买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：石家庄博瑞迪生物技术有限公司

摘要：本发明公开了一种动物组织采样管溯源入库管理方法，具体涉及采样管溯源管理领域，本发明基于深度学习和聚类分析技术，结合固定二维码对动物组织进行溯源管理，通过深度学习和聚类分析，能够对动物组织采样管的状态进行实时更新和查阅，并能够自动识别和分类组织样本的异常状态，提高对于动物组织采样管溯源管理能力。

主权项：1.一种动物组织采样管溯源入库管理方法，其特征在于，包括以下步骤：S1.系统通过留存标签采集用户录入的采样管入样时的初始留存信息，所述初始留存信息包括初始样本数值和初始样本图片；S2.系统通过展示标签对当前的留存信息进行信息展示；S3.当用户需记录当前样本的状态信息时，通过留存标签进入系统进行信息录入，当前样本的状态信息对初始留存信息进行更新，根据获取的留存信息分别建立历史组织数据集和历史组织图像集，所述历史组织数据集包括样本的实验数值及参数，所述历史组织图像集包括采集时段的组织微观图像，所述样本的状态信息包括样本数值和样本图片，所述历史组织数据集通过样本数值建立，所述历史组织图像集通过样本图片建立；S4.通过CNN深度学习算法分析历史图像集，识别组织结构或细胞形态的异常状态；并通过K-means聚类分析分析历史组织数据集，识别组织或细胞类型是否存在异常；S5.根据数据分析结果，系统自动生成关于样本状态的提示结果；所述步骤S4中，通过K-means聚类分析分析历史组织数据集，识别组织或细胞类型是否存在异常具体包括以下子步骤：S4021.采集细胞密度D，平均细胞大小，形态变异性作为样本特征；S4022.使用K-means聚类算法，将数据集中的样本根据样本特征进行聚类，定义目标函数并迭代更新直至收敛；S4023.根据聚类结果对组织结构异常进行识别；其中，对于细胞密度的计算方法：在区域内计数细胞的数量，然后除以该区域的面积；即；对于平均细胞大小的计算方法：测量一定数量的细胞的尺寸，然后计算平均值；即；对于形态变异性的计算方法：测量细胞形状的标准差或形状系数；即；所述步骤S4中，通过CNN深度学习算法分析历史图像集具体包括以下子步骤：S4011.采集包含正常和异常的组织或细胞图像，并对图像进行预处理，对图像中的关键组织特征进行标记，所述关键组织特征包括：细胞密度D，形态不规则性I，颜色分布异质性H；S4012.建立CNN模型，包含组织特征D，I，H的卷积层：，其中，所述表示激活函数，所述和表示循环变量，用于遍历卷积核的所有元素，所述表示卷积核的高度，所述V表示卷积核的宽度，所述表示第层的卷积核中的权重，所述表示输入特征图的元素，即结合了D，I，H的输入数据，所述表示输入特征图中相对于当前位置的偏移位置，所述表示第层的偏置项，所述表示前特征图输出的位置坐标；S4013.使用交叉熵损失函数进行训练，其中，所述表示真实标签，所述表示模型对于每个类别的预测概率，所述表示对模型预测的概率取自然对数，所述表示计算真实标签与模型预测概率之间的交叉熵；S4014.将训练好的CNN模型应用于测试集和新样本，进行组织结构异常的识别；所述步骤S5根据数据分析结果，系统自动生成关于样本状态的提示结果中，其分析步骤具体为：当一个样本在CNN中被识别为异常，并且在K-means聚类分析中属于一个具有异常特征的簇，那么该样本代表异常状态，具体的判断规则如下：在CNN模型输出的分类概率中，设置一个阈值来判断样本是否异常，当模型预测的异常概率超过这个阈值，样本被视为异常；在每个簇中，计算样本特征的平均值和标准差，异常高或低的平均值，或异常大的标准差指示异常；比较不同簇之间的特征差异，显著偏离其他簇的特征分布表明该簇代表一种异常状态；将聚类结果与已知的异常类型进行比较，当某个簇的特征与已知异常类型匹配，则该簇代表相应的异常状态。

全文数据：

权利要求：

百度查询： 石家庄博瑞迪生物技术有限公司 一种动物组织采样管溯源入库管理方法