病毒识别的方法、终端及存储介质

摘要

本发明实施例公开一种病毒识别的方法、终端及存储介质，其属于病毒识别技术领域。该方法包括以下步骤：对待检测病毒样本进行电信号的测量，得到待检测病毒样本的特征电信号；将该特征电信号远程发送到云端，以接收并显示云端对该特征电信号进行基于多病毒特征数据库的识别处理后反馈回来的病毒种类信息，进而实现对待检测病毒样本的病毒识别。本发明的技术方案，其可有效解决现有的病毒识别实施方案存在的种种不足。

权利要求

1.一种病毒识别的方法，基于客户端，其特征在于，所述方法包括以下步骤：对待检测病毒样本进行电信号的测量，得到所述待检测病毒样本的特征电信号；

将所述特征电信号远程发送到云端，以接收并显示所述云端对所述特征电信号进行基于多病毒特征数据库的识别处理后反馈回来的病毒种类信息，进而实现对所述待检测病毒样本的病毒识别;

所述多病毒特征数据库添加新病毒的电信号特征模型的方法包括：批量构造所述新病毒的样本病毒分子，得到多个样本病毒分子；

通过固态纳米孔传感器分别测量所述多个样本病毒分子的电信号，以得到每一所述样本病毒分子的特征电信号；

将每一所述样本病毒分子的特征电信号依次发送给AI训练服务器来进行病毒分子特征识别的深度学习训练，以得到所述新病毒的电信号特征模型，并存入所述多病毒特征数据库中。

2.根据权利要求1所述的方法，其特征在于，所述对待检测病毒样本进行电信号的测量，得到待检病毒分子的特征电信号的步骤具体包括：通过固态纳米孔传感器测量所述待检测病毒样本的电信号，以得到所述特征电信号。

3.一种病毒识别的方法，基于云端，其特征在于，所述方法包括以下步骤：构建多病毒特征数据库，所述多病毒特征数据库包括现有多种病毒的电信号特征模型;

在所述多病毒特征数据库中存入新病毒的电信号特征模型;接收客户端发送过来的待检测病毒样本的特征电信号；

基于预设的深度学习病毒分子识别模型，对所述特征电信号进行识别处理，得到所述待检测病毒样本的电信号特征模型；

在多病毒特征数据库内对所述待检测病毒样本的电信号特征模型进行检索比对，得到所述待检测病毒样本的病毒种类信息，并反馈给所述客户端进行显示，以完成所述客户端对所述待检测病毒样本的病毒识别;所述在所述多病毒特征数据库中存入新病毒的电信号特征模型的步骤具体包括：批量构造所述新病毒的样本病毒分子，得到多个样本病毒分子；

通过固态纳米孔传感器分别测量所述多个样本病毒分子的电信号，以得到每一所述样本病毒分子的特征电信号；

将每一所述样本病毒分子的特征电信号依次发送给AI训练服务器来进行病毒分子特征识别的学习训练，以得到所述新病毒的电信号特征模型，并存入所述多病毒特征数据库中。

4.根据权利要求3所述的方法，其特征在于，所述客户端通过固态纳米孔传感器测量所述待检测病毒样本的电信号，以得到所述特征电信号。

5.一种终端，其特征在于，包括：存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1‑4任一项所述的方法的步骤。

6.一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1‑4任一项所述的方法的步骤。

说明书

病毒识别的方法、终端及存储介质

技术领域

[0001] 本发明实施例涉及病毒识别技术领域，尤其涉及一种病毒识别的方法、终端及存储介质。

背景技术

[0002] 当前病毒的检测主要有基因测序检测和核酸试剂检测两种方式。然而，在实际应用过程中，我们发现基因测序检测方式存在检测时间长、检测费用高、不适合爆发性传染病
人群检测等缺陷，而核酸试剂检测方式则存在核酸试剂研制周期较长，核酸检测过程对检
测场所、检测仪器、检测技术人员等有较高要求等缺陷。

