發(fā)布時(shí)間：2020-06-01 10:41

【摘要】：在現(xiàn)代醫(yī)學(xué)水平不斷發(fā)展的今天,臨床檢驗(yàn)儀器在醫(yī)療系統(tǒng)中有著廣泛的運(yùn)用。同時(shí),為滿足醫(yī)療系統(tǒng)的日常檢驗(yàn)需求,它有著系統(tǒng)復(fù)雜度高、運(yùn)轉(zhuǎn)速度快、設(shè)備體積大等特點(diǎn)。其中最典型的就是用于臨床輔助診斷的體外診斷儀器。由于其不可替代性,一旦儀器出現(xiàn)故障,將嚴(yán)重影響到整個(gè)醫(yī)療系統(tǒng)的正常運(yùn)作;所以,實(shí)現(xiàn)儀器的故障預(yù)測(cè)可為使用者提供決策支持,進(jìn)而規(guī)避故障或?yàn)楣收咸幚碜龀鰷?zhǔn)備,對(duì)整個(gè)醫(yī)療系統(tǒng)的流程有著重要的意義。對(duì)于醫(yī)療儀器的故障問(wèn)題,醫(yī)院或設(shè)備方多使用基于統(tǒng)計(jì)學(xué)或基于數(shù)學(xué)模型的方法對(duì)儀器進(jìn)行故障預(yù)測(cè),這些方法存在實(shí)時(shí)性差,預(yù)測(cè)效率低等問(wèn)題。而數(shù)據(jù)挖掘技術(shù)在類似于大型電機(jī)和風(fēng)力設(shè)備等大型設(shè)備的故障預(yù)測(cè)問(wèn)題中有著較好的應(yīng)用效果。為此,本論文針對(duì)醫(yī)療儀器的故障預(yù)測(cè)問(wèn)題,設(shè)計(jì)并建立了基于醫(yī)療儀器故障決策的數(shù)據(jù)倉(cāng)庫(kù),并提出了包含數(shù)據(jù)特征提取歸類的基于故障因素提取的關(guān)聯(lián)規(guī)則故障預(yù)測(cè)算法。主要工作包括以下內(nèi)容。1、考慮到儀器相關(guān)數(shù)據(jù)的分散及格式各異等問(wèn)題,需對(duì)儀器各項(xiàng)數(shù)據(jù)特點(diǎn)進(jìn)行分析,建立數(shù)據(jù)模型,并對(duì)儀器各個(gè)數(shù)據(jù)源數(shù)據(jù)進(jìn)行抽取和清洗并建立數(shù)據(jù)倉(cāng)庫(kù)。2、由于儀器發(fā)生故障的因素多樣,需要提取有效的故障因素?cái)?shù)據(jù),所以利用聚類及統(tǒng)計(jì)方法提取有效故障事件,并定義故障事件規(guī)則作為故障數(shù)據(jù)提取依據(jù)。3、利用基于時(shí)序的關(guān)聯(lián)規(guī)則算法對(duì)故障數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘,得到預(yù)測(cè)規(guī)則。最終,利用十折交叉驗(yàn)證方法對(duì)儀器故障因素事件提取效果進(jìn)行評(píng)估驗(yàn)證,證明因素提取的有效性。同時(shí),在故障因素提取有效的前提下,使用一個(gè)月的故障數(shù)據(jù)對(duì)基于時(shí)許序列的關(guān)聯(lián)規(guī)則算法所獲取的預(yù)測(cè)規(guī)則進(jìn)行檢驗(yàn),得出精確度達(dá)到77%,準(zhǔn)確率達(dá)到95%的結(jié)果。所以認(rèn)為該故障預(yù)測(cè)方法能夠獲得較好的故障預(yù)測(cè)規(guī)則,同時(shí)在實(shí)際運(yùn)用上能夠高效的對(duì)儀器的進(jìn)行故障預(yù)判并可以給予維護(hù)人員更高效的決策支持。
【圖文】：

圖 3- 3 故障報(bào)修 Excel 表單由于故障的發(fā)生不僅關(guān)系到故障事件之間，也關(guān)系到故障發(fā)生之前的儀器狀態(tài)，所以對(duì)故障預(yù)測(cè)的挖掘需要同時(shí)輸入儀器的狀態(tài)數(shù)據(jù)。但儀器的狀態(tài)多數(shù)為連續(xù)的、多值的，無(wú)法直接利用且對(duì)于以天為單位的數(shù)據(jù)量來(lái)說(shuō)，大部分的數(shù)據(jù)是冗余的干擾數(shù)據(jù)，所以在裝載數(shù)據(jù)之后，需要對(duì)儀器各個(gè)模塊部件的狀態(tài)數(shù)據(jù)進(jìn)行進(jìn)一步的提取，用于最終挖掘的輸入。3.2 故障因素提取方法儀器的故障預(yù)測(cè)挖掘的目的是找出故障與故障之間，故障與各個(gè)模塊部件之間潛在的聯(lián)系。所以不能只通過(guò)故障記錄作為挖掘模型的輸入，，需要添加對(duì)故障有一定影響的各個(gè)模塊部件的狀態(tài)數(shù)據(jù)作為輸入，使得挖掘結(jié)果更為有效。利用聚類算法先對(duì)相關(guān)模塊部件數(shù)據(jù)進(jìn)行一次挖掘，可有效地篩選出相關(guān)的故障因素規(guī)則[23]。

