基于多源数据融合分析的医疗设备状态管理方法及系统与流程

摘要: 本发明涉及医疗设备状态监控与智能运维,具体是基于多源数据融合分析的医疗设备状态管理方法及系统。背景技术:1、随着医疗设备智能化,远程会诊成为现代医疗服务中一种重...
基于多源数据融合分析的医疗设备状态管理方法及系统与流程

本发明涉及医疗设备状态监控与智能运维,具体是基于多源数据融合分析的医疗设备状态管理方法及系统。

背景技术:

1、随着医疗设备智能化,远程会诊成为现代医疗服务中一种重要的形式,逐渐成为了跨地域、跨学科诊疗的核心工具,尤其在医疗资源有限或分布不均的地区,远程会诊能够有效地提高诊疗效率,缩短患者等待时间,改善诊疗质量;

2、随着信息技术的不断进步,尤其是大数据、人工智能、物联网等技术的广泛应用,医疗设备管理平台的功能和性能得到了显著增强,能够支持多种数据类型的集成和实时分析,为医生和患者提供更为高效和精准的医疗服务;

3、现有医疗设备状态监控方案通常采用固定阈值规则或单参数告警方式,当某一参数超过预设阈值时即触发告警,难以综合反映多类设备参数之间的协同异常状态;设备优化或维护时机相对固定,难以根据设备历史运行趋势进行动态调整,容易出现过早优化或滞后优化;缺乏对异常状态持续趋势的预判机制,通常只能在故障发生后进行响应,难以实现主动预警;

4、而且,医疗设备管理平台在实际应用中会存在视频卡顿、声画不同步、传感器传输不准确等问题,为了减少问题出现的频率,需要对医疗设备管理平台中的设备进行优化,但是,如果按照设定的优化时间一成不变地进行优化,就会出现优化过频或者优化延后的情况,因此需要对多源数据进行融合,找到合适的时机对医疗设备管理平台进行优化,保证医疗设备管理平台应用质量,进而提升平台的稳定性与安全性,有效提升了医疗设备运行管理的智能化、精细化水平。

技术实现思路

1、本发明的目的在于提供基于多源数据融合分析的医疗设备状态管理方法及系统,以解决现有技术中提出的问题。

2、为了解决上述技术问题,本发明提供如下技术方案:基于多源数据融合分析的医疗设备状态管理方法,方法包括:

3、步骤s100:在终端设备中预设若干个设备参数的标准范围,监测每个设备参数,并根据各设备参数在历史设备状态记录中异常的频率和累积时长比计算异常评分,基于所述异常评分确定特征参数;

4、步骤s200:统计训练周期内各个状态评估周期的平均特征时长,判断异常状态评估周期;

5、步骤s300:获取异常状态评估周期中的设备状态记录,根据设备状态记录中各个特征参数的特征数值情况,评估设备状态记录的特征等级;

6、步骤s400:梳理异常状态评估周期的特征设备状态记录,计算异常状态评估周期的指标评分,基于所述指标评分的平均值和标准差,确定指标评分阈值;

7、步骤s500:根据当前设备状态记录的实时指标评分情况,判断医疗设备管理平台中终端设备的安全运行控制状态。

8、进一步的,步骤s100包括:

9、步骤s101:在业务运行周期中监测设备参数,所述设备参数包括以下至少一种视频设备参数、音频设备参数、监护设备参数、护理相关设备参数、网络传输参数、终端计算资源参数,若某个设备参数的数值不满足所述设备参数的标准范围,则将所述设备参数标记为异常,当所述设备参数的数值恢复到标准范围内时,则将所述设备参数标记为正常,若所述设备参数再次不满足标准范围,则重新标记为异常;

10、步骤s102:获取终端设备在每次业务运行周期中的运行状态,并将每个终端设备在同个业务运行周期中的运行状态进行汇总,生成设备状态记录,采集某条历史设备状态记录中某个设备参数被标记为异常的次数,统计某个设备参数在所有历史设备状态记录中被标记为异常的次数为a,统计所有设备参数在所有历史设备状态记录中被标记为异常的总次数为a’,计算某个设备参数被标记为异常的频率为a/a’;

