tp5.1保存数据库方法

tp5.1保存数据库方法,第1张

在TP51中,保存数据库有以下方法。

1、使用模型(Model)保存数据库。

2、在应用的application目录下,建立一个model目录。

3、在model目录下,新建一个Userphp文件。

4、在控制器(Controller)中,调用模型的save方法保存数据。

using System;

using SystemData;

using SystemConfiguration;

using SystemWeb;

using SystemWebSecurity;

using SystemWebUI;

using SystemWebUIWebControls;

using SystemWebUIWebControlsWebParts;

using SystemWebUIHtmlControls;

using SystemDrawingDrawing2D;

using SystemDrawingImaging;

using SystemDrawing;

using SystemIO;

///// <summary>

/// DrawClass 的摘要说明

/// </summary>

public class DrawClass

{

public DrawClass()

{

//

// TODO: 在此处添加构造函数逻辑

//

}

public MemoryStream draw(DataSet ds, int Tnum)

{

//取得记录数量

int count = dsTables[0]RowsCount;

//记算图表宽度

int wd = 80 + 20 (count - 1);

//设置最小宽度为800

if (wd < 800) wd = 800;

//生成Bitmap对像

Bitmap img = new Bitmap(wd, 400);

//生成绘图对像

Graphics g = GraphicsFromImage(img);

//定义黑色画笔

Pen Bp = new Pen(ColorBlack);

//定义红色画笔

Pen Rp = new Pen(ColorRed);

//定义银灰色画笔

Pen Sp = new Pen(ColorSilver);

//定义大标题字体

Font Bfont = new Font("Arial", 12, FontStyleBold);

//定义一般字体

Font font = new Font("Arial", 6);

//定义大点的字体

Font Tfont = new Font("Arial", 9);

//绘制底色

gDrawRectangle(new Pen(ColorWhite, 400), 0, 0, imgWidth, imgHeight);

//定义黑色过渡型笔刷

LinearGradientBrush brush = new LinearGradientBrush(new Rectangle(0, 0, imgWidth, imgHeight), ColorBlack, ColorBlack, 12F, true);

//定义蓝色过渡型笔刷

LinearGradientBrush Bluebrush = new LinearGradientBrush(new Rectangle(0, 0, imgWidth, imgHeight), ColorBlue, ColorBlue, 12F, true);

//绘制大标题

gDrawString(dsTables[0]Rows[0]["sendid"]ToString() + "号订单发送情况曲线图", Bfont, brush, 40, 5);

//取得当前发送量

int nums = 0;

for (int i = 0; i < count; i++)

{

nums += ConvertToInt32(dsTables[0]Rows[i]["sendmum"]);

}

//绘制信息简报

string info = "订单发送时间:" + dsTables[0]Rows[0]["sendtime"]ToString() + " 曲线图生成时间:" + DateTimeNowToString() + " 订单总量:" + TnumToString() + " 当前发送总量:" + numsToString();

gDrawString(info, Tfont, Bluebrush, 40, 25);

//绘制边框

gDrawRectangle(Bp, 0, 0, imgWidth - 1, imgHeight - 1);

//绘制竖坐标线

for (int i = 0; i < count; i++)

{

gDrawLine(Sp, 40 + 20 i, 60, 40 + 20 i, 360);

}

//绘制时间轴坐标标签

for (int i = 0; i < count; i += 2)

{

string st = ConvertToDateTime(dsTables[0]Rows[i]["sendtime"])ToString("hh:mm");

gDrawString(st, font, brush, 30 + 20 i, 370);

}

//绘制横坐标线

for (int i = 0; i < 10; i++)

{

gDrawLine(Sp, 40, 60 + 30 i, 40 + 20 (count - 1), 60 + 30 i);

int s = 2500 - 50 i 5;

//绘制发送量轴坐标标签

gDrawString(sToString(), font, brush, 10, 60 + 30 i);

}

//绘制竖坐标轴

gDrawLine(Bp, 40, 55, 40, 360);

//绘制横坐标轴

gDrawLine(Bp, 40, 360, 45 + 20 (count - 1), 360);

//定义曲线转折点

Point[] p = new Point[count];

for (int i = 0; i < count; i++)

{

p[i]X = 40 + 20 i;

p[i]Y = 360 - ConvertToInt32(dsTables[0]Rows[i]["sendmum"]) / 5 3 / 5;

}

//绘制发送曲线

gDrawLines(Rp, p);

for (int i = 0; i < count; i++)

{

//绘制发送记录点的发送量

gDrawString(dsTables[0]Rows[i]["sendmum"]ToString(), font, Bluebrush, p[i]X, p[i]Y - 10);

