一种基于物联网的医疗设备监控方法、装置及存储介质与流程

1.本发明涉及人工智能及物联网技术领域，具体涉及一种基于物联网的医疗设备监控方法、装置及存储介质。


背景技术：

2.随着医疗技术的进步，各类医疗设备越来越多，如何快速、准确的诊断医疗设备的故障是一项技术难题，现有技术中采用医疗设备本身基于诊断模型进行诊断，由于医疗设备本身的计算能力较低，在实时运行诊断模型时，影响了医疗设备的性能。
3.此外，现有技术中，还有的将医疗设备的实时数据采用服务器进行诊断，由于医疗设备大部分时间是正常工作的，这将大大占用了服务器的带宽，降低了服务器的性能，因此，迫切需要降低服务器的压力。
4.随着人工智能技术的发展，机器学习越来越重要，但是，如何根据医疗设备的性能获取相应的压缩故障诊断模型还没有一个具体的解决方案。


技术实现要素：

5.本发明针对上述现有技术中一个或多个技术缺陷，提出了如下技术方案。
6.一种基于物联网的医疗设备监控方法， n个医疗设备通过网关连接到监控服务器，该方法包括：训练步骤，在所述监控服务器上训练m个故障诊断模型得到m个完整故障诊断模型，每个完整故障诊断模型针对一个类型的医疗设备；压缩步骤，所述监控服务器采集每个医疗设备的标识和性能参数值，并基于所述医疗设备的标识获取对应的完整故障诊断模型，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型；发送步骤，所述监控服务器将所述压缩故障诊断模型发送至所述标识对应的医疗设备；故障判断步骤，在医疗设备上使用所述压缩故障诊断模型基于实时采集的医疗设备的状态数据确定所述医疗设备是否存在初步故障，如果是，则将所述压缩故障诊断模型输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器；其中，m、n为大于1的整数。
7.更进一步地，所述监控服务器接收到所述数据包后，从所述数据包中获取第一故障信息、所述状态数据及医疗设备的标识，所述监控服务器基于所述医疗设备的标识从所述m个完整故障诊断模型获取对应的完整故障诊断模型，所述监控服务器使用所述完整故障诊断模型基于所述状态数据对所述医疗设备进行诊断得到第二诊断信息，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所述医疗设备是否存在故障。
8.更进一步地，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所
述医疗设备是否存在故障的操作为：如果所述第二诊断信息表明所述医疗设备存在故障，则所述医疗设备存在故障，并向用户发出警告信息；如果所述第二诊断信息表明所述医疗设备不存在故障，则所述医疗设备不存在故障，并累计所述压缩故障诊断模型的误报次数；如果所述第二诊断信息表明所述医疗设备疑似存在故障，则基于所述第一故障信息和所述第二诊断信息计算一故障指数，如果所述故障指数大于第一阈值，则认为所述医疗设备存在故障，反之则不存在故障，所述故障指数的计算方式为：；其中，表示故障指数，表示第一故障信息，表示第二诊断信息，表示第一故障信息与第二诊断信息之间的余弦距离。
9.更进一步地，在一定时间内所述压缩故障诊断模型的误报次数大于第二阈值时，基于所述压缩故障诊断模型对应的医疗设备的标识获取对应的完整故障诊断模型，降低对所述对应的完整故障诊断模型的压缩比，获得精度高于所述压缩故障诊断模型的第一压缩故障诊断模型，将所述第一压缩故障诊断模型发送至所述标识对应的医疗设备替换所述压缩故障诊断模型。
10.更进一步地，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型的操作为：基于所述性能参数值计算所述医疗设备的压缩参考值com：;其中，、、、为权重值，、、、分别为第i台医疗设备的处理能力、第一级缓存、第二级缓存、虚拟存储空间归一化后的值；如果所述压缩参考值com大于或等于第三阈值，则以第一压缩比压缩所述完整故障诊断模型；如果所述压缩参考值com小于或等于第四阈值，则以第二压缩比压缩所述完整故障诊断模型；如果所述压缩参考值com大于第四阈值且小于第三阈值，则以第三压缩比压缩所述完整故障诊断模型；其中，所述第一压缩比小于第三压缩比，第三压缩比小于第二压缩比。
