一种分布式医疗设备的恒流温度采集方法及系统技术方案

本发明专利技术涉及恒流温度采集技术领域，尤其涉及一种分布式医疗设备的恒流温度采集方法及系统。所述方法包括以下步骤：获取待检测的分布式医疗设备的电子器件，基于电子器件的器件物理特性进行数据建模，生成电子器件模型，对电子器件模型进行电子器件仿真运行处理，以获得模拟电路数据，根据模拟电路数据采集电子器件模型件在运行过程时的仿真驱动数据；对仿真驱动数据进行数据预处理，生成目标驱动数据，对目标驱动数据进行历史数据特征提取，生成历史驱动特征数据；利用深度学习算法对历史驱动特征数据进行运行驱动预测处理，生成预测驱动数据。本发明专利技术通过对电子器件模拟仿真运行，能够提供较为稳定的温度数据。够提供较为稳定的温度数据。够提供较为稳定的温度数据。

【技术实现步骤摘要】
一种分布式医疗设备的恒流温度采集方法及系统


[0001]本专利技术涉及恒流温度采集
，尤其涉及一种分布式医疗设备的恒流温度采集方法及系统。

技术介绍

[0002]分布式医疗设备指的是由多个医疗设备组成的网络，这些设备可以相互协作、共享资源，从而提高医疗诊疗的效率和质量。这些设备可以分布在不同的医疗机构或区域，通过网络连接起来，共同完成医疗任务，如医学影像诊断、手术等。分布式医疗设备的出现可以让医疗资源更加充分地利用，为患者提供更加便捷和高效的医疗服务。随着医疗设备的智能化和数据化发展，对医疗设备运行状态的监测和控制变得越来越重要。其中，恒流温度是医疗设备中常用的监测指标之一，因此需要通过恒定的电流来改变电路频率使得医疗设备中的温度进行适应性的变化。然而，传统的温度采集方法需要使用独立的传感器进行采集，数据传输过程中容易出现信号干扰和数据丢失等问题，并且电子器件经过长时间的使用造成设备老化，长时间输送相同的电路数据会引起温度数据不稳定。

