基于超数字人的医疗设备状态预测方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种基于超数字人的医疗设备状态预测方法、装置及存储介质，其中方法包括：接收录入的结构化数据信息，并提取结构化数据信息中的设备信息，创建设备ID；根据具有同一设备ID的结构数据信息建立该设备的超数字人数据结构；建立目标类型设备的超数字人模型，并获取对应于该类型的所有设备的超数字人数据结构；将故障记录表的任一故障数据条目作为预测结果，获取该故障记录发生时间之前所有数据条目，并基于获取的数据条目提取特征信息作为输入量，训练对应的超数字人模型；利用已经训练好的对应类型设备的超数字人模型进行预测。与现有技术相比，本发明专利技术在具有提高预测准确率等优点。确率等优点。确率等优点。

【技术实现步骤摘要】
基于超数字人的医疗设备状态预测方法、装置及存储介质


[0001]本专利技术涉及设备运维领域，尤其是涉及一种基于超数字人的医疗设备状态预测方法、装置及存储介质。

技术介绍

[0002]高端医疗设备是医院发展的重要物质基础，在医院的运营中发挥了重要作用，设备的正确安装、部署、使用、维护保养等，是保证总体运营绩效的关键因素。减少设备由于各种原因产生的故障，能够有效保障医院业务连续运行，降低运营成本，提升医患双方的体验。
[0003]当前，医疗设备运维的流程、方法一般以设备为中心：采集设备运行数据，分析设备及重要部件的各项状态数据，采用统计分析、预测性维护、寿命预测、故障根因分析等方式支持运维工作。
[0004]目前，医院设备管理系统也主要是采用以设备为中心的监控方法。例如收集设备部件的运行数据、告警日志、分析趋势信息等。但是这种预测方式下，在实际的设备管理和预测中，其准确度较低，难以满足日益提高的设备管理要求。