11.本发明还提出了一种基于物联网的医疗设备监控装置， n个医疗设备通过网关连接到监控服务器，该装置包括：训练单元，在所述监控服务器上训练m个故障诊断模型得到m个完整故障诊断模型，每个完整故障诊断模型针对一个类型的医疗设备；压缩单元，用于所述监控服务器采集每个医疗设备的标识和性能参数值，并基于所述医疗设备的标识获取对应的完整故障诊断模型，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型；发送单元，用于所述监控服务器将所述压缩故障诊断模型发送至所述标识对应的医疗设备；故障判断单元，在医疗设备上使用所述压缩故障诊断模型基于实时采集的医疗设备的状态数据确定所述医疗设备是否存在初步故障，如果是，则将所述压缩故障诊断模型
输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器；其中，m、n为大于1的整数。
12.更进一步地，所述监控服务器接收到所述数据包后，从所述数据包中获取第一故障信息、所述状态数据及医疗设备的标识，所述监控服务器基于所述医疗设备的标识从所述m个完整故障诊断模型获取对应的完整故障诊断模型，所述监控服务器使用所述完整故障诊断模型基于所述状态数据对所述医疗设备进行诊断得到第二诊断信息，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所述医疗设备是否存在故障。
13.更进一步地，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所述医疗设备是否存在故障的操作为：如果所述第二诊断信息表明所述医疗设备存在故障，则所述医疗设备存在故障，并向用户发出警告信息；如果所述第二诊断信息表明所述医疗设备不存在故障，则所述医疗设备不存在故障，并累计所述压缩故障诊断模型的误报次数；如果所述第二诊断信息表明所述医疗设备疑似存在故障，则基于所述第一故障信息和所述第二诊断信息计算一故障指数，如果所述故障指数大于第一阈值，则认为所述医疗设备存在故障，反之则不存在故障，所述故障指数的计算方式为：；其中，表示故障指数，表示第一故障信息，表示第二诊断信息，表示第一故障信息与第二诊断信息之间的余弦距离。
14.更进一步地，在一定时间内所述压缩故障诊断模型的误报次数大于第二阈值时，基于所述压缩故障诊断模型对应的医疗设备的标识获取对应的完整故障诊断模型，降低对所述对应的完整故障诊断模型的压缩比，获得精度高于所述压缩故障诊断模型的第一压缩故障诊断模型，将所述第一压缩故障诊断模型发送至所述标识对应的医疗设备替换所述压缩故障诊断模型。
15.更进一步地，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型的操作为：基于所述性能参数值计算所述医疗设备的压缩参考值com：;其中，、、、为权重值，、、、分别为第i台医疗设备的处理能力、第一级缓存、第二级缓存、虚拟存储空间归一化后的值；如果所述压缩参考值com大于或等于第三阈值，则以第一压缩比压缩所述完整故障诊断模型；如果所述压缩参考值com小于或等于第四阈值，则以第二压缩比压缩所述完整故障诊断模型；如果所述压缩参考值com大于第四阈值且小于第三阈值，则以第三压缩比压缩所述完整故障诊断模型；其中，所述第一压缩比小于第三压缩比，第三压缩比小于第二压缩比。
16.本发明还提出了一种计算机可读存储介质，所述存储介质上存储有计算机程序代码，当所述计算机程序代码被计算机执行时执行上述之任一的方法。
17.本发明的技术效果在于：本发明的一种基于物联网的医疗设备监控方法、装置及存储介质，该方法包括：训练步骤s101，在所述监控服务器上训练m个故障诊断模型得到m个完整故障诊断模型，每个完整故障诊断模型针对一个类型的医疗设备；压缩步骤s102，所述监控服务器采集每个医疗设备的标识和性能参数值，并基于所述医疗设备的标识获取对应的完整故障诊断模型，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型；发送步骤s103，所述监控服务器将所述压缩故障诊断模型发送至所述标识对应的医疗设备；故障判断步骤s104，在医疗设备上使用所述压缩故障诊断模型基于实时采集的医疗设备的状态数据确定所述医疗设备是否存在初步故障，如果是，则将所述压缩故障诊断模型输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器。