基于卷积神经网络的医疗设备故障诊断研究
目的：为解决现代医疗设备无图纸等技术资料而导致维修难的问题,探究一种新的医疗设备智能的故障诊断方法.方法：采用卷积神经网络方法建立故障诊断模型,利用采集卡和测试工装采集治疗仪主控板5种故障状态下,同一时刻各测试点的电压值,每种故障状态采集3万个样本,共采集15万个样本,随机选取12万个样本对已建立的故障诊断模型进行训练.结果：通过3万个样本对模型进行验证,其诊断准确率可达95.99％.结论：基于卷积神经网络故障诊断为解决医疗设备故障诊断问题提供了一个行之有效的解决方案.
医疗设备 故障诊断 卷积神经网络 深度学习
张诗慧 种银保 肖晶晶 赵鹏 马结实 王晴
陆军军医大学新桥医院医学工程科
国内会议
苏州
中文
1-5
2018-07-19（万方平台首次上网日期，不代表论文的发表时间）