劉海天

(海安市人民醫(yī)院 醫(yī)學(xué)裝備科，江蘇 南通 226600)

0 引言

隨著我國醫(yī)學(xué)的不斷發(fā)展和進(jìn)步，醫(yī)療器械得到了廣泛的應(yīng)用，但同時面臨著昂貴的醫(yī)療器械維修費用。很多醫(yī)院為了保證醫(yī)療器械的正常運轉(zhuǎn)，不得不培養(yǎng)專業(yè)的醫(yī)療器械維修人員，造成相關(guān)醫(yī)療器械維修的費用不斷地增加，導(dǎo)致醫(yī)院的經(jīng)營成本不斷地上升。為了有效解決上述問題，很多醫(yī)院開始尋找相關(guān)的解決方案[1]。醫(yī)療器械的故障主要源于電路的故障，而電路故障的發(fā)生大部分由于頻繁地使用錯誤的操作流程導(dǎo)致醫(yī)療器械內(nèi)部混亂，最終導(dǎo)致醫(yī)療器械的某些部件不能正常運轉(zhuǎn)，造成檢測的數(shù)據(jù)不準(zhǔn)確，從而出現(xiàn)誤診的狀況[2]。如果醫(yī)療器械的故障是因為輸出電流引起的電流故障，不能得到及時修復(fù)，嚴(yán)重時會對機(jī)器造成不可逆的損害，使整個設(shè)備無法修復(fù)。為了保證醫(yī)療器械在運行過程中的穩(wěn)定性能，保證檢查結(jié)果的準(zhǔn)確性，需要對電路故障進(jìn)行實時檢測，及時排除醫(yī)療器械故障，以免帶來重大損失[3]。

董煜等[4]為了準(zhǔn)確地對電路相位誤差進(jìn)行檢測，提出了一種基于移動信號的電路檢測法。首先，對電路的相位誤差進(jìn)行固定頻率的模擬，并將延長移動信號替換電路的相位信號，利用濾波器對電路運行過程中產(chǎn)生的信號進(jìn)行有效提取，將強(qiáng)噪聲內(nèi)的移動信號剝離，實現(xiàn)對電路相位誤差的檢測。實驗結(jié)果表明，基于移動信號的電路相位誤差檢測方法，可以有效地克服高噪聲環(huán)境，但是存在較高的漏檢率。褚若波等[5]提出了一種基于高頻信號的電路故障可視化識別方法，首先利用多層卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建電路運行線路圖，并提取電路運行特征，結(jié)合高頻耦合濾波對電路運行過程中故障信號進(jìn)行采集，并利用高頻信號進(jìn)行標(biāo)記，將電路運行過程中的數(shù)據(jù)進(jìn)行合理化分析，并將其轉(zhuǎn)化為適用可視化分析的數(shù)據(jù)，實現(xiàn)對電路故障可視化的識別。結(jié)果顯示，該方法雖然可以提高電路故障檢測精度，但是故障信號采集質(zhì)量較低。

基于以上研究背景，本文利用故障定位集設(shè)計一種醫(yī)療器械電路故障在線檢測方法，從而保證醫(yī)療器械電路的安全性。

1 醫(yī)療器械電路故障在線檢測方法設(shè)計

1.1 構(gòu)建醫(yī)療器械電路故障定位集模型

將電路故障定位集描述為X={x1,x2,…,xn}，醫(yī)療器械運行過程中電路故障定位集X的數(shù)量為n，X中電路故障定位集的特征分布為維矢量p。如果X中含有c個電路故障類別，那么第i個電路故障類別可以用ci={c1,c2,…,ci}來表示。當(dāng)醫(yī)療器械運行過程中電路故障定位集不平穩(wěn)時，則得到故障信號樣本集{x(t1),…,x(tn)}特征分布函數(shù)和{x(t1+τ),…,x(tn+τ)}特征分布函數(shù)之間的關(guān)聯(lián)關(guān)系[6]，利用式(1)給出電路故障函數(shù)f(x)的表達(dá)式：

f(x)=(θ(k)-c(k))Xci

(1)

