买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉赛维斯科技(广州)有限公司申请的专利一种双向交互式医疗设备智能报修系统及其使用方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118866290B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411002313.0，技术领域涉及：G16H40/40；该发明授权一种双向交互式医疗设备智能报修系统及其使用方法是由彭斌;张杨;刘炜设计研发完成，并于2024-07-24向国家知识产权局提交的专利申请。

本一种双向交互式医疗设备智能报修系统及其使用方法在说明书摘要公布了：本发明公开了一种双向交互式医疗设备智能报修系统及其使用方法，涉及智能医疗设备技术领域，包括医疗设备传感器模块、数据采集处理模块、环境监测模块、CPU再处理模块、远程监控通信模块和交互界面模块；医疗设备传感器模块：持续监测医疗设备的实时运行状态，获取医疗设备的原始监测数据，并将采集到的医疗设备运行状态的原始监测数据发送到数据采集处理模块；本发明通过设置医疗设备传感器模块和环境监测模块，实时监测医疗设备的运行状态和环境参数，通过设置CPU再处理模块、远程监控通信模块和交互界面模块，对预处理后数据进行综合分析，并利用机器学习算法和时间序列算法进行精确地故障检测和预测。

本发明授权一种双向交互式医疗设备智能报修系统及其使用方法在权利要求书中公布了：1.一种双向交互式医疗设备智能报修系统，其特征在于，包括医疗设备传感器模块、数据采集处理模块、环境监测模块、CPU再处理模块、远程监控通信模块和交互界面模块； 医疗设备传感器模块：持续监测医疗设备的实时运行状态，获取医疗设备的原始监测数据，并将采集到的医疗设备运行状态的原始监测数据发送到数据采集处理模块； 数据采集处理模块：使用数据清洗、噪声滤除和统计整合的预处理算法，将接收的医疗设备传感器模块中的原始监测数据进行预处理后，生成预处理数据，并将处理过的数据发送到CPU再处理模块； 环境监测模块：实时监测医疗设备在运行时所处环境的状态信号，获得环境影响参数数据，再建立多变量分析模型，将环境影响参数数据进行补偿计算，以评估并校正环境参数对医疗设备运行的影响，将环境影响参数数据传输至数据采集处理模块进行预处理，并将多变量分析模型的算法逻辑传输至CPU再处理模块进行补偿计算； CPU再处理模块：接收和综合分析数据采集处理模块对医疗设备传感器模块和环境监测模块采集数据进行预处理后的预处理数据、环境影响参数数据，使用高级机器学习算法并建立时间序列分析模型进行故障检测和预测，生成故障检测和预测结果； 远程监控通信模块：根据CPU再处理模块中的故障检测和预测结果，获取分析结果和报警信息，并对分析结果和报警信息进行AES加密处理，通过无线网络实时传输和交互至远程监控终端的交互界面模块； 交互界面模块：建立界面显示和用户交互模型，使用数据可视化工具，利用远程监控通信模块将CPU再处理模块中得到的医疗设备运行状态分析结果和报警信息进行数据显示，并为用户提供交互入口和操作界面，且能够记录和存储所有数据和分析结果，提供历史数据查询和分析功能； 所述多变量分析模型对环境影响参数数据的影响评估步骤如下： 收集环境影响参数数据的历史数据，与此同时，收集医疗设备的运行状态经过预处理数据，作为响应变量； 使用相关性分析，评估各环境参数与设备运行状态的相关性，多变量分析模型是使用多元线性回归算法进行拟合，其中，多元线性回归算法的计算公式为，且，式中，表示为截距，表示为对应环境影响参数数据的回归系数，分别表示为环境温度、环境湿度和电磁干扰强度的回归系数； 具体将环境影响参数数据输入多变量分析模型，通过模型输出预测的医疗设备运行状态变化，评估环境参数对设备运行的影响程度，同时计算环境参数对设备运行状态的补偿量，通过环境补偿计算对医疗设备的运行状态数据进行校正，补偿量的计算公式为，且，式中，表示为环境影响参数数据对医疗设备的运行状态的补偿量，表示为环境影响参数数据中环境温度、环境湿度和电磁干扰强度在多变量分析模型中对医疗设备的运行状态的影响程度，表示为将补偿量应用到医疗设备的运行状态数据上的校正值； 再评估多变量分析模型的拟合优度R²和均方误差MSE值，且使用验证数据集对多变量分析模型进行测试，评估多变量分析模型的预测准确性； 所述机器学习算法对医疗设备运行状态的故障检测逻辑如下： 将预处理数据进行70%训练集和30%测试集的划分，并使用机器学习算法中的支持向量机模型，输入训练集进行训练，其中，支持向量机模型的训练计算公式为，式中，表示为预处理数据的训练结果，表示为预处理数据的权重向量，表示为转置，表示为支持向量机的偏差； 使用测试集评估支持向量机模型的准确率性能，并将训练好后的支持向量机模型应用到医疗设备运行状态的故障检测中，输出故障检测结果并进行故障判断，准确率性能的计算公式为，式中，表示为预处理数据在进行故障检测时的准确率，分别表示为预处理数据在进行故障检测时的真正例、真负例、假正例和假正例； 当故障检测结果的输出表明当前医疗设备存在故障，则生成报修请求和报警信息，则报警信息是使用报警阈值判断，而报修请求是使用对报警信号进行程度诊断结果自定义生成； 所述时间序列分析模型对医疗设备运行状态的预测步骤如下： 整理预处理数据的时间序列数据，使用进行时间序列分解和标准化处理，时间序列标准化处理的计算公式为，式中，表示为预处理数据的时间序列标准化值，表示为在时间上预处理数据的原始值，表示为预处理数据的时间序列均值，表示为预处理数据的时间序列标准差； 再使用自回归积分滑动平均ARIMA模型对医疗设备运行状态的时间序列标准化值进行预测，生成预测结果，ARIMA模型的计算公式为，式中，表示为在时间上时间序列标准化值的预测值，表示为ARIMA模型常量，分别表示为ARIMA模型的自回归系数，分别表示为ARIMA模型的滑动平均系数，表示为在时间上时间序列标准化值的误差项，分别表示为在时间上的第时刻； 利用均方误差损失函数进行模型参数调整，得到训练好后的时间序列分析模型，并应用到当前的医疗设备中预测运行状态，均方误差损失函数的计算公式为，式中，表示为均方误差的损失值，表示为预处理数据的时间序列标准化值，表示为时间序列标准化值的预测值，分别表示为预处理数据的样本数量和样本中第个数据； 通过分析时间序列预测模型的预测输出结果，判断下一时间段内医疗设备在运行过程中是否会出现故障，当预测输出结果表明下一个时间点会出现故障时，则生成预警信息。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人赛维斯科技(广州)有限公司，其通讯地址为：511431 广东省广州市番禺区洛浦街南浦岛丽江花园德泽楼首层C8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。