CN117407728B - 一种用于干细胞的存储环境实时监测方法及*** - Google Patents
一种用于干细胞的存储环境实时监测方法及*** Download PDFInfo
- Publication number
- CN117407728B CN117407728B CN202311725858.XA CN202311725858A CN117407728B CN 117407728 B CN117407728 B CN 117407728B CN 202311725858 A CN202311725858 A CN 202311725858A CN 117407728 B CN117407728 B CN 117407728B
- Authority
- CN
- China
- Prior art keywords
- data
- data point
- index
- index data
- storage environment
- 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
- 210000000130 stem cell Anatomy 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000004887 air purification Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析技术领域，具体涉及一种用于干细胞的存储环境实时监测方法及***，包括：根据每个数据点与波动范围中值的差距，确定每个数据点每项指标数据的离群趋势指数，根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度，根据离群趋势和波动程度，确定每个数据点的每项指标数据的调整因子，根据调整因子对每项指标数据进行调整，通过局部离群因子算法调整后的数据点进行异常检测，根据所有异常数据点，对实验室的存储环境进行调节。本发明通过扩大正常数据和异常数据的对比度，更加准确地区分正常数据和异常数据，实现对干细胞的存储环境的实时监测，保证干细胞的质量。
Description
技术领域
本发明涉及数据管理技术领域，具体涉及一种用于干细胞的存储环境实时监测方法及***。
背景技术
干细胞是一种重要的生物医学资源，只有在适宜的存储环境中干细胞才能维持活力，为了保证干细胞的质量，需要实时监测干细胞的存储环境；传统对干细胞的存储环境进行监测主要依靠人工操作和周期性的检测，存在监测频率低、实时性差、容易出现遗漏的问题。
通过局部离群因子算法对干细胞存储环境进行异常检测，实现对干细胞的存储环境实时监测；但是由于干细胞的存储环境对各项指标数据的要求十分苛刻，各项指标数据的标准波动范围较小，各项指标数据中的正常数据和异常数据的数值接近，而局部离群因子算法是根据局部可达密度进行异常检测，所以通过局部离群因子算法对干细胞存储环境进行异常检测时，无法准确地检测出异常数据。
发明内容
本发明提供一种用于干细胞的存储环境实时监测方法及***，以解决现有的问题。
本发明提供了一种用于干细胞的存储环境实时监测方法，该方法包括以下步骤：
采集存储干细胞的实验室每个时刻的存储环境数据，存储环境数据包括多项指标数据，根据干细胞的存储环境的要求，确定存储环境数据的每项指标数据的标准波动范围；
将每个时刻采集的存储环境数据作为一个数据点，根据每个数据点与波动范围中值的差距以及波动范围的大小，确定每个数据点每项指标数据的离群趋势指数；
根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度；
根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子；
根据调整因子对每个数据点的每项指标数据进行调整，获得调整后的每个数据点，通过局部离群因子算法对所有调整后的数据点进行异常检测，获取所有异常数据点，根据所有异常数据点，对实验室的存储环境进行调节。
进一步地，所述根据每个数据点与波动范围中值的差距以及波动范围的大小，确定每个数据点每项指标数据的离群趋势指数，包括：
式中，表示第i个数据点的第j项指标数据的离群趋势，/>表示第i个数据点的第j项指标数据，/>和/>分别表示第j项指标数据的标准波动范围的上限和下限。
进一步地，所述根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度，包括：
式中，表示第i个数据点的局部范围内第j项指标数据的波动程度，P表示预设数量， />表示第i个数据点的局部范围内的第k个数据点的第j项指标数据，/>表示第i个数据点的局部范围内的所有数据点的第j项指标数据的平均值，/>和/>分别表示第j项指标数据的标准波动范围的上限和下限。
