CN117169501B - 一种手术器械表面微生物动态检测*** - Google Patents
一种手术器械表面微生物动态检测*** Download PDFInfo
- Publication number
- CN117169501B CN117169501B CN202311452569.7A CN202311452569A CN117169501B CN 117169501 B CN117169501 B CN 117169501B CN 202311452569 A CN202311452569 A CN 202311452569A CN 117169501 B CN117169501 B CN 117169501B
- Authority
- CN
- China
- Prior art keywords
- module
- sample
- microorganism
- microorganisms
- data
- 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.)
- Active
Links
- 244000005700 microbiome Species 0.000 title claims abstract description 202
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 32
- 239000007850 fluorescent dye Substances 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 229920000742 Cotton Polymers 0.000 claims abstract description 14
- 238000001917 fluorescence detection Methods 0.000 claims abstract description 13
- 230000036046 immunoreaction Effects 0.000 claims abstract description 9
- 238000001215 fluorescent labelling Methods 0.000 claims abstract description 8
- 210000001124 body fluid Anatomy 0.000 claims abstract description 6
- 239000010839 body fluid Substances 0.000 claims abstract description 6
- 239000000523 sample Substances 0.000 claims description 149
- 238000000034 method Methods 0.000 claims description 51
- 230000008105 immune reaction Effects 0.000 claims description 34
- 238000001228 spectrum Methods 0.000 claims description 33
- 230000000813 microbial effect Effects 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 21
- 102000034287 fluorescent proteins Human genes 0.000 claims description 17
- 108091006047 fluorescent proteins Proteins 0.000 claims description 17
- 230000003595 spectral effect Effects 0.000 claims description 16
- 238000010183 spectrum analysis Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 15
- 238000003018 immunoassay Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012412 chemical coupling Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 9
- 238000003317 immunochromatography Methods 0.000 claims description 9
- 239000007790 solid phase Substances 0.000 claims description 9
- 125000003636 chemical group Chemical group 0.000 claims description 8
- 239000000427 antigen Substances 0.000 claims description 7
- 102000036639 antigens Human genes 0.000 claims description 7
- 108091007433 antigens Proteins 0.000 claims description 7
- 239000006228 supernatant Substances 0.000 claims description 7
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 6
- 239000007853 buffer solution Substances 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- 239000000047 product Substances 0.000 claims description 6
