免疫分析仪质控系统设计与实现

摘要摘要：免疫分析仪是临床免疫检验学不可或缺的检测设备，实时监控免疫分析仪使用状态对提高产品质量非常重要。免疫分析仪作

>> 智能分析仪显示系统的分析与实现 血细胞分析仪的校准及质控 多台血细胞分析仪室内质控方法 基于MSP430的FM音频频谱分析仪设计与实现 简易数字信号传输性能分析仪的设计与实现 基于FPGA的频谱分析仪的设计与实现 基于ARM和DDS的频谱分析仪的设计与实现 基于Android的电解质分析仪设计与实现 基于物联网的低功耗分析仪设计与实现 USB2．0虚拟逻辑分析仪的设计与实现 新一代矢量网络分析仪系统软件分析与设计 LAD负载分析仪中央控制系统分析与设计 病案质控系统的分析与设计 频谱分析仪自动校准系统设计 Z分数质控图在血气分析仪室内质控中的应用 基于VC++和SQL Server的频谱分析仪检定/校准系统设计及实现 丰汇FH-400全自动生化分析仪质控分析 UF-50尿沉渣分析仪的室内质控方法 用血液分析仪做好血小板室内质控的方法探讨 基于STM32的信号时域和频域分析仪的设计和实现 常见问题解答 当前所在位置：l中加载。

3.3系统流程设计

系统分为登陆模块、功能导航模块、仪器注册功能模块、log查询模块、样本查询模块、质控查询模块、校准查询模块、试剂用量统计、错误统计、质控统计、校准统计等。

使用用户名密码登陆系统，登陆后展现给用户的是功能导航模块。根据功能导航链接，分别进入不同的功能模块。比如点击进入仪器注册模块，填写仪器注册信息，可对注册的信息进行查询、修改、删除。又比如，点击进入校准统计模块，输入时间、项目批号、machine id ，点击查询，即可展现该机器的校准结果随时间的分布图。

其它模块工作流程基本类似。

3.4数据库设计

Mysql总共设计了7张表用来存储基础数据。Machine 表用于记录装机信息；log表用于存放客户端发送来的qualityLog.txt数据；sample表用于存放qualitiSample.txt数据；Calibration表用于存放QualityCailibration.txt数据；qualitycontrol表用于存放QualityCailibration.txt数据；User表用于存放系统用户信息（见表1）。

MongoDB 旨在为Web应用提供可扩展的高性能数据存储解决方案[6]。MongoDB 将数据存储为一个文档，数据结构由键值（keyvalue）对组成。MongoDB 文档类似于 JSON 对象。字段值可以包含其它文档、数组及文档数组。Mongo支持丰富的查询表达式。查询指令使用JSON形式标记，可轻易查询文档中内嵌的对象及数组。

MongoDB总共设计4张表：①LogStatistic StatusAction 对日志信息做预处理，通过正则匹配从日志中提取用量、错误代码；②ErrorCodeStatisticCount用于存储统计出来的错误信息；③MachineStatisticCount 用于统计机器使用时间、区域；④MachineUsageCount统计机器用户量、成功率和失败率（见表2）。

3.5系统实现

软件的运行结果：进入项目统计界面，输入测试机器的机器名：测试机，机器的ID号：23，测试的项目：PCT，点击Count， 图2为23号机器PCT项目本周内的使用量分布。

校准统计。进入校准统计界面，输入统计的起始截至时间，输入统计的试剂批号，点击chart即可得到结果。图3展现了所有注册机器的001306151521（PCT）校式峁分布。

4结语

本文从需求分析、业务流程、数据设计、核心技术等方面，对免疫分析仪质控系统作了详细的分析和研究。该系统可以分析客户行为、辅助制定营销策略，查找设计缺陷和质量问题。但系统功能还不够完善，还有很多有价值的信息没有挖掘出来，后期会继续开展相关研究。

参考文献参考文献：

[1]任凯， 邓武， 俞琰. 基于大数据技术的网络日志分析系统研究[J]. 现代电子技术， 2016（2）：3941.

[2]YOON J， JUNG D W， KANG C H， et al. Forensic investigation framework for the document store NoSQL DBMS： MongoDB as a case study[J]. Digital Investigation，2016（6）：122125.

[3]任乐乐. 基于AngularJS框架的送签系统设计和实现 [D]： 上海：东华大学，2016.

[4]张之宣. 云计算环境下实时日志分析系统的设计与实现 [D].杭州：浙江大学，2016.

[5]FREEMAN A. Your first angularjs App： apress[EB/OL]. .

[6]MIRANSKYY A， HAMOULHADJ A， CIALINI E， et al. Operationallog analysis for big data systems： challenges and solutions[J]. IEEE Software. 2016，33（2）：151156.