一种医学粪便标本检验的数字化管理方法及系统与流程

本发明涉及数字处理，尤其涉及一种医学粪便标本检验的数字化管理方法及系统。

背景技术：

1、医学粪便标本是临床粪便检验的常规标本，用于检验肠道疾病和病原体感染等。在传统的检验流程中，医学粪便标本多数在检验前需经过人工采集、处理和送检等多项时间耗费和易被误操作的环节，而这些环节可能影响到标本检验结果的准确性和及时性，同时也可能加重医生和检验人员的工作量。为了解决传统医学粪便标本检验流程中存在的问题，近年来数字化检验管理方案被提出。这些方案通过使用信息技术来促进医学粪便标本的数字化管理，以提高医学粪便标本准备的效率，减少可能的人为误操作并简化记录的流程。尽管现如今已经有了不同的数字化管理方案，但它们中依然存在一些问题。例如，有些数字化管理方案需要额外的检验人员来负责医学粪便标本的管理，从而增加了人力成本。

技术实现思路

1、基于此，本发明有必要提供一种医学粪便标本检验的数字化管理方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种医学粪便标本检验的数字化管理方法，包括以下步骤：

3、步骤s1：通过智能采集设备和自动化检验设备分别对医学粪便标本进行标本采集和检验处理，得到医学粪便标本检验数据；利用智能降噪算法对医学粪便标本检验数据进行降噪处理，得到医学粪便标本检验降噪数据；

4、步骤s2：利用特征提取技术对医学粪便标本检验降噪数据进行特征提取处理，得到医学粪便标本检验数据特征；根据预设的基于机器学习的医学粪便分类模型对医学粪便标本检验数据特征进行数据分类处理，以得到医学粪便标本检验类型数据；

5、步骤s3：利用qr标识编码算法对医学粪便标本检验类型数据进行标本标识编码处理，得到医学粪便标本检验标识数据；

6、步骤s4：利用双重加密算法对医学粪便标本检验标识数据进行加密处理，得到医学粪便标本检验标识加密数据；构建医学粪便标本检验数据库，并利用数据备份技术将医学粪便标本检验标识加密数据备份到医学粪便标本检验数据库，以得到医学粪便标本检验标识备份数据；

7、步骤s5：利用数字化转换算法对医学粪便标本检验标识备份数据进行数字化转换处理，得到医学粪便标本检验数字化数据；基于医学粪便标本检验数字化数据制定相应的医学粪便检验报告，利用医学粪便检验报告以供相应的病理决策参考。

8、本发明通过采用智能化设备和自动化检验设备进行标本采集和检验处理，可以提高医学粪便标本检验数据的准确性和可靠性，同时也能够节省人力和时间成本。利用智能降噪算法对医学粪便标本检验数据进行降噪处理，可以去除噪声干扰和误差，从而提高医学粪便标本检验数据的数据质量。通过利用特征提取技术对降噪后的医学粪便标本检验降噪数据进行处理和特征提取，可以提取出医学粪便标本检验的特征信息，为后续的分类和处理提供数据基础。基于机器学习的医学粪便分类模型可以根据特征信息对数据进行分类处理，准确地确定医学粪便标本的类型数据。然后，利用qr标识编码算法对医学粪便标本检验类型数据进行编码标识处理，可以方便后续的处理和管理，同时也能够提高医学粪便标本检验类型数据的准确性和可读性。通过采用双重加密算法对编码后的医学粪便标本检验标识数据进行加密处理，可以有效保护数据的安全性和隐私性。另外，通过构建医学粪便标本检验数据库和使用数据备份技术，可以实现对医学粪便标本检验标识数据的有效管理和备份，保证医学粪便标本检验数据的安全性和可靠性。最后，通过利用数字化转换算法对医学粪便标本检验标识备份数据进行数字化转换，可以使得医学粪便标本检验数据更加高效地存储和管理，提高医学粪便标本检验数据的可读性和可访问性。通过基于医学粪便标本检验数字化数据进行医学粪便检验报告的制定，可以实现对报告信息的准确性和可靠性的提升，有利于临床医生进行相应的病理检测决策。

