医废管理与设备监控智能化数据平台的制作方法

本发明涉及医疗废物管理，具体涉及一种医废管理与设备监控智能化数据平台。

背景技术：

1、在医疗领域，随着医疗活动的日益频繁，医疗废物的产生量也逐年增长。医疗废物由于其特殊的性质，如果处理不当，可能会对环境、人类健康产生极大的威胁。因此，对医疗废物的有效管理和安全处理显得尤为重要。

2、然而，传统的医疗废物数据信息统计和处理方式多依赖于人工操作。工作人员需要花费大量时间对医疗废物的种类、数量、来源等关键信息进行手动统计和编辑，不仅效率低下，而且容易出错。此外，手工记录的数据存储方式存在很大的局限性，如数据易丢失、难以长期保存和快速检索等，这无疑增加了数据管理的难度和风险。

3、更为严重的是，由于人工统计的方式无法对医疗废物的产生来源进行准确溯源，一旦出现问题，很难及时找到源头并采取相应的措施。同时，信息反馈的滞后也影响了医疗废物处理的及时性和有效性。

4、对于医疗废物的处理设备，也难以做到有效监控，这无疑增加了设备的使用风险，如部件更换不及时，导致医疗废物没有得到有效和及时的处理，造成大量的医疗废物堆积。

5、鉴于此，本领域需要一种医废管理与设备监控智能化数据平台来解决上述问题。

技术实现思路

1、为了解决上述技术问题，即解决现有技术中采用人工统计医疗废物的数据信息效率低下以及对于医疗废物处理设备监控不到位而导致设备受到影响的问题。

2、本发明提供了一种医废管理与设备监控智能化数据平台，所述智能化数据平台包括：

3、数据收集模块，其用于收集医疗废物信息和设备处理数据；

4、数据处理模块，其用于对收集的医疗废物信息和设备处理数据进行训练和处理；

5、数据存储模块，其用于存储训练和处理后的数据集；

6、数据反馈与监控模块，其用于根据训练和处理后的数据集提供反馈和监控；

7、人机交互终端，其用于展示数据以及接收用户的输入指令。

8、优选地，所述数据处理模块包括卷积神经网络模块和图卷积神经网络模块；

9、所述卷积神经网络模块用于对所述医疗废物信息进行训练和处理；

10、所述图卷积神经网络模块用于对所述设备处理数据进行训练和处理。

11、优选地，所述医疗废物信息包括国别信息、属地信息、医院信息、科室信息、医废类型信息、各科室收集频次信息和各种医废总量信息中的一种或多种。

12、优选地，所述卷积神经网络模块对所述医疗废物信息进行训练和处理的步骤包括：

13、对医疗废物信息中的各种信息进行数据预处理；

14、构建卷积神经网络模型，其中，所述卷积神经网络模型包括卷积层、池化层和全连接层；

15、将预处理的数据输入到所述卷积神经网络模型中，通过所述卷积层、所述池化层和所述全连接层进行前向传播计算，得到模型的输出数据；

16、使用预设的损失函数计算模型的输出数据与实际数值之间的差异；

17、根据损失函数的梯度，使用优化算法更新所述卷积神经网络模型的权重和偏置；

18、对所述卷积神经网络模型进行迭代优化直至满足第一迭代条件；

19、将训练完成的所述卷积神经网络模型输出。

20、优选地，所述第一迭代条件为所述卷积神经网络模型收敛或达到预设的迭代次数。

21、优选地，对于所述卷积层的输出：

22、；   （1）

23、其中，是第个卷积层在位置的输出，是第层在位置的输入，是第层的卷积核在偏移位置的权重，是卷积核的大小；

24、激活函数的输出：

25、；    （2）

26、其中，是激活函数，是第层在位置经过激活函数后的输出；

27、对于所述池化层的输出：

28、；    （3）

29、其中，是表示第个池化层在位置的输出，是池化操作的步长，公式（3）表示为在每个大小为的区域内选择最大值；

30、对于所述全连接层的输出：

31、；    （4）

32、其中，是全连接层的输出，是权重矩阵，是输入特征向量，是偏置项。

33、优选地，所述设备处理数据包括设备日操作次数、设备单次操作时长、设备单次操作前医废重量、设备单次操作前医废容量、设备单次操作后医废重量和设备单次操作后医废容量中的一种或多种。

