本發明涉及醫療技術領域，具體涉及一種簡易的醫療設備管理控制系統。

背景技術：

相關技術中，醫院醫療設備的管理上存在私自收費和人情化檢查的情況，使得醫務人員濫用醫療設備的問題越來越嚴重，影響醫院的運作效率和經濟效益。

技術實現要素：

針對上述問題，本發明提供一種簡易的醫療設備管理控制系統。

本發明的目的采用以下技術方案來實現：

一種簡易的醫療設備管理控制系統，包括信息管理子系統、身份識別子系統和控制子系統，所述信息管理子系統用于管理醫療患者在醫院的醫療活動信息；所述身份識別子系統用于獲取醫療設備待使用者的身份信息；所述控制子系統連接醫院的醫療設備，其對信息管理子系統中與身份信息相對應的醫療活動信息進行判斷，根據判斷結果控制醫療設備的通斷。

本發明的有益效果為：通過身份信息從信息管理子系統中獲取待使用者的其他狀態信息，如是否掛號、到科室就診，是否已經繳納使用醫療設備所需的費用等，再根據醫院的管理規則判斷待使用者是否符合使用醫療設備的條件，根據判斷結果控制醫療設備的通斷，從而可規范化的控制醫療設備的使用。

附圖說明

利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。

圖1是本發明的結構框圖；

圖2是故障檢測模塊的結構框圖。

附圖標記：

信息管理子系統1、身份識別子系統2、控制子系統3、控制器4、故障檢測模塊5、實時監測子模塊11、故障分析檢測子模塊12、特征提取單元10、信息篩選單元20、故障分析檢測單元30。

具體實施方式

結合以下實施例對本發明作進一步描述。

如圖1所示的一種簡易的醫療設備管理控制系統，包括信息管理子系統1、身份識別子系統2和控制子系統3，所述信息管理子系統1用于管理醫療患者在醫院的醫療活動信息；所述身份識別子系統2用于獲取醫療設備待使用者的身份信息；所述控制子系統3連接醫院的醫療設備，其對信息管理子系統1中與身份信息相對應的醫療活動信息進行判斷，根據判斷結果控制醫療設備的通斷。

優選地，該控制子系統3包括用于控制醫療設備的通斷的控制器4。

優選地，所述控制子系統3還包括用于檢測所述控制器4故障的故障檢測模塊5。

本發明上述實施例通過身份信息從信息管理子系統1中獲取待使用者的其他狀態信息，如是否掛號、到科室就診，是否已經繳納使用醫療設備所需的費用等，再根據醫院的管理規則判斷待使用者是否符合使用醫療設備的條件，根據判斷結果控制醫療設備的通斷，從而可規范化的控制醫療設備的使用。

優選地，如圖2所示，該故障檢測模塊5包括實時監測子模塊11和故障分析檢測子模塊12，所述實時監測子模塊11用于通過多個傳感器對控制器4中反映其工作狀態的狀態參數指標進行監測，所述故障分析檢測子模塊12用于根據多個傳感器監測到的信息對控制器4進行故障檢測。其中，所述故障分析檢測子模塊12包括特征提取單元10、信息篩選單元20和故障分析檢測單元30；所述特征提取單元10用于對多個傳感器監測到的信息進行濾波處理，消除噪聲的干擾，再分別進行特征提取；所述信息篩選單元20用于對提取的特征進行篩選，得出用于進行故障診斷的特征信息；所述故障分析檢測單元30用于根據篩選出的特征信息進行故障檢測。

優選地，所述對提取的特征進行篩選，得出用于進行故障診斷的特征信息，具體包括：

(1)定義相對重要度為特征變量對控制器4的性能影響的重要程度，計算特征信息中的特征變量的相對重要度：

式中，S_i為特征信息中第i個特征變量的相對重要度，S(A_j)為由第j個專家組根據歷史經驗確定的權重，D為專家組的個數，S(B)為采用主成分分析方法得到的客觀權重；