9、优选地，步骤s1包括以下步骤：

10、步骤s11：通过智能采集设备对医学粪便标本进行标本数据采集处理，得到医学粪便标本数据；

11、步骤s12：利用自动化检验设备对医学粪便标本数据进行检验处理，得到医学粪便标本检验数据；

12、步骤s13：对医学粪便标本检验数据进行数据预处理，得到医学粪便标本检验待降噪数据；

13、步骤s14：利用智能降噪算法对医学粪便标本检验待降噪数据进行降噪处理，得到医学粪便标本检验降噪数据。

14、本发明通过使用智能采集设备对医学粪便标本进行采集处理，可以对医学粪便标本的相关信息进行快速准确的采集，提高采集效率，减小人为误差，确保采集得到的数据的准确性和可靠性。并通过使用自动化检验设备对医学粪便标本数据进行检验处理，可以实现对粪便标本的各种指标参数的自动化检测和分析，提高了检验效率和准确性，确保得到的数据真实可靠，并且简化了人工操作流程，缩短了检验时间，为后续的数据处理打下良好的基础。然后，通过对医学粪便标本检验数据进行数据预处理，可以对数据进行缺失值填充、去重等预处理操作，从而提高了医学粪便标本检验数据的质量和可靠性，为后续的降噪处理打下了数据基础。最后，通过智能降噪算法对医学粪便标本检验待降噪数据进行降噪处理，可以降低医学粪便标本检验待降噪数据的噪声干扰，提高医学粪便标本检验降噪数据的准确性和可靠性，为后续数字化管理和分析提供更加准确的数据支持。

15、优选地，步骤s14包括以下步骤：

16、步骤s141：利用智能降噪算法对医学粪便标本检验待降噪数据进行噪声值计算，得到医学粪便标本检验噪声值；

17、其中，智能降噪算法的函数公式如下所示：

18、；

19、式中，为医学粪便标本检验待降噪数据中第个噪声频域信号的医学粪便标本检验噪声值，为医学粪便标本检验待降噪数据中噪声频域信号的数量，为医学粪便标本检验待降噪数据中第个噪声频域信号，为指数函数，为虚数单位，为医学粪便标本检验待降噪数据中第个噪声频域信号的频率，为傅里叶变换的时间变量，为傅里叶变换的频域长度，为医学粪便标本检验待降噪数据中噪声频域信号在频域第个位置处的频率，为医学粪便标本检验待降噪数据中第个噪声频域信号进行傅里叶变换的时间变量，为医学粪便标本检验待降噪数据中第个噪声频域信号的噪声频率响应函数，为医学粪便标本检验待降噪数据中第个噪声频域信号的滤波器频率响应函数，为医学粪便标本检验待降噪数据中第个噪声频域信号的信号频率响应函数，为医学粪便标本检验噪声值的修正值；