圖 4- 1 SSIS 表單導(dǎo)入映射裝載好故障數(shù)據(jù)后，數(shù)據(jù)倉(cāng)庫(kù)中仍需要對(duì)所感興趣的狀態(tài)數(shù)據(jù)進(jìn)行裝載，通過(guò)故障當(dāng)天的狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，達(dá)到提取故障因素事件的目的。對(duì)個(gè)故障事件，它是以某一天作為時(shí)間點(diǎn)記錄的，時(shí)間粒度是天；而狀態(tài)數(shù)據(jù)記錄時(shí)間粒度是 10 秒左右，如圖 4-2。由于儀器在醫(yī)院基本不會(huì)持續(xù)多天運(yùn)臺(tái)儀器的運(yùn)行規(guī)律是與醫(yī)護(hù)人員的工作時(shí)間一致的；多數(shù)醫(yī)院科室會(huì)在下班儀器關(guān)閉，第二天上班啟動(dòng)；少數(shù)醫(yī)院科室即使不關(guān)閉儀器，也會(huì)讓儀器進(jìn)機(jī)狀態(tài)。所以可以認(rèn)為不同日期的狀態(tài)數(shù)據(jù)與故障事件的發(fā)生是無(wú)關(guān)聯(lián)的，剔除未發(fā)生故障事件的日期內(nèi)的狀態(tài)數(shù)據(jù)。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13;R197.39

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尹懷仙;王凱;張鐵柱;華青松;秦勇;郭建媛;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的城軌列車轉(zhuǎn)向架輪對(duì)軸箱故障預(yù)測(cè)[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2015年04期

2 班淑珍;韓俊峰;;改進(jìn)關(guān)聯(lián)規(guī)則方法在電力設(shè)備故障預(yù)測(cè)中的應(yīng)用[J];電網(wǎng)與清潔能源;2015年10期

3 甘超;陸遠(yuǎn);李娟;胡瑩;鄒博宇;;基于時(shí)序關(guān)聯(lián)規(guī)則的設(shè)備故障預(yù)測(cè)方法研究[J];機(jī)床與液壓;2014年11期

4 吳明輝;許愛(ài)強(qiáng);周小程;裘璐光;;基于時(shí)間序列分析的動(dòng)調(diào)陀螺儀故障預(yù)測(cè)研究[J];計(jì)算機(jī)測(cè)量與控制;2014年02期

5 向剛;張會(huì)彬;李海孟;陳星宇;;基于灰色理論與專家系統(tǒng)的電子設(shè)備在線故障預(yù)測(cè)方法研究[J];航天控制;2013年04期

6 崔貫勛;李梁;王柯柯;茍光磊;鄒航;;關(guān)聯(lián)規(guī)則挖掘中Apriori算法的研究與改進(jìn)[J];計(jì)算機(jī)應(yīng)用;2010年11期

7 彭宇;劉大同;彭喜元;;故障預(yù)測(cè)與健康管理技術(shù)綜述[J];電子測(cè)量與儀器學(xué)報(bào);2010年01期

8 左憲章;康健;李浩;唐力偉;;故障預(yù)測(cè)技術(shù)綜述[J];火力與指揮控制;2010年01期

9 聶俊嵐;張偉;;基于模糊理論的低壓開關(guān)設(shè)備故障預(yù)測(cè)研究[J];計(jì)算機(jī)應(yīng)用研究;2009年01期

10 黃穎;李偉;;EM算法與K-Means算法比較[J];計(jì)算機(jī)與現(xiàn)代化;2007年09期

相關(guān)碩士學(xué)位論文 前2條

1 王媛;基于數(shù)據(jù)倉(cāng)庫(kù)和聚類挖掘的熱計(jì)量分析[D];山東大學(xué);2016年

2 溫延超;數(shù)據(jù)挖掘在高速公路機(jī)電設(shè)備故障預(yù)測(cè)中的應(yīng)用[D];長(zhǎng)安大學(xué);2011年

本文編號(hào)：2691363