发明内容

[0003] 本发明实施例的主要目的在于提出一种病毒识别的方法、终端及存储介质，旨在解决现有的病毒识别实施方案存在的种种不足。

[0004] 为实现上述目的，本发明实施例提供一种病毒识别的方法，基于客户端，所述方法包括以下步骤：对待检测病毒样本进行电信号的测量，得到所述待检测病毒样本的特征电
信号；将所述特征电信号远程发送到云端，以接收并显示所述云端对所述特征电信号进行
基于多病毒特征数据库的识别处理后反馈回来的病毒种类信息，进而实现对所述待检测病
毒样本的病毒识别。

[0005] 可选地，所述对待检测病毒样本进行电信号的测量，得到待检病毒分子的特征电信号的步骤具体包括：通过固态纳米孔传感器测量所述待检测病毒样本的电信号，以得到
所述特征电信号。

[0006] 可选地，所述多病毒特征数据库添加新病毒的电信号特征模型的方法包括：批量构造所述新病毒的样本病毒分子，得到多个样本病毒分子；通过固态纳米孔传感器分别测
量所述多个样本病毒分子的电信号，以得到每一所述样本病毒分子的特征电信号；将每一
所述样本病毒分子的特征电信号依次发送给AI训练服务器来进行病毒分子特征识别的深
度学习训练，以得到所述新病毒的电信号特征模型，并存入所述多病毒特征数据库中。

[0007] 此外，为实现上述目的，本发明实施例还提供一种病毒识别的方法，基于云端，所述方法包括以下步骤：接收客户端发送过来的待检测病毒样本的特征电信号；基于预设的
深度学习病毒分子识别模型，对所述特征电信号进行识别处理，得到所述待检测病毒样本
的电信号特征模型；在多病毒特征数据库内对所述待检测病毒样本的电信号特征模型进行
检索比对，得到所述待检测病毒样本的病毒种类信息，并反馈给所述客户端进行显示，以完
成所述客户端对所述待检测病毒样本的病毒识别。

[0008] 可选地，所述客户端通过固态纳米孔传感器测量所述待检测病毒样本的电信号，以得到所述特征电信号。

[0009] 可选地，所述接收客户端发送过来的待检测病毒样本的特征电信号的步骤之前还包括：构建所述多病毒特征数据库，所述多病毒特征数据库包括现有多种病毒的电信号特
征模型。

[0010] 可选地，所述接收客户端发送过来的待检测病毒样本的特征电信号的步骤之前还包括：在所述多病毒特征数据库中存入新病毒的电信号特征模型。

[0011] 可选地，所述在所述多病毒特征数据库中存入新病毒的电信号特征模型的步骤具体包括：批量构造所述新病毒的样本病毒分子，得到多个样本病毒分子；通过固态纳米孔传
感器分别测量所述多个样本病毒分子的电信号，以得到每一所述样本病毒分子的特征电信
号；将每一所述样本病毒分子的特征电信号依次发送给AI训练服务器来进行病毒分子特征
识别的学习训练，以得到所述新病毒的电信号特征模型，并存入所述多病毒特征数据库中。

[0012] 此外，为实现上述目的，本发明实施例还提出一种终端，所述终端包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所
述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述的方法的步
骤。

[0013] 此外，为实现上述目的，本发明实施例还提出一种存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处
理器执行，以实现上述的方法的步骤。

[0014] 本发明实施例提出的病毒识别的方法、终端及存储介质，其客户端对待检测病毒样本进行病毒识别时，只需先对待检测病毒样本进行电信号的测量，得到待检测病毒样本
的特征电信号后，再将该特征电信号远程发送到云端，云端可基于预设的深度学习病毒分
子识别模型，对该特征电信号进行识别处理，得到该待检测病毒样本的电信号特征模型，并
在多病毒特征数据库内对该待检测病毒样本的电信号特征模型进行检索比对，得到该待检
测病毒样本的病毒种类信息，最后反馈给客户端进行显示，如此便可完成客户端对待检测
病毒样本的病毒识别。整个操作过程，能够简单、快速、无损地对病毒进行定性分析，没有对
环境的特殊要求，以及不需要对待检测病毒样本进行PCR扩增处理，减少了由于对病毒样本
本身进行处理带来的误差。可见，本发明的技术方案，其可有效解决现有的病毒识别实施方
案存在的种种不足。

