面向医用耗材审计的监测评估方法、系统及存储介质

本发明公开了面向医用耗材审计的监测评估方法、系统及存储介质，解决了现有方法中Simhash‑BERT网络的BERT模型的性能在很大程度上依赖于大量高质量的训练数据，而面对信息散落于不同的部门和系统之中的耗材数据，模型准确性和鲁棒性不足的问题，方法包括：对医用耗材采集信息标准化处理，得到耗材标准化数据，基于耗材标准化数据构建耗材基础数据库，结合深度学习与对抗训练预构建自学习预警模型；自学习预警模型识别医用耗材异常使用点及异常使用模式，生成识别检测结果；本发明结合深度学习与对抗训练预构建自学习预警模型，自学习预警模型为结合深度学习与对抗训练的基于条件对抗网络的Bi‑LSTM模型，有效提升Bi‑LSTM网络在处理复杂序列数据时的准确性和鲁棒性。