结果异常

摘要： 和两年前学生们封闭在家不同,这次,学生们被封闭在校园中,高校如何应对新的信息化应用场景的挑战?不同以往的网络压力3月9日,上海交通大学出现一例核酸检测结果异常,学校按防控程序立即实行封闭管理,同时全面开展线上教学。几天后,随着上海市疫情逐渐严重,其他高校也陆续进入封闭管理或准封闭管理模式。

摘要： 硅酸盐岩石样品的主次量成分分析(业内俗称硅酸盐成分全分析)是地质工作的重要内容。通过监测岩石内部成分含量的变化,可以了解相应元素在地壳内的迁移情况和变化规律、元素的集中和分散情况、岩浆的来源及可能出现的矿物相,可进一步解决矿体岩相分带、阐明岩石成因等问题;并且硅酸盐岩石主次量成分的含量是矿物定名时的重要依据[1]。因此,选择能准确测定硅酸盐主次量成分含量的方法非常重要。

摘要： 水中的总氮含量是衡量水质的重要指标之一。总氮是水中各种形态无机和有机氮的总量,包括NO_(3)^(-)、NO_(2)^(-)和NH_(4)^(+)等无机氮和蛋白质、氨基酸、有机胺等有机氮,以每升水含氮毫克数计算,常被用来表示水体受营养物质污染的程度。由于某批水样总氮的测定结果为1.77mg/L,外检结果为1.30mg/L,两者存在较大差值,且在总氮测定过程中试剂空白的吸光度为0.168Abs,不符合国家标准方法中规定的“试剂空白吸光度不超过0.030Abs”的要求。因此,本文对总氮测定结果异常进行试验研究。

摘要： “承德市围场县出现一名核酸检测结果异常的人员!”这消息如惊雷一般打破了这座坝上县城原本的平静祥和。春分刚过,原本2022年春天的脚步更近了一步,但一切都因此被迫按下“暂停键”。街道没有了往日的烟火气息,人们开始居家隔离的防疫生活,而龙源河北公司承德区域第一维保中心耀源风电场的人员却在疫情环境下有条不紊地开展着各项工作。

摘要： 目的 报告1例多发性骨髓瘤(MM)患者血液样本在检测叶酸(FOL)过程中出现的结果异常现象,并分析导致FOL结果异常的干扰因素.方法 2020年9月15日接收该患者血液样本,使用电化学发光分析仪和全自动生化分析仪检测贫血8项〔包括维生素B12(VB12)、FOL、铁蛋白(Fer)、转铁蛋白(TRF)、 铁离子(Fe)、不饱和铁结合力(UIBC)、血清转铁蛋白饱和度(TS)、总铁结合力(TIBC)〕.结果 患者女性,72岁.检测结果FOL>20.00μg/L,高于FOL的仪器检测范围,因此依照标准操作程序(SOP)对样本进行1︰1稀释,再次上机检测,经换算后FOL结果为9.16μg/L,与原倍样本明显不一致.经与临床沟通,该患者已被诊断为MM,重新上机检测,结果总蛋白(TP)>121.9 g/L,白蛋白(ALB)为25.2 g/L.分析出现异常结果的原因,MM患者血液样本含大量单克隆免疫球蛋白(Ig),也称M蛋白,在实验室检测过程中会增加血液黏滞性,形成蛋白胶,干扰检验过程,从而导致FOL结果假性增高.针对此项干扰因素使用样本稀释法处理,样本稀释时其中的蛋白成分也被稀释,使得样本黏滞性降低,反应得以正常进行.结论 临床实验室在样本检测过程中有时会存在结果受到干扰的情况,只有排除干扰因素,才能得到可信的结果,从而为临床诊断及治疗提供可靠的依据.

摘要： 目的:分析临床尿液检验过程中造成结果异常问题的因素,以提高以后在临床尿液检验过程中的准确率.方法:选取2019年12月-2020年6月我院进行检测的80例尿检结果异常的尿检样本,再次进行检测,以寻找造成结果异常的因素.结果:影响尿检结果异常的因素较多,既有实验室出来样本的因素,也有样本的收集、储存、送检等方面的因素.从80例尿检样本结果异常的影响因素统计来看,最主要的影响因素是来自实验室方面的因素.结论:影响临床尿检结果异常的因素是多方面的,最大的影响因素是来自实验室方面的因素.针对这几方面的影响因素,有针对性的提出解决措施,进一步规范各方面的操作流程并严格监督执行,只有这样才能提高临床尿检的准确性.