11、步骤s103:将设备参数被标记为异常的持续时间设为异常时长,并将设备状态记录中某个设备参数的所有异常时长相加,得到所述设备状态记录中某个设备参数的异常总时长,采集某条历史设备状态记录中某个设备参数的异常总时长,将某个设备参数在所有历史设备状态记录中的异常总时长相加,得到某个设备参数的累积时长为r,将所有设备参数的累积时长相加,得到累积总时长为r’,计算某个设备参数的累积时长比为r/r’;

12、步骤s104:根据以下公式计算设备参数的异常评分:

13、;

14、其中,c表示为设备参数的异常评分,分别表示为被标记为异常的频率、累积时长比的权值,均为非负权重系数,且=1;

15、步骤s105:将所有设备参数按照异常评分从高到低进行排序,并确定每个设备参数的位序,设定特征参数的数量阈值,将每个设备参数的位序与所述数量阈值进行比较,若某个设备参数的位序小于或等于特征参数的数量阈值,则将所述设备参数设为特征参数;

16、其中,视频设备参数包括视频的丢帧率、延迟、卡顿等,音频设备参数包括音频的延迟、卡顿、噪声等、监护设备参数包括心率、血氧、体温等监护参数在传输过程中显示不准确、未能显示等、护理相关设备参数包括体位变化、湿度感应、输液体积等护理相关参数在传输过程中数据传输错误等,通过统计各个设备参数的异常评分,可以识别出在历史设备状态记录中经常出现的关键参数,可以通过设定阈值来筛选出真正有影响力的特征参数,从而提高异常识别的准确性;

17、对于不同来源的设备参数,系统按照设备状态记录的生成时间,将同一记录时间范围内采集到的多个设备参数进行汇总;对于同一设备参数在一个记录时间范围内存在多个采样值的情况,采用平均值、最大值、异常次数或异常持续时长作为该设备参数在该设备状态记录中的特征数值;对于未采集到有效数值的设备参数,将其标记为缺失状态,并将所述缺失状态作为异常状态参与异常评分计算;

18、某些参数可能偶尔会出现,但并不代表它们与异常情况有直接关系,可以有效过滤掉那些偶尔出现的、不具备代表性的参数,减少噪声对分析结果的干扰,使分析过程更加集中于有意义的数据。

19、进一步的,步骤s200包括:

20、步骤s201:将连续若干天设置为训练周期,获取医疗设备管理平台的状态评估周期,提取在某个状态评估周期内的设备状态记录集合,采集某个设备状态记录中每个特征参数的异常总时长,并进行相加,得到所述设备状态记录的异常时长总和;

21、步骤s202:将某个状态评估周期内所有设备状态记录的异常时长总和进行相加,得到所述状态评估周期的特征时长为b,统计所述状态评估周期内的设备状态记录数量为b’,计算得到所述状态评估周期的平均特征时长为 b/b’;

22、步骤s203:设置平均特征时长阈值,将每个状态评估周期的平均特征时长与所述平均特征时长阈值进行比较,若某个状态评估周期的平均特征时长超过所述平均特征时长阈值,则将所述状态评估周期设为异常状态评估周期;

23、其中,状态评估周期是指医疗设备管理平台用于汇总设备状态记录、计算异常特征并更新风险判断结果的固定或动态时间窗口;所述状态评估周期可以按照固定时间间隔、设备运行周期或业务运行周期确定;

24、通过计算每个状态评估周期的平均特征时长,可以有效识别出那些异常的状态评估周期,这有助于及时发现平台运行中的问题,对这些异常状态评估周期进行分析,能够提高分析的准确性。

25、进一步的,步骤s300包括:

26、步骤s301:获取特征参数在异常时长中监测到的数值,计算在异常时长中特征参数的平均数值,在异常状态评估周期中,采集设备状态记录中某个特征参数在所有异常时长中的平均数值并相加,得到设备状态记录中所述特征参数的总平均数值为u,获取设备状态记录中所述特征参数的异常时长的数量为u’,计算得到设备状态记录中所述特征参数的特征数值为u/u’;

