Resumen

En los últimos años, los equipos médicos de alta precisión, especialmente los equipos de imagen médica a gran escala, suelen estar compuestos por circuitos, agua, luz y otras estructuras. Su estructura es engorrosa y compleja, por lo que resulta difícil detectar y diagnosticar el estado de salud de los equipos de imagen médica. Basándose en la señal de vibración de los equipos mecánicos, se propone un modelo de red híbrida PLSR-DNN para la predicción de la salud de los equipos médicos utilizando el algoritmo de regresión de mínimos cuadrados parciales (PLSR) y las redes neuronales profundas (DNN). Al mismo tiempo, en el diagnóstico de fallos de equipos de imagen médica, el artículo propone utilizar un conjunto aproximado para filtrar los factores de fallo y, a continuación, utilizar la red neuronal BP para clasificar e identificar el fallo, y analiza el efecto de la aplicación práctica de las dos tecnologías. Los resultados muestran que el modelo de red híbrida PLSR-DNN para la predicción de la salud de los equipos de imagen médica es básicamente coherente con el valor real de la salud de los equipos médicos; la tecnología de diagnóstico de fallos de los equipos de imagen médica se basa en el conjunto aproximado y la red neuronal BP. En el conjunto de pruebas, la sensibilidad, la especificidad y la precisión de la identificación de fallos en equipos de imagen médica son del 75,0%, el 83,3% y el 85,0%. Los resultados anteriores muestran que el método de predicción de salud y el método de diagnóstico de fallos de equipos de imagen médica propuestos tienen un buen rendimiento en la predicción de salud y el diagnóstico de fallos de equipos médicos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:equipo de imagen médica, equipo médico, modelo de red híbrido, conjunto aproximado, red neuronal, predicción de la salud, mínimos cuadrados parciales, métodos de predicción de la salud, red neuronal profunda, valor real de la salud
• Keywords:medical imaging equipment, medical equipment, hybrid network model, rough set, neural network, health prediction, partial least square, health prediction methods, deep neural network, actual health value