一种基于神经网络的医疗设备监控方法及系统技术方案

本发明专利技术公开了一种基于神经网络的医疗设备监控方法及系统，包括如下步骤：步骤1.获取医疗设备中各处工作电路中监控电路的电压值，且根据当前时刻各处工作电路中监控电路的电压值，计算当前时刻的整体电压评价指标，判断整体电压评价指标是否位于设定的阈值内，若位于定的阈值内，则判定医疗设备的各处工作电压值稳定，若小于或者大于设定的阈值，则判定医疗设备的各处工作电压值不稳定；步骤2.当医疗设备的各处工作电压值不稳定时，获取各处工作电路中各个电压调节器调控值的大小。通过设备的整体结构，能够对医疗设备对应的最佳电路电压对各医疗设备工作电压进行调整，同时延长了医疗设备的使用寿命，增加了安全性。增加了安全性。增加了安全性。

【技术实现步骤摘要】
一种基于神经网络的医疗设备监控方法及系统


[0001]本专利技术涉及基于神经网络的医疗设备监控
，具体地说，涉及一种基于神经网络的医疗设备监控方法及系统。

技术介绍

[0002]医疗设备是指直接或者间接用于人体的仪器、设备、器具、体外诊断试剂及校准物、材料以及其他类似或者相关的物品，包括所需要的计算机软件，医疗器械包括医疗设备和医用耗材，效用主要通过物理等方式获得，不是通过药理学、免疫学或者代谢的方式获得，或者虽然有这些方式参与但是只起辅助作用，目的是疾病的诊断、预防、监护、治疗或者缓解；损伤的诊断、监护、治疗、缓解或者功能补偿；生理结构或者生理过程的检验、替代、调节或者支持；生命的支持或者维持；妊娠控制；通过对来自人体的样本进行检查，为医疗或者诊断目的提供信息，可是在大型的医疗设备在使用时，内部的电路在工作时，有可能出现电压不稳定的现象，因此我们提出了一种基于神经网络的医疗设备监控方法及系统。