27、步骤s302:汇总某个特征参数在所有异常状态评估周期的特征数值,采集所述特征参数的最大值为xmax和最小值为xmin,在某个异常状态评估周期中,采集某个设备状态记录中某个特征参数的特征数值,并根据以下归一化公式计算归一化后的数值:

28、;

29、其中,e表示为归一化后的数值,x表示为未经归一化的数值,d表示为归一化公式的偏差值;

30、步骤s303:获取某个设备状态记录中所有特征参数经过归一化的数值,根据以下公式计算设备状态记录的特征评分:

31、;

32、其中,p表示为设备状态记录的特征评分,ei表示为第i个特征参数经过归一化的数值,ei表示为第i个特征参数的权值,r表示为特征参数的总数;

33、步骤s304:汇总所有异常状态评估周期中设备状态记录的特征评分,将特征评分划分为若干个特征等级,提取某个特征等级的特征评分范围,确定每个设备状态记录的特征等级;

34、通过将各个特征参数归一化,确保了不同特征参数在相同的尺度上进行比较和加权,不同特征参数可能有不同的量纲和范围,例如音频延迟、视频卡顿、丢帧率等,直接对比这些数值可能会导致偏差,归一化后,所有特征参数的数值都映射到统一的标准范围,可以消除量纲不一致的影响,使得不同特征参数的贡献可以合理地比较;

35、设备状态记录的特征评分通过将多个特征参数进行加权平均计算得到,有助于对不同特征参数赋予适当的权重,避免某个影响较大的参数在评分中被低估,确保过程评分真实反映整个远程业务运行周期中医疗设备的运行质量;

36、通过引入特征参数总数进行平均化处理,可以避免由于特征参数数量不同而导致特征评分随参数数量增加而增大的情况,使不同设备状态记录在采用不同数量特征参数时所得评分保持统一的数值尺度,提高评分结果的可比性和稳定性,能够降低单个特征参数异常波动对整体评分的影响,使最终获得的特征评分更加客观、平稳地反映设备的综合状态。

37、进一步的,步骤s400包括:

38、步骤s401:设定异常特征等级,将某个异常状态评估周期内每个设备状态记录的特征等级与所述异常特征等级进行比较;若存在连续n个设备状态记录的特征等级大于或等于所述异常特征等级,则将所述连续n个设备状态记录确定为核心异常区间,并将所述核心异常区间以及在同一个异常状态评估周期内位于所述核心异常区间前序且连续的若干个关联设备状态记录,汇总为特征设备状态记录集合q={b1,b2,…,bw},其中,w表示所述特征设备状态记录集合中设备状态记录的数量,n表示连续满足异常特征等级条件的设备状态记录数量;

39、步骤s402:采集所述特征设备状态记录集合q中,每两个相邻设备状态记录之间的时间间隔,得到所述异常状态评估周期的时间间隔集合k={t1,t2,...,tw-1},其中,t1,t2,...,tw-1分别表示为异常状态评估周期中第1,2,...,w-1个时间间隔,汇总所有异常状态评估周期的时间间隔集合,得到平均时间间隔;

40、步骤s403:将每个特征等级进行赋值,根据以下公式计算异常状态评估周期的指标评分:

41、;

42、其中,f表示为异常状态评估周期的指标评分,l1表示为第1个设备状态记录的特征等级的权值,tq-1表示为第q-1个设备状态记录的时间间隔,t表示为平均时间间隔,lq表示为第q个设备状态记录的特征等级的权值;

43、步骤s404:汇总所有异常状态评估周期的指标评分,得到指标评分的平均值为f和标准差为g,根据以下公式计算指标评分阈值:z=f+h*g;

44、其中,z表示为指标评分阈值,h表示为预设的一个常数;

45、所述前序关联设备状态记录为核心异常区间起始记录之前,时间间隔不超过预设关联时间窗口且特征等级高于正常基准值的连续设备状态记录;或者为核心异常区间起始记录之前预设数量的连续设备状态记录;