//绘制发送记录点

gDrawRectangle(Rp, p[i]X - 1, p[i]Y - 1, 2, 2);

}

//绘制竖坐标标题

gDrawString("发送量", Tfont, brush, 5, 40);

//绘制横坐标标题

gDrawString("发送时间", Tfont, brush, 40, 385);

//保存绘制的

MemoryStream stream = new MemoryStream();

imgSave(stream, ImageFormatJpeg);

return stream;

}

}

然后在页面文件中调用输出

DrawClass dc = new DrawClass();

OracleConnection conn = new OracleConnection(con);

string sql = "select from atest";

OracleDataAdapter da = new OracleDataAdapter(sql, conn);

DataSet ds = new DataSet();

daFill(ds, "atest");

MemoryStream ss=dcdraw(ds, 6);

ResponseContentType = "image/jpeg";

ResponseBinaryWrite(ssToArray());

输出到page页面中也有另外一种方式

FileStream fs = new FileStream(@"c:Curvejpg", FileModeOpen, FileAccessRead);

byte[] mydata = new byte[fsLength];

int Length = ConvertToInt32(fsLength);

fsRead(mydata, 0, Length);

fsClose();

thisResponseOutputStreamWrite(mydata, 0, Length);

thisResponseEnd();

可以的,根据资料查询到,荧光免疫层析法上传很简单,也很方便,非常实用的,希望我的回答能够让你满意

背景技术:

2基于荧光免疫层析法的荧光分析技术依靠免疫试剂内标记的抗体或抗原与被测物的特异性结合,以硝酸纤维素膜作为载体,对被测物中的蛋白、小分子等物质进行检测,该技术即可以对血液、尿液、唾液、毛发和粪便等被测物中的抗原、抗体、小分子物质等生物标记物进行可靠的定量测试,也可以对被测物中的生物标记物进行高灵敏度的定性筛查。检测结果和筛查结果的确定过程,通常需要借助免疫荧光曲线进行分析。

3由于传统的荧光仪器不能判断免疫荧光曲线的有效性,更没有分析数据、对数据进行标识的能力,这些导致用户难以得到及时、正确的检测结果。基于上述问题,如何对基于荧光免疫层析法的荧光曲线进行曲线特征提取、识别、判读,从而保证检测结果的可靠性,成为亟待解决的技术问题。

技术实现要素:

4本发明的目的在于提供一种基于荧光免疫层析法的荧光曲线的检测方法与装置,以提高免疫荧光层析检测结果的判读准确性,同时提高检测效率。

5第一方面,本发明实施例提供了一种基于荧光免疫层析法的荧光曲线的检测方法,该方法包括:获取初步检测结果,其中,初步检测结果包括荧光曲线以及荧光曲线的配套信息;根据预设的规则及数据库,对荧光曲线进行有效性判断,得到判断结果;根据判断结果确定标识信息,将标识信息与荧光曲线关联保存至数据库;其中,该数据库用于训练用于进行荧光曲线有效性判断及标识信息的确定的模型。

6进一步地,上述将标识信息与荧光曲线关联保存至数据库的步骤,包括:若判断结果指示荧光曲线为有效数据,将判断结果、荧光曲线的id信息、备注信息作为第一标识信息,将第一标识信息与荧光曲线关联保存至数据库。

7进一步地,上述根据判断结果确定标识信息,将标识信息与荧光曲线关联保存至数据库的步骤,还包括:若判断结果指示荧光曲线为无效数据,则判断荧光曲线的无效原因,并对无效原因进行归类、分析,得到无效原因归类和规范 *** 作建议;将无效原因、无效原因归类和规范 *** 作建议与荧光曲线关联保存至数据库。

8进一步地,上述方法还包括:获取在指定时间对初步检测结果的人工复检检测结果,若人工复检检测结果指示初步检测结果不正确,将人工复检检测结果作为更新后的初步检测结果。

9进一步地,上述方法还包括:获取在指定时间对判断结果的人工复检判断结果,若人工复检判断结果指示判断结果不正确,将人工复检检测结果作为更新后的判断结果;根据更新后的判断结果确定标识信息,将标识信息与荧光曲线关联保存至数据库。

10进一步地,上述方法还包括:若根据预设的规则及数据库无法获取判断结果,则获取人工判断结果。

11进一步地,上述根据预设的规则及数据库,对荧光曲线进行有效性判断,得到判断结果的步骤,包括:对荧光曲线进行光滑处理以及归一化处理,得到曲线处理结果;通过峰值判别法,对曲线处理结果进行波峰判别,得到曲线波峰;通过异构征检验规则、机器自学习算法,结合数据库,对曲线处理结果和曲线波峰进行有效性检验,得到判断结果。

