[发明专利]血培养阳性样本识别方法

权利要求书

1.一种血培养阳性样本识别方法，其特征在于：包括以下步骤：

S1，按时间顺序采集血培养过程中的检测值；

S2，当所述检测值的数量大于M时，计算每个当前检测值及所述当前检测值之前的M个检测值的算术均值，若所述算术均值大于第一阈值，判断样本为阳性，且终止识别；

S3，否则，计算每个当前检测值与所述当前检测值前一检测值的一阶差分，以及当前检测值前N个检测值间的一阶差分；

S4，若所述一阶差分均大于所述当前检测值前N个检测值间的一阶差分与预设倍数的乘积，则当前检测值为跳跃点，修正当前检测值为当前检测值减去一阶差分并加上当前检测值前N个检测值间的一阶差分的均值；

S5，当检测值的数量大于等于P时，采用多个函数模型对每个当前检测值与当前检测值前的P-1个检测值进行曲线拟合，并分别计算各所述函数模型的拟合优度；

S6，计算所述拟合优度大于等于拟合优度阈值的拟合曲线中所述P个检测值的一阶导、二阶导以及一阶导和二阶导的均值；

S7，将拟合优度低于拟合优度阈值的拟合曲线中P个检测值的一阶导和二阶导的均值记为0；

S8，若存在两个函数模型的拟合曲线中连续多个一阶导均值大于一阶导第一阈值或连续多个二阶导均值大于二阶导第一阈值，判断样本为阳性，且终止识别；

S9，若存在两个函数模型的拟合曲线中连续多个一阶导均值大于一阶导第二阈值，且所述两个函数模型的拟合曲线中连续多个二阶导均值大于二阶导第二阈值，判断样本为阳性，且终止识别。

2.根据权利要求1所述的血培养阳性样本识别方法，其特征在于：所述函数模型Logistic、Gompertz、Bertalanffy、四参数、四参数+K、四参数+K+sigmoid。

3.根据权利要求1所述的血培养阳性样本识别方法，其特征在于：采用Levenberg-Marquardt算法估计所述函数模型的参数值。

4.根据权利要求1所述的血培养阳性样本识别方法，其特征在于：所述一阶导第一阈值大于所述一阶导第二阈值，所述二阶导第一阈值大于所述二阶导第二阈值。

5.根据权利要求1所述的血培养阳性样本识别方法，其特征在于：血培养过程结束时，仍不满足样本阳性判断条件，则判断样本为阴性。