摘要： 目的 分析造成生化标本临床检验结果异常的常见原因,并总结检验前质量控制策略.方法 选择本院500份拟行生化检验健康体检者的生化标本为研究对象,统计其中出现临床检验异常的例数及所占比例,探究引起异常原因并总结质量控制策略.结果 500份生化标本中,临床检验异常的有19份,占3.8％,占比最多的原因为标本采集量过少,占36.84％,其次为标本溶血、标本放置时间长、血清中含EDTA-K2、餐后抽血、抗凝剂异常、采血部位问题等,分别占10.53％、15.79％、5.26％、10.53％、15.79％、5.26％.结论 加强对生化标本检验前的质量控制,有助于减少临床检验异常的发生,提高检测准确性.

摘要： 血脂异常通常悄无声息,却会在不知不觉中"糊住"一根又一根血管。中国高血压调查研究组公布的最新研究结果显示,我国35岁以上人群中,血脂异常患病率达34.7%。血脂升高后,除了检查结果异常,还可能会在脸上留下一些痕迹。那么,一个血脂异常的人,"面相"有哪些特殊之处?

摘要： 目的:寻找国家实验室间尿镉比对试验检测结果异常的原因.方法:用排除法,对照质量控制方法逐一对检测结果进行比较.结果 ;硝酸技术性指标不合格引起尿镉检测结果偏差.结论:在日常检测工作中,以加标样品和质控样作为质量控制,是发现问题的一种有效手段.

摘要： 目的 探讨生化检验的分析前影响因素和应对措施.方法 对2016年11月至2017年11月本院临床生化检验工作进行回顾,分析检验结果 异常情况,总结原因及对策.结果 共84份标本结果出现异常,其中,27.38％ 由标本处理不当导致,34.52％ 由溶血导致,20.24％ 由标本采集方法不当导致,15.48％ 由采集时间不当导致,2.38％ 原因为其他.结论 临床生化检验异常结果出现的主要原因为标本处理不当、溶血、标本采集方法与时间不当,临床上需注重以上环节的规范操作,以促进标本检验结果准确率的提升.

摘要： 使用少量的异常声音数据，提高无监督异常声音探测的精度。阈值决定单元(13)用使用正常声音数据学习的正常模型和表现了异常声音数据的异常模型，对多个异常声音数据的每一个计算异常度，将其最小值决定为阈值。权重更新单元(14)使用多个正常声音数据、异常声音数据和阈值，更新异常模型的权重，使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率最小。

摘要： 异常声音诊断装置具有：轨迹特征提取部(5)，其将表示强度时间序列取得部(4)取得的强度时间序列(14)的全部时间方向的强度特征的轨迹变换成向量而提取轨迹向量(15)；识别参数存储部(6)，其存储将如下的向量作为输入并将如下的信息作为输出而学习到的识别参数(16)，其中，所述向量是表示由参照设备产生的声音数据的强度时间序列的全部时间方向的强度特征的轨迹，所述信息表示所述诊断对象设备的状态类别；识别部(7)，其根据轨迹向量(15)和识别参数(16)，取得针对诊断对象设备的各状态类别的K维得分向量(17)；以及判定部(8)，其参照K维得分向量(17)，判定在诊断对象设备中产生的声音正常还是异常以及异常的类型。

摘要： 使用少量的异常声音数据，提高无监督异常声音探测的精度。阈值决定单元(13)用使用正常声音数据学习的正常模型和表现了异常声音数据的异常模型，对多个异常声音数据的每一个计算异常度，将其最小值决定为阈值。权重更新单元(14)使用多个正常声音数据、异常声音数据和阈值，更新异常模型的权重，使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率最小。

摘要： 提供与有无异常音的学习数据无关、可以生成用于异常音检测的特征量提取函数的异常音检测学习技术。异常音检测学习装置包括：根据变分自动编码器的最佳化指标，更新输入的特征量提取函数以及特征量逆变换函数的第一函数更新单元(3)；根据正常音的学习数据提取正常音的音响特征量的音响特征量提取单元(4)；使用提取的音响特征量更新正常音模型的正常音模型更新单元(5)；使用正常音的学习数据以及输入的特征量提取函数，求与作为规定的值的伪阳性率ρ对应的阈值