另外，J₁為第一權重調整因子，J₂為第二權重調整因子，J₁、J₂的值根據實際需要進行調整；

(2)按照相對重要度從大到小的順序對所有特征變量進行順序排序，篩選出前80％的特征變量，作為用于進行故障診斷的特征變量數據。

一方面，本優選實施例按照上述的篩選方式排除不必要的數據，節省了數據處理的時間，提高了對控制器4進行故障診斷的速度；

另一方面，該自定義的相對重要度的公式，既能表現專家對各特征變量的重視程度，又考慮了特征變量實際含義的情況，且設置權重調整因子，使得特征變量的相對重要度計算更為科學，提高了特征篩選的精確度，確保對控制器4的故障診斷的精度。

優選地，所述信息篩選單元20還計算出符合條件的所有特征變量的相對重要度之和∑S₁₀₀，以及計算出未篩選出的剩余20％特征變量對應的相對重要度之和∑S₂₀，進而根據∑S₁₀₀和∑S₂₀計算出篩選優化系數，作為后續故障檢測的數據，其中篩選優化系數H的計算公式定義為：

式中，D為專家組的個數。

優選地，所述故障分析檢測單元30進行故障檢測時具體執行：

(1)計算各特征變量的度量距離，設R_χ為特征變量X_χ到標準特征變量Y_χ的度量距離，其中X_χ為監測采集的特征變量數據中第χ個特征變量，Y_χ為與X_χ相對應的處于健康狀態時的標準特征變量，則：

式中，MR(X_χ,Y_χ)為特征變量X_χ到標準特征變量Y_χ的馬氏距離，OR(X_χ,Y_χ)為特征變量X_χ到標準特征變量Y_χ的歐氏距離，是標準特征變量Y_χ的相關系數矩陣，H為由信息篩選單元20計算得到的篩選優化系數；

(2)預先設定不同類型的故障聚類閾值，若R_χ處于某種故障聚類閾值之內，則判斷為該種故障。

本優選實施例為了在進行各特征變量的度量距離計算時兼顧特征變量的相關性和獨立性，采用了馬氏距離和歐氏距離相結合的方式，使得各特征變量的度量距離的計算更為精確，有利于更精確地對控制器4進行故障診斷；

另外，本優選實施例利用篩選優化系數，對度量距離的計算進行優化，在不增加過多計算量的情況下保證數據取用的完整性，保證計算結果的準確性，從而在控制器4發生故障時能夠及時檢測到并進行及時維修，確保醫療設備管理控制系統的正常運行。

優選地，所述故障分析檢測單元30根據篩選出的特征信息進行故障檢測時，具體執行：

(1)采集控制器4在第h種故障狀態下的足夠數量M的隨機樣本集合{Z＝Y(h)_P,P＝1,2,…,M，其中，隨機樣本YhP表示特征變量XP的度量距離；

(2)計算該隨機樣本集的標準差v_h和期望值μ_h；

(3)設定該控制器4在第h種故障狀態下的故障聚類閾值T_h為：

其中，為期望值μ_h的最大似然估計，為標準差v_h的最大似然估計。

本優選實施例在進行不同類型的故障聚類閾值的預先設定時，數據基礎來源于控制器4在各種故障狀態下的足夠數量的隨機樣本，使故障聚類閾值的設定更為科學，避免了主觀因素的影響，可有效保證對控制器4進行故障檢測的精度。

優選地，該故障分析檢測單元30還設有高發深度故障報警機制，具體為：

(1)記錄計算得到的實際的度量距離R_χ與第h種故障狀態下的期望值μ_h的實際差值Q′；

(2)假設故障種類數量為m，如果o′≤v_h，則累計記錄R_χ進入該范圍的次數G，當滿足下列評判公式時，則判斷該種故障為高發深度故障，并向運行人員發出相應報警提示：

其中Q′_max和Q′_min分別為該種故障歷史記錄中的最大實際差值和最小實際差值，Q′_mid為該種故障歷史記錄中的平均實際差值。

本優選實施例能夠使得該故障檢測模塊5能依據歷史數據提示故障的深度和頻率，為維修人員對控制器4的故障處理提供更為科學的依據。

結合上述實施例，發明人進行了一系列測試，以下是進行測試得到的實驗數據：

上述實驗數據表明，本發明能夠精確、快速地對控制器4進行故障檢測和維修，由此可知，本發明在對控制器4的故障檢測應用方面產生了非常顯著的有益效果。

最后應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護范圍的限制，盡管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和范圍。