,为用户提供远程疾病检测筛查服务,做到疾病早筛早诊,且为疫情防控中心提供及时的疫情信息。该***可以用较低成本实现人群在家自我检测、自我隔离、检测结果自动上传到服务器,同时,识别结果为阳性的疑似病例可尽早在家自动隔离,切断传播途径,也节省大量社会资源、排除近距离筛查检测对检测人员带来的危险,做到早发现、早报告、早隔离。
基于同一发明构思,本申请实施例还提供一种微生物检测装置,该微生物检测装置配置于服务器,如图5所示,所述装置包括:
图像接收模块410,用于接收用户终端发来的本次检测得到的至少一张图像;所述至少一张图像是由与所述用户终端绑定的检测设备对试剂盒上的检测区进行图像采集后获得并发给所述用户终端的;
图像识别模块420,用于利用图像识别模型对所述至少一张图像中的每张图像进行识别,得到每张图像的识别结果;
微生物检测模块430,用于根据所述至少一张图像的识别结果确定出被测用户本次检测的检测结果,并将所述检测结果发给所述用户终端。
可选的,请参阅图6,微生物检测模块430包括:
结果筛查单元4301,用于将所述至少一张图像中识别结果满足预设条件的目标图像发送至医生终端;
结果接收单元4302,用于接收所述医生终端返回的标注后的目标图像,并以医生对目标图像的标注更新所述至少一张图像中目标图像的识别结果;
检测单元4303,用于根据更新后的所述至少一张图像的识别结果确定出被测用户本次检测的检测结果。
可选的,所述图像识别模块识别得到的每张图像的识别结果包括微生物检测结果以及微生物检测结果的置信度;所述预设条件包括:目标图像的微生物检测结果的置信度低于阈值;和/或,目标图像的微生物检测结果为阳性。
可选的,所述装置还包括:模型优化模块,用于:在结果接收单元接收所述医生终端返回的标注后的目标图像后,利用目标图像和医生对目标图像的标注对所述图像识别模型进行优化,得到优化后的图像识别模型,以采用所述优化后的图像识别模型作为下一次检测时图像识别模块所使用的图像识别模型。
上述提供的微生物检测装置与上一***实施例中的服务器对应,能够执行服务器所执行的各个步骤,两者的基本原理及产生的技术效果相同,该装置的具体功能参见上文中的描述,在此不做赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,各单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是,功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (15)
1.一种微生物检测***,其特征在于,包括检测设备、用户终端和服务器;
所述检测设备用于采集试剂盒上检测区的至少一张图像,并将所述至少一张图像发送给绑定的用户终端;其中,所述试剂盒位于所述检测设备内;
所述用户终端用于接收所述至少一张图像,并将所述至少一张图像发送至所述服务器;
所述服务器用于利用图像识别模型对所述至少一张图像中的每张图像进行识别,得到每张图像的识别结果,根据所述至少一张图像的识别结果确定出被测用户本次检测的检测结果,并将所述检测结果发给所述用户终端。
2.根据权利要求1所述的***,其特征在于,所述***还包括医生终端;所述医生终端用于接收所述服务器发来的目标图像,接收医生对目标图像的标注,并将标注后的目标图像发给所述服务器;
所述服务器用于根据所述至少一张图像的识别结果确定出所述被测用户本次检测的检测结果,包括:将所述至少一张图像中识别结果满足预设条件的目标图像发送至所述医生终端;接收所述医生终端返回的标注后的目标图像,并以医生对目标图像的标注更新所述至少一张图像中目标图像的识别结果;根据更新后的所述至少一张图像的识别结果确定出所述被测用户本次检测的检测结果。
3.根据权利要求2所述的***,其特征在于,所述服务器识别得到的每张图像的识别结果包括微生物检测结果以及微生物检测结果的置信度;所述预设条件包括:目标图像的微生物检测结果的置信度低于阈值;和/或,目标图像的微生物检测结果为阳性。
4.根据权利要求2所述的***,其特征在于,所述服务器还用于:在接收所述医生终端返回的标注后的目标图像后,利用目标图像和医生对目标图像的标注对所述图像识别模型进行优化,得到优化后的图像识别模型,以采用所述优化后的图像识别模型作为下一次检测时所使用的图像识别模型。
5.根据权利要求1所述的***,其特征在于,所述用户终端还用于:在所述检测设备采集试剂盒上检测区的至少一张图像之前,接收被测用户输入的身份信息,并对所述被测用户进行活体人脸采集,得到被测用户的人脸图像;调用公安接口对被测用户的身份信息和人脸图像进行校验;在校验通过后,完成被测用户的身份认证,得到经过核实的身份信息。
6.根据权利要求5所述的***,其特征在于,所述用户终端在将所述至少一张图像发送至所述服务器的同时,还将预先保存的被测用户的用户信息、本次检测的唯一标识发送至所述服务器;其中,所述被测用户的用户信息包括所述经过核实的身份信息和被测用户当前的位置信息;
所述服务器还用于将所述至少一张图像按照被测用户的用户信息和本次检测的唯一标识进行关联存储。
7.根据权利要求6所述的***,其特征在于,所述本次检测的唯一标识为所述检测设备的设备标识或者所述试剂盒的试剂标识,所述检测设备的设备标识用于唯一表征所述检测设备,所述试剂盒的试剂标识用于唯一表征所述试剂盒。
8.根据权利要求6所述的***,其特征在于,所述检测设备还用于:在采集试剂盒上检测区的至少一张图像之前,向所述用户终端发送标识信息,所述标识信息为所述检测设备的设备标识或者所述试剂盒的试剂标识,所述检测设备的设备标识用于唯一表征所述检测设备,所述试剂盒的试剂标识用于唯一表征所述试剂盒;
所述用户终端还用于将所述标识信息和被测用户的用户信息一同发送至所述服务器,以向所述服务器请求本次检测的唯一标识;
所述服务器用于根据所述标识信息和所述用户信息生成本次检测的唯一标识,并将所述本次检测的唯一标识下发给所述用户终端。
9.根据权利要求1所述的***,其特征在于,所述用户终端还用于:在所述检测设备采集试剂盒上检测区的至少一张图像之前,通过扫描识别码获得所述检测设备的通信地址,并通过所述通信地址向所述检测设备发起绑定请求;