20、本发明构建了一个智能降噪算法函数的公式，用于对医学粪便标本检验待降噪数据进行噪声值计算，为了消除医学粪便标本检验待降噪数据中的噪声源对后续的医学粪便标本检验数字化管理过程的影响，需要对医学粪便标本检验待降噪数据进行降噪处理，以得到更加干净、准确的医学粪便标本检验待降噪数据，通过该智能降噪算法能够有效地去除医学粪便标本检验待降噪数据中的噪声和干扰数据，从而提高医学粪便标本检验待降噪数据的准确性和可靠性。该算法函数充分考虑了医学粪便标本检验待降噪数据中噪声频域信号的数量，医学粪便标本检验待降噪数据中第个噪声频域信号，虚数单位，医学粪便标本检验待降噪数据中第个噪声频域信号的频率，傅里叶变换的时间变量，傅里叶变换的频域长度，医学粪便标本检验待降噪数据中噪声频域信号在频域第个位置处的频率，医学粪便标本检验待降噪数据中第个噪声频域信号进行傅里叶变换的时间变量，医学粪便标本检验待降噪数据中第个噪声频域信号的噪声频率响应函数，医学粪便标本检验待降噪数据中第个噪声频域信号的滤波器频率响应函数，医学粪便标本检验待降噪数据中第个噪声频域信号的信号频率响应函数，医学粪便标本检验噪声值的修正值，其中根据医学粪便标本检验待降噪数据中噪声频域信号的数量，医学粪便标本检验待降噪数据中第个噪声频域信号，虚数单位，医学粪便标本检验待降噪数据中第个噪声频域信号的频率，傅里叶变换的时间变量，傅里叶变换的频域长度，医学粪便标本检验待降噪数据中噪声频域信号在频域第个位置处的频率，医学粪便标本检验待降噪数据中第个噪声频域信号进行傅里叶变换的时间变量，指数函数以及需要进行归一化处理，通过以上参数构成了一种噪声频域信号傅里叶变换函数关系，另外，还通过医学粪便标本检验待降噪数据中噪声频域信号的数量，医学粪便标本检验待降噪数据中第个噪声频域信号，虚数单位，傅里叶变换的时间变量，医学粪便标本检验待降噪数据中第个噪声频域信号的噪声频率响应函数，医学粪便标本检验待降噪数据中第个噪声频域信号的滤波器频率响应函数以及医学粪便标本检验待降噪数据中第个噪声频域信号的信号频率响应函数构成了一种频率响应函数关系，根据医学粪便标本检验待降噪数据中第个噪声频域信号的医学粪便标本检验噪声值与以上各参数之间的相互关系构成了一种函数关系：

21、；

22、该算法函数公式实现了对医学粪便标本检验待降噪数据的噪声值计算，同时，通过医学粪便标本检验噪声值的修正值的引入可以根据实际情况进行调整，从而提高智能降噪算法的准确性和鲁棒性。

23、步骤s142：根据预设的医学粪便标本检验噪声阈值对医学粪便标本检验噪声值进行判断，当医学粪便标本检验噪声值大于或等于预设的医学粪便标本检验噪声阈值时，则剔除该医学粪便标本检验噪声值对应的医学粪便标本检验待降噪数据，得到医学粪便标本检验降噪数据；

24、步骤s143：根据预设的医学粪便标本检验噪声阈值对医学粪便标本检验噪声值进行判断，当医学粪便标本检验噪声值小于预设的医学粪便标本检验噪声阈值时，则直接该医学粪便标本检验噪声值对应的医学粪便标本检验待降噪数据定义为医学粪便标本检验降噪数据。