附图说明

[0015] 图1为本发明实施例一病毒识别的方法的流程图。

[0016] 图2为图1所示病毒识别的方法中多病毒特征数据库添加新病毒的电信号特征模型的具体流程图。

[0017] 图3为本发明实施例二病毒识别的方法的流程图。

[0018] 图4为图3所示病毒识别的方法中多病毒特征数据库存入新病毒的电信号特征模型的具体流程图。

[0019] 图5为本发明实施例三终端的结构框图。

[0020] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0021] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0022] 在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合
地使用。

[0023] 终端可以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒
体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动
终端，以及诸如数字TV、台式计算机等固定终端。

[0024] 后续描述中将以移动终端为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

[0025] 实施例一

[0026] 如图1所示，本发明实施例一提出一种病毒识别的方法，基于客户端，该方法具体包括以下步骤：

[0027] 步骤S110：对待检测病毒样本进行电信号的测量，得到该待检测病毒样本的特征电信号。

[0028] 具体地，病毒分子通过特定孔径的固态纳米孔传感器，会引起传感器电流的改变，电流变化的波形反映的是病毒分子结构特征，可用于对病毒分子的检测，即纳米孔传感器
病毒识别技术能够根据待检测病毒分子形成的电流波形识别病毒。纳米孔传感器的病毒分
子识别技术能够简单、快速、无损地对病毒进行定性分析，没有对环境的特殊要求，以及不
需要对待检测病毒样本进行PCR扩增处理，减少了由于对病毒样本本身进行处理带来的误
差，因此，随着纳米孔传感器等设备的快速发展，越来越多的小型化、智能化的病毒检测设
备进入市场。

[0029] 本发明实施例的病毒识别的方法则是主要基于上述的纳米孔传感器病毒识别技术来实现的，因而，执行本方法步骤“对待检测病毒样本进行电信号的测量，得到该待检测
病毒样本的特征电信号”的具体过程可以是：通过固态纳米孔传感器测量该待检测病毒样
本的电信号，以得到该特征电信号。

[0030] 步骤S120：将该特征电信号远程发送到云端，以接收并显示该云端对该特征电信号进行基于多病毒特征数据库的识别处理后反馈回来的病毒种类信息，进而实现对该待检
测病毒样本的病毒识别。

[0031] 具体地，当通过上述方法步骤得到该待检测病毒样本的特征电信号后，便可将该特征电信号远程发送到云端，以接收并显示该云端对该特征电信号进行基于多病毒特征数
据库的识别处理后反馈回来的病毒种类信息，进而实现对该待检测病毒样本的病毒识别。

[0032] 上述提到的云端对该特征电信号进行基于多病毒特征数据库的识别处理的过程主要包括：基于预设的深度学习病毒分子识别模型，对该特征电信号进行识别处理，得到该
待检测病毒样本的电信号特征模型，并在多病毒特征数据库内对该待检测病毒样本的电信
号特征模型进行检索比对，得到该待检测病毒样本的病毒种类信息。因而，为实现新病毒的
病毒识别，需在云端的多病毒特征数据库添加新病毒的电信号特征模型，如图2所示，其具
体过程如下：

[0033] 步骤S11：批量构造新病毒的样本病毒分子，得到多个样本病毒分子。

[0034] 步骤S12：通过固态纳米孔传感器分别测量多个样本病毒分子的电信号，以得到每一样本病毒分子的特征电信号。

[0035] 步骤S13：将每一样本病毒分子的特征电信号依次发送给AI训练服务器来进行病毒分子特征识别的深度学习训练，以得到新病毒的电信号特征模型，并存入所述多病毒特
征数据库中。

