一种简易的医疗设备管理控制系统的制作方法

本发明涉及医疗技术领域，具体涉及一种简易的医疗设备管理控制系统。

背景技术：

相关技术中，医院医疗设备的管理上存在私自收费和人情化检查的情况，使得医务人员滥用医疗设备的问题越来越严重，影响医院的运作效率和经济效益。

技术实现要素：

针对上述问题，本发明提供一种简易的医疗设备管理控制系统。

本发明的目的采用以下技术方案来实现：

一种简易的医疗设备管理控制系统，包括信息管理子系统、身份识别子系统和控制子系统，所述信息管理子系统用于管理医疗患者在医院的医疗活动信息；所述身份识别子系统用于获取医疗设备待使用者的身份信息；所述控制子系统连接医院的医疗设备，其对信息管理子系统中与身份信息相对应的医疗活动信息进行判断，根据判断结果控制医疗设备的通断。

本发明的有益效果为：通过身份信息从信息管理子系统中获取待使用者的其他状态信息，如是否挂号、到科室就诊，是否已经缴纳使用医疗设备所需的费用等，再根据医院的管理规则判断待使用者是否符合使用医疗设备的条件，根据判断结果控制医疗设备的通断，从而可规范化的控制医疗设备的使用。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构框图；

图2是故障检测模块的结构框图。

附图标记：

信息管理子系统1、身份识别子系统2、控制子系统3、控制器4、故障检测模块5、实时监测子模块11、故障分析检测子模块12、特征提取单元10、信息筛选单元20、故障分析检测单元30。

具体实施方式

结合以下实施例对本发明作进一步描述。

如图1所示的一种简易的医疗设备管理控制系统，包括信息管理子系统1、身份识别子系统2和控制子系统3，所述信息管理子系统1用于管理医疗患者在医院的医疗活动信息；所述身份识别子系统2用于获取医疗设备待使用者的身份信息；所述控制子系统3连接医院的医疗设备，其对信息管理子系统1中与身份信息相对应的医疗活动信息进行判断，根据判断结果控制医疗设备的通断。

优选地，该控制子系统3包括用于控制医疗设备的通断的控制器4。

优选地，所述控制子系统3还包括用于检测所述控制器4故障的故障检测模块5。

本发明上述实施例通过身份信息从信息管理子系统1中获取待使用者的其他状态信息，如是否挂号、到科室就诊，是否已经缴纳使用医疗设备所需的费用等，再根据医院的管理规则判断待使用者是否符合使用医疗设备的条件，根据判断结果控制医疗设备的通断，从而可规范化的控制医疗设备的使用。

优选地，如图2所示，该故障检测模块5包括实时监测子模块11和故障分析检测子模块12，所述实时监测子模块11用于通过多个传感器对控制器4中反映其工作状态的状态参数指标进行监测，所述故障分析检测子模块12用于根据多个传感器监测到的信息对控制器4进行故障检测。其中，所述故障分析检测子模块12包括特征提取单元10、信息筛选单元20和故障分析检测单元30；所述特征提取单元10用于对多个传感器监测到的信息进行滤波处理，消除噪声的干扰，再分别进行特征提取；所述信息筛选单元20用于对提取的特征进行筛选，得出用于进行故障诊断的特征信息；所述故障分析检测单元30用于根据筛选出的特征信息进行故障检测。

优选地，所述对提取的特征进行筛选，得出用于进行故障诊断的特征信息，具体包括：

(1)定义相对重要度为特征变量对控制器4的性能影响的重要程度，计算特征信息中的特征变量的相对重要度：

式中，S_i为特征信息中第i个特征变量的相对重要度，S(A_j)为由第j个专家组根据历史经验确定的权重，D为专家组的个数，S(B)为采用主成分分析方法得到的客观权重；