25、本发明由于医学粪便标本检验待降噪数据中可能存在噪声干扰以及异常噪声源等情况，会对后续的医学粪便标本检验数据的数字化管理工作的准确度和可靠性造成不良影响，所以需要设置一个适当的智能降噪算法对医学粪便标本检验待降噪数据进行噪声值计算，能够识别和测量出医学粪便标本检验待降噪数据中存在的噪声和干扰信号，从源头上去除噪声信号，从而提高医学粪便标本检验待降噪数据的准确性和可靠性。该智能降噪算法通过结合噪声频率响应函数、滤波器频率响应函数、信号频率响应函数对医学粪便标本检验待降噪数据中的噪声频域信号进行傅里叶变换处理，并通过相关参数对降噪过程进行调整和优化处理，以获得最佳的降噪效果和计算结果，从而较为精确地计算出医学粪便标本检验噪声值。根据医学粪便标本检验待降噪数据的噪声频域信号进行傅里叶变换，准确地评估医学粪便标本检验待降噪数据噪声情况，为后续的噪声判断和降噪处理提供依据。然后，根据具体的数据降噪处理需求和质量标准，通过设定合适的医学粪便标本检验噪声阈值对计算得到的医学粪便标本检验噪声值进行判断，判断哪些医学粪便标本检验待降噪数据需要进行剔除，哪些医学粪便标本检验待降噪数据可以被保留，能够有效地剔除医学粪便标本检验噪声值较大的医学粪便标本检验待降噪数据，避免这些医学粪便标本检验噪声值较大的医学粪便标本检验待降噪数据对整体数据的影响，有助于进一步提高数据的质量，减少不必要的干扰和误差，从而保证了医学粪便标本检验待降噪数据的准确性和可靠性。最后，使用预设的医学粪便标本检验噪声阈值对医学粪便标本检验噪声值进行判断，将医学粪便标本检验噪声值较小的医学粪便标本检验待降噪数据定义为医学粪便标本检验降噪数据，可以得到更加准确和可靠的医学粪便标本检验待降噪数据，这些数据较少受到噪声的干扰，可以为后续的医学粪便分类过程和数字化管理提供更加稳定的数据基础，从而提高医学粪便标本检验数据的可用性和有效性。

26、优选地，步骤s2包括以下步骤：

27、步骤s21：利用特征提取技术对医学粪便标本检验降噪数据进行特征提取处理，得到医学粪便标本检验数据特征；

28、步骤s22：对医学粪便标本检验数据特征进行数据清洗处理，得到医学粪便标本检验特征数据集；

29、步骤s23：根据预设的基于机器学习的医学粪便分类模型对医学粪便标本检验特征数据集进行数据分类处理，以得到医学粪便标本检验类型数据。

30、本发明通过使用特征提取技术对降噪后的医学粪便标本检验降噪数据进行特征提取，可以从医学粪便标本检验降噪数据中识别和提取出最具代表性和区分性的特征，将医学粪便标本检验降噪数据映射到高维特征空间中表达，从而达到提高特征表达能力和分类准确率的目的。在医学粪便标本检验领域，特征提取可以从粪便标本中提取出各种相关的生化指标、微生物组成、血液成分等特征，为后续的医学粪便分类过程提供数据保障。然后，通过对提取到的医学粪便标本检验数据特征进行数据清洗，数据清洗可以去除错误、失效、重复、缺失等不合理数据，对数据进行规范和标准化处理，在保证数据完整性和可靠性的前提下进一步提高分类准确率和可信度，还可以去除可能影响分类结果的异常值、离群点等干扰因素，从而保证数据的准确性和可靠性。最后，基于机器学习的医学粪便分类模型可以通过对医学粪便标本检验特征数据集的分析和学习，生成具有普适性和概括性的分类规则和算法，自动进行分类处理和识别，根据不同特征、不同指标的差异性，将医学粪便标本检验特征数据集划分为不同的类型，从而为医学治疗提供科学依据和支持。

31、优选地，步骤s23包括以下步骤：

32、步骤s231：按照预设的划分规则将医学粪便标本检验特征数据集划分为检验特征训练数据集、检验特征验证数据集和检验特征测试数据集；

33、步骤s232：构建基于决策树算法的医学粪便分类模型，其中医学粪便分类模型包括模型训练、模型验证和模型评估；

34、步骤s233：将检验特征训练数据集输入至基于决策树算法的医学粪便分类模型进行模型训练，并通过检验损失函数对医学粪便分类模型参数进行优化处理，以生成验证模型；将检验特征验证数据集输入至验证模型进行模型验证，以生成测试模型；

35、其中，检验损失函数如下所示：

36、；

37、；

38、式中，为检验损失函数，为医学粪便分类模型参数，为检验特征训练数据集的样本数据数量，为检验特征训练数据集中第个样本数据的分类真实值，为在医学粪便分类模型参数的条件下检验特征训练数据集中第个样本数据的分类预测值，为医学粪便分类模型参数优化时间间隔，为医学粪便分类模型参数优化的时间预测函数，为医学粪便分类模型参数优化的时间变量，为时间预测函数的一阶正则化系数，为医学粪便分类模型参数的二阶正则化项，为时间预测函数的二阶正则化系数，为检验损失函数的修正值；