式中：θ(k)代表醫(yī)療器械電路故障點；c(k)代表醫(yī)療器械電路故障定位集的樣本。利用模糊度函數(shù)的特性，確定電路故障定位集的頻譜特征[7]，得到電路故障數(shù)據(jù)的特征變量V值和故障定位集之間的關(guān)系。根據(jù)醫(yī)療器械電路故障特征向量定位集Ri和Rj，得到醫(yī)療器械電路故障特征向量的函數(shù)映射為fR:Ri→Rj，假設(shè)mi∈R1，得到醫(yī)療器械電路故障信息提取方程：

(2)

式中：x代表故障定位集中電路故障數(shù)據(jù)的起始頻率；ψ代表故障定位集的訓(xùn)練樣本；φ代表故障定位集的瞬時幅度；γ代表醫(yī)療器械發(fā)生電路故障時的諧振幅度。

如果R為故障定位集中電路故障特征的信任關(guān)系，故障定位集內(nèi)含有4個信任關(guān)系組(Ei,Ej,d,t)，其分類屬性為A={A1,A2,…,Am}，則醫(yī)療器械運行過程中電路故障定位集特征信息Pi(t)的狀態(tài)方程式為

(3)

醫(yī)療器械電路故障定位集是由α個電路故障數(shù)據(jù)樣本組成，被稱為電路故障數(shù)據(jù)樣本集[8]，并且每個電路故障樣本集中都含有m個指標(biāo)，則j個電路故障樣本集中的指標(biāo)特征向量為xj={x1,x2,…,xj}，由下式計算出電路故障定位集的后驗概率估計pj(k)，即

(4)

為了構(gòu)建醫(yī)療器械電路故障定位集模型，運用時頻分析法[9]，對醫(yī)療器械電路故障定位集的特征進(jìn)行提取，構(gòu)建醫(yī)療器械電路故障定位集模型：

xi=fi(xi,ui)pj(k)D(xi,Vj)

(5)

式中：xi∈Rn代表醫(yī)療器械電路故障定位集模型的特征狀態(tài)矢量；ui∈Rm表示故障定位集的特征。通過上述步驟，完成對醫(yī)療器械電路故障定位集模型的構(gòu)建。

1.2 定位醫(yī)療器械電路故障

為了實現(xiàn)對醫(yī)療器械電路故障的定位，利用小波變換對醫(yī)療器械電路故障信息進(jìn)行換算，完成對故障信息的有效辨別，最終實現(xiàn)對電路故障的準(zhǔn)確定位。

在利用小波變換進(jìn)行醫(yī)療器械電路故障的定位中，假設(shè)φ(t)為小波離散函數(shù)，那么得到變換函數(shù)φf,g(t)為

(6)

式中：f代表變換因子；g表示移動因子；φf,g(t)是通過小波變換φ(t)得到的。通過對f和g進(jìn)行小波變換，得到小波變換函數(shù)[10]。設(shè)y(t)為電路運行故障信號，依據(jù)式(6)，利用φ(t)對y(t)進(jìn)行離散小波變換，得到小波變換的系數(shù)為

(7)

式中f、g和t代表小波變換過程中的常數(shù)。所以式(7)是持續(xù)的小波變換信號，也就是說醫(yī)療器械電路故障信號是持續(xù)的。

利用醫(yī)療器械電路故障信號的持續(xù)性特點，對小波變換函數(shù)進(jìn)行解析[11]，根據(jù)離散小波函數(shù)，對不同故障情況下的醫(yī)療器械電路故障信號進(jìn)行計算：

(8)

式中：l為不同故障情況下醫(yī)療器械電路故障的權(quán)值；Ty(2l,2lt)為不同故障情況下的小波變換系數(shù)。

下面用小波函數(shù)對醫(yī)療器械電路故障信息進(jìn)行重構(gòu)[12]，實現(xiàn)對醫(yī)療器械電路故障的準(zhǔn)確定位。則任意的醫(yī)療器械電路故障位置h(t)均可表示為

h(t)=hl(t)+zl(t)+Ty(2l,2lt)cl,v

(9)