本发明中，医疗设备作为物联网的一个边缘计算节点，其计算能力较弱，其不具备完整诊断模型的训练能力，因此，需要在监控服务器上训练对应的完整诊断模型，即在服务器上保存了各种类型医疗设备的完整诊断模型，然后，根据获取到的性能参数对完整诊断模型进行压缩，得到与医疗设备性能参与对应的压缩故障诊断模型，其在医疗设备上进行初步诊断，当初步诊断发现故障时，将所述压缩故障诊断模型输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器进行再次诊断后综合判断，避免了所有诊断都使用监控服务器进行，降低了服务器的计算强度，且结合完整、与压缩两种模型的诊断结果进行医疗设备状态的判断，提高了诊断准确性；本发明中，在完整诊断模型的推理结果为疑似存在故障时，构建了基于所述第一故障信息和所述第二诊断信息计算一故障指数的具体方式，其采用第一故障信息和所述第二诊断信息之间的余弦距离或余弦距离相关的函数作为相应的权重计算故障指数，然后基于故障指数的大小确定医疗设备是否存在故障，即结合了压缩模型及完整模型二者的推理结果进行计算，提高了医疗设备故障诊断的准确度；本发明中，在压缩故障诊断模型误报次数在一定时间内超过一定阈值时，说明该压缩模型精度太低，不适合进行故障诊断，可以将压缩比降低，从而获得精度较高的压缩故障诊断模型发送至所述标识对应的医疗设备替换所述压缩故障诊断模型，以降低后续的误报次数；本发明中，提出了基于医疗设备的性能参数与神经网络压缩比之间的对应关系，该计算方式可以完美的反应出医疗设备作为物联网的边缘计算设备的性能，从而为其压缩相应精度的诊断模型，且在实际使用时，可以根据误报的次数调整相应的压缩比后进行重新压缩。
附图说明
18.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显。
19.图1是根据本发明的实施例的一种基于物联网的医疗设备监控方法的流程图。
20.图2是根据本发明的实施例的一种基于物联网的医疗设备监控装置的结构图。
具体实施方式
21.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
22.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
23.图1示出了本发明的一种基于物联网的医疗设备监控方法，其中，n个医疗设备通过网关连接到监控服务器，该方法包括：训练步骤s101，在所述监控服务器上训练m个故障诊断模型得到m个完整故障诊断模型，每个完整故障诊断模型针对一个类型的医疗设备；m个故障诊断模型可以是训练后的cnn（卷积神经网络）、dnn（深度神经网络）、svm（支持向量机）等，训练过程都是基于标记后的历史数据进行神经网络的训练，本技术中，在服务器上训练了对应多种类型医疗设备的故障诊断模型，即每种类型的医疗设备对应一个故障诊断模型。
24.压缩步骤s102，所述监控服务器采集每个医疗设备的标识和性能参数值，并基于所述医疗设备的标识获取对应的完整故障诊断模型，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型；发送步骤s103，所述监控服务器将所述压缩故障诊断模型发送至所述标识对应的医疗设备；故障判断步骤s104，在医疗设备上使用所述压缩故障诊断模型基于实时采集的医疗设备的状态数据确定所述医疗设备是否存在初步故障，如果是，则将所述压缩故障诊断模型输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器；该数据包一般采用加密后发送，加密可以采用对称或非对称的加密方式，加密方式也选用现有技术中比较成熟的加密算法。本发其中，m、n均为大于1的整数。