- 230000035755 proliferation Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 239000012535 impurity Substances 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000001268 conjugating effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 239000007787 solid Substances 0.000 claims description 4
- PEEHTFAAVSWFBL-UHFFFAOYSA-N Maleimide Chemical compound O=C1NC(=O)C=C1 PEEHTFAAVSWFBL-UHFFFAOYSA-N 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 3
- 239000012190 activator Substances 0.000 claims description 3
- 125000000539 amino acid group Chemical group 0.000 claims description 3
- 125000003277 amino group Chemical group 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007865 diluting Methods 0.000 claims description 3
- 238000010790 dilution Methods 0.000 claims description 3
- 239000012895 dilution Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000012948 isocyanate Substances 0.000 claims description 3
- 150000002513 isocyanates Chemical class 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000009257 reactivity Effects 0.000 claims description 3
- 125000003396 thiol group Chemical group [H]S* 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 208000015181 infectious disease Diseases 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000002980 postoperative effect Effects 0.000 abstract description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000005119 centrifugation Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000028993 immune response Effects 0.000 description 2
- 239000002504 physiological saline solution Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000023597 hemostasis Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种手术器械表面微生物动态检测***,属于医疗器械微生物检测领域,包括样品采集模块、样品预处理模块、免疫反应模块、荧光标记模块、荧光检测模块、数据采集与存储模块、数据处理模块、预判断模块,所述样品采集模块,包括无菌拭子与采样棉签,通过对手术器械的刀刃部位或容易接触病人体液的部分进行轻轻擦拭。本发明一种手术器械表面微生物动态检测***,整个手术器械表面微生物动态检测***能够实现样本采集、样品预处理、微生物数量种类识别、微生物繁殖预测以及手术器械使用预判断,有助于降低术后患者的感染风险,对于手术器械是否满足手术的需要进行预判断,优化手术流程与资源利用,以提高手术效率。
Description
技术领域
本发明属于医疗器械微生物检测领域,具体是一种手术器械表面微生物动态检测***。
背景技术
手术器械是指用于进行外科手术或医疗操作的工具和设备,具有各种形状、功能和用途,可以用于开刀、缝合、止血、取样、显像、检测、修复等手术过程,例如手术刀、剪刀、缝合针等,这些手术器械往往要在手术过程中与患者的体液进行亲密接触;
在手术之前需要对手术器械进行消毒处理,尽管消毒程序被严格执行,但是所产生的消毒效果可能不是100%的,某些微生物会仍然存活在于器械表面,现有技术中无法对于手术器械表面的微生物繁殖情况进行预测,难以在手术之前判断出该手术器械是否满足整场手术的需要,增加了术后病人的感染风险;
针对上述,本案提出一种手术器械表面微生物动态检测***,以解决上述技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种手术器械表面微生物动态检测***,通过改善预判断方式和微生物检测方式以解决上述技术问题。
为了实现上述目的,本发明采用了如下技术方案:
一种手术器械表面微生物动态检测***,包括样品采集模块、样品预处理模块、免疫反应模块、荧光标记模块、荧光检测模块、数据采集与存储模块、数据处理模块、预判断模块;
所述样品采集模块,包括无菌拭子与采样棉签,通过对手术器械的刀刃部位或容易接触病人体液的部分进行轻轻擦拭,确保接触到足够的表面积以便可以获取足够的微生物样本;