另外，J₁为第一权重调整因子，J₂为第二权重调整因子，J₁、J₂的值根据实际需要进行调整；

(2)按照相对重要度从大到小的顺序对所有特征变量进行顺序排序，筛选出前80％的特征变量，作为用于进行故障诊断的特征变量数据。

一方面，本优选实施例按照上述的筛选方式排除不必要的数据，节省了数据处理的时间，提高了对控制器4进行故障诊断的速度；

另一方面，该自定义的相对重要度的公式，既能表现专家对各特征变量的重视程度，又考虑了特征变量实际含义的情况，且设置权重调整因子，使得特征变量的相对重要度计算更为科学，提高了特征筛选的精确度，确保对控制器4的故障诊断的精度。

优选地，所述信息筛选单元20还计算出符合条件的所有特征变量的相对重要度之和∑S₁₀₀，以及计算出未筛选出的剩余20％特征变量对应的相对重要度之和∑S₂₀，进而根据∑S₁₀₀和∑S₂₀计算出筛选优化系数，作为后续故障检测的数据，其中筛选优化系数H的计算公式定义为：

式中，D为专家组的个数。

优选地，所述故障分析检测单元30进行故障检测时具体执行：

(1)计算各特征变量的度量距离，设R_χ为特征变量X_χ到标准特征变量Y_χ的度量距离，其中X_χ为监测采集的特征变量数据中第χ个特征变量，Y_χ为与X_χ相对应的处于健康状态时的标准特征变量，则：

式中，MR(X_χ,Y_χ)为特征变量X_χ到标准特征变量Y_χ的马氏距离，OR(X_χ,Y_χ)为特征变量X_χ到标准特征变量Y_χ的欧氏距离，是标准特征变量Y_χ的相关系数矩阵，H为由信息筛选单元20计算得到的筛选优化系数；

(2)预先设定不同类型的故障聚类阈值，若R_χ处于某种故障聚类阈值之内，则判断为该种故障。

本优选实施例为了在进行各特征变量的度量距离计算时兼顾特征变量的相关性和独立性，采用了马氏距离和欧氏距离相结合的方式，使得各特征变量的度量距离的计算更为精确，有利于更精确地对控制器4进行故障诊断；

另外，本优选实施例利用筛选优化系数，对度量距离的计算进行优化，在不增加过多计算量的情况下保证数据取用的完整性，保证计算结果的准确性，从而在控制器4发生故障时能够及时检测到并进行及时维修，确保医疗设备管理控制系统的正常运行。

优选地，所述故障分析检测单元30根据筛选出的特征信息进行故障检测时，具体执行：

(1)采集控制器4在第h种故障状态下的足够数量M的随机样本集合{Z＝Y(h)_P,P＝1,2,…,M，其中，随机样本YhP表示特征变量XP的度量距离；

(2)计算该随机样本集的标准差v_h和期望值μ_h；

(3)设定该控制器4在第h种故障状态下的故障聚类阈值T_h为：

其中，为期望值μ_h的最大似然估计，为标准差v_h的最大似然估计。

本优选实施例在进行不同类型的故障聚类阈值的预先设定时，数据基础来源于控制器4在各种故障状态下的足够数量的随机样本，使故障聚类阈值的设定更为科学，避免了主观因素的影响，可有效保证对控制器4进行故障检测的精度。

优选地，该故障分析检测单元30还设有高发深度故障报警机制，具体为：

(1)记录计算得到的实际的度量距离R_χ与第h种故障状态下的期望值μ_h的实际差值Q′；

(2)假设故障种类数量为m，如果o′≤v_h，则累计记录R_χ进入该范围的次数G，当满足下列评判公式时，则判断该种故障为高发深度故障，并向运行人员发出相应报警提示：

其中Q′_max和Q′_min分别为该种故障历史记录中的最大实际差值和最小实际差值，Q′_mid为该种故障历史记录中的平均实际差值。

本优选实施例能够使得该故障检测模块5能依据历史数据提示故障的深度和频率，为维修人员对控制器4的故障处理提供更为科学的依据。

结合上述实施例，发明人进行了一系列测试，以下是进行测试得到的实验数据：

上述实验数据表明，本发明能够精确、快速地对控制器4进行故障检测和维修，由此可知，本发明在对控制器4的故障检测应用方面产生了非常显著的有益效果。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。