式中hl(t)表示鄰近醫(yī)療器械電路故障點的信號。設(shè)φ(t)為小波基函數(shù)，則cl,v為鄰近醫(yī)療器械電路故障定位點的小波系數(shù)，其可分解為

cl,v=〈h(t),φl,v(t)〉

(10)

根據(jù)公式(10)的分解，對不同故障情況下電路故障信息進(jìn)行重構(gòu)[13]，定位醫(yī)療器械電路故障的準(zhǔn)確位置為

(11)

式中Ol代表電路故障點位置信息。

根據(jù)以上步驟完成醫(yī)療器械電路故障的定位。

1.3 設(shè)計醫(yī)療器械電路故障檢測算法

在對醫(yī)療器械電路故障進(jìn)行檢測時，通過故障定位集的采集和分析，實現(xiàn)醫(yī)療器械電路故障的檢測。具體的步驟如下：

假設(shè)，由xi和yi代表醫(yī)療器械運行過程中的電路故障信號，則利用式(12)獲得醫(yī)療器械運行信號的基頻振動：

(12)

式中：Sj(t)代表第j個電路故障信號；aij代表Sj(t)在第i個測點上的故障信號；ni(t)代表檢測因子。

定義X(t)為已知的電路故障信息，對X(t)進(jìn)行小波變換，S(t)代表變換后的電路故障信號，則由式(13)提取電路故障信號特征：

(13)

式中：Bg代表提取出的電路故障特征數(shù)量；qz代表故障信號的周期；Hd代表故障信號的位置點。

將醫(yī)療器械電路故障的檢測信息描述為μo，aj代表檢測信息的數(shù)目，Ld代表電路故障檢測信息矩陣，Λ代表在Ld個電路數(shù)據(jù)中檢測出故障信息的個數(shù)。用故障定位集計算出電路故障檢測結(jié)果[14]，表述為

(14)

(15)

將off(M)定義為電路故障信息的功率譜函數(shù)[15]，完成醫(yī)療器械電路故障的檢測為

(16)

綜上所述，完成對醫(yī)療器械電路故障檢測算法的設(shè)計，實現(xiàn)了醫(yī)療器械電路故障的檢測。

2 仿真實驗分析

2.1 數(shù)據(jù)來源

為了驗證基于故障定位集的故障檢測方法在實際應(yīng)用中的性能，以某醫(yī)院醫(yī)療監(jiān)護(hù)儀為實驗對象，在CPU為intel(R)q4800，頻率為2.66 GHz，計算機(jī)內(nèi)存為512 GB，仿真編程環(huán)境為matlab 2019， Windows 10系統(tǒng)的仿真環(huán)境下進(jìn)行一次仿真實驗分析，在仿真環(huán)境下搭建醫(yī)療器械電路故障信號檢測的仿真平臺。實驗數(shù)據(jù)來自不同醫(yī)療器械的電路信號記錄，并在電路故障中添加噪聲干擾，采集了實驗數(shù)據(jù)，如圖1所示。

圖1 實驗數(shù)據(jù)

2.2 設(shè)置實驗指標(biāo)

醫(yī)療器械電路故障檢測實驗分兩個階段進(jìn)行，先用漏檢率和誤檢率指標(biāo)衡量醫(yī)療器械電路故障的檢測效果。漏檢率指的是檢測人員在醫(yī)療器械電路故障檢測中未發(fā)現(xiàn)的電路故障信號占總故障數(shù)量的比例；誤檢率指的是檢出電路故障與醫(yī)療器械電路故障檢測總數(shù)之比。在實驗第二階段，用信噪比指標(biāo)衡量醫(yī)療器械電路故障信號的檢測質(zhì)量，計算公式為