39、本发明构建了一个检验损失函数的公式，用于对医学粪便分类模型参数进行优化处理，在通过运用医学粪便分类模型对检验特征训练数据集进行训练时，为了帮助医学粪便分类模型尽可能地拟合数据，需要使用一个合适的检验损失函数作为模型参数优化的指标，该检验损失函数的主要功能是对医学粪便分类模型的输出结果进行监测，用来衡量医学粪便分类模型的分类预测结果与分类真实结果之间误差，然后根据监测结果对模型参数进行调整，以提高医学粪便分类模型的分类精度和稳定性，而基于决策树算法的医学粪便分类模型容易出现过拟合现象，检验损失函数中的正则化项可以有效避免该现象的发生。具体而言，一阶正则化项可以使特征的权重尽量接近于零，减少过拟合风险；二阶正则化项可以使特征的高阶项系数降低，进一步减少过拟合风险。通过灵活调整一阶正则化项和二阶正则化项的系数，可以实现在模型复杂度和泛化能力之间的平衡，有效提高医学粪便分类模型的泛化能力。该函数公式充分考虑了医学粪便分类模型参数，检验特征训练数据集的样本数据数量，检验特征训练数据集中第个样本数据的分类真实值，在医学粪便分类模型参数的条件下检验特征训练数据集中第个样本数据的分类预测值，医学粪便分类模型参数优化时间间隔，医学粪便分类模型参数优化的时间预测函数，医学粪便分类模型参数优化的时间变量，时间预测函数的一阶正则化系数，医学粪便分类模型参数的二阶正则化项，时间预测函数的二阶正则化系数，检验损失函数的修正值，其中通过医学粪便分类模型参数，检验特征训练数据集的样本数据数量，检验特征训练数据集中第个样本数据的分类真实值，在医学粪便分类模型参数的条件下检验特征训练数据集中第个样本数据的分类预测值以及归一化处理构成了一种近似交叉熵函数关系，通过医学粪便分类模型参数，医学粪便分类模型参数优化时间间隔，医学粪便分类模型参数优化的时间预测函数，医学粪便分类模型参数优化的时间变量以及时间预测函数的一阶正则化系数构成了一阶正则化项，通过医学粪便分类模型参数，医学粪便分类模型参数优化时间间隔，医学粪便分类模型参数优化的时间预测函数，医学粪便分类模型参数优化的时间变量以及时间预测函数的二阶正则化系数构成了医学粪便分类模型参数的二阶正则化项函数关系，根据检验损失函数与以上各参数之间的相互关系构成了一种函数关系：

40、；

41、该公式实现了对医学粪便分类模型参数的优化，同时，通过检验损失函数的修正值的引入，可以针对在模型训练时出现的特殊情况进行调整，进一步提高检验损失函数的适应性和稳定性，从而提高医学粪便分类模型的泛化能力和鲁棒性。

42、步骤s234：将检验特征测试数据集输入至测试模型中进行模型评估，以得到优化的医学粪便分类模型；将医学粪便标本检验特征数据集重新输入至优化的医学粪便分类模型中进行数据分类处理，以得到医学粪便标本检验类型数据。

