基于物联网数据和神经网络的呼吸机故障预测方法研究

作者：唐明康; 王科盛^*; 李双双; 刘培; 彭旭光

来源：医疗卫生装备, 2023, 44(09): 8-13.

DOI：10.19745/j.1003-8868.2023174

• 呼吸机
• 物联网
• 神经网络
• 故障预测
• 数据预处理

目的：针对呼吸机物联网数据提出一种底层数据预处理方法，并在此基础上提出一种基于神经网络的呼吸机故障预测方法。方法：首先对呼吸机物联网数据进行梳理分类，并进行数据清洗。其次，根据各数据项分布情况，使用特征工程方法实现所有数据项无量纲化与编码化。之后，使用自编码器进行数据降维。最后，采用人工神经网络将异常数据作为训练标签，将预测异常数据故障作为训练目标进行训练，通过计算准确率、精确率、召回率、阴性预测值、特异度指标评估神经网络模型的预测性能。结果：神经网络模型学习效果良好，准确率、精确率、召回率、阴性预测值和特异度分别为99.68%、99.66%、99.99%、99.95%和96.52%。结论：提出的基于物联网数据和神经网络的呼吸机故障预测方法能够实现对特定故障的预测，为利用物联网数据开展医疗设备运维管理提供了参考。

• 出版日期2023
• 单位电子科技大学