进一步地，所述根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子，包括：
式中，表示第i个数据点的第j项指标数据的调整因子，/>表示第i个数据点的第j项指标数据的离群趋势，/>表示第i个数据点的局部范围内第j项指标数据的波动程度，表示线性归一化函数。
进一步地，所述根据调整因子对每个数据点的每项指标数据进行调整，获得调整后的每个数据点，包括：
式中，表示第/>个数据点调整后的第/>项指标数据，/>表示第/>个数据点的第/>项指标数据，/>表示第/>个数据点的第/>项指标数据的调整因子；
每个数据点调整后的每项指标数据组成每个调整后的数据点。
进一步地，所述每个数据点的局部范围，包括：
对于任意一个数据点，该数据点相邻的P个数据点组成该数据点的局部范围，P表示预设数量。
进一步地，所述根据所有异常数据点，对实验室的存储环境进行调节，包括：
若所有异常数据点中存在任意一个异常数据点的调整后的任意一项指标数据小于0，打开实验室的空气净化***，自动对实验室的存储环境进行调节，调节的时长为10分钟；
若所有异常数据点的调整后的所有项指标数据均大于或者等于0，统计所有在时序上连续的异常数据点的数量，如果最大的数量占所有调整后的数据点的比例大于或者等于B，B表示预设比例，打开实验室的空气净化***，自动对实验室的存储环境进行调节，调节的时长为5分钟。
进一步地，所述存储环境数据包括多项指标数据，包括：
存储环境数据包括4项指标数据，分别为：温度、湿度、压差和空气流速。
进一步地，所述根据干细胞的存储环境的要求，确定存储环境数据的每项指标数据的标准波动范围，包括：
压差数据的标准波动范围为[10,20]，单位为Pa，温度数据的标准波动范围为[20,24]，单位为℃，实验室内相对湿度常规波动范围为[45%,65%]，单位为RH，空气流速的标准波动范围为[0.36,0.54]，单位为m/s。
本发明还提出一种用于干细胞的存储环境实时监测***，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种用于干细胞的存储环境实时监测方法的步骤。
本发明的技术方案的有益效果是：本发明根据每个数据点与波动范围中值的差距以及波动范围的大小，结合每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的每项指标数据的调整因子，根据调整因子对每个数据点的每项指标数据进行调整，使得各项指标数据中的正常数据和异常数据的数值差异增大，扩大各项指标数据中的正常数据和异常数据的对比度，在通过局部离群因子算法对干细胞存储环境进行异常检测时，能够更加准确地区分正常数据和异常数据，进而实现对干细胞的存储环境的实时监测，保证干细胞的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明的一种用于干细胞的存储环境实时监测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于干细胞的存储环境实时监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于干细胞的存储环境实时监测方法的具体方案。
干细胞是一种重要的生物医学资源，只有在适宜的存储环境中干细胞才能维持活力，为了保证干细胞的质量，需要实时监测干细胞的存储环境；当干细胞的存储环境中某项指标数据的超出该项指标数据的标准波动范围时，当前存储环境已经不满足干细胞的存储要求了，此时干细胞可能已经失去活力，造成干细胞资源的浪费；为了避免干细胞资源的浪费，需要在存储环境不满足干细胞的存储要求之前，即干细胞的存储环境中某项指标数据持续在该项指标数据的标准波动范围的上限或者下限附近波动时，及时进行预警，采取相应措施对存储环境进行调整，使得干细胞在合适的存储环境中保持活力，保证干细胞的质量。
当干细胞的存储环境中某项指标数据持续在该项指标数据的标准波动范围的上限或者下限附近波动时，干细胞的存储环境异常，通过局部离群因子算法对干细胞存储环境进行异常检测，及时进行预警，实现对干细胞的存储环境实时监测；由于干细胞的存储环境对各项指标数据的要求十分苛刻，各项指标数据的标准波动范围较小，各项指标数据中的正常数据和异常数据的数值接近，即各项指标数据中的正常数据和异常数据的对比度较小，而局部离群因子算法是根据局部可达密度进行异常检测，当正常数据和异常数据的对比度较小时，通过局部离群因子算法对干细胞存储环境进行异常检测时，无法准确地区分正常数据和异常数据，导致部分异常数据被错误的识别为正常数据，导致不能对干细胞的存储环境的异常进行实时预警。
