【技术实现步骤摘要】
本专利技术属于泄露风险预测，具体涉及一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法。
技术介绍
1、无菌配药室是医疗机构中用于配制无菌药物的关键场所，其环境必须严格控制，以确保药物的无菌性和安全性，壁挂式消毒喷雾设备是无菌配药室中常见的消毒手段，通过定时喷雾来维持室内环境的无菌状态，然而，由于设备老化、操作不当或环境变化等因素，消毒喷雾设备可能发生泄露，导致消毒效果降低甚至引发污染风险，因此，如何预测和预防消毒喷雾设备的泄露风险，成为保障无菌配药室安全的重要课题；随着物联网技术的发展，配药室内的各种设备可以实现数据的实时采集与传输，这为基于数据驱动的风险预测方法提供了可能性，通过机器学习和深度学习技术，可以对设备的运行数据和环境参数进行分析，从中发现潜在的泄露风险，从而实现对泄露事件的提前预警和预防。
技术实现思路
1、本专利技术的主要目的在于提供了一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，旨在通过机器学习和深度学习技术，分析设备运行数据和环境参数，提前预测泄露事件，以保障无菌环境的持续性，提高配药室的安全性，降低维护成本，并优化管理流程，从而确保药物的安全性和有效性，保护医务人员和患者的健康。
2、为实现上述目的，本专利技术的技术解决方案是：一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，所述方法包括：
3、s1、收集无菌配药室的壁挂式消毒喷雾设备的运行数据，包括喷雾时间、喷雾压力、液位传感器读数，配药室的环境数据，包括温度、湿度、气压，历史上的喷雾
4、s2、对收集到的消毒喷雾数据集进行处理，包括缺失值填补与归一化操作，从而提高数据集质量与保持数据的一致性；
5、s3、构建特征门控筛选模块fgsm，选择并增强不同特征，使得每条流从不同角度学习特征；
6、s4、构建双路多层感知网络模块dpmm，通过两个独立的mlp网络，从不同的特征输入中学习特征表示；
7、s5、构建多重双流交互模块mcsm，捕捉两个流之间的高级特征交互，提升模型的表达能力和性能；
8、s6、构建壁挂式消毒喷雾泄露风险预测模型，模型依次由输入、实体嵌入层、特征门控筛选模块、双路多层感知网络模块、多重双流交互模块以及输出模块组成；
9、s7、使用消毒喷雾数据集训练壁挂式消毒喷雾泄露风险预测模型，在训练过程中，使用反向传播的方法调整神经网络的权重，不断提高网络的风险预测能力；
10、s8、使用步骤s7所述的风险预测模型进行无菌配药室的壁挂式消毒喷雾泄露风险预测，并采用新收集的数据集定期更新无菌配药室的壁挂式消毒喷雾泄露风险预测模型权重，以此避免随着时间推移产生的模型退化的问题。
11、进一步的，所述步骤s3中，对于特征门控筛选模块fgsm，通过使用门控网络来实现特征选择，门控网络根据输入特征生成特征重要性权重，将所述权重用于对输入特征进行加权，从而选择和增强特征；具体包括：首先，通过两个独立的和网络对流特定的输入特征进行处理，生成门控权重和，2个独立的门控网络如下：
12、；
13、；
14、式中，与为两个独立的mlp的门控网络，和为流特定的条件特征的输入，与为逐元素门控权重的输出；然后，通过sigmoid函数对门控权重进行变换，并乘以2，生成范围在[0,2]之间的权重值，最后，通过逐元素乘积（⊙）将这些权重应用于特征嵌入e，得到加权后的特征输出和，2个流的加权后的特征输出计算的具体公式如下：
15、；
16、；
17、式中，e为嵌入后的特征表示，⊙ 表示逐元素乘积，和为门控权重，为sigmoid函数，和为2个流的加权后的特征输出结果；通过为不同的流设置不同的条件特征和，特征门控筛选模块能够使两个流的特征输入更具差异性，减少两个相似的mlp流之间的“同质化”学习，促进特征交互的互补学习。
18、进一步的，所述步骤s3中，特征门控筛选模块是为了增强模型的表达能力和预测准确性而设计，特征门控筛选模块通过对特征进行加权和选择，使得模型能够更好地关注重要特征，同时抑制噪声特征，从而提高模型对特征筛选的质量。
19、进一步的，所述步骤s4中，对于双路多层感知网络模块dpmm，由两个独立的mlp网络组成，这两个mlp网络作为两个并行的流，分别学习特征交互，将输入特征向量分别传递给两个独立的mlp网络进行特征交互的隐式学习，两个mlp网络的输出表示为：
20、；
21、；
22、式中，与为两个独立的mlp网络，和为两个流的特征输入，和为两个流的输出表示。
23、进一步的，所述步骤s4中，通过两个独立的mlp流并行工作，模型能够分别从不同的角度学习特征交互，双路多层感知网络结构允许每个流专注于不同类型的特征交互（低阶和高阶特征交互），从而提供更全面的特征表示；除此之外，由于双流结构的并行处理特性，模型可以有效利用现代硬件的并行计算能力，提高训练和预测的效率。
24、进一步的，所述步骤s5中，对于多重双流交互模块mcsm，首先，将双路多层感知网络模块输出的两个向量和分成k个子空间，每个子空间的维度为，d为的维度，分块公式为：