[0036] 这样一来，当爆发新病毒时，便可批量构造新病毒的样本病毒分子，得到多个样本病毒分子后，通过固态纳米孔传感器分别测量多个样本病毒分子的电信号，以得到每一样
本病毒分子的特征电信号。最后，再将每一样本病毒分子的特征电信号依次发送给AI训练
服务器来进行病毒分子特征识别的深度学习训练，以得到新病毒的电信号特征模型，并存
入多病毒特征数据库中。此时，客户端便可通过对待检测病毒样本进行电信号的测量，得到
该待检测病毒样本的特征电信号后，将该特征电信号远程发送到云端，以接收并显示该云
端对该特征电信号进行基于多病毒特征数据库的识别处理后反馈回来的病毒种类信息，进
而实现对该待检测病毒样本的病毒识别，避免基因测序检测方式存在的检测时间长、检测
费用高、不适合爆发性传染病人群检测等缺陷，以及核酸试剂检测方式存在的核酸试剂研
制周期较长，核酸检测过程对检测场所、检测仪器、检测技术人员等有较高要求等缺陷。

[0037] 实施例二

[0038] 如图3所示，本发明实施例还提供一种病毒识别的方法，基于云端，该方法包括以下步骤：

[0039] 步骤S210：构建多病毒特征数据库，该多病毒特征数据库包括现有多种病毒的电信号特征模型。

[0040] 具体地，病毒分子通过特定孔径的固态纳米孔传感器，会引起传感器电流的改变，电流变化的波形反映的是病毒分子结构特征，可用于对病毒分子的检测，即纳米孔传感器
病毒识别技术能够根据待检测病毒分子形成的电流波形识别病毒。AI训练服务器可通过对
这些电流波形进行批量病毒分子特征识别的深度学习训练，来得到某一病毒的电信号特征
模型。

[0041] 本发明实施例的病毒识别的方法则是主要基于上述的纳米孔传感器病毒识别技术来实现的，因而，可通过构建多病毒特征数据库(该多病毒特征数据库包括现有多种病毒
的电信号特征模型)，来实现后续客户端的待检测样本的快速病毒识别。

[0042] 为实现新病毒的病毒识别，需在云端的多病毒特征数据库中存入新病毒的电信号特征模型。如图4所示，其具体过程如下：

[0043] 步骤S21：批量构造新病毒的样本病毒分子，得到多个样本病毒分子。

[0044] 步骤S22：通过固态纳米孔传感器分别测量多个样本病毒分子的电信号，以得到每一样本病毒分子的特征电信号。

[0045] 步骤S23：将每一样本病毒分子的特征电信号依次发送给AI训练服务器来进行病毒分子特征识别的深度学习训练，以得到新病毒的电信号特征模型，并存入所述多病毒特
征数据库中。

[0046] 这样一来，当爆发新病毒时，便可批量构造新病毒的样本病毒分子，得到多个样本病毒分子后，通过固态纳米孔传感器分别测量多个样本病毒分子的电信号，以得到每一样
本病毒分子的特征电信号。最后，再将每一样本病毒分子的特征电信号依次发送给AI训练
服务器来进行病毒分子特征识别的深度学习训练，以得到新病毒的电信号特征模型，并存
入多病毒特征数据库中。

[0047] 步骤S210：接收客户端发送过来的待检测病毒样本的特征电信号。

[0048] 具体地，由上述方法步骤可知，病毒分子通过特定孔径的固态纳米孔传感器，会引起传感器电流的改变，电流变化的波形反映的是病毒分子结构特征，可用于对病毒分子的
检测，因而，客户端通过固态纳米孔传感器测量该待检测病毒样本的电信号，以得到该特征
电信号，并将该特征电信号发送给云端。