因此，本实施根据每个数据点与波动范围中值的差距以及波动范围的大小，确定每个数据点每项指标数据的离群趋势指数，根据每个数据点的局部范围内数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度，根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子，根据调整因子对每个数据点的每项指标数据进行调整，使得各项指标数据中的正常数据和异常数据的数值差异增大，扩大各项指标数据中的正常数据和异常数据的对比度，通过局部离群因子算法对干细胞存储环境进行异常检测时，能够更加准确地区分正常数据和异常数据，进而实现对干细胞的存储环境的异常实时预警。
请参阅图1，其示出了本发明一个实施例提供的一种用于干细胞的存储环境实时监测方法的步骤流程图，该方法包括以下步骤：
S001，采集存储干细胞的实验室的存储环境数据，根据干细胞的存储环境的要求，确定存储环境数据的每项指标数据的标准波动范围。
需要说明的是，采集干细胞的存储环境数据，需要采集的数据包括温度、湿度、压差、空气流速等指标数据。通过采集这些指标数据，可以更清楚地了解到干细胞的当前存储环境。
在本实施例中，通过传感器采集存储干细胞的实验室的存储环境数据，存储环境数据包括4项指标数据，分别为：温度、湿度、压差和空气流速，每个时刻采集的存储环境数据作为一个数据点；其中，通过温度传感器采集实验室内的温度数据，通过湿度传感器采集实验室内的湿度数据，通过压强传感器采集实验室内的压差数据，通过红外传感器采集实验室内的空气流速；数据采集的频率为30秒/次，数据采集的频率为30分钟。
进一步，根据干细胞的存储环境的监测指标要求，获得每项指标数据的标准波动范围，其中，压差数据的标准波动范围为[10,20]，单位为Pa，温度数据的标准波动范围为[20,24]，单位为℃，实验室内相对湿度常规波动范围为[45%,65%]，单位为RH，空气流速的标准波动范围为[0.36,0.54]，单位为m/s。
S002，根据每个数据点与波动范围中值的差距以及波动范围的大小，确定每个数据点每项指标数据的离群趋势指数；根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度；根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子；根据调整因子对每个数据点的每项指标数据进行调整，获得调整后的每个数据点。
需要说明的是，当干细胞的存储环境中某项指标数据的超出该项指标数据的标准波动范围时，当前存储环境已经不满足干细胞的存储要求了，此时干细胞可能已经失去活力，造成干细胞资源的浪费；为了避免干细胞资源的浪费，需要在存储环境不满足干细胞的存储要求之前，即干细胞的存储环境中某项指标数据持续在该项指标数据的标准波动范围的上限或者下限附近波动时，及时进行预警，采取相应措施对存储环境进行调整，使得干细胞在合适的存储环境中保持活力，保证干细胞的质量。
1、根据每个数据点的每项指标数据和每项指标数据的标准波动范围，确定每个数据点的每项指标数据的离群趋势。
需要说明的是，数据点的某项指标数据越接近该项指标数据的标准波动范围的中值，则数据点的该项指标数据越远离该项指标数据的标准波动范围的上限和下限，数据点对应的存储环境越满足干细胞的存储要求，数据越不可能是异常数据点，数据点的离群趋势越小。
在本实施例中，根据每个数据点的每项指标数据和每项指标数据的标准波动范围，确定每个数据点的每项指标数据的离群趋势，具体计算公式为：
式中，表示第i个数据点的第j项指标数据的离群趋势，/>表示第i个数据点的第j项指标数据，/>和/>分别表示第j项指标数据的标准波动范围的上限和下限。
需要说明的是，式中的代表第j项指标数据的标准波动范围的中值，/>代表第i个数据点的第j项指标数据与第j项指标数据的标准波动范围的中值的距离，第j项指标数据主要分布在第j项指标数据的标准波动范围的中值附近，与中值的距离越大，则第j项指标数据越可能超出标准波动范围，则第i个数据点的第j项指标数据的离群趋势越大；代表第j项指标数据的标准波动范围的大小，通过第j项指标数据的标准波动范围的大小进行归一化。
2、根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度。
需要说明的是，判断数据点是否属于异常数据点时，除了根据该数据点的离群趋势，还需要考虑数据点的某项指标数据在最近一段时间内的波动情况，如果数据点的该项指标数据的波动程度较大，说明该项指标数据在最近一段时间内并不稳定，随时可能超出该项指标数据的标准波动范围，数据点对应的存储环境随时可能不满足干细胞的存储要求，该数据越可能是异常数据点。
在本实施例中，对于任意一个数据点，该数据点相邻的P个数据点组成该数据点的局部范围，P表示预设数量，实施人员可根据实际实施情况设置数量P，例如20；根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度，具体计算公式为：
式中，表示第i个数据点的局部范围内第j项指标数据的波动程度，P表示预设数量，即每个数据点的所有局部范围内的所有数据点的个数，/>表示第i个数据点的局部范围内的第k个数据点的第j项指标数据，/>表示第i个数据点的局部范围内的所有数据点的第j项指标数据的平均值，/>和/>分别表示第j项指标数据的标准波动范围的上限和下限。
