CN111126851A

CN111126851A - 质控方法、系统、服务器及存储介质

Info

Publication number: CN111126851A
Application number: CN201911358227.2A
Authority: CN
Inventors: 徐国祥; 王鼎; 徐建新; 尚勇; 王东旭; 许海超; 杨晶; 余军
Original assignee: Shanghai Aopu Biomedical Co Ltd
Current assignee: Shanghai Aopu Biomedical Co Ltd
Priority date: 2019-12-25
Filing date: 2019-12-25
Publication date: 2020-05-08

Abstract

本公开涉及一种质控方法、系统、服务器及存储介质。所述方法包括：获取各质控品的标识信息，以及检测完成后的质控检测数据，通过无线/有线网络传输的方式获得，并传输到云端服务器；根据所述标识信息，云端服务器对所述质控检测数据按照预设规则进行归纳分析；若所述质控检测数据异常，则将所述质控检测数据对应的质控特征数据输入对应的神经网络，经所述神经网络处理后输出导致所述质控异常的原因数据和/或解决方案数据。利用本公开各实施例，可以实现自动判定质控数据、数据传输、质控异常原因的自动分析和相应解决方案的自动推送，进而提高质控检测的效率和质控结果的可靠性。

Description

质控方法、系统、服务器及存储介质

技术领域

本公开涉及质控技术领域，尤其涉及一种质控方法、系统、服务器及存储介质。

背景技术

随着科技水平的不断提高，很多医院、医学实验室已经实现了质量控制的自动化流水线作业。但是对于自动化质控中出现的质控异常结果，现有技术判断异常结果的具体情况的难度较大，具体的，现有的自动化质控的质控异常分析需要耗费较多的人力、时间成本，来确定质控检测数据的可靠性。这样就导致质控的效率较低，对于质控异常结果的分析处理过程复杂繁琐。

发明内容

本公开提出了一种质控方法、系统、服务器及存储介质，以实现质控异常原因的自动分析和相应解决方案的自动推送，进而提高质控的效率和质控检测的可靠性。

根据本公开的一方面，提供了一种质控方法，所述方法应用于医用品质控，所述方法包括：

获取各质控品的标识信息和质控检测数据；

根据所述标识信息，对所述质控检测数据按照预设规则进行归纳分析；

若经所述归纳分析确定所述质控检测数据异常，则将所述质控检测数据对应的质控特征数据输入对应的神经网络，经所述神经网络处理后输出导致所述质控检测数据异常的原因数据和/或针对所述质控异常的解决方案数据。

在一种可能的实现方式中，所述对所述质控检测数据按照预设规则进行归纳分析包括：

根据各质控品的标识信息，按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息；

根据所述数据汇总信息，确定所述质控检测数据异常或正常。

在一种可能的实现方式中，所述按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息包括：

按照westgard规则对所述质控检测数据进行归纳处理，生成所述质控检测数据对应的L-J质控区线；

和/或，按照6-Sigma规则对所述质控检测数据进行归纳处理，生成所述质控检测数据对应的6-Sigma质控图。

在一种可能的实现方式中，所述质控特征数据包括传感器数据、软件相关数据、检测仪器相关数据、消耗品相关数据、运输环境数据、质控品特征数据中的任意一种或多种。

在一种可能的实现方式中，所述传感器数据包括以下任意一种或多种：

机械臂光耦数据、压力传感器数据、试剂仓温度传感器数据、反应盘温度传感器数据、纯水状态比色杯状态数据、液位感应传感器数据、上样到位传感器数据、拨片识别样本类型传感器数据。

