基于GAN-CNN的电子血压计品牌型号识别技术研究

目的:为了解决家用电子血压计自动检定系统因很难获取大量样本数据而导致品牌型号识别准确率不稳定的问题。方法:提出了一种基于生成对抗网络-卷积神经网络(GAN-CNN)的电子血压计品牌型号识别方法。在训练集中加入生成对抗网络(GAN)生成虚拟图像,利用卷积神经网络(CNN)提取特征并进行分类,利用数据增强、归一化等技术来提高模型准确性与稳健性。结果:实验表明,发现GAN-CNN模型采集响应成功并对电子血压计进行分类,而且准确度达到94.7%以上。相对于其他模型具有更高的识别准确度和更好的泛化能力。结论:本文所提出的基于GAN-CNN的电子血压计示数识别技术能够达到较高的准确率和鲁棒性,在智慧计量领域具有较好的应用前景。

浙江省高风险医疗设备质量控制现状分析

目的掌握浙江省医疗机构在用高风险医疗设备的质量控制状况并提出改进措施,以促进高风险医疗设备质量控制水平的提升。方法将浙江省所有的三级甲等公立医院、三级乙等公立医院、二级甲等公立医院、二级乙等公立医院和私立医院纳入调查对象。于2020年8—9月,对医疗机构7种在用高风险医疗设备的质量控制方式、质量控制是否规范等进行问卷调查。采用Excel对回收问卷进行数据整理和描述性统计分析。结果浙江省96家医疗机构对高风险医疗设备的质量控制方式选择具有不同的倾向性,三级公立医院倾向于自行质量控制,除医用电子加速器外,对其余6种设备自行质量控制的比例为40%~59%;二级公立医院和私立医院倾向于委托第三方检测机构进行质量控制,除医用电子加速器未配置外,其余6种设备的比例分别为46%~67%和46%~100%。部分医疗机构的质量控制存在不规范行为,7种高风险设备质量控制设备未经溯源的比例为0%~28%,平均16%;无相关资质的第三方质量控制比例为0%~14%,平均2%。结论浙江省医疗机构对高风险医疗设备进行质量控制的意识普遍较强,但仍存在不少问题,未来需持续提升基于医学计量的高风险医疗设备质量控制水平,重点关注医用设备管理部门技术能力的提高、质量检测设备的溯源以及对第三方检测机构的监督抽查。