技术实现思路

[0003]本专利技术的目的在于提供一种基于神经网络的医疗设备监控方法及系统，本专利技术能够对医疗设备工作电压进行监控，同时延长了医疗设备的使用寿命，增加了安全性。
[0004]本专利技术公开的一种基于神经网络的医疗设备监控方法，包括如下步骤：
[0005]步骤1.获取医疗设备中各处工作电路中监控电路的电压值，且根据当前时刻各处工作电路中监控电路的电压值，计算当前时刻的整体电压评价指标，判断整体电压评价指标是否位于设定的阈值内，若位于定的阈值内，则判定医疗设备的各处工作电压值稳定，若小于或者大于设定的阈值，则判定医疗设备的各处工作电压值不稳定；
[0006]步骤2.当医疗设备的各处工作电压值不稳定时，获取各处工作电路中各个电压调节器调控值的大小，根据各处工作电路中各个电压调节器调控值的大小，构建各电压调节器各时间段对应的调控值变化序列；
[0007]步骤3.对各电压调节器各时间段对应的调控值变化序列进行线性拟合，得到各电压调节器各时间段对应的调控变化率，根据各电压调节器各时间段对应的调控变化率，建立各电压调节器的调控变化率序列；
[0008]步骤4.利用各电压调节器的调控变化率序列，对目标神经网络进行训练，利用训练好的目标神经网络预测各电压调节器未来各时间段对应的调控变化率，判断未来各时间段对应的调控变化率是否为0，若为0，则判断医疗设备各工作电路电压值稳定，反之则不稳定。
[0009]作为优选方案，所述整体电压评价指标为：
[0010][0011]其中，a为当前时刻的整体电压评价指标，b为医疗设备电压调节器的数量，c
d
为当
前时刻第d个电压调节器对应的电压调控值，E为电压调节器当前时刻对应的滤波后的调控值变化序列，mean(E)为当前时刻电压调节器对应的滤波后的调控值均值。
[0012]作为优选方案，所述对各电压调节器各时间段对应的调控值变化序列进行线性拟合具体方法为：
[0013]采用最小二乘法拟合各电压调节器各时间段对应的调控变化率序列，得到各电压调节器各时刻对应的调控值—电路电压的变化关系，根据调控值—电路电压的变化关系得到对应的调控值—电路电压式，即f＝ax+g，g为常数。对于第b个电压调节器，其第h个时间段对应的调控值—电路电压的变化关系f＝ax+g中，横坐标x＝{1,
…
,100}，纵坐标a为该电压调节器该时间段对应的调控值随电路电压变化直线的斜率，每个时间段对应一个斜率；若斜率a大于0，说明该电压调节器承受的调控值和电路电压呈正相关，即随着电路电压的增加，电压调节器调节的调控值逐渐增大，基于拟合得到的该时间段对应的调控值—电路电压的关系式，将该时间段对应的调控值—电路电压的关系式中的a的作为该电压调节器该时间段对应的调控值变化率；然后基于该电压调节器每个时间段对应的调控值变化率，构建该电压调节器对应的调控值变化率序列，即a1＝{a
1b
,....,a
ib
}，其中，Ka
J
为第j个电压调节器对应的调控值变化率序列，a
ib
为第j个电压调节器第1个时间段对应的调控值变化率，a
ib
为第b个电压调节器第i个时间段对应的调控值变化率。
[0014]作为优选方案，所述目标神经网络的损失函数为：
[0015][0016]其中，L为该目标神经网络的损失函数，M为累加次数，为第k个电压调节器的某一时间段对应的调控值变化率的预测值，q
k
为第k个电压调节器的该时间段对应的调控值变化率的实际值，r为该电压调节器对应的调控值变化率序列中元素的数量。
[0017]一种基于神经网络的医疗设备监控系统，包括：处理器、储存器、数据采集装置和医疗设备，所述处理器、储存器、数据采集装置和医疗设备别进行通讯连接，通过互联网交互信息，所述数据采集装置通讯连接医疗设备内部的电压调节器和电压表。
[0018]作为优选方案，一种基于神经网络的医疗设备监控系统储于计算机构架的应用程序内部，通过烧录的程序进行驱动运行，其还包括总线架构、储存器和总线接口，总线架构可以包括任意数量的互联的总线和桥，总线架构将包括由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起，总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，总线接口在总线架构和接收器和发送器之间提供接口，接收器和发送器可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
[0019]本专利技术公开的一种基于神经网络的医疗设备监控系统及方法的有益效果是：
[0020]通过设备的整体结构，本专利技术根据获取的信息对目标神经网络进行训练，预测各医疗设备各电路电压下对应的调控值变化率，根据调控值变化率得到各医疗设备达到最优工作状态对应的电路电压，根据各医疗设备的最优电路电压对各医疗设备工作电压进行调整，使得医疗设备中的每个电路都达到了最佳的工作电压状态，且根据目标神经网络预测得到各医疗设备的最佳电路电压，根据各医疗设备对应的最佳电路电压对各医疗设备工作
电压进行调整，同时延长了医疗设备的使用寿命，增加了安全性。
附图说明
[0021]图1为本专利技术一种电力物资移动检测系统的一种实施例的原理图；
[0022]图2为本专利技术一种电力物资移动检测方法的一种实施例的流程示意图。
具体实施方式
[0023]下面结合具体实施例和说明书附图对本专利技术做进一步阐述和说明:
[0024]请参阅图1
‑
2，本专利技术：一种基于神经网络的医疗设备监控方法，包括如下步骤：
[0025]步骤1.获取医疗设备中各处工作电路中监控电路的电压值，且根据当前时刻各处工作电路中监控电路的电压值，计算当前时刻的整体电压评价指标，判断整体电压评价指标是否位于设定的阈值内，若位于定的阈值内，则判定医疗设备的各处工作电压值稳定，若小于或者大于设定的阈值，则判定医本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的医疗设备监控方法，其特征在于：包括如下步骤：步骤1.获取医疗设备中各处工作电路的电压值，且根据当前时刻各处工作电路中的电压值，计算当前时刻的整体电压评价指标，判断整体电压评价指标是否位于设定的阈值内，若位于定的阈值内，则判定医疗设备的工作电压值稳定，若小于或者大于设定的阈值，则判定医疗设备的工作电压值不稳定；步骤2.当医疗设备的工作电压值不稳定时，获取各处工作电路中的电压调节器的调控值的大小，根据各个电压调节器的调控值的大小，构建各电压调节器各时间段对应的调控值变化序列；步骤3.对各电压调节器各时间段对应的调控值变化序列进行线性拟合，得到各电压调节器各时间段对应的调控变化率，根据各电压调节器各时间段对应的调控变化率，建立各电压调节器的调控变化率序列；步骤4.利用各电压调节器的调控变化率序列，对目标神经网络进行训练，利用训练好的目标神经网络预测各电压调节器未来各时间段对应的调控变化率，判断未来各时间段对应的调控变化率是否为0，若为0，则判断医疗设备各工作电路的电压值稳定，反之则不稳定。2.根据权利要求1所述的一种基于神经网络的医疗设备监控方法，其特征在于：所述整体电压评价指标为：其中，a为当前时刻的整体电压评价指标，b为医疗设备电压调节器的数量，c
d
为当前时刻第d个电压调节器对应的电压调控值，E为电压调节器当前时刻对应的滤波后的调控值变化序列，mean(E)为当前时刻电压调节器对应的滤波后的调控值均值。3.根据权利要求1所述的一种基于神经网络的医疗设备监控方法，其特征在于：所述对各电压调节器各时间段对应的调控值变化序列进行线性拟合具体方法为：采用最小二乘法拟合各电压调节器各时间段对应的调控变化率序列，得到各电压调节器各时刻对应的调控值—电路电压的变化关系，根据调控值—电路电压的变化关系得到对应的调控值—电路电压式，即f＝ax+g，g为常数。对于第b个电压调节器，其第h个时间段对应的调控值—电路电压的变化关系f＝ax+g中，横坐标x＝{1,
…
,100}，纵坐标,100}，纵坐标a为该电压调节器该时间段对应的调控值随电路电压变化直线的斜率，每个时间段对应一个...

【专利技术属性】
技术研发人员：占严，
申请(专利权)人：占严，
类型：发明
国别省市：