在一种可能的实现方式中，所述检测仪器相关数据包括历史装机数据、历史维修数据、历史保养数据中的任意一种或多种。

在一种可能的实现方式中，所述消耗品相关数据包括消耗品的寿命数据、性能数据，所述消耗品包括卤素灯，对应的，所述卤素灯的性能数据至少包括AD值数据。

在一种可能的实现方式中，所述质控品特征数据包括所述质控品的批次数据、定标数据、AD值数据中的任意一种或多种。

在一种可能的实现方式中，所述方法还包括：向用户提供所述预定形式的数据汇总信息。

在一种可能的实现方式中，所述获取各质控品的标识信息和质控检测数据包括：

通过读取所述各质控品的预置标识码，获取所述标识信息和所述质控检测数据，所述预置标识码包括二维码、条形码、电子标签中的任意一种或多种。

本公开另一方面，提供了一种质控系统，所述系统应用于医用品质控，包括：

质控检测设备，用于获取各质控品的标识信息，以及用于对各质控品进行质控检测，得到各质控品的质控检测数据；

云服务器，被配置为获取各质控品的标识信息和质控检测数据；根据所述标识信息，对所述质控检测数据按照预设规则进行归纳分析；若经所述归纳分析确定所述质控检测数据异常，则将所述质控检测数据对应的质控特征数据输入对应的神经网络，经所述神经网络处理后输出导致所述质控检测数据异常的原因数据和/或针对所述质控异常的解决方案数据。

在一种可能的实现方式中，所述云服务器，进一步被配置为：根据各质控品的标识信息，按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息；根据所述数据汇总信息，确定所述质控检测数据异常或正常。

在一种可能的实现方式中，所述云服务器还包括存储单元，用于存储所述数据汇总信息，对应的，所述云服务器还被配置为：向用户提供所述预定形式的数据汇总信息。

在一种可能的实现方式中，所述质控检测设备通过读取各质控品的预置标识码获取各质控品的标识信息，所述预置标识码预置在所述质控品的容器上，所述标识信息包含检测项目信息、批号信息、质控靶值信息、质控偏差值信息。

本公开另一方面，提供了一种服务器，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现上述方法

本公开另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

根据本公开的各方面提供的各种实施方式，可以通过对各质控品的质控检测数据的归纳分析，判断质控检测数据的正常和异常。另外，当出现质控异常时，可以通过神经网络对质控异常相关的多维度的特征数据分析处理，得出质控异常的原因，以及给出相应的解决方案，一方面不需要人工参与，可以提供质控工作的效率，另一方面可以更明确地确定质控检测数据异常的原因是质控品本身的原因还是软件、硬件、环境等多维度的外部条件导致的质控异常，从而可以有效提高质控的可靠性，也便于后续针对性地解决问题。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出本公开一种实施例提供的一种质控方法的流程示意图。

图2示出本公开一种实施例提供的一种质控系统的模块结构示意图。

图3示出本公开一种实施例提供的一种质控系统的数据流程示意图。

图4示出本公开一种实施例提供的所述数据汇总信息的一种形式的示意图。

图5是根据一示例性实施例示出的一种服务器1900的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/“，表示前后关联对象是一种“或”的关系。

本公开实施例中出现的“多个”是指两个或两个以上。本公开实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本公开实施例的任何限制。

本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，以实现设备间的通信，本申请实施例对此不做任何限定。

本申请实施例中出现的“网络”与“系统”表达的是同一概念，通信系统即为通信网络。本公开实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，例如通过通信接口连接不同设备，不做任何限定。

图1示出本公开一种实施例提供的一种质控方法的流程示意图。所述方法可以应用于各种场景中的各种质控项目，所述方法可以应用于医用品质控，比如可以应用于医院、医学实验室等的室内质控，也可以应用于室间质评，具体的，如图1所示，所述方法可以包括：

S110：获取各质控品的标识信息和质控检测数据。

其中，所述质控品可以包括医用品，可以包括医学实验室医用品、医院医用品等任意需要质控检测的药物样品、产品等，比如CRP(C-反应蛋白)、HbA1c(糖化血红蛋白)、SAA(血清淀粉样蛋白A)、PCT(降钙素原)等。当然，上述举例只是示例性的，对于质控品及医用品的具体种类，本公开不作限定。

其中，所述标识信息可以包括检测项目信息、质控品特征信息等，所述检测项目信息可以包括质控品相应的有效成分含量等，所述质控品特征信息可以包括质控品的批次信息、定标、AD值(分光光度计探测到的光强经过模数转换器输出的数字量，用于表征光强)、质控靶值等。

