[发明专利]基于混合深度学习的医疗设备故障不良事件自动识别方法

说明书

本发明公开了一种基于混合深度学习的医疗设备故障不良事件自动识别方法，涉及医疗设备故障技术领域，包括以下步骤：获取监测人员上报的设备故障描述信息，根据所述设备故障描述信息关联设备的基础属性信息；对所述设备故障描述信息的文本进行处理，并通过故障描述归一化模型得到所述设备故障描述信息的归一化标签；将所述设备的基础属性信息与归一化标签进行组合，生成标准化的特征向量集；通过不良事件识别模型对所述特征向量集进行处理，判别设备故障是否属于不良事件。本发明可以全自动判断医疗设备故障是否属于不良事件，降低对监测人员技术水平的依赖，提高识别准确度。

技术领域

本发明涉及医疗设备故障技术领域，更具体的说是涉及一种基于混合深度学习的医疗设备故障不良事件自动识别方法。

背景技术

医疗器械不良事件是指获准注册或已备案、质量合格的医疗器械，在正常使用情况下发生的，导致或可能导致人体伤害的各种有害事件。医疗器械一般分为医疗设备和医用耗材，医疗设备不良事件通常表现为设备故障，需要不良事件监测人员结合故障表现和其他信息，才能区分普通设备故障与不良事件，这是一个相当困难的工作。由于缺乏强制性要求，监测人员普遍缺乏工作积极性，同时各级医疗机构监测人员技术水平的差异也制约着监测工作的顺利开展。

目前尚未有针对于医疗设备故障类不良事件的自动识别技术，与之类似的药品及医用耗材不良事件，一般是将事件描述信息与不良事件关键词汇进行匹配，根据匹配结果进行直接判断，该方法不能直接应用在医疗设备故障类不良事件识别领域。

因此，如何全自动判断医疗设备故障是否属于不良事件，降低对监测人员技术水平的依赖，提高识别准确度是本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于混合深度学习的医疗设备故障不良事件自动识别方法，使用人工智能技术替代人工，识别医疗设备故障是否属于不良事件，降低对监测人员技术水平的依赖，提高不良事件的上报率及识别的准确率。

为了实现上述目的，本发明提供如下技术方案：

一种基于混合深度学习的医疗设备故障不良事件自动识别方法，包括以下步骤：

获取监测人员上报的设备故障描述信息，根据所述设备故障描述信息关联设备的基础属性信息；

对所述设备故障描述信息的文本进行处理，并通过获取的故障描述归一化模型得到所述设备故障描述信息的归一化标签；

将所述设备的基础属性信息与归一化标签进行组合，生成标准化的特征向量集；

通过获取的不良事件识别模型对所述特征向量集进行处理，判别设备故障是否属于不良事件。

上述技术方案达到的技术效果为：使用人工智能技术替代人工，可根据医疗设备故障描述信息及设备信息全自动判断该故障是否属于不良事件，降低对监测人员技术水平的依赖，提高不良事件的上报率及识别的准确率。

可选的，所述设备的基础属性信息包括设备品牌、型号、产地、类型、注册年限、设备使用地点、使用年限、故障原因、故障类型、故障发生地点、故障表现、同故障发生次数、故障修复方法、故障分析等，这些属性能转换为连续的或者离散的数值型变量，最终形成一组标准化的特征向量集。

可选的，对所述设备故障描述信息的文本进行处理，具体包括以下步骤：

将所述设备故障描述信息保存为一个TXT文件，每个故障描述文件对应一个故障归一化类别；

将TXT文件中的文本序列切分为单词，并对处理后的文本信息进行归一化，将归一化的故障标签转换为one-hot表示向量，并将编码完成的数据划分为训练集和验证集；

将所述单词转化为向量表示，将每个词都映射到一个较短的词向量上，训练得到嵌入空间并存储到文件中；