25.本发明中，医疗设备作为物联网的一个边缘计算节点，其计算能力较弱，其不具备完整诊断模型的训练能力，因此，需要在监控服务器上训练对应的完整诊断模型，即在服务器上保存了各种类型医疗设备的完整诊断模型，然后，根据获取到的性能参数对完整诊断模型进行压缩，得到与医疗设备性能参与对应的压缩故障诊断模型，其在医疗设备上进行初步诊断，当初步诊断发现故障时，将所述压缩故障诊断模型输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器进行再次诊断后综合判断，避免了所有诊断都使用监控服务器进行，降低了服务器的计算强度，且结合完整、与压缩两种模型的诊断结果进行医疗设备状态的判断，提高了诊断准确性，这是本发明的重要发明构思体现。
26.在一个优选的实施例中，所述监控服务器接收到所述数据包后，从所述数据包中获取第一故障信息、所述状态数据及医疗设备的标识，所述监控服务器基于所述医疗设备的标识从所述m个完整故障诊断模型获取对应的完整故障诊断模型，所述监控服务器使用所述完整故障诊断模型基于所述状态数据对所述医疗设备进行诊断得到第二诊断信息，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所述医疗设备是否存在故障。
27.本发明中，使用压缩故障诊断模型判断医疗设备初步存在故障后才将所述状态数据及医疗设备的标识发送至监控服务器，从而过滤掉了大量的正常状态数据，提高了网络性能，降低了监控服务器的压力，由于压缩故障诊断模型的精度较完整诊断模型诊断精度降低，因此，在压缩故障诊断模型初步判断存在故障时，再使用完整诊断模型对同样的状态数据进行诊断，然后再基于二者的诊断信息进行综合判断，提高了医疗设备故障诊断准确
度，这是本发明的一个重要发明点。
28.在一个优选的实施例中，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所述医疗设备是否存在故障的操作为：如果所述第二诊断信息表明所述医疗设备存在故障，则所述医疗设备存在故障，并向用户发出警告信息；如果所述第二诊断信息表明所述医疗设备不存在故障，则所述医疗设备不存在故障，并累计所述压缩故障诊断模型的误报次数；如果所述第二诊断信息表明所述医疗设备疑似存在故障，则基于所述第一故障信息和所述第二诊断信息计算一故障指数，如果所述故障指数大于第一阈值，则认为所述医疗设备存在故障，反之则不存在故障，所述故障指数的计算方式为：；其中，表示故障指数，表示第一故障信息，表示第二诊断信息，表示第一故障信息与第二诊断信息之间的余弦距离。
29.本发明中，在完整诊断模型的推理结果为疑似存在故障时，构建了基于所述第一故障信息和所述第二诊断信息计算一故障指数的具体方式，其采用第一故障信息和所述第二诊断信息之间的余弦距离或余弦距离相关的函数作为相应的权重计算故障指数，然后基于故障指数的大小确定医疗设备是否存在故障，即结合了压缩模型及完整模型二者的推理结果进行计算，提高了医疗设备故障诊断的准确度，该故障指数的具体计算方法是本发明的另一个重要发明点。
30.在一个优选的实施例中，在一定时间内所述压缩故障诊断模型的误报次数大于第二阈值时，基于所述压缩故障诊断模型对应的医疗设备的标识获取对应的完整故障诊断模型，降低对所述对应的完整故障诊断模型的压缩比，获得精度高于所述压缩故障诊断模型的第一压缩故障诊断模型，将所述第一压缩故障诊断模型发送至所述标识对应的医疗设备替换所述压缩故障诊断模型。
31.本发明中，在压缩故障诊断模型误报次数在一定时间内超过一定阈值时，说明该压缩模型精度太低，不适合进行故障诊断，可以将压缩比降低，比如，原来的压缩比为50%，降低为20%，即压缩掉20%，本发明的压缩比的定义为，从而获得精度较高的压缩故障诊断模型发送至所述标识对应的医疗设备替换所述压缩故障诊断模型，以降低后续的误报次数，这是本发明的另一个重要发明点。
32.在一个优选的实施例中，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型的操作为：基于所述性能参数值计算所述医疗设备的压缩参考值com：;其中，、、、为权重值，、、、分别为第i台医疗设备的处理能力、第一级缓存、第二级缓存、虚拟存储空间归一化后的值；如果所述压缩参考值com大于或等于第三阈值，则以第一压缩比压缩所述完整故障诊断模型；这说明医疗设备的处理能力较强，可以将第一压缩比设置的较小，比如20%。