其中，所述质控检测数据可以是质控品的质量参数的实际数值、偏差值等。

本公开一种实施例中，所述获取各质控品的标识信息和质控检测数据可以包括：

具体的，本公开一种实施例中，所述质控品的标识信息可以包含于所述质控品的预置标识码中，所述预置标识码可以设置在质控品的容器上，比如质控品的试管外壁。所述预置标识码可以是二维码、条形码、电子标签等。质控检测设备可以通过扫描或阅读所述预置标识码，获取到所述质控品的标识信息(如检测项目、批号、靶值、偏差值等信息)。

S120：根据所述标识信息，对所述质控检测数据按照预设规则进行归纳分析。

其中，所述归纳分析可以是对质控品的质控参数进行图像分析，也可以是其他类型的计算分析，比如计算相关质控参数的均值、方差等特征值。其中，所述质控检测数据可能是正常(在控)也可能是异常(失控)，具体的，如果质控参数不满足预设条件时，则确定质控检测数据异常。所述预设条件可以以实际的质量控制需求确定，比如可以是数值范围条件等，本公开对此不作限定。

在本公开一种实施例中，所述对所述质控检测数据按照预设规则进行归纳分析，得到质控结果可以包括：

图4示出本公开一种实施例提供的所述数据汇总信息的一种形式的示意图。如图4所示，所述数据汇总信息可以是按照westgard规则生成的L-J质控曲线，根据图4，如果有一个质控点的SD值大于2SD或小于-2SD，则可以确定所述质控检测数据异常，或者，如果连续多个质控点的SD值均在大于0SD或均在小于0SD的一侧，则可以确定所述质控检测数据异常。

在本公开其他实施例中，所述数据汇总信息还可以按照其他规则比如6-sigma规则生成的图表。具体的，所述质控检测数据正常还是异常的判定标准，也可以由实施人员根据实际的质控要求自行确定，本公开对此不作限定。

S130：若经所述归纳分析确定所述质控检测数据异常，则将所述质控检测数据对应的质控特征数据输入对应的神经网络，经所述神经网络处理后输出导致所述质控检测数据的原因数据和/或针对所述质控异常的解决方案数据。

其中，所述质控特征数据可以包括传感器数据、软件相关数据、检测仪器相关数据、消耗品相关数据、运输环境数据、质控品特征数据中的任意一种或多种。采用本例中所提供的作为质控检测数据异常原因的分析依据的数据，即所述传感器数据、软件相关数据、检测仪器相关数据、消耗品相关数据、运输环境数据、质控品特征数据等，是包括了硬件(机械、电子、光学)、软件、环境、生物化学(质控品、试剂)等不同方面不同角度的可能影响质控品的质控检测数据的内部外部影响因素，尤其是针对医用品的特点以及医用品质控检测所特有的特点，采用上述的多维度影响因素数据作为分析依据，可以保证分析依据更加全面，从而可以有效地提高质控检测数据异常的原因分析的准确度和可靠性，进而也可以提高针对所述原因的解决方案的可靠性。通过人工智能技术、大数据技术。利用人工智能技术、大数据技术进行数据建模，分析出的个体特征具有机器自学习特性、更有利于利用人工智能技术在质控检测的方法、质控失控后的异常原因分析和解决方案进行大规模推广应用，减少医生的劳动强度、提升医生的处理效率以及质控数据的精准性，服务于广大群众的健康需求。

其中，所述原因数据和解决方案数据可以是文字信息，也可以是相应的代码信息。

其中，所述神经网络是预先训练好的神经网络，可以采用不同的神经网络构架。所述质控特征数据可以经过相应的数据预处理后，作为所述神经网络的输入数据，具体的，所述质控特征数据可以包括传感器数据、软件相关数据、检测仪器相关数据、消耗品相关数据、运输环境数据、质控品特征数据中的任意一种或多种。当然，在本公开其他实施例中，所述质控特征数据还可以包括除上述数据之外的其他特征数据，均可以作为所述神经网络的输入数据。