12进一步地,上述方法还包括:通过数据库,根据客户需求生成指定形式的报表。

13第二方面,本发明实施例还提供一种基于荧光免疫层析法的荧光曲线的检测装置,该装置包括:数据获取模块,用于:获取初步检测结果,其中,初步检测结果包括荧光曲线以及荧光曲线的配套信息;判断模块,用于:根据预设的规则及数据库,对荧光曲线进行有效性判断,得到判断结果;数据库完善模块,用于:根据判断结果确定标识信息,将标识信息与荧光曲线关联保存至数据库;其中,数据库用于训练用于进行荧光曲线有效性判断及标识信息的确定的模型。

14进一步地,上述数据库完善模块,还用于:若判断结果指示荧光曲线为有效数据,将判断结果、荧光曲线的id信息、备注信息作为第一标识信息,将第一标识信息与荧光曲线关联保存至数据库。

15本发明实施例带来了以下有益效果:

16本发明提供了一种基于荧光免疫层析法的荧光曲线的检测方法与装置,该方法涉及荧光数据检测的技术领域,该方法包括:获取初步检测结果,其中,初步检测结果包括荧光曲线以及荧光曲线的配套信息;根据预设的规则及数据库,对荧光曲线进行有效性判断,得到判断结果;根据判断结果确定标识信息,将标识信息与荧光曲线关联保存至数据库;其中,数据库用于训练用于进行荧光曲线有效性判断及标识信息的确定的模型。本发明能够通过实时更新的数据库与特定的检验算法,自动区分荧光曲线的有效性、自动对荧光曲线进行分析,进而提高对荧光曲线的检测效率与检测精度。

17本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。

18为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。

附图说明

19为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

20图1为本发明实施例提供的一种基于荧光免疫层析法的荧光曲线的检测方法流程图;

21图2为本发明实施例提供的试纸卡扫描的荧光曲线的示意图;

22图3为本发明实施例提供的另一种基于荧光免疫层析法的荧光曲线的检测方法流程图;

23图4为本发明实施例提供的一种基于荧光免疫层析法的荧光曲线的检测装置的示意图;

24图5为本发明实施例提供的一种基于自建数据库的基于荧光免疫层析法的荧光检测结果进行分析的方法流程图。

具体实施方式

25为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

26因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

27传统的荧光仪器,基本不具有区分有效、无效数据的能力,更没有分析无效数据成因的能力,所以其判读结果只有在测试数据有效的情况下才会准确。无效曲线数据会使仪器判读结果失真,让用户难以得到及时、正确的反馈,严重影响用户的使用体验。目前上传的检测数据结果,无法清晰地体现真实检测情况。本发明通过“清洗”数据的过程即曲线特征提取、识别、判读,对荧光曲线进行自动化的ai检测,该技术将显著提高售后服务效率,极大限度节约售后成本。

28实施例一

29为便于对本实施例进行理解,首先对本发明实施例所公开的一种基于荧光免疫层析法的荧光曲线的检测方法进行详细介绍,如图1所示。

30步骤s102,获取初步检测结果,其中,初步检测结果包括荧光曲线以及荧光曲线的配套信息。

31在具体实现时,上述初步检测结果是人工得到的或者通过数据库ai自动识别到的。该数据库中的数据越多,初步检测结果的准确性越高,该数据库通过巨大的数据量,提高ai曲线判读识别精度、提高检测结果输出的精度和效率。上述初步检测结果是从云平台下载导出或者通过api(application programming interface,应用程序接口)接口等方式获取的。上述初步检测结果中包含有荧光曲线数据和检测时间、检测机器型号、被测人信息等荧光曲线的配套信息,本发明主要是对荧光曲线的有效性、错误(无效)原因进行检测,其中图2为试纸卡扫描的荧光曲线的示意图,横坐标为荧光点的荧光值,单位是个;纵坐标反映荧光值的相对大小,纵坐标的数值由荧光机器自动读出。其中,荧光曲线的配套信息包括但不限于:测试项目(抗原、抗体、蛋白、小分子等生物标记物)、测试样品(血液、尿液、唾液、毛发、粪便等生物样本)、测试时间、生成该条测试数据的仪器序列号、仪器投放地点、试剂批次号、阴性阳性结果等。