摘要： 异常预兆检测装置(1)具有第1数据收集部(11)、选择部(31)、第2数据收集部(12)、判定部(32)。第1数据收集部(11)从多个测量装置(51、52、…、5n)收集由对设备(3)的状态各自进行测量的多个测量装置(51、52、…、5n)以第1周期测量的数据即多个第1测量数据。选择部(31)基于由第1数据收集部(11)收集到的多个第1测量数据，选择多个测量装置(51、52、…、5n)中的至少1个测量装置。第2数据收集部(12)从由选择部(31)选择出的至少1个测量装置对以比第1周期短的第2周期测量的数据即第2测量数据进行收集。判定部(32)基于第2测量数据，对在设备(3)是否产生了异常的预兆进行判定。

摘要： 异常声音诊断装置具有：轨迹特征提取部(5)，其将表示强度时间序列取得部(4)取得的强度时间序列(14)的全部时间方向的强度特征的轨迹变换成向量而提取轨迹向量(15)；识别参数存储部(6)，其存储将如下的向量作为输入并将如下的信息作为输出而学习到的识别参数(16)，其中，所述向量是表示由参照设备产生的声音数据的强度时间序列的全部时间方向的强度特征的轨迹，所述信息表示所述诊断对象设备的状态类别；识别部(7)，其根据轨迹向量(15)和识别参数(16)，取得针对诊断对象设备的各状态类别的K维得分向量(17)；以及判定部(8)，其参照K维得分向量(17)，判定在诊断对象设备中产生的声音正常还是异常以及异常的类型。

摘要： 本发明提供异常声音探测装置、异常声音生成装置、异常数据生成装置、异常模型学习装置、异常声音生成方法以及记录介质，该异常声音探测装置包括：模型存储单元，存储将预先准备的异常声音数据建模后的概率分布即第1异常模型和将与所述异常声音数据不同的异常声音即追加异常声音建模后的概率分布即第2异常模型；异常度获取单元，对于输入的对象声音数据，组合所述第1异常模型和所述第2异常模型来计算异常度；以及状态判定单元，将所述异常度与规定的阈值比较，判定所述对象声音数据是正常声音还是异常声音。

摘要： 取得部(15a)取得通信设备的正常通信的通信特征量。在所取得的通信特征量的数据数或数据取得期间超过了规定值的情况下，放大部(15c)根据5元组相等的每个组的数据数，以多个规定的方式放大通信特征量的数据数。生成部(15d)按照每个规定的方式，通过使用了放大后的通信特征量的学习，生成通信设备的正常通信的基准值信息。判定部(15e)使用表示测试数据与基准值信息的偏差的异常得分，来判定每个规定方式的异常检测的精度，该测试数据表示异常通信的通信特征量。选定部(15f)选定以判定的精度最高的方式生成的基准值信息。

摘要： 对诊断对象的运转状态的异常进行诊断的异常诊断方法具备：根据诊断对象的正常运转数据，制作成为用于判定诊断对象的运转状态的基准的单位空间的步骤；从诊断对象取得具有多个评价项目的状态量的数据的步骤；使用制作的单位空间，计算取得的数据的马氏距离的步骤；以及根据计算的马氏距离，判定诊断对象的运转状态的异常的步骤。制作单位空间的步骤包括制作数据长度相互不同的多个单位空间的步骤。制作多个单位空间的步骤包括根据从诊断对象取得的数据中的多个评价项目之间的相关系数以及数据的正常变动周期中的至少1个，决定各多个单位空间的数据长度的步骤。计算马氏距离的步骤包括使用制作的多个单位空间计算多个马氏距离的步骤。判定异常的步骤包括根据计算的多个马氏距离判定异常的步骤。

摘要： 本公开提供泵驱动装置的异常判断装置、异常判断方法以及电机启动时的异常判断装置。泵驱动装置的异常判断为，以无传感器的方式求出对泵进行驱动的电机的实际转数；对电机的目标转数进行指示，从而对电机的运转进行控制；在目标转数与实际转数的偏离为预定以上的状况的累计期间超过了预先规定的阈值的情况下，判断为异常。在此，在目标转数与实际转数的所述偏离成为了预先规定的范围内的情况下，实施将累计期间减少为小于阈值的值的减少处理，并且，在为了控制电机的运转而无法检测实际转数的期间内，抑制该减少处理。