所述样品预处理模块,包括离心操作和过滤操作,对样品采集模块采集到的微生物样品进行预处理,通过离心提取上清液,通过过滤去除一定的杂质,以提取微生物并去除可能的干扰物;
所述免疫反应模块,通过免疫测定法对样品预处理模块所预处理后的微生物样本进行测定,使微生物样本与特异性抗体结合发生免疫反应;
所述荧光标记模块,通过带有荧光标记的二抗与免疫反应模块中已结合的特异性抗体发生免疫反应,使得微生物样本表面的抗原被荧光标记;
所述荧光检测模块,包括荧光免疫分析仪,用于检测和识别荧光标记模块标记后的微生物样本中的荧光信号,通过激发和收集微生物样品中的荧光信号,对于荧光强度进行测量和分析,并将其转化为数字信号;
所述数据采集与存储模块,会将荧光检测模块所检测到的数据进行收集整理,并通过红外光谱仪收集微生物样本中的频谱数据,根据具体的时间、种类,采用MySQL数据库进行分类建库,并上传至云端进行备份存储;
所述数据处理模块,对采集的微生物样本数据进行处理,以提取有用信息,用于检测微生物的存在、数量和动态变化;
所述预判断模块,通过对数据处理模块获得的信息进行整合,并结合手术室现场的环境以及手术的持续时间,对手术器械是否满足该手术的需要进行判断;
所述数据处理模块中设置有滤波算法,对于采集到的微生物样本数据进行预选处理,进一步提高数据的可靠性,其具体的算法公式为:
;
其中,为滤波后的数据点,则是原始数据点,为滤波窗口的大
小,表示当前数据点的位置,通过该方法将可以窗口内的数据点进行平均计算,
从而得到滤波后的数据点。
所述数据处理模块中还设置有频谱分析法对于微生物样本数据进行特征提取,具体的操作步骤为:
先将经过滤波算法后的数据分割成若干小段,对每个小段进行频谱分析和特征提取;
采用离散傅里叶变换将时域数据转换为频域数据,其具体的算法公式为:
;
其中,为自然对数的底数,则是虚数单位,上述公式中的表示对从0到的求和,给定一个长度为的离散序列,其中,离散傅
里叶变换将该离散序列转换为一个长度为的复数序列,其中 ,则表示原始序列在不同频率的分量上的贡献;
进而根据离散傅里叶变换的结果计算频谱功率谱密度,并提取频谱特征,其具
体的算法公式为:
;
其中,表示在频率索引为的分量上的功率谱密度,为频域变换
后的离散傅里叶变换结果,是序列长度,进而可以根据中的峰值频率确定主频。
所述数据处理模块中还设置有微生物识别判断***,其具体的步骤为:
先收集已知微生物的频谱特征,构建微生物数据库,并导入微生物识别判断***中;
根据频谱分析法中提取到的微生物样本频谱特征,结合微生物的数据库,采用曼哈顿距离法,对于微生物样本中的微生物的频谱特征进行比对和匹配;
结合荧光检测模块中的荧光强度分析,确定微生物样本中各种微生物的数量。
所述根据频谱分析法中提取到的微生物样本频谱特征,结合微生物的数据库,采用曼哈顿距离法,对微生物样本中的微生物的频谱特征进行比对和匹配,其具体算法公式为:
;
其中,表示向量的维度即特征的数量,和分别表示待识别样本和数
据库样本在第个特征上的值,将待识别样本的频谱特征向量A与数据库中每个微生物样
本的频谱特征向量B进行比对,对于每个微生物样本均计算其与待识别样本之间的曼哈顿
距离,所得到的曼哈顿距离越小则表示它们的频谱特征越相似,从而确定微生物样本中的
微生物种类。
所述预判断模块内部设置有整合***,其具体操作步骤为:
将手术持续的时间与手术的环境温度预先输入进入预判断模块的内部,预判断模块会先对于数据处理模块获得的手术器械上的微生物种类数量进行整合,进而结合已知的微生物信息数据进行分析,对于所需要使用的手术器械上的微生物繁殖情况进行预判断,通过对于手术的环境温度以及微生物种群数量的结合,可以获得微生物数量变化量,通过设定阈值并结合微生物的繁殖速率,判断是否符合手术的需求,其具体的算法公式为:
;
其中,为微生物繁殖速率,代表微生物数量变化量,代表了手术的持续时
间,当超过设定的阈值时,则代表了繁殖风险较高;
进一步基于手术器械上微生物数量的历史数据,通过趋势分析方法对于微生物的繁殖趋势进行预测,采用指数平滑法,其具体的算法公式为:
初始平滑值:,其中为第一个观测到的微生物数量;
更新平滑值:,其中t为时间步,则为平
滑系数;
未来值预测:,对于t+1的平滑值进行预测;
通过不断对平滑值进行更新并预测,从而获得未来一段时间内微生物繁殖的趋势,并结合繁殖速率判断是否符合手术要求。
进一步的,所述样本预处理模块会对样品采集模块采集到的微生物样本进行预处理,从而方便后续免疫反应模块的顺利运行,其具体的操作步骤为:
将无菌拭子与采样棉签放置于生理盐水中,使得无菌拭子与采样棉签采集到的微生物样本充分释放到生理盐水中,再通过离心机分离出上清液,之后对上清液进行过滤,将较大的固体颗粒过滤掉,从而获得较为纯净的微生物样本。
进一步的,所述免疫反应模块会通过免疫测定法对样品预处理模块所预处理后的微生物样本进行测定,采用的免疫测定法为免疫层析法,具体的操作步骤为:
选择合适的免疫层析试纸;
向样品预处理模块所预处理后的微生物样本中加入适量的缓冲液进行稀释,并将含有微生物样本的缓冲液应用于免疫层析试纸上;
在载体上引入活性化学基团,使载体能够与抗体上的氨基酸残基发生共价结合,进而将特异性抗体固相探针固定在载体上;
在免疫层析材料中特定的位置,微生物样本中的微生物会与固相探针结合,最终形成特异性的抗原抗体复合物。
进一步的,所述荧光标记模块通过带有荧光标记的二抗与免疫反应模块中已结合的特异性抗体发生免疫反应,使得微生物样本表面的抗原被荧光标记,其具体的操作步骤为:
根据免疫反应模块中使用的特异性抗体固相探针的种类,选择出相适配的二抗;
根据所选择的二抗的种类,挑选适合的荧光探针或标记抗体,具体使用的荧光探针为荧光蛋白;
将二抗与荧光物质进行化学共轭,使荧光物质可以与二抗形成共轭复合物;
将标记的荧光二抗与待检测的微生物样本混合,形成免疫反应混合物,并根据标记物的浓度进行适当稀释;
将免疫反应混合物在适当的条件下进行免疫反应,使标记的荧光二抗与目标微生物发生特异性结合。
进一步的,所述将二抗与荧光物质进行化学共轭,使荧光物质与二抗形成共轭复合物,其采用的方法为化学偶联法,具体的操作步骤为:
根据荧光蛋白的化学特性,使用适当的激活剂将荧光蛋白活化;
将二抗与活性化学基团进行反应,使二抗具有与荧光蛋白进行化学偶联的反应性;