所述检测设备还用于基于所述绑定请求,与所述用户终端建立绑定关系。
10.根据权利要求9所述的***,其特征在于,所述检测设备用于采集试剂盒上检测区的至少一张图像,并将所述至少一张图像发送给绑定的用户终端,包括:在接收被测用户的触发后,启动计时;在预设时长内对试剂盒上的检测区进行图像采集,得到本次检测的至少一张图像;通过无线通信模块将所述至少一张图像发送至与所述检测设备建立有绑定关系的用户终端上。
11.根据权利要求6所述的***,其特征在于,所述服务器还用于:在所述被测用户的本次检测的检测结果为阳性时,将所述被测用户的用户信息和所述检测结果一同发送至疫情防控中心。
12.一种微生物检测装置,其特征在于,配置于服务器,所述装置包括:
图像接收模块,用于接收用户终端发来的本次检测得到的至少一张图像;所述至少一张图像是由与所述用户终端绑定的检测设备对试剂盒上的检测区进行图像采集后获得并发给所述用户终端的;
图像识别模块,用于利用图像识别模型对所述至少一张图像中的每张图像进行识别,得到每张图像的识别结果;
微生物检测模块,用于根据所述至少一张图像的识别结果确定出被测用户本次检测的检测结果,并将所述检测结果发给所述用户终端。
13.根据权利要求12所述的装置,其特征在于,所述微生物检测模块包括:
结果筛查单元,用于将所述至少一张图像中识别结果满足预设条件的目标图像发送至医生终端;
结果接收单元,用于接收所述医生终端返回的标注后的目标图像,并以医生对目标图像的标注更新所述至少一张图像中目标图像的识别结果;
检测单元,用于根据更新后的所述至少一张图像的识别结果确定出被测用户本次检测的检测结果。
14.根据权利要求13所述的装置,其特征在于,所述图像识别模块识别得到的每张图像的识别结果包括微生物检测结果以及微生物检测结果的置信度;所述预设条件包括:目标图像的微生物检测结果的置信度低于阈值;和/或,目标图像的微生物检测结果为阳性。
15.根据权利要求13所述的装置,其特征在于,所述装置还包括:
模型优化模块,用于在结果接收单元接收所述医生终端返回的标注后的目标图像后,利用目标图像和医生对目标图像的标注对所述图像识别模型进行优化,得到优化后的图像识别模型,以采用所述优化后的图像识别模型作为下一次检测时图像识别模块所使用的图像识别模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010492258.3A CN111403006B (zh) | 2020-06-03 | 2020-06-03 | 一种微生物检测***及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010492258.3A CN111403006B (zh) | 2020-06-03 | 2020-06-03 | 一种微生物检测***及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111403006A true CN111403006A (zh) | 2020-07-10 |
CN111403006B CN111403006B (zh) | 2020-09-25 |
Family
ID=71414232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010492258.3A Active CN111403006B (zh) | 2020-06-03 | 2020-06-03 | 一种微生物检测***及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111403006B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112422897A (zh) * | 2020-10-26 | 2021-02-26 | 北京嘀嘀无限科技发展有限公司 | 确定消毒的处理方法、装置、设备及存储介质 |
US10991190B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
CN113012101A (zh) * | 2021-02-05 | 2021-06-22 | 深圳讯安健康信息科技有限责任公司 | 疾病检测*** |
CN113066533A (zh) * | 2021-04-02 | 2021-07-02 | 欧蒙医学诊断(中国)有限公司 | 一种mNGS病原体数据分析方法 |
CN113158090A (zh) * | 2020-12-31 | 2021-07-23 | 北京声智科技有限公司 | 状态检测***、方法、装置、设备及可读存储介质 |
CN113643775A (zh) * | 2021-07-19 | 2021-11-12 | 广西医科大学 | 一种信息采集方法、信息采集设备及存储介质 |
CN114496261A (zh) * | 2022-03-31 | 2022-05-13 | 北京乐普诊断科技股份有限公司 | 新型冠状病毒抗原检测方法、***、设备及可读存储介质 |
CN114636819A (zh) * | 2022-03-29 | 2022-06-17 | 杭州微纳核芯电子科技有限公司 | 病毒检测装置、设备、***及疫情监测平台 |
CN114883009A (zh) * | 2022-03-29 | 2022-08-09 | 中山大学孙逸仙纪念医院 | 基于身份时间信息的检测数据处理方法、装置及*** |
CN114911987A (zh) * | 2022-05-24 | 2022-08-16 | 无锡市第五人民医院 | 一种检测试剂条的自主分析方法及*** |
CN115035332A (zh) * | 2022-05-24 | 2022-09-09 | 上海弘青石科技有限公司 | 基于图像识别的抗原检测结果认证方法 |