技术实现思路

[0003]基于此，本专利技术提供一种分布式医疗设备的恒流温度采集方法及系统，以解决至少一个上述技术问题。
[0004]为实现上述目的，一种分布式医疗设备的恒流温度采集方法，所述方法包括以下步骤：
[0005]步骤S1：获取待检测的分布式医疗设备的电子器件，基于电子器件的器件物理特性进行数据建模，生成电子器件模型，对电子器件模型进行电子器件仿真运行处理，以获得模拟电路数据，根据模拟电路数据采集电子器件模型件在运行过程时的仿真驱动数据；
[0006]步骤S2：对仿真驱动数据进行数据预处理，生成目标驱动数据，对目标驱动数据进行历史数据特征提取，从而生成历史驱动特征数据；
[0007]步骤S3：利用深度学习算法对历史驱动特征数据进行运行驱动预测处理，从而生成预测驱动数据；
[0008]步骤S4：构建区块链网络并将预测驱动数据以分布式方式存储在区块链网络中，从而生成驱动存储文件；
[0009]步骤S5：将驱动存储文件进行可视化分析展示处理，生成可视化温度数据，从而实现恒流温度采集作业。
[0010]本实施例通过获取待检测的分布式医疗设备的电子器件，对电子器件进行物理特性的数据建模生成的电子器件模型，通过输入不同频率的模拟电路使得电子器件模型进行仿真运行，观察设备仿真运行结果从而获得设备温度数据、设备形变数据以及设备使用时间等仿真驱动数据，提高电子器件的仿真运行获得结果的精度与稳定性，并且降低了电子器件的故障。对仿真数据进行数据预处理，降低冗余或无用数据对运行结果造成误差影响，
生成目标驱动数据，再提取目标驱动数据中的特征数据，减少数据处理的数量，使得数据处理效率提高，并利用深度学习算法对历史驱动特征数据进行驱动预测处理，预测历史驱动特征数据经过长时间的运行数据变化的结果，可以有效地预测设备的未来状态和性能表现以及温度变化，从而可以提前发现潜在的设备故障和问题，避免设备故障对医疗工作的影响，同时也可以提高医疗设备的可靠性和稳定性，为医疗保障工作提供有益的支持。通过构建区块链网络对预测驱动数据进行数据存储，生成驱动存储文件，可以实现数据的安全存储和传输，保障数据的可靠性和完整性，防止数据被篡改或丢失。同时，由于区块链的去中心化特性，可以消除数据存储和传输中的中间人和中心化机构，降低了数据存储和传输的成本和风险，保证分布式医疗设备的恒流温度采集数据的可靠性和安全性，提高了电子器件的数据质量和效率。将驱动存储文件中的温度数据进行提取并进行可视化分析展示处理，能够实现对设备在运行过程中的温度分布情况进行直观展示，从而更好地理解设备的温度变化规律，便于调整设备运行参数以实现恒流温度采集作业，通过可视化温度数据，还能够更好地分析设备在运行过程中可能存在的问题，提高设备的稳定性和性能。本专利技术的分布式设备的恒流温度采集方法通过模拟电路控制电子器件的仿真运行进行温度采集，保证了数据传输过程中不会出现信号干扰和数据丢失等问题，并且电子器件经过长时间使用出现的故障也可进行修复，长时间输送相同的电路数据也不会引起温度数据不稳定。
[0011]在本说明书的一个实施例中，步骤S1包括以下步骤：
[0012]步骤S11：获取待检测的分布式医疗设备的电子器件；
[0013]步骤S12：基于电子器件进行器件物理特性数据建模，生成电子器件模型；
[0014]步骤S13：对电子器件模型进行电子器件仿真运行处理，以获得模拟电路数据；
[0015]步骤S14：获取仿真驱动数据采集指令集；
[0016]步骤S15：根据模拟电路数据，利用仿真驱动数据采集指令对电子器件模型进行仿真驱动数据采集，从而生成仿真驱动数据。
[0017]本实施例获取待检测的分布式医疗设备的电子器件，为电子器件仿真运行处理提供了数据源，对电子器件进行器件物理特性数据建模，生成电子器件模型，为仿真驱动数据采集提供了基础，对电子器件模型进行电子器件仿真运行处理，获得模拟电路数据，为仿真驱动数据采集提供了必要的数据支持，获取仿真驱动数据采集指令集，为仿真驱动数据采集提供了安全操作指令，用于采集仿真电子器件模型的仿真驱动数据，并且统计进行数据采集时的数据量，防止出现数据丢失的意外状况，利用仿真驱动数据采集指令对电子器件模型进行仿真驱动数据采集，生成仿真驱动数据，为后续数据处理、分析提供了基础数据。
[0018]在本说明书的一个实施例中，其中数据预处理包括驱动数据清洗处理以及驱动数据降噪处理，步骤S2包括以下步骤：
[0019]步骤S21：对仿真驱动数据进行驱动数据清洗处理，生成清洗驱动数据；