将活化的荧光蛋白和活化的二抗进行混合,并在合适的条件下进行化学偶联反应,包括胺基和异氰酸酯的反应,巯基和马来酰亚胺的反应;
对化学偶联产物进行纯化,去除杂质,并使用分光光度计对于产物进行进一步观察与检测。
与现有技术相比,本发明的有益效果是:
1、在本发明中,通过采用荧光蛋白对于二抗进行标记,进而通过二抗与待检测微生物样本进行免疫反应,可以在荧光检测模块中对微生物进行定量测量,这样,医务人员可以了解手术器械表面微生物的数量,帮助指导感染控制措施和手术器械的使用;
2、在本发明中,采用了荧光蛋白标记二抗,荧光蛋白标记的二抗具有高灵敏度和特异性,可以有效检测和识别微生物,通过这种方法能够分辨不同种类和数量的微生物,有助于提供准确的微生物数量信息;
3、在本发明中,在该***中相比传统的微生物检测方法,采用荧光蛋白标记的二抗进行免疫反应可实现快速的检测和分析,这种方法操作简单,不需要复杂的培养步骤,节约时间和劳动成本;
4、在本发明中,通过数据采集与储存模块,对于待检测样本的数据进行采集与收集,并建库上传云端,这些数据可以作为备份,以便后续回溯和审查,之后将数据传输至数据处理模块,通过滤波算法对于数据进行预处理,提高数据质量和可信度,为后续分析和比较提供准确的数据基础;
5、在本发明中,通过傅里叶变换获得待检测微生物样本的频谱数据,这些频谱数据可以反映微生物样本的特征和差异,为后续的微生物种类识别提供参考依据,通过与已知微生物的频谱数据进行曼哈顿距离法比较,从而获得准确的微生物种类信息;
6、在本发明中,通过预判断模块整合信息,可以根据手术器械表面微生物检测的结果以及手术持续时间与手术环境温度,预判断模块的分析和计算,可以得到微生物数量变化量,并与阈值进行比较,当该手术器械表面的微生物数量变化量超过设定的阈值时,表示繁殖风险较高,提示医务人员重新考虑手术器械的使用,以降低感染风险;
7、在本发明中,预判断模块还可以分析手术器械的使用情况和微生物动态变化的规律,通过对手术器械的需求进行预测,从而可以优化手术流程与资源利用,根据预判断模块的结果,可以调整手术器械的使用顺序,以提高手术效率;
8、在本发明中,预判断模块中还设置有趋势分析方法,根据手术器械上微生物数量的历史数据,利用指数平滑法进行趋势分析和预测,可以预测未来一段时间内微生物繁殖的趋势,这有助于医务人员对于预测结果采取相应的预防和控制措施,降低手术相关感染的风险,保护患者的健康。
整个手术器械表面微生物动态检测***能够实现样本采集、样品预处理、微生物数量种类识别、微生物繁殖预测以及手术器械使用预判断,有助于降低术后患者的感染风险,对于手术器械是否满足手术的需要进行预判断,优化手术流程与资源利用,以提高手术效率。
附图说明
图1为本发明的一种手术器械表面微生物动态检测***框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种手术器械表面微生物动态检测***,包括样品采集模块、样品预处理模块、免疫反应模块、荧光标记模块、荧光检测模块、数据采集与存储模块、数据处理模块、预判断模块;
样品采集模块,包括无菌拭子与采样棉签,通过对手术器械的刀刃部位或容易接触病人体液的部分进行轻轻擦拭,确保接触到足够的表面积以获取足够的样本;
需要说明的是,无菌拭子和采样棉签可以确保采集到的微生物样本是纯净的,在对于手术器械的刀刃部位或容易接触病人体液的部分进行擦拭过程中,需要对力度进行一定的控制,并确保擦拭的时间充足,保证蘸取到足够数量的微生物样本。
样品预处理模块,包括离心操作和过滤操作,对样品采集模块采集到的微生物样品进行预处理,以提取微生物并去除可能的干扰物;
样本预处理模块会对样品采集模块采集到的微生物样本进行预处理,以方便后续免疫反应模块的顺利运行,其具体的步骤为:
将无菌拭子与采样棉签放置于生理盐水中,使得无菌拭子与采样棉签采集的微生物样本充分释放到生理盐水中,之后通过离心分离出上清液,再对上清液进行过滤,将较大的固体颗粒过滤掉,获得较为纯净的微生物样本;
需要说明的是,需要先将无菌拭子和采样棉签放置到一个无菌容器中,然后再加入足量的生理盐水,生理盐水需要完全浸没无菌拭子与采样棉签,使其充分浸泡,在进行过滤操作时,需要选择合适孔径的过滤网,确保微生物样本可以通过而较大的固体颗粒被过滤掉。
免疫反应模块,通过免疫测定法对样品预处理模块所预处理后的微生物样本进行测定,使微生物样本与特异性抗体结合发生免疫反应;
免疫反应模块会通过免疫测定法对样品预处理模块所预处理后的微生物样本进行测定,采用的免疫测定法为免疫层析法,具体的操作步骤为:
先选择合适的免疫层析试纸;
向样品预处理模块所预处理后的微生物样本中加入适量的缓冲液进行稀释,并将含有微生物样本的缓冲液应用于免疫层析试纸上;
在载体上引入活性化学基团,使其能够与抗体上的氨基酸残基发生共价结合,进而将特异性抗体固相探针固定在载体上;
在免疫层析材料中特定的位置,微生物样本中的微生物会与固相探针结合,最终形成特异性的抗原抗体复合物;
需要说明的是,通过使用免疫层析法,可以将样本中的微生物与特异性抗体结合,获得抗原抗体复合物,在免疫层析法结束后,需要进行洗涤操作,将没有与微生物结合的特异性抗体洗涤出来,防止与后续的荧光二抗结合,导致数据出现误差与偏差,影响整个流程。
荧光标记模块,通过带有荧光标记的二抗与免疫反应模块中已结合的特异性抗体发生免疫反应,使得微生物样本表面的抗原被荧光标记;
荧光标记模块通过带有荧光标记的二抗与免疫反应模块中已结合的特异性抗体发生免疫反应,使得微生物样本表面的抗原被荧光标记,其具体的操作步骤为:
根据免疫反应模块中使用的特异性抗体固相探针的种类,选择相应的二抗;
根据所选择的二抗的种类,选择适合的荧光探针或标记抗体,具体的荧光探针为荧光蛋白;
将二抗与荧光物质进行化学共轭,使荧光物质与二抗形成共轭复合物;
将标记的荧光二抗与待检测的微生物样本混合,形成免疫反应混合物,并根据标记物的浓度进行适当稀释;
将免疫反应混合物在适当的条件下进行免疫反应,使标记的荧光二抗与目标微生物发生特异性结合;
将二抗与荧光物质进行化学共轭,使荧光物质与二抗形成共轭复合物,其采用的方法为化学偶联法,具体的操作步骤为:
