基于改进马尔可夫模型的医疗设备采购决策模型研究及工程评估实践

针对传统医疗设备采购模式存在的固有弊端,提出了一种基于改进马尔可夫模型的医疗设备采购决策模型并进行了工程评估实践。构建大数据量级的医疗设备采购数据池,引入深度学习感知医疗设备采购的核心约束因素,构建多维约束下的医疗设备采购决策模型,引入改进马尔可夫模型,给出可观测的医疗设备采购决策方案。对模型进行效能仿真验证与工程化应用效能分析。结果表明,模型可以在多维约束下给出具有全局最优属性的医疗设备采购决策方案,在长远需求与即时需求均衡性、采购决策方案生成最优性、较长周期内患者需求预测精确性等方面具有明显优势。

一种基于改进深度信念网络的医疗设备故障预测模型

针对医疗设备智能综合管控系统在临床实践中日益凸显的若干缺陷,提出了一种基于改进深度信念网络的医疗设备故障预测模型。采用改进深度信念网络算法自动提取医疗设备故障信号的深层特征,利用多层受限玻尔兹曼机堆叠生成故障概率预测机制,实现医疗设备故障的精准预测。通过对模型开展工程评估应用实践,得出模型具有医疗设备运维信息感知全面、医疗设备动态变化适应性强、故障预测自主决策性高等优势,医疗设备故障识别均值有效率达到93.11%,主动预测均值精确率达到90.37%。