其中，所述传感器数据可以是检测仪器质控检测过程中用到的各种传感器相应检测到的数据，比如液位感应传感器数据是液位感应传感器检测到的液位，压力传感器数据是压力传感器检测到的压力数据，具体的，本公开一种实施例中，所述传感器数据可以包括以下任意一种或多种：

机械臂光耦数据、压力传感器数据、试剂仓温度传感器数据、反应盘温度传感器数据、纯水状态比色杯状态数据、液位感应传感器数据、上样到位传感器数据、拨片识别样本类型传感器数据。当然，本公开其他实施例中，还可以包括除上述数据之外的其他的传感器数据。

本公开一种实施例中，所述检测仪器相关数据包括历史装机数据、历史维修数据、历史保养数据中的任意一种或多种。在仪器出现过某种故障被记录的情况下，会导致出现质控异常的概率增加。因此，所述检测仪器或检测设备的相关数据也是导致质控异常的原因。当然，本公开其他实施例中，还可以包括除上述数据之外的其他的仪器相关数据。

本公开一种实施例中，所述消耗品相关数据包括消耗品的寿命数据、性能数据，所述消耗品包括卤素灯，对应的，所述卤素灯的性能数据至少可以包括AD值。

本公开一种实施例中，所述质控品特征数据可以包括所述质控品的批次数据、定标数据、AD值数据中的任意一种或多种。

本公开一种实施例中，所述方法还可以包括：向用户提供所述预定形式的数据汇总信息。具体的，可以以邮件等方式将所述数据汇总信息对应的图形、图表等发送给用户，也可以由用户通过下载等方式自行获取。

基于上述各实施例所述的方法，本公开还提供一种质控系统。图2示出本公开一种实施例提供的一种质控系统的模块结构示意图。所述系统可以应用于各种场景中的各种质控项目，所述系统可以应用于医用品质控，比如可以应用于医院、医学实验室等的室内质控，也可以应用于室间质评。具体的，如图2所示，所述系统可以包括：

质控检测设备100，可以用于获取各质控品的标识信息，以及可以用于对各质控品进行质控检测，得到各质控品的质控检测数据；

云服务器200，可以被配置为获取各质控品的标识信息和质控检测数据；根据所述标识信息，对所述质控检测数据按照预设规则进行归纳分析；若经所述归纳分析确定所述质控检测数据异常，则将所述质控检测数据对应的质控特征数据输入对应的神经网络，经所述神经网络处理后输出导致所述质控检测数据异常的原因数据和/或针对所述质控检测数据异常的解决方案数据。

本公开一种实施例中，所述云服务器200，可以进一步被配置为：根据各质控品的标识信息，按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息；根据所述数据汇总信息，确定所述质控检测数据异常或正常。

本公开一种实施例中，所述按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息包括：

本公开一种实施例中，所述传感器数据可以包括以下任意一种或多种：

本公开一种实施例中，所述检测仪器相关数据可以包括历史装机数据、历史维修数据、历史保养数据中的任意一种或多种。

本公开一种实施例中，所述消耗品相关数据可以包括消耗品的寿命数据、性能数据，所述消耗品包括卤素灯，对应的，所述卤素灯的性能数据包括发光值数据。

本公开一种实施例中，所述云服务器还包括存储单元，用于存储所述数据汇总信息，对应的，所述云服务器还被配置为：向用户提供所述预定形式的数据汇总信息。

本公开一种实施例中，所述质控检测设备通过读取各质控品的预置标识码获取各质控品的标识信息，所述预置标识码预置在所述质控品的容器上，所述标识信息包含检测项目信息、批号信息、质控靶值信息、质控偏差值信息。