33.如果所述压缩参考值com小于或等于第四阈值，则以第二压缩比压缩所述完整故障诊断模型；这说明医疗的设备的计算性能较低，可将第二压缩比设置较大，比如为60%。
34.如果所述压缩参考值com大于第四阈值且小于第三阈值，则以第三压缩比压缩所述完整故障诊断模型；这说明医疗的设备的计算性能中等，可将第三压缩比设置一个中间数值，比如为30%。本发明中，所述第一压缩比小于第三压缩比，第三压缩比小于第二压缩比。
35.本发明中，提出了基于医疗设备的性能参数与神经网络压缩比之间的对应关系，该计算方式可以完美的反应出医疗设备作为物联网的边缘计算设备的性能，从而为其压缩相应精度的诊断模型，且在实际使用时，可以根据误报的次数调整相应的压缩比后进行重新压缩，这是本发明的另一个重要发明点。
36.图2示出了本发明的一种基于物联网的医疗设备监控装置，其中，n个医疗设备通过网关连接到监控服务器，该装置包括：训练单元201，在所述监控服务器上训练m个故障诊断模型得到m个完整故障诊断模型，每个完整故障诊断模型针对一个类型的医疗设备；m个故障诊断模型可以是训练后的cnn（卷积神经网络）、dnn（深度神经网络）、svm（支持向量机）等，训练过程都是基于标记后的历史数据进行神经网络的训练，本技术中，在服务器上训练了对应多种类型医疗设备的故障诊断模型，即每种类型的医疗设备对应一个故障诊断模型。
37.压缩单元202，所述监控服务器采集每个医疗设备的标识和性能参数值，并基于所述医疗设备的标识获取对应的完整故障诊断模型，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型；发送单元203，所述监控服务器将所述压缩故障诊断模型发送至所述标识对应的医疗设备；故障判断单元204，在医疗设备上使用所述压缩故障诊断模型基于实时采集的医疗设备的状态数据确定所述医疗设备是否存在初步故障，如果是，则将所述压缩故障诊断模型输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器；该数据包一般采用加密后发送，加密可以采用对称或非对称的加密方式，加密方式也选用现有技术中比较成熟的加密算法。本发其中，m、n均为大于1的整数。
38.本发明中，医疗设备作为物联网的一个边缘计算节点，其计算能力较弱，其不具备完整诊断模型的训练能力，因此，需要在监控服务器上训练对应的完整诊断模型，即在服务器上保存了各种类型医疗设备的完整诊断模型，然后，根据获取到的性能参数对完整诊断模型进行压缩，得到与医疗设备性能参与对应的压缩故障诊断模型，其在医疗设备上进行初步诊断，当初步诊断发现故障时，将所述压缩故障诊断模型输出的第一故障信息、所述状态数据及所述医疗设备的标识生成一数据包发送至所述监控服务器进行再次诊断后综合判断，避免了所有诊断都使用监控服务器进行，降低了服务器的计算强度，且结合完整、与压缩两种模型的诊断结果进行医疗设备状态的判断，提高了诊断准确性，这是本发明的重要发明构思体现。
39.在一个优选的实施例中，所述监控服务器接收到所述数据包后，从所述数据包中获取第一故障信息、所述状态数据及医疗设备的标识，所述监控服务器基于所述医疗设备的标识从所述m个完整故障诊断模型获取对应的完整故障诊断模型，所述监控服务器使用
所述完整故障诊断模型基于所述状态数据对所述医疗设备进行诊断得到第二诊断信息，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所述医疗设备是否存在故障。
40.本发明中，使用压缩故障诊断模型判断医疗设备初步存在故障后才将所述状态数据及医疗设备的标识发送至监控服务器，从而过滤掉了大量的正常状态数据，提高了网络性能，降低了监控服务器的压力，由于压缩故障诊断模型的精度较完整诊断模型诊断精度降低，因此，在压缩故障诊断模型初步判断存在故障时，再使用完整诊断模型对同样的状态数据进行诊断，然后再基于二者的诊断信息进行综合判断，提高了医疗设备故障诊断准确度，这是本发明的一个重要发明点。