根据荧光蛋白的化学特性,使用适当的激活剂将荧光蛋白活化;
将二抗与活性化学基团进行反应,使二抗具有与荧光蛋白进行化学偶联的反应性;
将活化的荧光蛋白和活化的二抗混合,在合适的条件下进行化学偶联反应,包括胺基和异氰酸酯的反应,巯基和马来酰亚胺的反应;
对化学偶联产物进行纯化,去除杂质,并使用分光光度计对于产物进行进一步观察与检测;
需要说明的是,在经过荧光蛋白标记后的二抗与微生物样本进行免疫反应后,需要对于微生物样本进行洗涤,去除没有与微生物样本结合的二抗,使只有与微生物结合的抗原被荧光标记,防止未结合的荧光蛋白二抗对于后续的检测结果产生影响,导致预测结果不准确。
荧光检测模块,包括荧光免疫分析仪,用于检测和识别荧光标记模块标记后的微生物样本中的荧光信号,通过激发和收集微生物样品中的荧光信号,对于荧光强度进行测量和分析,并将其转化为数字信号;
需要说明的是,在获得被荧光标记的微生物样本后,通过将微生物样本放置于荧光免疫分析仪中,可以对于样本内部的荧光强度进行测量和分析,获得样本内部的微生物的信息,并将其转化为数字信号传输至下一模块,确定微生物的数量,并结合取样的面积对于手术器械上的微生物数量进行预估。
数据采集与存储模块,会将荧光检测模块所检测到的数据进行收集整理,并通过红外光谱仪收集微生物样本中的频谱数据,根据具体的时间、种类,采用MySQL数据库进行分类建库,并上传至云端进行备份存储;
需要说明的是,通过红外光谱仪对于微生物样本的频谱数据进行收集,并与微生物的数量进行关联,统一整合后建库储存上传至云端,防止遇到特殊情况导致数据丢失,在上传至云端之后,将数据传输至下一模块进行数据处理。
数据处理模块,对采集的微生物样本数据进行处理,以提取有用信息,用于检测微生物的存在、数量和动态变化;
数据处理模块中设置有滤波算法,对于采集到的微生物样本数据进行预选处理,进一步提高数据的可靠性,其具体的算法公式为:
;
其中,是滤波后的数据点,是原始数据点,是滤波窗口的大小,表示当前数据点的位置,通过该方法将可以窗口内的数据点进行平均计算,从而
得到滤波后的数据点;
需要说明的是,通过滤波算法,可以将数据采集与储存模块中获得的信号限制在特定的频率范围之内,方便后续进行频谱分析,通过滤波可以选择性地通过或抑制特定频率的分量,从而提取有价值的频率信息,便于后续对于微生物种类的确认。
数据处理模块中还设置有频谱分析法对于微生物样本数据进行特征提取,具体的操作步骤为:
先将经过滤波算法后的数据分割成若干小段,对每个小段进行频谱分析和特征提取;
采用离散傅里叶变换将时域数据转换为频域数据,其算法公式为:
;
其中,是自然对数的底数,为虚数单位,上述公式中的表示对从0到N-1
的求和,给定一个长度为的离散序列,其中,离散傅里叶变
换将该离散序列转换为一个长度为的复数序列,其中 ,则
表示原始序列在不同频率的分量上的贡献;
再根据离散傅里叶变换的结果计算频谱功率谱密度,并提取频谱特征,具体的
算法公式为:
;
其中,表示在频率索引为的分量上的功率谱密度,为频域变换
后的离散傅里叶变换结果,是序列长度,进而可以根据中的峰值频率确定主频;
数据处理模块中还设置有微生物识别判断***,其具体的步骤为:
先收集已知微生物的频谱特征,构建微生物数据库,并导入微生物识别判断***中;
根据频谱分析法中提取到的微生物样本频谱特征,结合微生物的数据库,采用曼哈顿距离法,对于微生物样本中的微生物的频谱特征进行比对和匹配;
结合荧光检测模块中的荧光强度分析,确定微生物样本中各种微生物的数量;
根据频谱分析法中提取到的微生物样本频谱特征,结合微生物的数据库,采用曼哈顿距离法,对于微生物样本中的微生物的频谱特征进行比对和匹配,其算法公式为:
;
其中,表示向量的维度即特征的数量,和分别表示待识别样本和数
据库样本在第个特征上的值,将待识别样本的频谱特征向量A与数据库中每个微生物样
本的频谱特征向量B进行比对,对于每个微生物样本均计算其与待识别样本之间的曼哈顿
距离,曼哈顿距离越小则表示它们的频谱特征越相似;
需要说明的是,先采用频谱分析法,对于进行过滤波算法的数据进行频谱分析,先通过离散傅里叶变换将时域数据进一步转换为频域数据,提取频域特征,通过与已知微生物数据库中的频域特征进行比较,采用曼哈顿距离法确定具体的微生物种类,曼哈顿距离衡量了两个向量在每个维度上差异的绝对值的总和,即待识别样本的频谱特征向量与数据库中的微生物样本频谱特征向量的曼哈顿距离越小,表示两者的频谱特征越相似,从而确定待识别样本的微生物种类。
预判断模块,通过对数据处理模块获得的信息进行整合,并结合手术室现场的环境以及手术的持续时间,对手术器械是否满足该手术的需要进行判断;
预判断模块内部设置有整合***,其具体操作步骤为:
将手术持续的时间与手术的环境温度预先输入进入预判断模块的内部,预判断模块会先对于数据处理模块获得的手术器械上的微生物种类数量进行整合,进而结合已知的微生物信息数据进行分析,对于所需要使用的手术器械上的微生物繁殖情况进行预判断,通过对于手术的环境温度以及微生物种群数量的结合,可以获得微生物数量变化量,通过设定阈值并结合微生物的繁殖速率,判断是否符合手术的需求,其具体的算法公式为:
;
其中,为微生物繁殖速率,代表微生物数量变化量,代表了手术的持续时
间,当超过设定的阈值时,则代表了繁殖风险较高;
进一步基于手术器械上微生物数量的历史数据,通过趋势分析方法对于微生物的繁殖趋势进行预测,采用指数平滑法,其具体的算法公式为:
初始平滑值:,其中为第一个观测到的微生物数量;
更新平滑值:,其中t为时间步,则为平
滑系数;
未来值预测:,对于t+1的平滑值进行预测;
通过不断对平滑值进行更新并预测,从而获得未来一段时间内微生物繁殖的趋势,并结合繁殖速率判断是否符合手术要求;
需要说明的是,通过预判断模块,可以快速判断出所测量的手术器械是否可以满
足所要进行的手术的标准规范,在指数平滑法中,较大的会使得新数据对平滑值的影响
更大,而较小的则会使得历史数据对平滑值影响更大,所以在实际运用过程中会先根据
实际需求选择合适的平滑系数,通过试验和验证来确定最佳的值,以进一步提高预测
的准确性与可靠性。