(17)

2.3 結(jié)果分析

為驗證基于故障定位集的故障檢測方法的優(yōu)勢，引入基于改進(jìn)證據(jù)理論的故障檢測方法和基于多層卷積神經(jīng)網(wǎng)絡(luò)的故障檢測方法作對比，利用圖1的數(shù)據(jù)樣本，測試了3種方法的醫(yī)療器械電路故障漏檢率，結(jié)果如圖2所示。

圖2 醫(yī)療器械電路故障漏檢率測試結(jié)果

從圖2的結(jié)果可以看出，基于改進(jìn)證據(jù)理論的故障檢測方法在檢測醫(yī)療器械電路故障時的漏檢率偏高，當(dāng)電路故障數(shù)據(jù)量超過60個時，漏檢率高達(dá)50%，隨著故障數(shù)據(jù)量的增加，最大漏檢率達(dá)到了60%；采用基于多層卷積神經(jīng)網(wǎng)絡(luò)的故障檢測方法時，電路故障漏檢率較低，在0～35%之間，明顯低于基于改進(jìn)證據(jù)理論的故障檢測方法；采用本文方法時，當(dāng)電路故障數(shù)據(jù)量為50個時，電路故障漏檢率達(dá)到最大值為10%，隨著故障數(shù)據(jù)量的增加，漏檢率開始下降，說明故障定位集的建立可以準(zhǔn)確定位到故障的位置，降低了漏檢率。

電路故障誤檢率測試結(jié)果如圖3所示。

從圖3的結(jié)果可以看出，基于改進(jìn)證據(jù)理論的故障檢測方法和基于多層卷積神經(jīng)網(wǎng)絡(luò)的故障檢測方法在電路故障誤檢率方面的測試結(jié)果都比較高，分別在0～80%之間和0～50%之間，而本文方法在檢測醫(yī)療器械電路故障時的誤檢率在0～20%之間，當(dāng)電路故障數(shù)據(jù)量超過50個時，電路故障誤檢率開始逐漸降低，當(dāng)電路故障數(shù)據(jù)量為100個時，電路故障誤檢率只有8%，說明文中方法能夠避免電路故障出現(xiàn)錯誤檢測的現(xiàn)象。

圖3 醫(yī)療器械電路故障誤檢率測試結(jié)果

3種方法的醫(yī)療器械電路故障信號采集的信噪比測試結(jié)果如圖4所示。

圖4 醫(yī)療器械電路故障信號采集的信噪比測試結(jié)果

從圖4的結(jié)果可以看出，在采集醫(yī)療器械電路故障信號的信噪比測試中，當(dāng)電路故障數(shù)據(jù)量超過50個時，基于改進(jìn)證據(jù)理論的故障檢測方法才達(dá)到20%的信噪比，當(dāng)電路故障數(shù)據(jù)量超過30個時，基于多層卷積神經(jīng)網(wǎng)絡(luò)的故障檢測方法和基于故障定位集的故障檢測方法得到的信噪比就達(dá)到了30%和60%。隨著電路故障數(shù)據(jù)量的增加，文中方法在采集醫(yī)療器械電路故障信號的信噪比仍然在迅速上升，當(dāng)電路故障數(shù)據(jù)量超過100個時，采集醫(yī)療器械電路故障信號的信噪比高達(dá)96%，說明文中方法可以保證療器械電路故障信號的檢測質(zhì)量。

3 結(jié)語

本文提出了基于故障定位集的醫(yī)療器械電路故障在線檢測方法。經(jīng)過實驗測試發(fā)現(xiàn)，該方法在漏檢率和誤檢率測試中，提高了電路故障的檢測效果，還可以通過提高電路故障信號采集的信噪比，保證醫(yī)療器械電路故障信號的檢測質(zhì)量。但是本文的研究存在很多需要改進(jìn)的地方，在今后的研究中，希望可以將LMD算法應(yīng)用到故障檢測中，縮短故障的檢測時間，提高檢測效率。