需要说明的是，式中的代表第i个数据点的局部范围内的所有数据点的第j项指标数据的平均值，/>代表第i个数据点的局部范围内的第k个数据点的第j项指标数据与第i个数据点的局部范围内的所有数据点的第j项指标数据的平均值的距离；第i个数据点的局部范围内的数据点的第j项指标数据主要分布在第i个数据点的局部范围内的所有数据点的第j项指标数据的平均值附近，/>代表第j项指标数据的标准波动范围的大小，第i个数据点的局部范围内的所有数据点的第j项指标数据与平均值的距离之和，与第j项指标数据的标准波动范围的大小的比值越大，则第i个数据点的局部范围内第j项指标数据的波动程度越大。
3、根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子，根据调整因子对每个数据点的每项指标数据进行调整，获取每个数据点调整后的每项指标数据。
需要说明的是，结合每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，判断数据点可能是异常数据点的程度，数据越可能是异常数据点，则数据点的每项指标数据的调整因子越大。
在本实施例中，根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子，具体计算公式为：
式中，表示第i个数据点的第j项指标数据的调整因子，/>表示第i个数据点的第j项指标数据的离群趋势，/>表示第i个数据点的局部范围内第j项指标数据的波动程度，表示线性归一化函数。
需要说明的是，第i个数据点的第j项指标数据的离群趋势越大，第j项指标数据越可能超出标准波动范围，且第i个数据点的局部范围内第j项指标数据的波动程度越大，说明该项指标数据在最近一段时间内越不稳定，随时可能超出该项指标数据的标准波动范围，则第i个数据点对应的存储环境越可能不满足干细胞的存储要求，第i个数据越可能是异常数据点，第i个数据点的第j项指标数据的调整因子越大。
进一步需要说明的是，若第个数据点的第/>项指标数据超出第j项指标数据的标准波动范围，此时离群趋势/>，则/>，第i个数据点的第j项指标数据的调整因子/>；通过使超出标准波动范围的数据点的调整因子为负数。
进一步，根据调整因子对每个数据点的每项指标数据进行调整，获取每个数据点调整后的每项指标数据，每个数据点调整后的每项指标数据组成每个调整后的数据点，具体计算公式为：
式中，表示第/>个数据点调整后的第/>项指标数据，/>表示第/>个数据点的第/>项指标数据，/>表示第/>个数据点的第/>项指标数据的调整因子。
需要说明的是，为了在通过局部离群因子算法对干细胞存储环境进行异常检测时，能够更加准确地区分正常数据和异常数据，越可能是异常数据点的第j项指标数据的调整因子越大，同时超出标准波动范围的数据点的调整因子为负数，根据调整因子对每个数据点的每项指标数据进行调整，使得各项指标数据中的正常数据和异常数据的数值差异增大，扩大各项指标数据中的正常数据和异常数据的对比度，在通过局部离群因子算法对干细胞存储环境进行异常检测时，能够更加准确地区分正常数据和异常数据。
S003，通过局部离群因子算法对所有调整后的数据点进行异常检测，获取所有异常数据点，根据所有异常数据点，对实验室的存储环境进行调节。
在本实施例中，通过局部离群因子算法对所有调整后的数据点进行异常检测，确定所有调整后的数据点中的多个异常数据点：若所有异常数据点中存在任意一个异常数据点的调整后的任意一项指标数据小于0，则说明该异常数据点的该项指标数据已经超出该项指标数据的标准波动范围，此时实验室的存储环境已经不满足干细胞的存储要求，打开实验室的空气净化***，自动对实验室的存储环境进行调节，调节的时长为10分钟；若所有异常数据点的调整后的所有项指标数据均大于或者等于0，统计所有在时序上连续的异常数据点的数量，如果最大的数量占所有调整后的数据点的比例大于或者等于B，则说明该异常数据点的该项指标数据很可能会超出该项指标数据的标准波动范围，B表示预设比例，实施人员可根据实际实施情况设置数量B，例如25%，为了保证实验室的存储环境一直满足干细胞的存储要求，打开实验室的空气净化***，自动对实验室的存储环境进行调节，调节的时长为5分钟。
本发明还提出一种用于干细胞的存储环境实时监测***，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种用于干细胞的存储环境实时监测方法的步骤。
