基于故障树与贝叶斯网络的呼吸机故障智能诊断

为了快速准确地找出呼吸机故障原因,迅速排除故障,恢复设备的正常运行,本文采用基于故障树和贝叶斯网络的方法对呼吸机常见故障进行分析。首先通过对呼吸机结构原理的综合分析,结合文献案例搭建呼吸机故障树,进行定性分析;利用贝叶斯网络对呼吸机故障进行定量分析;最后用实际维修案例进行验证。结果表明,该方法得到的推理结果与实际结果相符性达到84.54%,为建立呼吸机故障静态数据库并进行故障智能诊断提供了理论依据,具有一定的推广价值。

基于聚合模糊数的多参数监护仪故障树研究

针对多参数监护仪急救医疗设备故障率高,故障现象与故障原因对应复杂,且设备技术图纸缺乏、维修力量薄弱、厂家或第三方维修成本高等因素导致的维修困境,本文提出了基于聚合模糊数的多参数监护仪故障树故障诊断模型。首先,通过分析多参数监护仪的结构组成,建立故障树模型;其次,针对其故障数据缺乏和专家评价主观性的特点,采用聚合模糊数确定底事件故障率,并进行了底事件关键重要度分析;最后,采用Bland-Altman分析确定了本实验研究结果与验证实验结果一致性达到96.88%,证明了本文方法的有效性。本文的研究方法通过结合专家评价法和聚合模糊数弥补了故障数据缺乏和专家评价主观性的不足,适用于过程诊断中故障确定及事前潜在风险识别,为系统可靠性分析及故障诊断提供了思路。

基于数据驱动的设备电路板无图纸故障诊断

针对医疗设备电路板结构设计复杂,传统故障诊断方法过度依赖图纸等技术资料和维修专家个人技术经验,导致维修贵、维修难等问题,提出一种基于数据驱动的无图纸故障智能诊断方法。在未知电路图纸信息以及电路板工作原理的前提下,模拟电路板不同故障状态,采集各外部接口引脚电信号作为原始故障数据;对故障数据进行预处理,并划分为训练集及测试集;使用机器学习的方法构建基于单层长短时记忆网络的故障智能诊断系统,利用Python编程进行模型训练,系统输出训练过程准确率及损失曲线。结果表明,该方法能实现对电路板故障的诊断分类,准确率达89.99%,效率较高,可靠性强。

失血性休克脑血流低灌注磁感应相移检测的实验研究

磁感应相移(MIPS)技术以检测生物组织介电特性为基础,具有非接触、无创、可连续监测等优点,是检测脑缺血非常有效的方法。为验证MIPS技术检测失血性休克脑血流低灌注的有效性,本研究在自研的MIPS检测系统上对20只家兔失血性休克模型进行脑血流灌注检测,同时采用动脉血乳酸(ABL)以及激光多普勒(LDF)脑血流值作为对照指标。选取19只家兔实验数据纳入统计分析。结果显示随着失血性休克发生,脑血流灌注MIPS值由基线(0°)下降到(-5.28±1.99)°,ABL浓度由(3.55±2.24)mmol/L上升到(13.34±6.66)mmol/L,LDF脑血流值基线百分比由100%下降到(59.26±51.57)%,脑血流灌注MIPS值与ABL浓度具有很高的相关性(相关系数均大于0.816),且MIPS测量值较LDF测量值具有更好的分辨力。结果表明MIPS技术能有效检测失血性休克脑血流低灌注,采用脑血流灌注MIPS指标作为院前检测失血性休克具有可行性。

Design of portable and intelligent infuser device for rapid fluid transfusion based on micro-electro-mechanical system

Objective:A novel portable and intelligent fluid resuscitation infuser is proposed in this paper. It satisfies the demands of long time use in harsh environment, such as traffic accident, natural disaster, battlefield, evacuation, pre-hospital emergency and so on. Methods:Miniature linear motor and liquid blood cartridge compose the pump body. It's based on the biological impedance method to measure and control, which resolve the disadvantage of traditional infuser device:large power dissipation, big size, AC power supply only and can't be use in field. The whole device weights 250 gram and sizes as two mobile phone together. Results:Model device experiment shows:six number 7 standard AAA size alkaline batteries will run the pump for approximately 8-10 h at 6 liters per hour; IV bag can be placed at any position of patient, even under the stretcher. Conclusion:It provides accurate and reliable intravenous infusion for first-aid treatment in

基于故障树的多参数监护仪故障智能诊断专家系统研究

针对现代医疗设备维修贵、维修难、技术资料缺乏及维修力量不足的困境,本文提出了一种基于故障树的多参数监护仪故障智能诊断专家系统。首先建立了多参数监护仪故障树并进行了定性定量分析,然后基于故障树分析结果构建了专家系统知识库和推理机并确定了系统整体框架,最后采用页面超文本预处理器(PHP)语言开发实现了多参数监护仪故障智能诊断专家系统,故障诊断准确率达80%。结果表明:基于故障树和专家系统的两种故障诊断技术融合可有效实现多参数监护仪故障智能诊断并提供排故建议,既能为多参数监护仪故障诊断提供经验积累,又能为医疗设备故障诊断提供一种新的思路和技术支持。