[0049] 步骤S220：基于预设的深度学习病毒分子识别模型，对该特征电信号进行识别处理，得到该待检测病毒样本的电信号特征模型。

[0050] 具体地，当通过上述方法步骤接收客户端发送过来的待检测病毒样本的特征电信号后，便可基于预设的深度学习病毒分子识别模型，对该特征电信号进行识别处理，得到该
待检测病毒样本的电信号特征模型。

[0051] 上述预设的深度学习病毒分子识别模型是指在云端的多病毒特征数据库中存入新病毒的电信号特征模型过程中，会批量构造新病毒的样本病毒分子，得到多个样本病毒
分子后，通过固态纳米孔传感器分别测量多个样本病毒分子的电信号，以得到每一样本病
毒分子的特征电信号。最后，再将每一样本病毒分子的特征电信号依次发送给AI训练服务
器来进行病毒分子特征识别的深度学习训练，以得到新病毒的电信号特征模型。在此过程
中，会形成特征电信号与相应的电信号特征模型的对应关系，即可通过对该特征电信号进
行基于预设的深度学习病毒分子识别模型识别处理，得到该待检测病毒样本的电信号特征
模型。

[0052] 步骤S230：在多病毒特征数据库内对该待检测病毒样本的电信号特征模型进行检索比对，得到该待检测病毒样本的病毒种类信息，并反馈给客户端进行显示，以完成客户端
对该待检测病毒样本的病毒识别。

[0053] 具体地，当通过上述方法步骤得到该待检测病毒样本的电信号特征模型后，便可在多病毒特征数据库内对该待检测病毒样本的电信号特征模型进行检索比对，得到该待检
测病毒样本的病毒种类信息，并反馈给客户端进行显示，以完成客户端对该待检测病毒样
本的病毒识别。

[0054] 实施例三

[0055] 如图5所示，本发明实施例三提出一种终端20，该终端20包括存储器21、处理器22、存储在该存储器上并可在该处理器上运行的程序以及用于实现处理器21和存储器22之间
的连接通信的数据总线23，该程序被该处理器执行时，以实现上述实施例一或上述实施例
二中病毒识别的方法的步骤，具体如上所述，此处不再赘述。

[0056] 需要说明的是，本发明实施例的终端20实施例与方法实施例一或方法实施例二属于同一构思，其具体实现过程详细见方法实施例一或方法实施例二，且方法实施例一或方
法实施例二中的技术特征在终端20实施例中均对应适用，这里不再赘述。

[0057] 实施例四

[0058] 本发明实施例四提出一种存储介质，用于计算机可读存储，该存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现上述实施例
一或实施例二中病毒识别的方法的具体步骤。

[0059] 需要说明的是，上述存储介质与方法实施例一或方法实施例二属于同一构思，其具体实现过程详细见方法实施例一或方法实施例二，且方法实施例一或方法实施例二中的
技术特征在存储介质实施例中均对应适用，这里不再赘述。

[0060] 本发明实施例提出的病毒识别的方法、终端及存储介质，其客户端对待检测病毒样本进行病毒识别时，只需先对待检测病毒样本进行电信号的测量，得到待检测病毒样本
的特征电信号后，再将该特征电信号远程发送到云端，云端可基于预设的深度学习病毒分
子识别模型，对该特征电信号进行识别处理，得到该待检测病毒样本的电信号特征模型，并
在多病毒特征数据库内对该待检测病毒样本的电信号特征模型进行检索比对，得到该待检
测病毒样本的病毒种类信息，最后反馈给客户端进行显示，如此便可完成客户端对待检测
病毒样本的病毒识别。整个操作过程，能够简单、快速、无损地对病毒进行定性分析，没有对
环境的特殊要求，以及不需要对待检测病毒样本进行PCR扩增处理，减少了由于对病毒样本
本身进行处理带来的误差。可见，本发明的技术方案，其可有效解决现有的病毒识别实施方
案存在的种种不足。

[0061] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有
的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该
要素的过程、方法、物品或者装置中还存在另外的相同要素。

[0062] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0063] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下
前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做
出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质
(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服
务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

[0064] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技
术领域，均同理包括在本发明的专利保护范围内。