43、本发明通过预设的划分规则对医学粪便标本检验特征数据集的划分，可以更好地利用医学粪便标本检验特征数据集对医学粪便分类模型进行训练、验证和评估。同时，医学粪便标本检验特征数据集的划分需要遵循充分、随机、均衡、可扩展等原则分离医学粪便标本检验特征数据集，可以避免过度拟合医学粪便分类模型和提高医学粪便分类模型的泛化能力，能够有效评估医学粪便分类模型的性能，并通过评估结果为后续的参数调整提供依据。基于决策树算法的医学粪便分类模型可以建立起一个逐步筛选特征的决策树，并通过对检验特征训练数据集进行不断的分类划分和特征选择，找到分类问题的最优解。同时，分类模型包含模型训练、验证和评估三个阶段，以保证医学粪便分类模型的可靠性和有效性。在模型训练和验证过程中，通过检验损失函数对模型进行参数的优化和调整，不断提升医学粪便分类模型的性能和准确度，找到最优参数组合。然后，通过检验特征验证数据集的测试，检验验证模型是否具有良好的泛化性能和预测准确度，以确保医学粪便分类模型的可靠性和有效性。最后，通过对检验特征测试数据集的评估，确定最终医学粪便分类模型的性能指标和准确度，并对模型参数进行最终优化和调整。将医学粪便标本检验特征数据集输入至优化的医学粪便分类模型进行分类处理，能够准确地判断输入的医学粪便标本检验特征数据集属于哪个医学粪便类别，从而提高分类准确性和分类速度。利用基于决策树算法的医学粪便分类模型，通过对医学粪便标本检验特征数据集划分、模型训练、模型验证和模型评估等步骤，可以更加有效地优化医学粪便标本检验数据分类过程，从而达到更加完善的医学粪便标本的分类效果。

44、优选地，步骤s3中qr标识编码算法的函数公式具体为：

45、；

46、；

47、式中，为医学粪便标本检验标识数据，为qr标识编码矩阵，为qr标识编码矩阵中的行标签，为qr标识编码矩阵中的列标签，为qr标识编码矩阵的大小，和均为qr标识编码矩阵的频率参数，为编码后的qr标识图像，为qr标识图像中像素点的行位置坐标，为qr标识图像中像素点的列位置坐标，为qr标识图像的位置坐标大小，为行位置坐标的调和平滑参数，为列位置坐标的调和平滑参数，为qr标识编码矩阵的修正值，为医学粪便标本检验标识数据的修正值。

48、本发明构建了一个qr标识编码算法函数的公式，用于对医学粪便标本检验类型数据进行标本标识编码处理，该qr标识编码算法将qr码作为标识编码方式，具有高密度、纠错能力强等特点，能够保证标识准确无误地传输和读取。因此，利用qr标识编码算法进行标本标识编码处理，可以提高标识准确性，降低标识错误率，保证医学粪便标本检验的精准分析。另外，通过qr码编码后的医学粪便标本检验标识数据不仅可以唯一标识一个医学粪便标本，同时还可以将医学粪便标本与其他相关信息进行关联。这样，管理人员可以方便地进行标本追溯管理，跟踪医学粪便标本的采集时间和位置信息等，从而保证医学粪便标本的可追溯性和有效性。该算法函数公式充分考虑了qr标识编码矩阵，qr标识编码矩阵中的行标签，qr标识编码矩阵中的列标签，qr标识编码矩阵的大小，qr标识编码矩阵的频率参数和，编码后的qr标识图像，qr标识图像中像素点的行位置坐标，qr标识图像中像素点的列位置坐标，qr标识图像的位置坐标大小，行位置坐标的调和平滑参数，列位置坐标的调和平滑参数，qr标识编码矩阵的修正值，医学粪便标本检验标识数据的修正值，其中通过qr标识编码矩阵中的行标签，qr标识编码矩阵中的列标签，qr标识编码矩阵的大小，qr标识编码矩阵的频率参数和构成了一种生成qr标识编码矩阵的函数关系，同时，通过qr标识编码矩阵的修正值的引入可以根据实际情况进行调整，从而提高qr标识编码矩阵的准确性。另外，根据医学粪便标本检验标识数据与qr标识编码矩阵，qr标识编码矩阵中的行标签，qr标识编码矩阵中的列标签，qr标识编码矩阵的大小，编码后的qr标识图像，qr标识图像中像素点的行位置坐标，qr标识图像中像素点的列位置坐标，qr标识图像的位置坐标大小，行位置坐标的调和平滑参数以及列位置坐标的调和平滑参数等参数构成了一种函数关系，该算法函数公式实现了对医学粪便标本检验类型数据的标识编码，同时，通过医学粪便标本检验标识数据的修正值的引入可以根据实际情况进行调整，从而提高qr标识编码算法的准确性和适用性。