46、通过对时间间隔的分析,平台可以识别在某些时间段内是否存在处理延迟或系统瓶颈,例如,时间间隔过长可能意味着某些环节的响应不及时,需要优化;

47、通过计算指标评分,平台能够综合评价每个异常状态评估周期的表现,考虑到过程等级和时间间隔的因素,这一评分机制能够帮助平台准确衡量每个状态评估周期的整体质量,能够反映出业务运行周期中的各个层面;

48、通过平均值和标准差的计算,平台能够设定一个科学合理的指标评分阈值,从而避免主观判断带来的偏差,确保评估结果的一致性和准确性。

49、进一步的,步骤s500包括:

50、步骤s501:采集当前设备状态记录中所有特征参数在所有异常时长中的实时平均数值,计算所述设备状态记录的实时特征等级;

51、步骤s502:获取上一次设备状态记录的指标评分,采集上一次设备状态记录的时间点,当不存在上一次设备状态记录时,将f1设为训练周期内指标评分平均值f,当ty-ty’小于预设最小时间间隔时,按照预设最小时间间隔计算;当ty-ty′大于预设最大时间间隔时,按照预设最大时间间隔计算,当历史设备状态记录数量小于预设最小样本量时,采用预设初始阈值作为指标评分阈值,根据以下公式计算当前设备状态记录的实时指标评分:

52、;

53、其中,f’表示为当前设备状态记录的实时指标评分,f1表示为上一次设备状态记录的指标评分,ty表示为当前设备状态记录的时间点,ty'表示为上一次设备状态记录的时间点,l’表示为当前设备状态记录的实时特征等级的权值;

54、步骤s503:若当前设备状态记录的实时指标评分超过指标评分阈值,则医疗设备管理平台切换至安全运行模式,并向管理终端发送设备优化预警信号;

55、通过设定指标评分阈值,系统能够自动识别出性能较差的设备状态记录并启动优化流程,这个过程减少了人工操作的干预,提高了平台的自动化水平,减少平台故障的时间,提升整体效率;

56、安全运行模式是指在设备状态风险达到预设触发条件时,医疗设备管理平台在不中断核心业务的前提下,对终端设备、通信链路或数据传输策略执行的保护性控制状态,所述安全运行模式包括非核心数据传输限流、视频码率调整、通信链路重连、备用采集设备切换、异常数据重采集、设备自检或维护工单生成中的至少一种。

57、为了更好实现上述方法还提出了基于多源数据融合分析的医疗设备状态管理系统,系统包括特征参数模块、异常状态评估周期模块、特征等级模块、指标评分阈值模块和安全运行控制模块;

58、特征参数模块:在终端设备中预设若干个设备参数的标准范围,监测每个设备参数,并根据各设备参数在历史设备状态记录中异常的频率和累积时长比计算异常评分,基于所述异常评分确定特征参数;

59、异常状态评估周期模块:统计训练周期内各个状态评估周期的平均特征时长,判断异常状态评估周期;

60、特征等级模块:获取异常状态评估周期中的设备状态记录,根据设备状态记录中各个特征参数的特征数值情况,评估设备状态记录的特征等级;

61、指标评分阈值模块:梳理异常状态评估周期的特征设备状态记录,计算异常状态评估周期的指标评分,基于所述指标评分的平均值和标准差,确定指标评分阈值;

62、安全运行控制模块:根据当前设备状态记录的实时指标评分情况,判断医疗设备管理平台中终端设备的安全运行控制状态。

63、进一步的,异常状态评估周期模块包括计算异常时长总和单元和确定异常状态评估周期单元:

64、计算异常时长总和单元:将连续若干天设置为训练周期,获取医疗设备管理平台的状态评估周期,提取在某个状态评估周期内的设备状态记录集合,采集某个设备状态记录中每个特征参数的异常总时长,并进行相加,得到所述设备状态记录的异常时长总和;

