(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211143445.6 (22)申请日 2022.09.20 (71)申请人 海南金域医学检验中心有限公司 地址 570300 海南省海口市秀英区港澳开 发区翠竹路1号标准厂房三楼东侧、 四 楼 (72)发明人 黄晓强　陈天垠　沈建如　贺亮　 马骥　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 田丽丽 (51)Int.Cl. G16H 40/20(2018.01) G06Q 10/10(2012.01) G06Q 10/04(2012.01)G06K 9/62(2022.01) (54)发明名称 样本监测方法、 模型训练方法、 设备和介质 (57)摘要 本发明公开了一种样 本监测方法、 模 型训练 方法、 设备和介质， 包括： 首先获取多个训练样本 在多个预设检测节点处的检测时长， 并计算在每 个预设检测节 点处的基准时长数据。 接着根据目 标检测时长、 目标检测节点处的基准时长数据计 算目标训练样本在目标检测节 点处的观测值。 最 后获取多个训练样本在多个预设检测节点处的 观测值， 并输入样本监测模型， 获取输出的多个 训练样本在多个预设检测节点处的预测状态值， 该状态值用于指示训练样本在预设检测节点处 的检测状态， 若进一步分析这些检测状态便可以 知晓流程中到底是因为哪个阻滞因素而导致检 测效率低下的， 综上就能有效的对检测 信息进行 整理与统计分析， 便于医护人员及时地排查故障 以及进行优化。 权利要求书2页 说明书9页 附图6页 CN 115512813 A 2022.12.23 CN 115512813 A 1.一种样本监测模型的训练方法， 其特 征在于， 所述方法包括： 获取多个训练样本， 并获取目标训练样本在目标检测节点处的目标检测时长,以得到 所述多个训练样本在多个预设检测节点处的检测时长； 其中， 所述 目标训练样本为所述多 个训练样本中的任意 一个， 所述目标检测节点 为多个预设检测节点中的任意 一个； 根据所述多个训练样本在多个预设检测节点处的检测时长计算所述多个训练样本在 每个预设检测节点处的基准时长数据； 其中， 基准时长数据用于指示所述多个训练样本在 预设检测节点处整体的检测时长和时长波动情况； 根据所述目标检测时长、 目标检测节点处的基准 时长数据计算所述目标训练样本在目 标检测节点处的观测 值； 其中， 观测值用于指示训练样本在预设检测节点处的检测延迟时 长； 获取所述多个训练样本在多个预设检测节点处的观测值， 并输入样本监测模型， 获取 所述样本监测模型输出 的所述多个训练样本在多个预设检测节点处的预测状态值； 其中， 状态值用于指示训练样本在预设检测节点处的检测状态； 获取所述多个训练样本在多个预设检测节点处 的实际状态值， 计算所述预测状态值和 所述实际状态值之间的差异值， 并根据所述差异值对所述样本监测模型 的参数进行调整， 直至所述样本监测模型收敛。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述多个训练样本在多个预设检 测节点处的检测 时长计算所述多个训练样本在每个预设检测节点处的基准时长数据， 包 括： 根据所述多个训练样本在目标检测节点处的目标检测时长计算均值和标准差， 将 获取 到的均值和标准差作为所述多个训练样本在目标检测节点处的基准时长数据， 以得到每个 预设检测节点处的基准时长数据； 其中， 均值用于指示所述多个训练样本整体的检测时长， 标准差用于指示所述多个训练样本整体的时长波动情况。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述目标检测时长、 目标检测节 点处的基准时长数据计算所述目标训练样本在目标检测节点处的观测值， 包括： 判断所述目标训练样本在目标检测节点处是否已完成检测； 若所述目标训练样本在目标检测节点处已完成检测， 则将观测值确定为0； 若所述目标训练样本在目标检测节点处未完成检测， 则计算所述目标检测时长与目标 检测节点处的均值之间的差值， 并计算所述差值与目标检测节点处的标准差之间的比值； 确定所述比值落入的数值范围， 并将观测值确定为与落入的数值范围对应的预设值； 其中， 观测值越大， 则指示所述目标训练样本在目标检测节 点处的检测延迟时长越久， 数值 范围之间不重 叠， 数值范围的数值越大， 所对应的预设值越大。 4.根据权利要求1所述的方法， 其特征在于， 所述获取所述多个训练样本在多个预设检 测节点处的观测值， 并输入样本监测模型， 包括： 获取所述多个训练样本在当前检测节点处 的观测值， 并输入样本监测模型； 其中， 在未 完成检测的前提下， 当前检测节点为训练样本当前正在进行检测的节点， 在已完成检测的 前提下， 当前检测节点 为训练样本最晚完成的检测节点。 5.根据权利要求1所述的方法， 其特征在于， 所述样本监测模型内的参数包括初始状态 概率向量、 状态转移概率矩阵和观测概率矩阵， 所述初始状态概率向量包含初始处于各个权　利　要　求　书 1/2 页 2 CN 115512813 A 2预测状态值的概率， 所述状态转移概率矩阵包含各个预测状态值之间的转移概率， 所述观 测概率矩阵包含在已确定预测状态值的前提下各个观测值的概率， 所述根据所述差异值对 所述样本监测模型的参数进行调整， 包括： 根据所述差异值对所述初始状态概率向量、 所述状态转移概率矩阵和所述观测概率矩 阵内的所有概 率进行调整。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述差异值对所述样本监测模型 的参数进行调整之后， 还 包括： 当所述预测状态值指示的检测状态与所述实际状态值指示的检测状态一致 时， 确认所 述样本监测模型收敛。 7.一种样本监测方法， 其特 征在于， 所述方法包括： 获取计算得到的所述多个待监测样本在多个预设检测节点处 的观测值， 并输入样本监 测模型， 获取所述样本监测模型输出的所述多个待监测样本在多个预设检测节点处的监测 状态值； 其中， 所述样本监测模型通过如权利要求1 ‑6所述的方法训练得到 。 8.根据权利要求7所述的方法， 其特征在于， 状态值指示的检测状态包含已完成、 正在 进行中、 超负荷阻塞和被遗漏， 所述获取所述样本监测模型输出 的所述多个待监测样本在 多个预设检测节点处的监测状态值之后， 还 包括： 确定超负荷阻塞样本； 其中， 所述超负荷阻塞样本与至少一个采样时间相邻待监测样 本的监测状态值所指示的检测状态均为超负荷阻塞； 确定被遗漏样本； 其中， 所述被遗漏样本为存在至少一个预设检测节点处的监测状态 值所指示的检测状态为被遗漏的待监测样本； 确定正常样本； 所述正常样本为所有预设检测节点处 的监测状态值所指示的检测状态 为已完成 或正在进行中的待监测样本 。 9.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时， 使得 所述处理器执行如权利要求1至8中任一项所述方法。 10.一种样本监测设备， 包括存储器和 处理器， 其特征在于， 所述存储器存储有计算机 程序， 所述计算机程序被所述处理器执行时， 使得所述处理器执行如权利要求1至8中任一 项所述方法。权　利　要　求　书 2/2 页 3 CN 115512813 A 3