(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211282392.6 (22)申请日 2022.10.19 (71)申请人 广州宇翊鑫医疗科技有限公司 地址 510000 广东省广州市黄埔区彩频路 16号1栋302房 (72)发明人 李恩　苏尚祥　 (74)专利代理 机构 广州智斧知识产权代理事务 所(普通合伙) 44649 专利代理师 杨银虎 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/00(2012.01) G06N 3/08(2006.01) G06N 20/00(2019.01) G16H 40/40(2018.01) (54)发明名称 基于医疗设备运维数据的风险控制方法及 装置 (57)摘要 本发明实施例涉及医疗设备技术领域， 公开 了一种基于医疗设备运维数据的风险控制方法， 包括： 获取医疗设备运行过程中产生的设备运维 数据以及设备号； 对设备运维数据进行数据处理 以得到运维检测数据集； 并对经过处理的运维检 测数据集进行特征筛选以得到相应运维数据特 征集； 将相应运维数据特征集发送至预先构建完 成的故障感知模型的输入层进行故障识别以确 定故障检测结果； 根据故障检测结果来确定是否 进行预警操作。 本发明实施例中的基于医疗设备 运维数据的风险控制方法通过对获取到的大量 的医疗运维数据进行 降维操作使得大量的医疗 数据约简为更贴合实际故障的数据内容， 并结合 故障感知模型来实现对医疗设备的运行状态的 评估。 权利要求书2页 说明书10页 附图4页 CN 115526527 A 2022.12.27 CN 115526527 A 1.一种基于医疗设备运维数据的风险控制方法， 其特 征在于， 包括： 通过设置于医疗设备处的传感器集群以获取医疗设备运行过程中产生的设备运维数 据以及设备号， 将所述设备运维数据与设备号进行数据关联， 并通过St orm集群的数据融合 算法对所述设备运维数据进行融合、 集成、 交 互和纠错处 理； 对所述设备运维数据进行数据处理以得到运维检测数据集； 并对经过处理的所述运维 检测数据集进行 特征筛选以得到相应运维数据特 征集； 将相应运维数据特征集发送至预先构建完成的故障感知模型的输入层进行故障识别 以确定故障检测结果； 所述 故障感知 模型通过引入机器学习来进 行医疗设备的故障类型智 能感知， 并不断迭代更新故障感知与主动预警之间的映射关系以构建故障感知模型； 根据所述故障检测结果 来确定是否进行 预警操作。 2.如权利要求1所述的基于 医疗设备运维数据的风险控制方法， 其特征在于， 所述对经 过处理的所述 运维检测数据集进行 特征筛选以得到相应运维数据特 征集， 包括： 对经过处理的所述 运维检测数据集进行处 理以生成粗 糙集信息； 通过粗糙集约简算法对所述粗糙集进行降维操作以生成故障评价规则， 其中， 所述故 障评价规则包括若干故障影响指标； 基于所述故障评价规则对所述粗糙集信息和预先配置的故障知识库进行筛选匹配以 生成运维数据特 征集。 3.如权利要求2所述的基于 医疗设备运维数据的风险控制方法， 其特征在于， 所述对经 过处理的所述 运维检测数据集进行处 理以生成粗 糙集信息， 包括： 对所述运维检测数据集进行量 化处理以生成量 化运维数据； 根据所述 量化运维数据和预 先配置的故障知识库获取故障类型信息； 以所述量化运维数据的故障指标为条件属性、 故障类型信 息作为决策属性来生成粗糙 集信息。 4.如权利要求2所述的基于 医疗设备运维数据的风险控制方法， 其特征在于， 所述根据 所述故障检测结果 来确定是否进行 预警操作， 包括： 根据所述故障检测结果输入至故障检测公式中来进行数据比对以确定当前故障参数， 若所述故障参数大于 设定值， 则进行报警操作， 若 所述故障参数小于 设定值， 则不进 行报警 操作； 所述故障检测公式为： 其中， p为故障参数， n为故障感知模型输出节点数， 为单 节点输出值。 5.如权利要求1所述的基于 医疗设备运维数据的风险控制方法， 其特征在于， 所述风险 控制方法， 还 包括： 接收用户输入的科室信 息以及设备类型， 所述设备类型包括基础器械类、 医学检验类、 手术治疗类、 急诊抢救类和医学影 像类； 并基于所述科室信息和设备类型调取相应的故障感知模型以进行故障识别。 6.如权利要求1所述的基于 医疗设备运维数据的风险控制方法， 其特征在于， 所述风险 控制方法还 包括： 当相应医疗设备不联网时， 则为其配置相应的智能路由器， 并通过智能路由器将设备权　利　要　求　书 1/2 页 2 CN 115526527 A 2运维数据以及设备号发送至检修云平台进行运维监测； 所述故障感知模型通过如下步骤构建完成： 获取训练样本数据集； 所述训练样本数据集包括 正常样本数据和故障样本数据； 将所述训练样本数据集输入基于卷积编码器的深度残差网络进行训练， 获取正常运维 状态和异常运维状态的数据分布特 征； 通过采用强化学习来实现测试样本故障特征自主决策迭代更新故障感知与主动预警 之间的映射关系， 构建医疗设备 的主动预警机制； 对更新得到的各个参数进行数据存储以 实现故障感知模型的构建。 7.如权利要求1所述的基于 医疗设备运维数据的风险控制方法， 其特征在于， 所述风险 控制方法， 还 包括： 根据所述故障检测结果来确定故障类型； 并基于所述设备号调取相应设备的历史使用 信息； 针对于所述故障类型以及历史使用信 息确定相应的维修指标； 所述维修指标包括维修 质量指标、 维修效率指标和维修支出指标； 根据所述维修指标与维修评估公式来确定相应的维修状态数值， 所述维修评估公式 为： 其中， k为维修状态数值， xi为维修质量指 标， yi为维修效率指标， zi为维修支出指标； α、 β和γ分别为维修质量指标、 维修效率指标和 维修支出指标的影响因子； 将所述维修状态数值发送至用户端来进行提醒以确定是否进行维修操作。 8.一种基于医疗设备运维数据的风险控制装置， 其特 征在于， 包括： 数据获取模块： 用于通过设置于 医疗设备处 的传感器集群以获取医疗设备运行过程中 产生的设备运维数据以及设备号， 将所述设备运维数据与设备号进行数据关联， 并通过 Storm集群 计算的数据融合 算法对所述设备运维数据进行融合、 集成、 交 互和纠错处 理； 数据处理模块： 用于对所述设备运维数据进行数据处理以得到运维检测数据集； 并对 经过处理的所述 运维检测数据集进行 特征筛选以得到相应运维数据的特 征向量集； 数据检测模块： 用于将相应运维数据 特征集发送至预先构建完成的故障感知模型的输 入层进行故障识别以确定故障检测结果； 所述故障感知模型通过引入机器学习来进行医疗 设备的故障类型智能感知， 并不断迭代更新 故障感知与主动预警之 间的映射关系以构建故 障感知模型； 预警操作模块： 用于根据所述故障检测结果 来确定是否进行 预警操作。 9.一种电子设备， 其特征在于， 包括： 存储有可执行程序代码的存储器； 与所述存储器 耦合的处理器； 所述处理器调用所述存储器中存储的所述可执行程序代码， 用于执行权利 要求1至7任一项所述的基于医疗设备运维数据的风险控制方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储计算机程 序， 其中， 所述计算机程序使得计算机执行权利要求1至7任一项所述的基于医疗设备运维 数据的风险控制方法。权　利　要　求　书 2/2 页 3 CN 115526527 A 3