41.在一个优选的实施例中，所述监控服务器基于所述第一故障信息和所述第二诊断信息判断所述医疗设备是否存在故障的操作为：如果所述第二诊断信息表明所述医疗设备存在故障，则所述医疗设备存在故障，并向用户发出警告信息；如果所述第二诊断信息表明所述医疗设备不存在故障，则所述医疗设备不存在故障，并累计所述压缩故障诊断模型的误报次数；如果所述第二诊断信息表明所述医疗设备疑似存在故障，则基于所述第一故障信息和所述第二诊断信息计算一故障指数，如果所述故障指数大于第一阈值，则认为所述医疗设备存在故障，反之则不存在故障，所述故障指数的计算方式为：；其中，表示故障指数，表示第一故障信息，表示第二诊断信息，表示第一故障信息与第二诊断信息之间的余弦距离。
42.本发明中，在完整诊断模型的推理结果为疑似存在故障时，构建了基于所述第一故障信息和所述第二诊断信息计算一故障指数的具体方式，其采用第一故障信息和所述第二诊断信息之间的余弦距离或余弦距离相关的函数作为相应的权重计算故障指数，然后基于故障指数的大小确定医疗设备是否存在故障，即结合了压缩模型及完整模型二者的推理结果进行计算，提高了医疗设备故障诊断的准确度，该故障指数的具体计算方法是本发明的另一个重要发明点。
43.在一个优选的实施例中，在一定时间内所述压缩故障诊断模型的误报次数大于第二阈值时，基于所述压缩故障诊断模型对应的医疗设备的标识获取对应的完整故障诊断模型，降低对所述对应的完整故障诊断模型的压缩比，获得精度高于所述压缩故障诊断模型的第一压缩故障诊断模型，将所述第一压缩故障诊断模型发送至所述标识对应的医疗设备替换所述压缩故障诊断模型。
44.本发明中，在压缩故障诊断模型误报次数在一定时间内超过一定阈值时，说明该压缩模型精度太低，不适合进行故障诊断，可以将压缩比降低，比如，原来的压缩比为50%，降低为20%，即压缩掉20%，本发明的压缩比的定义为，从而获得精度较高的压缩故障诊断模型发送至所述标识对应的医疗设备替换所述压缩故障诊断模型，以降低后续的误报次数，这是本发明的另一个重要发明点。
45.在一个优选的实施例中，基于所述性能参数值对获取的对应的完整故障诊断模型进行压缩得到压缩故障诊断模型的操作为：基于所述性能参数值计算所述医疗设备的压缩
参考值com：;其中，、、、为权重值，、、、分别为第i台医疗设备的处理能力、第一级缓存、第二级缓存、虚拟存储空间归一化后的值；如果所述压缩参考值com大于或等于第三阈值，则以第一压缩比压缩所述完整故障诊断模型；这说明医疗设备的处理能力较强，可以将第一压缩比设置的较小，比如20%。
46.如果所述压缩参考值com小于或等于第四阈值，则以第二压缩比压缩所述完整故障诊断模型；这说明医疗的设备的计算性能较低，可将第二压缩比设置较大，比如为60%。
47.如果所述压缩参考值com大于第四阈值且小于第三阈值，则以第三压缩比压缩所述完整故障诊断模型；这说明医疗的设备的计算性能中等，可将第三压缩比设置一个中间数值，比如为30%。本发明中，所述第一压缩比小于第三压缩比，第三压缩比小于第二压缩比。
48.本发明中，提出了基于医疗设备的性能参数与神经网络压缩比之间的对应关系，该计算方式可以完美的反应出医疗设备作为物联网的边缘计算设备的性能，从而为其压缩相应精度的诊断模型，且在实际使用时，可以根据误报的次数调整相应的压缩比后进行重新压缩，这是本发明的另一个重要发明点。
49.本发明一个实施例中提出了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，当所述计算机存储介质上的计算机程序被处理器执行时实现上述的方法，该计算机存储介质可以是硬盘、dvd、cd、闪存等等存储器。
50.本发明的为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然， 在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
51.通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质 中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例或者实施例的某些部分所述的装置。
52.最后所应说明的是：以上实施例仅以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。