CN116106226A (zh) * | 2023-02-13 | 2023-05-12 | 泰州奥尔斯顿生物科技有限公司 | 用于生物检测的目标区域解析***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245780A (zh) * | 2013-04-27 | 2013-08-14 | 北京福乐云检测科技有限公司 | 胶体金防伪溯源云平台 |
CN103259855A (zh) * | 2013-04-27 | 2013-08-21 | 北京福乐云检测科技有限公司 | 传染病、慢病检测与监视预警***云平台 |
CN105139390A (zh) * | 2015-08-14 | 2015-12-09 | 四川大学 | 一种检测胸透dr片中肺结核病灶的图像处理方法 |
CA3041459A1 (en) * | 2015-10-21 | 2017-04-27 | Benedict Louis Zin | Bed bugs detection device |
CN107748152A (zh) * | 2017-10-12 | 2018-03-02 | 齐鲁工业大学 | 微生物检测装置和方法 |
CN108695003A (zh) * | 2018-08-07 | 2018-10-23 | 中山市徕康医疗信息软件技术有限公司 | 一种发热疫情监控与溯源的云管理***及方法 |
CN110334729A (zh) * | 2019-05-09 | 2019-10-15 | 四川大学华西医院 | 检验仪器自动报警通知*** |
-
2020
- 2020-06-03 CN CN202010492258.3A patent/CN111403006B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245780A (zh) * | 2013-04-27 | 2013-08-14 | 北京福乐云检测科技有限公司 | 胶体金防伪溯源云平台 |
CN103259855A (zh) * | 2013-04-27 | 2013-08-21 | 北京福乐云检测科技有限公司 | 传染病、慢病检测与监视预警***云平台 |
CN105139390A (zh) * | 2015-08-14 | 2015-12-09 | 四川大学 | 一种检测胸透dr片中肺结核病灶的图像处理方法 |
CA3041459A1 (en) * | 2015-10-21 | 2017-04-27 | Benedict Louis Zin | Bed bugs detection device |
CN107748152A (zh) * | 2017-10-12 | 2018-03-02 | 齐鲁工业大学 | 微生物检测装置和方法 |
CN108695003A (zh) * | 2018-08-07 | 2018-10-23 | 中山市徕康医疗信息软件技术有限公司 | 一种发热疫情监控与溯源的云管理***及方法 |
CN110334729A (zh) * | 2019-05-09 | 2019-10-15 | 四川大学华西医院 | 检验仪器自动报警通知*** |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11514738B2 (en) | 2020-07-20 | 2022-11-29 | Abbott Laboratories | Digital pass verification systems and methods |
US10991190B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
US10991185B1 (en) | 2020-07-20 | 2021-04-27 | Abbott Laboratories | Digital pass verification systems and methods |
US11574514B2 (en) | 2020-07-20 | 2023-02-07 | Abbott Laboratories | Digital pass verification systems and methods |
US11514737B2 (en) | 2020-07-20 | 2022-11-29 | Abbott Laboratories | Digital pass verification systems and methods |
CN112422897A (zh) * | 2020-10-26 | 2021-02-26 | 北京嘀嘀无限科技发展有限公司 | 确定消毒的处理方法、装置、设备及存储介质 |
CN112422897B (zh) * | 2020-10-26 | 2023-06-23 | 北京嘀嘀无限科技发展有限公司 | 确定消毒的处理方法、装置、设备及存储介质 |
CN113158090A (zh) * | 2020-12-31 | 2021-07-23 | 北京声智科技有限公司 | 状态检测***、方法、装置、设备及可读存储介质 |
CN113012101A (zh) * | 2021-02-05 | 2021-06-22 | 深圳讯安健康信息科技有限责任公司 | 疾病检测*** |
CN113066533A (zh) * | 2021-04-02 | 2021-07-02 | 欧蒙医学诊断(中国)有限公司 | 一种mNGS病原体数据分析方法 |
CN113643775A (zh) * | 2021-07-19 | 2021-11-12 | 广西医科大学 | 一种信息采集方法、信息采集设备及存储介质 |
CN114883009A (zh) * | 2022-03-29 | 2022-08-09 | 中山大学孙逸仙纪念医院 | 基于身份时间信息的检测数据处理方法、装置及*** |
CN114636819A (zh) * | 2022-03-29 | 2022-06-17 | 杭州微纳核芯电子科技有限公司 | 病毒检测装置、设备、***及疫情监测平台 |