综上所述,借助于本发明的上述技术方案,本发明通过样品采集模块,通过无菌拭子和采样棉签对于即将进行手术的手术器械表面进行轻轻擦拭,采集到足够的微生物样本,再通过样品预处理模块的离心与过滤操作,以提取微生物并去除固态颗粒杂质,再通过免疫反应模块与荧光标记模块,先对于提取后的微生物样本采用特异性抗体进行免疫反应,生产抗原抗体复合物,再根据使用的特异性抗体的种类,选择合适的二抗并将荧光蛋白与二抗结合,通过荧光二抗与抗原抗体复合物免疫反应,以荧光标记样本中的微生物;
通过荧光采集模块中的荧光免疫分析仪,对于荧光的强度进行测量整合分析,并输出数字信号进入数据采集与存储模块,通过红外光谱仪收集微生物样本中的频谱数据,结合荧光采集模块上传的数据,整个建库并上传至云端进行存储备份,方便后续进行查阅;
通过数据处理模块,对于所获得的数据先进行滤波算法进行预处理,提高数据质量与可信度,进而通过离散傅里叶变换提取出频谱特征,并通过数据处理模块中的微生物识别判断***,结合已知微生物的频谱特征,通过曼哈顿距离法进行对比,识别出微生物的种类;
通过预判断模块,对于上述所有模块的信息进行整合,并结合手术的持续时间与手术环境,采用趋势分析方法对于手术器械表面的微生物进行预测,最终判定该手术器械是否满足该场手术的需要,进而帮助医护人员优化手术流程与资源利用,降低术后患者感染的风险,提高手术效率。
在本发明所提供的实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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;所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (5)
1.一种手术器械表面微生物动态检测***,其特征在于:包括样品采集模块、样品预处理模块、免疫反应模块、荧光标记模块、荧光检测模块、数据采集与存储模块、数据处理模块、预判断模块;
所述样品采集模块,包括无菌拭子与采样棉签,通过对手术器械的刀刃部位或容易接触病人体液的部分进行轻轻擦拭,确保接触到足够的表面积以获取足够的样本;
所述样品预处理模块,包括离心操作和过滤操作,对样品采集模块采集到的微生物样品进行预处理,以提取微生物并去除可能的干扰物;
所述免疫反应模块,通过免疫测定法对样品预处理模块所预处理后的微生物样本进行测定,使微生物样本与特异性抗体结合发生免疫反应;
所述荧光标记模块,通过带有荧光标记的二抗与免疫反应模块中已结合的特异性抗体发生免疫反应,使得微生物样本表面的抗原被荧光标记;
所述荧光检测模块,包括荧光免疫分析仪,用于检测和识别荧光标记模块标记后的微生物样本中的荧光信号,通过激发和收集微生物样品中的荧光信号,对于荧光强度进行测量和分析,并将其转化为数字信号;
所述数据采集与存储模块,会将荧光检测模块所检测到的数据进行收集整理,并通过红外光谱仪收集微生物样本中的频谱数据,根据具体的时间、种类,采用MySQL数据库进行分类建库,并上传至云端进行备份存储;
所述数据处理模块,对采集的微生物样本数据进行处理,以提取有用信息,用于检测微生物的存在、数量和动态变化;
所述预判断模块,通过对数据处理模块获得的信息进行整合,并结合手术室现场的环境以及手术的持续时间,对手术器械是否满足该手术的需要进行判断;
所述数据处理模块中设置有滤波算法,对于采集到的微生物样本数据进行预选处理,进一步提高数据的可靠性,其具体的算法公式为:
;
其中,是滤波后的数据点,/>是原始数据点,N是滤波窗口的大小,k表示当前数据点/>的位置,通过该方法将可以窗口内的数据点进行平均计算,从而得到滤波后的数据点;
所述数据处理模块中还设置有频谱分析法对于微生物样本数据进行特征提取,具体的操作步骤为:
先将经过滤波算法后的数据分割成若干小段,对每个小段进行频谱分析和特征提取;
采用离散傅里叶变换将时域数据转换为频域数据,其算法公式为:
;
其中,是自然对数的底数,为虚数单位,上述公式中的表示对从0到
的求和,给定一个长度为的离散序列,其中,离散傅里叶变
换将该离散序列转换为一个长度为的复数序列,其中 ,则
表示原始序列在不同频率的分量上的贡献;
再根据离散傅里叶变换的结果计算频谱功率谱密度,并提取频谱特征,具体的算法
公式为:
;
其中,表示在频率索引为的分量上的功率谱密度,为频域变换后的
离散傅里叶变换结果,是序列长度,进而可以根据中的峰值频率确定主频;
所述数据处理模块中还设置有微生物识别判断***,其具体的步骤为:
先收集已知微生物的频谱特征,构建微生物数据库,并导入微生物识别判断***中;
根据频谱分析法中提取到的微生物样本频谱特征,结合微生物的数据库,采用曼哈顿距离法,对于微生物样本中的微生物的频谱特征进行比对和匹配;
结合荧光检测模块中的荧光强度分析,确定微生物样本中各种微生物的数量;
所述根据频谱分析法中提取到的微生物样本频谱特征,结合微生物的数据库,采用曼哈顿距离法,对于微生物样本中的微生物的频谱特征进行比对和匹配,其算法公式为:
;
其中,表示向量的维度即特征的数量,和分别表示待识别样本和数据库
样本在第个特征上的值,将待识别样本的频谱特征向量A与数据库中每个微生物样本的
频谱特征向量B进行比对,对于每个微生物样本均计算其与待识别样本之间的曼哈顿距离,
曼哈顿距离越小则表示它们的频谱特征越相似;
所述预判断模块内部设置有整合***,其具体操作步骤为:
将手术持续的时间与手术的环境温度预先输入进入预判断模块的内部,预判断模块会先对于数据处理模块获得的手术器械上的微生物种类数量进行整合,进而结合已知的微生物信息数据进行分析,对于所需要使用的手术器械上的微生物繁殖情况进行预判断,通过对于手术的环境温度以及微生物种群数量的结合,可以获得微生物数量变化量,通过设定阈值并结合微生物的繁殖速率,判断是否符合手术的需求,其具体的算法公式为:
;
其中,为微生物繁殖速率,代表微生物数量变化量,代表了手术的持续时间,当超过设定的阈值时,则代表了繁殖风险较高;
进一步基于手术器械上微生物数量的历史数据,通过趋势分析方法对于微生物的繁殖趋势进行预测,采用指数平滑法,其具体的算法公式为:
初始平滑值:,其中为第一个观测到的微生物数量;
更新平滑值:,其中t为时间步,则为平滑系
数;
未来值预测:,对于的平滑值进行预
测;
