亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁最新消息產業觀測站基於資料採擷技術的醫療設備故障監測與識別方法的探討與研究

基於資料採擷技術的醫療設備故障監測與識別方法的探討與研究

來源 : 中國醫療設備雜誌2020年第8期
update : 2020/11/20
引言
隨著科學技術的發展,現代化機械設備不斷出現在人們的生活和工作中。近年來,醫療裝備新技術發展迅猛,大量智慧化、高精度化、高速化的新型醫療裝備(如 B 超、CT、MRI 等)湧入醫院,已成為二、三級醫院必備的產品 [1-4]。醫療設備種類多、數量大,如何對龐雜的醫療設備進行管理、維修已經成為醫學技術人員研究的重點和難點 [5-6]。一方面,醫療設備,特別是大型醫療設備,一般是由電子元件、電路、機械、水路以及光路組成,具有龐雜而繁瑣的結構和功能,為醫療設備故障的監測和排查提出了巨大的挑戰 ;另一方面,醫院制定的預防性維護、定期巡查等制度在龐大的醫療設備數位面前往往是有形無實,預防性維護難以起到預防的效果。此外,醫學技術人員技能水準難以實現對醫療裝備技術的同步提升,對於新型醫療設備的故障盤查,往往會使醫學技術人員捉襟見肘。基於此,本文旨在提出一種基於資料採擷技術的粗糙神經網路模型,為醫療設備故障監測和識別提供一種參考方法。

1 資料採擷技術原理
1.1 粗糙集理論
粗糙集理論是由波蘭科學家 Z. Pawlak 提出的,用於處理不完整的或者具有模糊關係的資料集,並可從已有的一系列資料中挖掘出各模糊資料集中的互作用,從中發現隱含的知識,揭示潛在的規律 [7-8]。粗糙集理論的核心是有關知識、集合的劃分、近似集合等概念,粗糙集理論作為一種處理不精確、不一致、不完整等各種不完備資訊的有效工具,通過對發掘各類不一致、不精准資料集進行提取整理,通過運算實現有用資訊的提取,以及對未知事物的預測 [9]。在自然界中,大部分事物呈現的資訊都是不完整和模糊的,對於這些資訊,無法用常規方法進行描述其內部邏輯,所以也就不能正確地處理 [10]。在粗糙集中使用資訊表來描述論域中的資料集合,例如呼吸機供氧濃度高低是否會影響呼吸治療,粗糙集使用資訊表描述如表 1 所示。

表1 呼吸機粗糙集信息表

表 1 中,“供氧濃度”是該粗糙集的條件屬性(Condition Attribute),“是否影響呼吸治療”是粗糙集的決策屬性(Decision Attribute)。粗糙集理論其原則就是要使用隱含的條件屬性(供氧濃度),來尋找決策規律(是否影響呼吸治療)...完整