CN114496261A (zh) * | 2022-03-31 | 2022-05-13 | 北京乐普诊断科技股份有限公司 | 新型冠状病毒抗原检测方法、***、设备及可读存储介质 |
CN114911987A (zh) * | 2022-05-24 | 2022-08-16 | 无锡市第五人民医院 | 一种检测试剂条的自主分析方法及*** |
CN115035332A (zh) * | 2022-05-24 | 2022-09-09 | 上海弘青石科技有限公司 | 基于图像识别的抗原检测结果认证方法 |
CN115035332B (zh) * | 2022-05-24 | 2024-05-03 | 上海弘青石科技有限公司 | 基于图像识别的抗原检测结果认证方法 |
CN116106226A (zh) * | 2023-02-13 | 2023-05-12 | 泰州奥尔斯顿生物科技有限公司 | 用于生物检测的目标区域解析***及方法 |
CN116106226B (zh) * | 2023-02-13 | 2023-08-29 | 山东师范大学 | 用于生物检测的目标区域解析***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111403006B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111403006B (zh) | 一种微生物检测***及装置 | |
CN104969068B (zh) | 用于在自动校准环境中执行及量化由特定浓度的生物分析物诱发的色彩改变的方法及设备 | |
CN111524580B (zh) | 一种基于神经网络的病毒筛查与防疫***及方法 | |
Johnson et al. | Digital capture of fingerprints in a disaster victim identification setting: a review and case study | |
WO2022020641A1 (en) | Computer vision method for improved automated image capture and analysis of rapid diagnostic test devices | |
EP3989235A1 (en) | Program, testing device, information processing device, and information processing method | |
WO2021188572A1 (en) | Machine vision techniques, including image processing techniques, for diagnostic testing | |
CN104067319A (zh) | 与生物/环境诊断测试设备、用户和消耗品一起使用的质量控制***、方法和计算机可读介质 | |
WO2002019246A2 (en) | Early warning outbreak and recognition system | |
US20070239485A1 (en) | System and method for providing telediagnostic services | |
US20160267256A1 (en) | Disease-screening method, module and computer program, using samples taken from an individual | |
WO2022150857A1 (en) | Apparatus and a method of reading and interpreting the image of a medical special investigations test | |
CN114783622A (zh) | 基于ai和公共信息平台的防疫自检方法及*** | |
TWM616223U (zh) | 生物感染應變系統 | |
WO2020059491A1 (ja) | 検査情報処理方法、検査情報処理装置、コンピュータプログラム及び学習モデル | |
JP2021174201A (ja) | プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法 | |
US20240153617A1 (en) | Information processing method and information processing system | |
CN114911987B (zh) | 一种检测试剂条的自主分析方法及*** | |
US20230408417A1 (en) | Method and system for companion animal health diagnosis using image of sample | |
CN115713728A (zh) | 一种监测鉴定试纸操作的方法及*** | |
CN117789951A (zh) | 一种在线问诊方法和装置 | |
KR20240014126A (ko) | 인공지능-신속진단키트 융복합 기반 소변 분석 장치 및 그 동작방법 | |
KR20240014634A (ko) | 체외 진단 키트의 시각 인공지능 진단 서비스 제공 방법 및 그 기록매체 | |
KR20240014122A (ko) | 인공지능과 신속진단키트 융복합 기반 분변잠혈 검사를 이용한 대장암 검진 장치 및 그 동작방법 | |
KR20240014123A (ko) | 인공지능과 신속진단키트 융복합 기반 성병 검사 보조 장치 및 그 동작방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |