摘要
本发明公开了一种基于深度学习的智能化医疗设备故障诊断与预测方法,包括如下步骤:S1、获取医疗设备在运行过程中的数据,构建医疗设备原始数据集;S2、对医疗设备原始数据集进行预处理,提取医疗设备输入特征向量;S3、构建多任务深度神经网络模型,组合构建初始结果集;S4、基于初始结果集,构建初始结果集的整体性能指标;S5、基于初始结果集的整体性能指标,采用多目标灰狼优化算法对结果进行联合优化,得到最终优化参数集;S6、利用优化参数集对结果进行修正,输出优化诊断结果与优化预测结果。本发明采用多任务深度神经网络与多目标灰狼优化算法的联合机制,实现了医疗设备故障诊断与寿命预测结果的协同输出与精度增强。
技术关键词
智能化医疗设备
多任务深度神经网络
故障类别
灰狼优化算法
参数
医疗设备故障诊断
滑动窗口机制
标签
双向长短期记忆网络
一维卷积神经网络
数据
序列特征
卷积特征
寿命
重构
符号
样本
矩阵
系统为您推荐了相关专利信息
眼底激光治疗仪
振镜
FPGA控制单元
阵列
眼科激光治疗仪器
生成方法
生命体征数据
患者
电子健康记录
药物动力学建模
电磁隐身
凝胶材料
贝叶斯概率模型
深度神经网络
电磁仿真