通过不断对平滑值进行更新并预测,从而获得未来一段时间内微生物繁殖的趋势,并结合繁殖速率判断是否符合手术要求。
2.根据权利要求1所述的一种手术器械表面微生物动态检测***,其特征在于:所述样本预处理模块会对样品采集模块采集到的微生物样本进行预处理,以方便后续免疫反应模块的顺利运行,其具体的步骤为:
将无菌拭子与采样棉签放置于生理盐水中,使得无菌拭子与采样棉签采集的微生物样本充分释放到生理盐水中,之后通过离心分离出上清液,再对上清液进行过滤,将较大的固体颗粒过滤掉,获得较为纯净的微生物样本。
3.根据权利要求1所述的一种手术器械表面微生物动态检测***,其特征在于:所述免疫反应模块会通过免疫测定法对样品预处理模块所预处理后的微生物样本进行测定,采用的免疫测定法为免疫层析法,具体的操作步骤为:
先选择合适的免疫层析试纸;
向样品预处理模块所预处理后的微生物样本中加入适量的缓冲液进行稀释,并将含有微生物样本的缓冲液应用于免疫层析试纸上;
在载体上引入活性化学基团,使其能够与抗体上的氨基酸残基发生共价结合,进而将特异性抗体固相探针固定在载体上;
在免疫层析材料中特定的位置,微生物样本中的微生物会与固相探针结合,最终形成特异性的抗原抗体复合物。
4.根据权利要求1所述的一种手术器械表面微生物动态检测***,其特征在于:所述荧光标记模块通过带有荧光标记的二抗与免疫反应模块中已结合的特异性抗体发生免疫反应,使得微生物样本表面的抗原被荧光标记,其具体的操作步骤为:
根据免疫反应模块中使用的特异性抗体固相探针的种类,选择相应的二抗;
根据所选择的二抗的种类,选择适合的荧光探针或标记抗体,具体的荧光探针为荧光蛋白;
将二抗与荧光物质进行化学共轭,使荧光物质与二抗形成共轭复合物;
将标记的荧光二抗与待检测的微生物样本混合,形成免疫反应混合物,并根据标记物的浓度进行适当稀释;
将免疫反应混合物在适当的条件下进行免疫反应,使标记的荧光二抗与目标微生物发生特异性结合。
5.根据权利要求4所述的一种手术器械表面微生物动态检测***,其特征在于:所述将二抗与荧光物质进行化学共轭,使荧光物质与二抗形成共轭复合物,其采用的方法为化学偶联法,具体的操作步骤为:
根据荧光蛋白的化学特性,使用适当的激活剂将荧光蛋白活化;
将二抗与活性化学基团进行反应,使二抗具有与荧光蛋白进行化学偶联的反应性;
将活化的荧光蛋白和活化的二抗混合,在合适的条件下进行化学偶联反应,包括胺基和异氰酸酯的反应,巯基和马来酰亚胺的反应;
对化学偶联产物进行纯化,去除杂质,并使用分光光度计对于产物进行进一步观察与检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452569.7A CN117169501B (zh) | 2023-11-03 | 2023-11-03 | 一种手术器械表面微生物动态检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452569.7A CN117169501B (zh) | 2023-11-03 | 2023-11-03 | 一种手术器械表面微生物动态检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117169501A CN117169501A (zh) | 2023-12-05 |
CN117169501B true CN117169501B (zh) | 2023-12-29 |
Family
ID=88939903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311452569.7A Active CN117169501B (zh) | 2023-11-03 | 2023-11-03 | 一种手术器械表面微生物动态检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117169501B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018357A (zh) * | 2016-05-04 | 2016-10-12 | 江苏大学 | 一种基于纳米荧光显微高光谱成像技术的食源性微生物可视化分析方法 |
US9554738B1 (en) * | 2016-03-30 | 2017-01-31 | Zyomed Corp. | Spectroscopic tomography systems and methods for noninvasive detection and measurement of analytes using collision computing |
CN111579782A (zh) * | 2020-05-25 | 2020-08-25 | 山西瑞豪生物科技有限公司 | 一种智能化荧光多标记物的生物医学检测方法 |
CN113383225A (zh) * | 2018-12-26 | 2021-09-10 | 加利福尼亚大学董事会 | 使用深度学习将二维荧光波传播到表面上的***和方法 |
CN116380445A (zh) * | 2023-06-05 | 2023-07-04 | 吉林市特种设备检验中心(吉林市特种设备事故调查服务中心) | 基于振动波形的设备状态诊断方法及相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9326698B2 (en) * | 2011-02-18 | 2016-05-03 | The Trustees Of The University Of Pennsylvania | Method for automatic, unsupervised classification of high-frequency oscillations in physiological recordings |
-
2023