图3示出本公开一种实施例提供的一种质控系统的数据流程示意图。本例中，可以由质控检测设备通过质控品的预置标识码获取质控品的标识信息，并对质控品检测得到质控检测数据。而后将各质控品的标识信息和所述质控检测数据通过协议规定的格式传输至云服务器。云服务器经过归纳处理得到按质控批号、按月L-J图或六西格玛图，并向用户提供相应的数据汇总信息(如所述L-J图、六西格玛图)的传输接口、传输方式或显示内容。当质控结果出现异常时云服务器将多维度的综合的质控特征数据输入至预先训练好的神经网络，经过处理后输出所述质控异常对应的原因数据和/或解决方案推送至用户端。

图5是根据一示例性实施例示出的一种服务器1900的框图。例如，服务器1900可以被提供为一服务器。参照图5，服务器1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

服务器1900还可以包括一个电源组件1926被配置为执行服务器1900的电源管理，一个有线或无线网络接口1950被配置为将服务器1900连接到网络，和一个输入输出(I/O)接口1958。服务器1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由服务器1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种质控方法，其特征在于，所述方法包括：

获取各质控品的标识信息和质控检测数据；

2.如权利要求1所述的一种质控方法，其特征在于，所述对所述质控检测数据按照预设规则进行归纳分析包括：

3.如权利要求2所述的一种质控方法，其特征在于，所述按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息包括：

4.如权利要求1所述的一种质控方法，其特征在于，所述质控特征数据包括传感器数据、软件相关数据、检测仪器相关数据、消耗品相关数据、运输环境数据、质控品特征数据中的任意一种或多种。

5.如权利要求4所述的一种质控方法，其特征在于，所述传感器数据包括以下任意一种或多种：

6.如权利要求4所述的一种质控方法，其特征在于，所述检测仪器相关数据包括历史装机数据、历史维修数据、历史保养数据中的任意一种或多种。

7.如权利要求4所述的一种质控方法，其特征在于，所述消耗品相关数据包括消耗品的寿命数据、性能数据，所述消耗品包括卤素灯，对应的，所述卤素灯的性能数据至少包括AD值数据。

8.如权利要求4所述的一种质控方法，其特征在于，所述质控品特征数据包括所述质控品的批次数据、定标数据、AD值数据中的任意一种或多种。

9.如权利要求2或3所述的一种质控方法，其特征在于，所述方法还包括：向用户提供所述预定形式的数据汇总信息。

10.如权利要求1所述的一种质控方法，其特征在于，所述获取各质控品的标识信息和质控检测数据包括：

11.一种质控系统，其特征在于，所述系统包括：

12.如权利要求11所述的一种质控系统，其特征在于，所述云服务器，进一步被配置为：根据各质控品的标识信息，按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息；根据所述数据汇总信息，确定所述质控检测数据异常或正常。。

13.如权利要求12所述的一种质控系统，其特征在于，所述按照westgard规则和/或6-Sigma规则对所述质控检测数据进行归纳处理，生成预定形式的数据汇总信息包括：

14.如权利要求11所述的一种质控系统，其特征在于，所述传感器数据包括以下任意一种或多种：

15.如权利要求11所述的一种质控系统，其特征在于，所述检测仪器相关数据包括历史装机数据、历史维修数据、历史保养数据中的任意一种或多种。

16.如权利要求11所述的一种质控系统，其特征在于，所述消耗品相关数据包括消耗品的寿命数据、性能数据，所述消耗品包括卤素灯，对应的，所述卤素灯的性能数据至少包括AD值数据。

17.如权利要求11所述的一种质控系统，其特征在于，所述质控品特征数据包括所述质控品的批次数据、定标数据、AD值数据中的任意一种或多种。

18.如权利要求12或14所述的一种质控系统，其特征在于，所述云服务器还包括存储单元，用于存储所述数据汇总信息，对应的，所述云服务器还被配置为：向用户提供所述预定形式的数据汇总信息。

19.如权利要求11所述的一种质控系统，其特征在于，所述质控检测设备通过读取各质控品的预置标识码获取各质控品的标识信息，所述预置标识码预置在所述质控品的容器上，所述标识信息包含检测项目信息、批号信息、质控靶值信息、质控偏差值信息。

20.一种服务器，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现如权利要求1至10中任意一项所述的方法。

21.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。