技术实现思路

[0005]本专利技术的目的就是为了提供一种基于超数字人的医疗设备状态预测方法、装置及存储介质，在设备运维场景下，形成对传统以设备为中心的运维方法的重要补充，充分考虑人员操作的因素，与已有设备运维的分析、预测方法配合使用，可以更加迅速和准确的完成预测性维护、故障根因分析、部件寿命预测等任务。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]一种基于超数字人模型的医疗设备状态预测方法，包括：
[0008]接收录入的结构化数据信息，并提取结构化数据信息中的设备信息，创建设备ID，其中，所述结构化数据信息由原始设备操作审计数据库和服务工单数据库中记录得到；
[0009]根据具有同一设备ID的结构数据信息建立该设备的超数字人数据结构，其中，所述超数字人数据结构包括设备安装部署表、设备运行表、设备维修维护表和故障记录表，且设备安装部署表、设备运行表、设备维修维护表和故障记录表中的数据条目均包含时间戳；
[0010]建立目标类型设备的超数字人模型，并获取对应于该类型的所有设备的超数字人数据结构；
[0011]将故障记录表的任一故障数据条目作为预测结果，获取该故障记录发生时间之前所有设备安装部署表、设备运行表和设备维修维护表中的数据条目，并基于获取的数据条目提取特征信息作为输入量，训练对应的超数字人模型；
[0012]根据待预测设备对应的超数字人数据结构的安装部署表、设备运行表和设备维修维护表中所有的数据条目生成特征信息作为输入量，输入至已经训练好的对应类型设备的超数字人模型，得到超数字人模型的输出结果作为状态预测结果。
[0013]所述设备安装部署表、设备运行表、设备维修维护表中的条目包括ID字段、操作序列和时间戳，所述ID字段的前两位指代操作类别，所述操作列表包括安装部署、运行和维修维护。
[0014]所述操作序列包括一个或多个预配置的最小操作单元。
[0015]所述特征信息为包括均值、方差、极值在内的统计量。
[0016]所述特征信息基于ARMA、AR、MAR、ARCH或SVAR模型提取。
[0017]所述特征信息基于时频变换得到。
[0018]所述征信息基于分形理论提取得到。
[0019]所述超数字人模型采用池化模型、注意力模型、时序模型或多兴趣网络。
[0020]一种基于超数字人模型的医疗设备状态预测装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上述的方法。
[0021]一种存储介质，其上存储有程序，所述程序被执行时实现如上述的方法。
[0022]与现有技术相比，本专利技术具有以下有益效果：
[0023]1、在设备运维场景下，形成对传统以设备为中心的运维方法的重要补充，充分考虑人员操作的因素，与已有设备运维的分析、预测方法配合使用，可以更加迅速和准确的完成预测性维护、故障根因分析、部件寿命预测等任务。
[0024]2、简化了现有数字人与物理人一一对应的关系，将设备相关的人员操作数据进行融合，最终实现“一机一人”，即每台设备的数字孪生体在其生命周期内，有唯一的超数字人与其对应。
[0025]3、将操作的时间信息也作为原始数据，可以提高模型预测的准确性。
附图说明
[0026]图1为本专利技术方法的主要步骤流程示意图；
[0027]图2为本专利技术实施例中的实施流程示意图。
具体实施方式
[0028]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0029]医疗设备超数字人模型构建方法包括描述数字人的数据结构设计、建立在数据结构之上的人员行为分析模型构建，以及基于数据和行为分析模型的预测和仿真应用方法。
[0030]本申请提供一种基于超数字人模型的医疗设备状态预测方法，如图1和图2所示，包括：
[0031]接收录入的结构化数据信息，并提取结构化数据信息中的设备信息，创建设备ID，其中，结构化数据信息由原始设备操作审计数据库和服务工单数据库中记录得到；
[0032]根据具有同一设备ID的结构数据信息建立该设备的超数字人数据结构，其中，超数字人数据结构包括设备安装部署表、设备运行表、设备维修维护表和故障记录表，且设备安装部署表、设备运行表、设备维修维护表和故障记录表中的数据条目均包含时间戳；
[0033]建立目标类型设备的超数字人模型，并获取对应于该类型的所有设备的超数字人
数据结构；
[0034]将故障记录表的任一故障数据条目作为预测结果，获取该故障记录发生时间之前所有设备安装部署表、设备运行表和设备维修维护表中的数据条目，并基于获取的数据条目提取特征信息作为输入量，训练对应的超数字人模型；
[0035]根据待预测设备对应的超数字人数据结构的安装部署表、设备运行表和设备维修维护表中所有的数据条目生成特征信息作为输入量，输入至已经训练好的对应类型设备的超数字人模型，得到超数字人模型的输出结果作为状态预测结果。
[0036]具体的，数据结构设计方面，超数字人模型整合医疗设备安装、部署、使用、维护保养、退役回收过程中的人员操作数据。这些数据通常分散在设备相关的各类业务系统中，包括CRM(客户关系管理系统)、HRP(医院资源规划系统)、APM(资产绩效管理系统)、各类工单和审计数据库等，其中相当一部分的数据甚至没有记录或者仅临时存储。在进行相关分析时，数据难以获取，需要有一个逻辑结构及相应的系统进行数据治理，超数字人模型正是作为从各系统中收集、抽取和整合相关数据的模型提出，以便于更好的对数据进行治理；
[0037]通过该方法设计的超数字人数据结构，超数字人是以医疗设备安装/运维服务工单数据库，设备操作审计数据库等为数据源的结构，其中实时记录设备安装、部署，正常运行，以及维修维护等相关的场景中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超数字人模型的医疗设备状态预测方法，其特征在于，包括：接收录入的结构化数据信息，并提取结构化数据信息中的设备信息，创建设备ID，其中，所述结构化数据信息由原始设备操作审计数据库和服务工单数据库中记录得到；根据具有同一设备ID的结构数据信息建立该设备的超数字人数据结构，其中，所述超数字人数据结构包括设备安装部署表、设备运行表、设备维修维护表和故障记录表，且设备安装部署表、设备运行表、设备维修维护表和故障记录表中的数据条目均包含时间戳；建立目标类型设备的超数字人模型，并获取对应于该类型的所有设备的超数字人数据结构；将故障记录表的任一故障数据条目作为预测结果，获取该故障记录发生时间之前所有设备安装部署表、设备运行表和设备维修维护表中的数据条目，并基于获取的数据条目提取特征信息作为输入量，训练对应的超数字人模型；根据待预测设备对应的超数字人数据结构的安装部署表、设备运行表和设备维修维护表中所有的数据条目生成特征信息作为输入量，输入至已经训练好的对应类型设备的超数字人模型，得到超数字人模型的输出结果作为状态预测结果。2.根据权利要求1所述的一种基于超数字人模型的医疗设备状态预测方法，其特征在于，所述设备安装部署表、设备运行表、设备维修维护表中的条目包括ID字段、操作序列和时间戳，所述ID字段的前两位指代操作类别，所述操作列表...

【专利技术属性】
技术研发人员：顾建英，张纪阳，钱琨，王一栋，吴靓，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：