- 2023-11-03 CN CN202311452569.7A patent/CN117169501B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9554738B1 (en) * | 2016-03-30 | 2017-01-31 | Zyomed Corp. | Spectroscopic tomography systems and methods for noninvasive detection and measurement of analytes using collision computing |
CN106018357A (zh) * | 2016-05-04 | 2016-10-12 | 江苏大学 | 一种基于纳米荧光显微高光谱成像技术的食源性微生物可视化分析方法 |
CN113383225A (zh) * | 2018-12-26 | 2021-09-10 | 加利福尼亚大学董事会 | 使用深度学习将二维荧光波传播到表面上的***和方法 |
CN111579782A (zh) * | 2020-05-25 | 2020-08-25 | 山西瑞豪生物科技有限公司 | 一种智能化荧光多标记物的生物医学检测方法 |
CN116380445A (zh) * | 2023-06-05 | 2023-07-04 | 吉林市特种设备检验中心(吉林市特种设备事故调查服务中心) | 基于振动波形的设备状态诊断方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117169501A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mistek et al. | Race differentiation by Raman spectroscopy of a bloodstain for forensic purposes | |
JP6184964B2 (ja) | 生物試料をスペクトル画像により分析する方法およびシステム。 | |
CN109266717B (zh) | 一种通过单细胞分析检测细菌耐药性的方法和装置 | |
Gajjar et al. | Histology verification demonstrates that biospectroscopy analysis of cervical cytology identifies underlying disease more accurately than conventional screening: removing the confounder of discordance | |
US20110028808A1 (en) | Method and apparatus for examination of cancer, systemic lupus erythematosus (sle), or antiphospholipid antibody syndrome using near-infrared light | |
GB2466442A (en) | A system to analyze a sample on a slide using Raman spectroscopy on an identified area of interest | |
CN110208238A (zh) | 一种基于svm模型结合图像对肺癌组织的精确定位方法 | |
CN110168561A (zh) | 用于确定一个或多个组织样本中的细胞组成信息的装置 | |
CN117169501B (zh) | 一种手术器械表面微生物动态检测*** | |
Zhang et al. | Cervical lymph node fine-needle aspiration and needle-wash thyroglobulin reflex test for papillary thyroid carcinoma | |
CN106226291A (zh) | 一种移动终端定量分析干化学检测试剂的方法 | |
CN210720406U (zh) | 一种体外诊断试剂检测装置 | |
CN108588218A (zh) | 一种血清miRNA组合的微创检测试剂盒 | |
CN110874548A (zh) | 一种基于拉曼光谱结合svm的肺癌细胞与正常细胞的识别方法 | |
CN109387644A (zh) | 一种多样本检测装置及检测方法 | |
Zeb et al. | Towards the selection of the best machine learning techniques and methods for urinalysis | |
JP2005055180A (ja) | 細菌同定装置及び細菌同定方法 | |
CN116309595B (zh) | Ctc智能全自动检测一体机及其方法 | |
US20220034919A1 (en) | System and Method of Automatically Preparing and Analyzing Urine Samples for Identifying Cancer Cells | |
Hamilton-White et al. | Verifying a Radiometer® Hemocue WBC Diff device. | |
CN117092014A (zh) | 一种快速识别及纠正冷凝集素干扰的方法 | |
CN117054389A (zh) | 一种用于快速鉴定胃部幽门螺旋杆菌感染的方法 | |
Hofmann et al. | Intraobserver, interobserver variation of sperm critical morphology: comparison of examiner and computer-assisted analysis | |
CN208607242U (zh) | 一种多功能分析仪 | |
CN117153262A (zh) | 一种用于快速鉴定肺炎克雷伯菌st分型的方法 |
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 |