34、优选地，所述图卷积神经网络模块对所述设备处理数据进行训练和处理的步骤包括：

35、对所述设备处理数据中的各个数据进行预处理，其中，每个设备表示为一个节点，每个设备的特征向量包括该设备的各个数据；

36、构建图卷积神经网络模型；

37、将预处理的数据输入到所述图卷积神经网络模型中，通过图卷积操作逐层传播和更新节点特征，直到获得最终的节点表示；

38、使用预设损失函数计算模型的输出数据与实际数值之间的差异；

39、根据损失函数的梯度来更新所述图卷积神经网络模型的权重参数；

40、对所述图卷积神经网络模型进行迭代优化直至满足第二迭代条件；

41、将训练完成的所述图卷积神经网络模型输出。

42、优选地，所述第二迭代条件为所述图卷积神经网络模型收敛或达到预设的迭代次数。

43、优选地，所述图卷积神经网络模型的公式包括：

44、；   （5）

45、；  （6）

46、其中，是第层的节点特征矩阵，其中每行对应一个节点的特征向量，是图的邻接矩阵的归一化版本，是度矩阵，是单位矩阵，是第层的可学习权重矩阵，是激活函数。

47、本发明提供的医废管理与设备监控智能化数据平台，通过集成数据收集、处理、存储、反馈与监控等多个功能模块，实现了对医疗废物信息和设备处理数据的全面、高效管理。

48、从上面可以看出，本发明提供的一种医废管理与设备监控智能化数据平台，具有如下有益的技术效果：

49、1、提高管理效率：通过自动化的数据收集和智能化的数据处理，极大减少了人工参与和干预，提高了管理效率。

50、2、增强数据准确性：利用算法和模型对数据进行训练和处理，提高了数据的准确性和可靠性。

51、3、保障数据安全：采用可靠的存储技术和安全措施，确保数据的安全性和完整性。

52、4、实现实时监控和反馈：通过数据反馈与监控模块，实现了对医疗废物处理和设备运行的实时监控和反馈，帮助管理人员及时作出响应。

53、5、提升用户体验：通过人机交互终端，用户能够直观地查看数据和图表，轻松了解处理情况和运行状态，提升了用户体验。

技术特征：

1.一种医废管理与设备监控智能化数据平台，其特征在于，所述智能化数据平台包括：

2.根据权利要求1所述的医废管理与设备监控智能化数据平台，其特征在于，所述数据处理模块包括卷积神经网络模块和图卷积神经网络模块；

3.根据权利要求2所述的医废管理与设备监控智能化数据平台，其特征在于，所述医疗废物信息包括国别信息、属地信息、医院信息、科室信息、医废类型信息、各科室收集频次信息和各种医废总量信息中的一种或多种。

4.根据权利要求3所述的医废管理与设备监控智能化数据平台，其特征在于，所述卷积神经网络模块对所述医疗废物信息进行训练和处理的步骤包括：

5.根据权利要求4所述的医废管理与设备监控智能化数据平台，其特征在于，所述第一迭代条件为所述卷积神经网络模型收敛或达到预设的迭代次数。

6.根据权利要求4所述的医废管理与设备监控智能化数据平台，其特征在于，对于所述卷积层的输出：

7.根据权利要求2所述的医废管理与设备监控智能化数据平台，其特征在于，所述设备处理数据包括设备日操作次数、设备单次操作时长、设备单次操作前医废重量、设备单次操作前医废容量、设备单次操作后医废重量和设备单次操作后医废容量中的一种或多种。

8.根据权利要求7所述的医废管理与设备监控智能化数据平台，其特征在于，所述图卷积神经网络模块对所述设备处理数据进行训练和处理的步骤包括：

9.根据权利要求8所述的医废管理与设备监控智能化数据平台，其特征在于，所述第二迭代条件为所述图卷积神经网络模型收敛或达到预设的迭代次数。

10.根据权利要求8所述的医废管理与设备监控智能化数据平台，其特征在于，所述图卷积神经网络模型的公式包括：

技术总结
本发明涉及医疗废物管理技术领域，旨在解决现有技术中采用人工统计医疗废物的数据信息效率低下以及对于医疗废物处理设备监控不到位而导致设备受到影响的问题。为此目的，本发明提供了一种医废管理与设备监控智能化数据平台，该智能化数据平台包括：数据收集模块，用于收集医疗废物信息和设备处理数据；数据处理模块，用于对收集的医疗废物信息和设备处理数据进行训练和处理；数据存储模块，用于存储训练和处理后的数据集；数据反馈与监控模块，用于根据训练和处理后的数据集提供反馈和监控；人机交互终端，用于展示数据以及接收用户的输入指令。本发明提高了对医疗废物的管理效率，保障数据安全，实现实时监控和反馈，满足不同的管理需求。

技术研发人员：陈伟星,陈轶铭,黄冠中
受保护的技术使用者：浙江微盾环保科技有限公司
技术研发日：
技术公布日：2024/5/10