25、；
26、；
27、式中，为第i个输出向量的第j个子空间表示；子空间可以表示成：；随后，在每个子空间内进行多重融合，对第一个子空间j=1计算多重融合，公式为：
28、；
29、式中，为sigmoid函数，的计算公式为：
30、；
31、式中，和为线性权重向量，维度为，为子空间内的多重线性权重矩阵，维度为，为子空间j的偏置项；通过在每个子空间内进行多重融合的方式，能够有效捕捉高阶特征交互，同时减少计算复杂度。
32、进一步的，所述步骤s7中，通过详细的训练步骤，模型能够有效地学习消毒喷雾设备运行数据与泄露事件之间的关系，本专利技术的训练损失函数loss采用二分类交叉熵损失函数，公式为：
33、；
34、式中，y为真实数据的标签，为模型预测的数据，n为每次迭代样本的个数；反向传播算法在训练过程中不断调整模型参数，以最小化预测误差，从而提高模型的泄露风险预测能力，最终，训练好的模型可以用于实际应用中，帮助监测和预测无菌配药室的消毒喷雾设备的泄露风险。
35、与现有技术相比，本专利技术具有以下技术效果：
36、本专利技术提供的技术方案旨在解决无菌配药室的壁挂式消毒喷雾泄露风险预测问题，所述技术方案通过门控机制对特征进行加权和筛选，突出重要特征，抑制噪声特征，提高模型的表达能力，同时构建双路多层感知网络模块可以并行学习特征表示，增加了模型的学习能力和效率，最后通过多重双流交互模块捕捉两个流之间的高阶特征交互，提升模型的表达能力。
本文档来自技高网...【技术保护点】
1.一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤S3中，对于特征门控筛选模块FGSM，通过使用门控网络来实现特征选择，门控网络根据输入特征生成特征重要性权重，将所述权重用于对输入特征进行加权，从而选择和增强特征；具体包括：首先，通过两个独立的和网络对流特定的输入特征进行处理，生成门控权重和，2个独立的门控网络如下：
3.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤S3中，特征门控筛选模块是为了增强模型的表达能力和预测准确性而设计，特征门控筛选模块通过对特征进行加权和选择，使得模型能够更好地关注重要特征，同时抑制噪声特征。
4.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤S4中，对于双路多层感知网络模块DPMM，由两个独立的MLP网络组成，这两个MLP网络作为两个并行的流，分别学习特征交互，将输入特征向量分别传递给两个独立的MLP网络进行特征交
5.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤S4中，通过两个独立的MLP流并行工作，双路多层感知网络模块能够分别从不同的角度学习特征交互，并允许每个流专注于低阶和高阶特征交互，从而提供更全面的特征表示；除此之外，由于双流结构的并行处理特性，模型可以有效利用现代硬件的并行计算能力。
6.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，步骤S5中，对于多重双流交互模块MCSM，首先，将双路多层感知网络模块输出的两个向量和分成k个子空间，每个子空间的维度为，d为的维度，分块公式为：
7.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤S7中，通过详细的训练步骤，泄露预测模型能够有效地学习消毒喷雾设备运行数据与泄露事件之间的关系，本专利技术的训练损失函数Loss采用二分类交叉熵损失函数，公式为：
...【技术特征摘要】
1.一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤s3中，对于特征门控筛选模块fgsm，通过使用门控网络来实现特征选择，门控网络根据输入特征生成特征重要性权重，将所述权重用于对输入特征进行加权，从而选择和增强特征；具体包括：首先，通过两个独立的和网络对流特定的输入特征进行处理，生成门控权重和，2个独立的门控网络如下：
3.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤s3中，特征门控筛选模块是为了增强模型的表达能力和预测准确性而设计，特征门控筛选模块通过对特征进行加权和选择，使得模型能够更好地关注重要特征，同时抑制噪声特征。
4.根据权利要求1所述的一种无菌配药室的壁挂式消毒喷雾泄露风险预测方法，其特征在于，在步骤s4中，对于双路多层感知网络模块dpmm，由两个独立的mlp网络组成，这两个mlp网络作为两个并行的流，分别学习特征交互，将...
【专利技术属性】
技术研发人员：张君利，付琳媛，邹海鹏，
申请(专利权)人：山东黄海智能装备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。