49、优选地，步骤s4包括以下步骤：

50、步骤s41：利用双重加密算法对医学粪便标本检验标识数据进行加密处理，得到医学粪便标本检验标识加密数据；

51、步骤s42：利用数字签名技术对医学粪便标本检验标识加密数据进行虚拟签名保护处理，得到医学粪便标本检验标识保护数据；

52、步骤s43：构建医学粪便标本检验数据库，并利用数据备份技术将医学粪便标本检验标识加密数据备份到医学粪便标本检验数据库，以得到医学粪便标本检验标识备份数据。

53、本发明通过采用双重加密算法对医学粪便标本检验标识数据进行保护，增加破解难度以及降低数据泄露的风险，确保未经授权的第三方无法获取医学粪便标本检验标识数据中的敏感数据，从而保护隐私和数据安全。然后，通过采用数字签名技术对医学粪便标本检验标识加密数据进行虚拟签名保护处理，确保数据来源的可信度和完整性，防止数据伪造和篡改，确保医学粪便标本检验数据的可靠性和准确性。最后，建立医学粪便标本检验数据库，并采用数据备份技术将加密的医学粪便标本检验标识数据备份到数据库中，确保数据的安全和可恢复性。同时，数据备份技术可以保证医学粪便标本检验标识数据的实时同步和备份，防止因为故障或其他原因导致的数据丢失和损坏，确保医学粪便标本检验标识数据的完整性和可用性。

54、优选地，步骤s41包括以下步骤：

55、步骤s411：利用双重加密算法对医学粪便标本检验标识数据进行加密处理，其中双重加密算法包括对称加密算法和非对称加密算法；

56、步骤s412：利用对称加密算法对医学粪便标本检验标识数据进行第一层加密处理，以得到医学粪便标本检验一级加密数据；

57、步骤s413：利用非对称加密算法对医学粪便标本检验一级加密数据进行第二层加密处理，得到医学粪便标本检验标识加密数据。

58、本发明通过采用双重加密算法对医学粪便标本检验标识数据进行加密处理，既能保证数据传输的安全性，也能保证数据存储的安全性。该双重加密算法包括对称加密算法和非对称加密算法，其中对称加密算法可以对医学粪便标本检验标识数据进行第一层加密处理，而非对称加密算法可以对第一层加密后的医学粪便标本检验标识数据进行第二层加密处理，使得加密的数据更加不易被破解。然后，通过利用对称加密算法对医学粪便标本检验标识数据进行第一层加密处理，可以让加密和解密速度更快，同时减少因为密钥传输带来的风险，从而保证加密和解密的效率和安全性。最后，通过利用非对称加密算法对医学粪便标本检验一级加密数据进行第二层加密处理，可以更加有效地保护加密数据的安全性，从而保障患者隐私和数据安全。其中非对称加密算法采用了一对密钥，可以更好地保护密钥的安全性，使得加密数据更有保障。

59、优选地，步骤s5包括以下步骤：

60、步骤s51：利用数字化转换算法对医学粪便标本检验标识备份数据进行数字化转换处理，得到医学粪便标本检验数字化数据；

61、其中，数字化转换算法的函数公式如下所示：

62、；

63、；

64、式中，为数字化转换算法函数，为常量参数，为医学粪便标本检验标识备份数据，为离散化后的第个医学粪便标本检验标识备份数据，和均为虚数单位，为符号判别函数，为勒让德数字化转换函数，为数字化转换后的医学粪便标本检验数字化数据，为勒让德数字化转换多项式的项数，为勒让德数字化转换多项式函数，为数字化转换算法函数的修正值；