本发明根据每个数据点与波动范围中值的差距以及波动范围的大小，结合每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的每项指标数据的调整因子，根据调整因子对每个数据点的每项指标数据进行调整，使得各项指标数据中的正常数据和异常数据的数值差异增大，扩大各项指标数据中的正常数据和异常数据的对比度，在通过局部离群因子算法对干细胞存储环境进行异常检测时，能够更加准确地区分正常数据和异常数据，进而实现对干细胞的存储环境的实时监测，保证干细胞的质量。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种用于干细胞的存储环境实时监测方法，其特征在于，所述方法包括以下步骤：
采集存储干细胞的实验室每个时刻的存储环境数据，存储环境数据包括多项指标数据，根据干细胞的存储环境的要求，确定存储环境数据的每项指标数据的标准波动范围；
将每个时刻采集的存储环境数据作为一个数据点，根据每个数据点与波动范围中值的差距以及波动范围的大小，确定每个数据点每项指标数据的离群趋势指数；
根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度；
根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子；
根据调整因子对每个数据点的每项指标数据进行调整，获得调整后的每个数据点，通过局部离群因子算法对所有调整后的数据点进行异常检测，获取所有异常数据点，根据所有异常数据点，对实验室的存储环境进行调节；
所述根据每个数据点与波动范围中值的差距以及波动范围的大小，确定每个数据点每项指标数据的离群趋势指数，包括：
式中，表示第i个数据点的第j项指标数据的离群趋势，/>表示第i个数据点的第j项指标数据，/>和/>分别表示第j项指标数据的标准波动范围的上限和下限；
所述根据每个数据点的局部范围内所有数据点的每项指标数据的分布，确定每个数据点的局部范围内每项指标数据的波动程度，包括：
式中，表示第i个数据点的局部范围内第j项指标数据的波动程度，P表示预设数量，表示第i个数据点的局部范围内的第k个数据点的第j项指标数据，/>表示第i个数据点的局部范围内的所有数据点的第j项指标数据的平均值，/>和/>分别表示第j项指标数据的标准波动范围的上限和下限；
所述根据每个数据点的每项指标数据的离群趋势和每个数据点的局部范围内每项指标数据的波动程度，确定每个数据点的每项指标数据的调整因子，包括：
式中，表示第i个数据点的第j项指标数据的调整因子，/>表示第i个数据点的第j项指标数据的离群趋势，/>表示第i个数据点的局部范围内第j项指标数据的波动程度，/>表示线性归一化函数；
所述根据调整因子对每个数据点的每项指标数据进行调整，获得调整后的每个数据点，包括：
式中，表示第/>个数据点调整后的第/>项指标数据，/>表示第/>个数据点的第/>项指标数据，/>表示第/>个数据点的第/>项指标数据的调整因子；
每个数据点调整后的每项指标数据组成每个调整后的数据点；
所述每个数据点的局部范围，包括：
对于任意一个数据点，该数据点相邻的P个数据点组成该数据点的局部范围，P表示预设数量。
2.根据权利要求1所述的一种用于干细胞的存储环境实时监测方法，其特征在于，所述根据所有异常数据点，对实验室的存储环境进行调节，包括：
若所有异常数据点中存在任意一个异常数据点的调整后的任意一项指标数据小于0，打开实验室的空气净化***，自动对实验室的存储环境进行调节，调节的时长为10分钟；
若所有异常数据点的调整后的所有项指标数据均大于或者等于0，统计所有在时序上连续的异常数据点的数量，如果最大的数量占所有调整后的数据点的比例大于或者等于B，B表示预设比例，打开实验室的空气净化***，自动对实验室的存储环境进行调节，调节的时长为5分钟。
3.根据权利要求1所述的一种用于干细胞的存储环境实时监测方法，其特征在于，所述存储环境数据包括多项指标数据，包括：
存储环境数据包括4项指标数据，分别为：温度、湿度、压差和空气流速。
4.根据权利要求1所述的一种用于干细胞的存储环境实时监测方法，其特征在于，所述根据干细胞的存储环境的要求，确定存储环境数据的每项指标数据的标准波动范围，包括：
压差数据的标准波动范围为[10,20]，单位为Pa，温度数据的标准波动范围为[20,24]，单位为℃，实验室内相对湿度常规波动范围为[45%,65%]，单位为RH，空气流速的标准波动范围为[0.36,0.54]，单位为m/s。
5.一种用于干细胞的存储环境实时监测***，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311725858.XA CN117407728B (zh) | 2023-12-15 | 2023-12-15 | 一种用于干细胞的存储环境实时监测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311725858.XA CN117407728B (zh) | 2023-12-15 | 2023-12-15 | 一种用于干细胞的存储环境实时监测方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117407728A CN117407728A (zh) | 2024-01-16 |