65、确定异常状态评估周期单元:将某个状态评估周期内所有设备状态记录的异常时长总和进行相加,得到所述状态评估周期的特征时长,统计所述状态评估周期内的设备状态记录数量,计算得到所述状态评估周期的平均特征时长,设置平均特征时长阈值,将每个状态评估周期的平均特征时长与所述平均特征时长阈值进行比较,若某个状态评估周期的平均特征时长超过所述平均特征时长阈值,则将所述状态评估周期设为异常状态评估周期。

66、进一步的,特征等级模块包括归一化处理单元和确定特征等级单元:

67、归一化处理单元:汇总某个特征参数在所有异常状态评估周期的特征数值,采集所述特征参数的最大值和最小值,在某个异常状态评估周期中,采集某个设备状态记录中某个特征参数的特征数值,计算归一化后的数值;

68、确定特征等级单元:获取某个设备状态记录中所有特征参数经过归一化的数值,计算设备状态记录的特征评分,汇总所有异常状态评估周期中设备状态记录的特征评分,将特征评分划分为若干个特征等级,提取某个特征等级的特征评分范围,确定每个设备状态记录的特征等级。

69、进一步的,指标评分阈值模块包括确定特征设备状态记录集合单元和确定指标评分阈值单元:

70、确定特征设备状态记录集合单元:设定异常特征等级,将某个异常状态评估周期内每个设备状态记录的特征等级与所述异常特征等级进行比较;若存在连续n个设备状态记录的特征等级大于或等于所述异常特征等级,则将所述连续n个设备状态记录确定为核心异常区间,并将所述核心异常区间以及在同一个异常状态评估周期内位于所述核心异常区间前序且连续的若干个关联设备状态记录,汇总为特征设备状态记录集合;

71、确定指标评分阈值单元:将每个特征等级进行赋值,计算异常状态评估周期的指标评分,汇总所有异常状态评估周期的指标评分,得到指标评分的平均值和标准差,计算指标评分阈值。

72、与现有技术相比,本发明的有益效果是:本发明通过对视频设备参数、音频设备参数、监护设备参数、护理相关设备参数、网络传输参数以及终端计算资源参数等多维度设备参数进行统一采集和融合分析,并基于异常频率及异常持续时长构建设备参数异常评分机制,从众多设备参数中筛选出能够表征设备运行状态的特征参数,相比传统单参数监测方式,能够全面反映医疗设备管理平台及终端设备的实际运行状态,有效降低单一指标波动造成的误判,提高设备状态识别的准确性和可靠性;

73、通过统计各设备参数在历史设备状态记录中的异常频率和累积异常时长,并计算异常评分,对设备参数进行排序筛选,自动确定影响设备运行状态的特征参数,无需人工逐项分析大量监测数据,即可快速定位对设备稳定性影响较大的关键指标,从而提高异常检测效率,降低运维管理成本;

74、通过统计各状态评估周期内特征参数的平均特征时长,并与预设阈值进行比较,自动识别异常状态评估周期,相比现有技术仅在故障发生后进行报警,本发明能够从设备异常持续趋势角度发现潜在风险,在设备尚未发生严重故障前识别异常运行阶段,实现设备故障的提前预警,提高设备运行安全性;通过统一的特征等级体系,可以更加直观地反映设备异常程度,便于管理人员掌握设备健康状态,提高设备状态管理的科学性和标准化程度;

75、通过识别连续多个高等级异常设备状态记录形成的核心异常区间,并结合前序关联设备状态记录构建特征设备状态记录集合,同时引入设备状态记录之间的时间间隔因素计算指标评分,能够有效区分偶发异常与持续恶化异常,提高设备风险评估精度,降低误报警率和漏报警率;

76、通过对历史异常状态评估周期的指标评分进行统计分析,利用指标评分平均值和标准差动态生成指标评分阈值,使阈值能够随设备运行环境、使用频率及业务负载变化而自适应调整,相比固定阈值方式,能够更好地适应不同医疗场景下的设备运行特征,提高异常判定的合理性和适应性,自动触发安全运行模式并提醒工作人员进行优化处理,从而实现由传统故障响应式管理向主动预测式管理转变,提高医疗设备管理平台的整体稳定性和安全性。