[0020]步骤S22：利用仿真驱动数据信噪比增强算法对清洗驱动数据进行数据降噪处理，生成目标驱动数据；
[0021]步骤S23：对目标驱动数据进行历史数据特征提取，从而生成历史驱动特征数据。
[0022]本实施例对仿真驱动数据进行清洗处理可以去除数据中的无效信息和异常点，从而提高数据的质量，有利于后续的数据处理和分析，通过信噪比增强算法对清洗驱动数据进行数据降噪处理，可以去除噪声干扰，使数据更加准确可靠，从而提高后续处理的精度和
效果，对目标驱动数据进行历史数据特征提取，可以挖掘数据中隐藏的特征和规律，从而更好地处理数据集与分析数据，有助于做出更加准确的预测和决策。
[0023]在本说明书的一个实施例中，步骤S22中的仿真驱动数据信噪比增强算法如下所示：
[0024][0025]其中，K表示为仿真驱动数据信噪比增强指数，maxmax表示为两级最大差值，minmin表示为两级最小差值，表示为清洗驱动数据中形变量变化的权重信息，v表示为清洗驱动数据中的设备压力数据，a表示为清洗驱动数据的温度数据，表示为清洗驱动数据的温度数据平均值，ε表示为仿真驱动数据信噪比增强指数的异常调整值。
[0026]本实施例提供一种仿真驱动数据信噪比增强算法，该公式充分考虑了清洗驱动数据中形变量变化的权重信息清洗驱动数据中的设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式医疗设备的恒流温度采集方法，其特征在于，所述方法包括以下步骤：步骤S1：获取待检测的分布式医疗设备的电子器件，基于电子器件的器件物理特性进行数据建模，生成电子器件模型，对电子器件模型进行电子器件仿真运行处理，以获得模拟电路数据，根据模拟电路数据采集电子器件模型件在运行过程时的仿真驱动数据；步骤S2：对仿真驱动数据进行数据预处理，生成目标驱动数据，对目标驱动数据进行历史数据特征提取，从而生成历史驱动特征数据；步骤S3：利用深度学习算法对历史驱动特征数据进行运行驱动预测处理，从而生成预测驱动数据；步骤S4：构建区块链网络并将预测驱动数据以分布式方式存储在区块链网络中，从而生成驱动存储文件；步骤S5：将驱动存储文件进行可视化分析展示处理，生成可视化温度数据，从而实现恒流温度采集作业。2.根据权利要求1所述的分布式医疗设备的恒流温度采集方法，其特征在于，步骤S1包括以下步骤：步骤S11：获取待检测的分布式医疗设备的电子器件；步骤S12：基于电子器件进行器件物理特性数据建模，生成电子器件模型；步骤S13：对电子器件模型进行电子器件仿真运行处理，以获得模拟电路数据；步骤S14：获取仿真驱动数据采集指令集；步骤S15：根据模拟电路数据，利用仿真驱动数据采集指令对电子器件模型进行仿真驱动数据采集，从而生成仿真驱动数据。3.根据权利要求2所述的分布式医疗设备的恒流温度采集方法，其特征在于，其中数据预处理包括驱动数据清洗处理以及驱动数据降噪处理，步骤S2包括以下步骤：步骤S21：对仿真驱动数据进行驱动数据清洗处理，生成清洗驱动数据；步骤S22：利用仿真驱动数据信噪比增强算法对清洗驱动数据进行数据降噪处理，生成目标驱动数据；步骤S23：对目标驱动数据进行历史数据特征提取，从而生成历史驱动特征数据。4.根据权利要求3所述的分布式医疗设备的恒流温度采集方法，其特征在于，步骤S22中的仿真驱动数据信噪比增强算法如下所示：其中，表示为仿真驱动数据信噪比增强指数，表示为两级最大差值，表示为两级最小差值，表示为清洗驱动数据中形变量变化的权重信息，表示为清洗驱动数据中的设备压力数据，表示为清洗驱动数据的温度数据，表示为清洗驱动数据的温度数据平均值，表示为仿真驱动数据信噪比增强指数的异常调整值。5.根据权利要求3所述的分布式医疗设备的恒流温度采集方法，其特征在于，步骤S3包括以下步骤：步骤S31：预设预测驱动数据阈值；步骤S32：利用深度学习算法对历史驱动特征数据进行数据预测处理，生成初始预测数
据；步骤S33：通过预测驱动数据阈值与初始预测数据进行阈值比对处理，从而生成预测驱动数据与故障预测驱动数据；步骤S34：将故障预测驱动数据匹配的电子器件模型进行标记，生成故障电子器件模型；步骤S35：基于故障预测驱动数据进行历史信息收集，生成历史故障预测驱动数据；步骤S36：根据历史故障预测驱动数据进行历史故障因素特征提取，生成故障特征数据；步骤S37：根据故障特征数据将故障电子器...

【专利技术属性】
技术研发人员：张海燕，吴桂香，徐满琴，
申请(专利权)人：无锡市第五人民医院，
类型：发明
国别省市：