65、本发明构建了一个数字化转换算法函数的公式，用于对医学粪便标本检验标识备份数据进行数字化转换处理，该数字化转换算法通过勒让德数字化转换函数和勒让德数字化转换多项式的计算方式，能够将不规则的数据转化为规则的数字化数据，从而降低数据存储成本，提高了数据分析效率和精确度。该算法函数公式充分考虑了常量参数，医学粪便标本检验标识备份数据，离散化后的第个医学粪便标本检验标识备份数据，虚数单位和，符号判别函数，勒让德数字化转换函数，数字化转换后的医学粪便标本检验数字化数据，勒让德数字化转换多项式的项数，勒让德数字化转换多项式函数，数字化转换算法函数的修正值，其中通过常量参数，医学粪便标本检验标识备份数据，虚数单位和，数字化转换后的医学粪便标本检验数字化数据，勒让德数字化转换多项式的项数以及勒让德数字化转换多项式函数构成了一种勒让德数字化转换函数关系，根据数字化转换算法函数与以上各参数之间的相互关系构成了一种函数关系，该算法函数公式实现了对医学粪便标本检验标识备份数据的数字化转换过程，同时，通过数字化转换算法函数的修正值的引入可以根据实际情况进行调整，从而提高数字化转换算法的准确性和适用性。

66、步骤s52：利用区块链技术对医学粪便标本检验数字化数据进行去中心化管理，得到医学粪便标本检验数字化安全数据；

67、步骤s53：基于医学粪便标本检验数字化安全数据制定相应的医学粪便检验报告，并通过可视化展示医学粪便检验报告以供相应的病理决策参考。

68、本发明通过利用数字化转换算法对医学粪便标本检验标识备份数据进行数字化处理，可以将不规则的医学粪便标本检验标识备份数据转化为规则的医学粪便标本检验数字化数据，方便后续的数据处理和管理，同时也提高了数据安全性。数字化转换算法通过勒让德数字化转换函数和勒让德数字化转换多项式的计算方式，能够将不规则的数据转化为规则的数字化数据，并对数据进行压缩，提高了数据存储和传输的效率。然后，通过采用区块链技术对数据进行去中心化管理，可以去除传统方式中的中心化节点，提高数据的安全性和可信度。区块链技术采用分布式账本的方式记录数据，每个用户都可以监督和验证数据的正确性，从而保证数据的不可篡改性和安全性。最后，基于医学粪便标本检验数字化安全数据进行制定医学粪便检验报告，可以使得报告更加准确和可靠，有助于临床医生做出相应的病理检测决策。通过可视化展示医学粪便检验报告，可以使得整个医学粪便标本检验过程更加直观和便于理解，有利于促进医学粪便标本检验的数字化管理过程。

69、优选地，本发明还提供了一种医学粪便标本检验的数字化管理系统，包括：

70、至少一个处理器；

71、与至少一个处理器通信连接的存储器；

72、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如上任一项所述的医学粪便标本检验的数字化管理方法。

73、综上所述，本发明提供了一种医学粪便标本检验的数字化管理系统，该系统能够实现本发明所述任意一种医学粪便标本检验的数字化管理方法，用于联合存储器、处理器及存储器上运行的计算机程序之间的操作实现一种医学粪便标本检验的数字化管理方法，系统内部结构互相协作，该数字化管理系统通过多种算法模型和技术对医学粪便标本检验数据进行数字化管理，可以大大减少重复工作和人力投入，能够快速有效地处理医学粪便标本检验数据，以提高医学粪便标本检验数据的数字化管理效率，从而简化了医学粪便标本检验的数字化管理系统的操作流程。