32步骤s104,根据预设的规则及数据库,对荧光曲线进行有效性判断,得到判断结果。

33在具体实现时,上述预设的规则包括n项异构检验方法、欧式距离匹配法、卷积神

经网络算法、knn(k

nearest neighbors,最邻近)算法,bp(back propagation,反向传播)神经网络算法,svm(support vector machines,支持向量机)算法等,且上述规则、算法可根据用户需求实时更新或变化。上述数据库是实时更新的,通过数据库中海量的资源,提高判断结果的精度。

34步骤s106,根据判断结果确定标识信息,将标识信息与荧光曲线关联保存至数据库;其中,该数据库用于训练用于进行荧光曲线有效性判断及标识信息的确定的模型。

35在具体实现时,上述判断结果包括“有效”和“无效”两种,若判断结果是“有效”,则将“有效”作为标识信息,然后将该标识信息与荧光曲线关联,保存至数据库。若判断结果是“无效”,则通过数据库和预设的规则对荧光曲线进行分析,将分析结果作为标识信息,然后将该标识信息与荧光曲线关联,保存至数据库。该数据库用于训练用于进行荧光曲线有效性判断及标识信息的确定的模型,通过数据量的优势,帮助提高ai曲线判读识别精度、提高检测结果输出的精度和效率。数据库中的数据作为机器学习样例集,通过不断增加数据量,提高ai识别精度。

36本发明实施例提供了一种基于荧光免疫层析法的荧光曲线的检测方法,该方法包括:获取初步检测结果,其中,初步检测结果包括荧光曲线以及荧光曲线的配套信息;根据预设的规则及数据库,对荧光曲线进行有效性判断,得到判断结果;根据判断结果确定标识信息,将标识信息与荧光曲线关联保存至数据库;其中,数据库用于训练用于进行荧光曲线有效性判断及标识信息的确定的模型。本发明能够通过实时更新的数据库与特定的检验算法,自动区分荧光曲线的有效性、自动对荧光曲线进行分析,进而提高对荧光曲线的检测效率与检测精度。

37实施例二

38为便于对本实施例进行理解,对本发明实施例所公开的另一种基于荧光免疫层析法的荧光曲线的检测方法进行详细介绍,如图3所示。

39步骤s302,获取初步检测结果,其中,初步检测结果包括荧光曲线以及荧光曲线的配套信息。

40步骤s304,根据预设的规则及数据库,对荧光曲线进行有效性判断,得到判断结果。

41在具体实现时,首先,对荧光曲线进行光滑处理以及归一化处理,得到曲线处理结果;然后,通过峰值判别法,对曲线处理结果进行波峰判别,得到曲线波峰;最后通过异构征检验规则、机器自学习算法,结合数据库,对曲线处理结果和曲线波峰进行ai自动处理,即有效性检验,得到判断结果。

42具体地,上述异构征检验规则的具体的判别指标包括以下内容:

43首先,设定1n的判别矩阵reason,每个数字为1或0,分别代表n项异构特征的通过与否。

441)检验荧光曲线是否过小。曲线荧光值原始数据中,若小于某临界值的值达到一定比例,则该项不通过。一般出现[50

100%]以上的点的荧光值小于预设的临界值x(x一般在区间[0,200000]内)时,该项不通过。

[0045]

2)检验是否具有有效特征峰。在t线或c线预设的区域至少有一个有效峰,否则该项不通过。

[0046]

3)检验是否选择了错误的测试项目。根据输入的原始数据中的项目号以及曲线特征结合判别。例如误将单测选成双测项目时,若未选择项目或选择了空项目,则该项不通过。

[0047]

4)检验是否有质控线。根据输入的测试记录和曲线特征结合判别。若测试记录中的“c值”小于某临界值,且曲线特征中未识别到c线的峰,则该项不通过。

[0048]

5)检验曲线左端非峰区域是否翘起。若出现鼓包或翘起,则该项不通过。

[0049]

6)检验曲线左一峰与右一峰之间的值是否过高。若波谷过高则该项不通过。

[0050]

7)检验曲线右端非峰区域是否翘起。若出现鼓

您好,数据库v179保存方法有:1堆。数据按照向后插入的方法,一直堆积在文件末尾;2索引组织,一般索引组织表使用B+作为构造方法。我们常见的MySQL Cluster等都是索引组织表、MyISAM为堆表,MongoDB的组织结构为堆。

以上就是关于tp5.1保存数据库方法全部的内容,包括:tp5.1保存数据库方法、在vb中,怎么实现读取SQL2005中的数据,把它绘出曲线图呢、荧光免疫层析法怎么上传等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/sjk/9535467.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-04-29
下一篇 2023-04-29

发表评论

登录后才能评论

评论列表(0条)

保存