| CN117407728B true CN117407728B (zh) | 2024-03-15 |
Family
ID=89498413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311725858.XA Active CN117407728B (zh) | 2023-12-15 | 2023-12-15 | 一种用于干细胞的存储环境实时监测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117407728B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392393A (zh) * | 2017-08-17 | 2017-11-24 | 重庆斯德姆生物技术有限公司 | 一种具有环境预测和自动调节的干细胞运输远程*** |
| CN107490419A (zh) * | 2017-08-17 | 2017-12-19 | 重庆斯德姆生物技术有限公司 | 一种干细胞库环境预测和提前报警*** |
| CN107603877A (zh) * | 2017-08-17 | 2018-01-19 | 重庆斯德姆生物技术有限公司 | 一种用于干细胞制备环境具有温度预测的高精度温控*** |
| CN113192564A (zh) * | 2021-05-11 | 2021-07-30 | 恩大细胞基因工程有限公司 | 一种高安全性干细胞存储用管理***及方法 |
| CN116702082A (zh) * | 2023-08-09 | 2023-09-05 | 深圳市泽信智能装备有限公司 | 一种微米级粉料无尘装料***的粉尘监测方法 |
| CN116779119A (zh) * | 2023-06-25 | 2023-09-19 | 遵义医科大学附属医院 | 一种适用于血液内科的血液存储环境监管*** |
| CN117057517A (zh) * | 2023-10-12 | 2023-11-14 | 国网吉林省电力有限公司长春供电公司 | 基于数字孪生的电力数据高效处理方法及*** |
| CN117078048A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市福山自动化科技有限公司 | 基于数字孪生的智慧城市资源管理方法及*** |
| CN117093879A (zh) * | 2023-10-19 | 2023-11-21 | 无锡尚航数据有限公司 | 一种数据中心智能化运营管理方法及*** |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2484750A1 (en) * | 2011-02-07 | 2012-08-08 | Ecole Polytechnique Fédérale de Lausanne (EPFL) | Monitoring system for cell culture |
| JP6456580B1 (ja) * | 2018-06-14 | 2019-01-23 | 三菱電機株式会社 | 異常検知装置、異常検知方法及び異常検知プログラム |
| AU2019418813A1 (en) * | 2018-12-31 | 2021-07-22 | Tempus Ai, Inc. | A method and process for predicting and analyzing patient cohort response, progression, and survival |
-
2023
- 2023-12-15 CN CN202311725858.XA patent/CN117407728B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392393A (zh) * | 2017-08-17 | 2017-11-24 | 重庆斯德姆生物技术有限公司 | 一种具有环境预测和自动调节的干细胞运输远程*** |
| CN107490419A (zh) * | 2017-08-17 | 2017-12-19 | 重庆斯德姆生物技术有限公司 | 一种干细胞库环境预测和提前报警*** |
| CN107603877A (zh) * | 2017-08-17 | 2018-01-19 | 重庆斯德姆生物技术有限公司 | 一种用于干细胞制备环境具有温度预测的高精度温控*** |
| CN113192564A (zh) * | 2021-05-11 | 2021-07-30 | 恩大细胞基因工程有限公司 | 一种高安全性干细胞存储用管理***及方法 |
| CN116779119A (zh) * | 2023-06-25 | 2023-09-19 | 遵义医科大学附属医院 | 一种适用于血液内科的血液存储环境监管*** |
| CN116702082A (zh) * | 2023-08-09 | 2023-09-05 | 深圳市泽信智能装备有限公司 | 一种微米级粉料无尘装料***的粉尘监测方法 |
| CN117057517A (zh) * | 2023-10-12 | 2023-11-14 | 国网吉林省电力有限公司长春供电公司 | 基于数字孪生的电力数据高效处理方法及*** |
| CN117078048A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市福山自动化科技有限公司 | 基于数字孪生的智慧城市资源管理方法及*** |
| CN117093879A (zh) * | 2023-10-19 | 2023-11-21 | 无锡尚航数据有限公司 | 一种数据中心智能化运营管理方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| Environmental monitoring in stem cell banks;Fernando Cobo, Glyn N. Stacey, José Luis Cortés & Ángel Concha;《Applied Microbiology and Biotechnology 》;20060501;第651-662页 * |
| 面向序列数据异常模式挖掘的集体离群点检测方法研究;黄晓地;《中国博士学位论文全文数据库信息科技辑》;20210115;第1-129页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117407728A (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117093879B (zh) | 一种数据中心智能化运营管理方法及*** | |
| CN116089846B (zh) | 一种基于数据聚类的新能源结算数据异常检测与预警方法 | |
| CN116400126B (zh) | 一种具有数据处理***的低压电力箱 | |
| CN116404186B (zh) | 一种功率型锂锰电池生产*** | |
| CN116992322B (zh) | 一种智慧城市数据中心管理*** | |
| WO2021007845A1 (zh) | 一种氧化铝生产指标的云-边协同预报***及方法 | |
| CN117493921B (zh) | 基于大数据的人工智能节能管理方法及*** | |
| CN111641236B (zh) | 基于大数据ai的动态阈值动力电池充电电压状态判断方法 | |
| CN117407728B (zh) | 一种用于干细胞的存储环境实时监测方法及*** | |
| CN117454201B (zh) | 一种智慧电网异常运行状态检测方法及*** | |
| CN117311417B (zh) | 基于物联网的智慧农业信息综合管理方法及*** | |
| CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及*** | |
| CN117113118B (zh) | 一种生物气溶胶用智能监测方法及*** | |
| CN117034177B (zh) | 一种电力负荷异常数据智能监测方法 | |
| CN117493816A (zh) | 一种基于大数据的空气监测预警方法及*** | |
| CN108826595A (zh) | 一种空气净化器的控制方法及*** | |
| CN116225102B (zh) | 一种移动式的储能通信温升自动监控***及装置 | |
| CN116298984A (zh) | 一种锂离子电池容量跳水点和电池衰减程度识别方法 | |
| CN115099291B (zh) | 一种建筑节能监测方法 | |
| CN118091325B (zh) | 一种电缆智能检测方法及*** | |
| CN117874445B (zh) | 一种实时在线监测数据分析的酶制剂生产监测方法 | |
| CN113674497B (zh) | 一种带动态关联系数的火灾预警方法、***和计算机设备 | |
| CN108520005A (zh) | 基于机器学习的针对网络主动监控***的误报消除方法 | |
| CN115146881B (zh) | 一种低压分布式光伏***不良数据检测方法和*** | |
| CN110070214B (zh) | 基于天气相似度的d-wsma太阳能收集功率预测方法 |
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 |