CN116805530A - 一种基于人工智能的医用设备使用效率评估方法 - Google Patents
一种基于人工智能的医用设备使用效率评估方法 Download PDFInfo
- Publication number
- CN116805530A CN116805530A CN202311061624.XA CN202311061624A CN116805530A CN 116805530 A CN116805530 A CN 116805530A CN 202311061624 A CN202311061624 A CN 202311061624A CN 116805530 A CN116805530 A CN 116805530A
- Authority
- CN
- China
- Prior art keywords
- analysis
- period
- analysis object
- medical equipment
- daily use
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 311
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000004904 shortening Methods 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 11
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于人工智能的医用设备使用效率评估方法,涉及医用设备使用评估技术领域,解决了现有技术中,不能够对医用设备的分布合理性和使用潜力进行分析,以至于无法对医用设备进行效率分析的技术问题,本发明通过医用设备的供应合理性和分布合理性同步分析,判断当前医用设备的使用是否存在影响,避免医用设备的使用效率低导致医用设备的使用效率评估准确性降低;对医用设备的使用潜力进行分析,根据医用设备使用趋势分析预测,判断当前医用设备的使用趋势是否适合当前医疗机构,从而对当前现存的医用设备进行运行控制,避免医用设备的使用效率低且仍购买对应医用设备,造成不必要的成本浪费。
Description
技术领域
本发明涉及医用设备使用评估技术领域,具体为一种基于人工智能的医用设备使用效率评估方法。
背景技术
医疗器械,是指单独或者组合使用于人体的仪器、设备、器具、材料或者其他物品,包括所需要的软件;其用于人体体表及体内的作用不是用药理学、免疫学或者代谢的手段获得,但是可能有这些手段参与并起一定的辅助作用。
但是在现有技术中,医用设备在使用时,不能够对医用设备进行整体趋势和日常使用进行同步分析,以至于医用设备的使用效率评估准确性低,同时不能够对医用设备的分布合理性和使用潜力进行分析,以至于无法对医用设备进行效率分析,造成无法对医用设备进行针对性管控。
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出一种基于人工智能的医用设备使用效率评估方法。
本发明的目的可以通过以下技术方案实现:一种基于人工智能的医用设备使用效率评估方法,具体医用设备使用效率评估方法步骤如下:
步骤S1:使用效率分析,对医用设备进行使用效率分析,判断医用设备的使用效率是否合格,通过对医用设备的整体趋势进行使用效率分析;
步骤S2:日常使用分析,在完成使用效率分析后,对医用设备进行日常使用分析,在完成医用设备的整体趋势使用效率分析后,通过日常使用进行进一步使用效率分析,判断医用设备日常使用效率是否满足需求;
步骤S3:合理性分析,对医用设备进行供应合理性和分布合理性分析;通过医用设备的供应合理性和分布合理性同步分析,判断当前医用设备的使用是否存在影响;
步骤S4:使用潜力分析,对医用设备的使用潜力进行分析,根据医用设备使用趋势分析预测,判断当前医用设备的使用趋势是否适合当前医疗机构。
作为本发明的一种优选实施方式,步骤S1使用效率分析的具体过程如下:
将医用设备标记为分析对象,设置标号o,o为大于1的自然数,以分析对象的投入使用时刻获取到分析对象的运行时段,采集到运行时段内分析对象的实际使用时长与预计使用时长的占比以及运行时段内分析对象所使用的功能与配备功能总数的比值,并将运行时段内分析对象的实际使用时长与预计使用时长的占比以及运行时段内分析对象所使用的功能与配备功能总数的比值分别标记为SZBo和GNBo;获取到运行时段内分析对象配备功能中未使用功能对应使用医疗机构平均使用频率,并将运行时段内分析对象配备功能中未使用功能对应使用医疗机构平均使用频率标记为SYPo;
通过公式获取到分析对象的使用效率整体分析系数Co,其中,y1、y2以及y3均为预设比例系数,且y1>y2>y3>0,β为误差修正因子,取值为1.25;将分析对象的使用效率整体分析系数Co与使用效率整体分析系数阈值进行比较。
作为本发明的一种优选实施方式,若分析对象的使用效率整体分析系数Co超过使用效率整体分析系数阈值,则判定分析对象的使用效率分析正常,生成整体分析正常信号并将整体分析正常信号发送至管理员终端;若分析对象的使用效率整体分析系数Co未超过使用效率整体分析系数阈值,则判定分析对象的使用效率分析异常,生成整体分析异常信号并将整体分析异常信号发送至管理员终端,管理员终端接收到整体分析异常信号后,将对应分析对象的配备医疗机构进行重规划。
作为本发明的一种优选实施方式,步骤S2日常使用分析的具体过程如下:
获取到分析对象的日常使用时段,并对日常使用时段进行分析对象使用分析,获取到日常使用时段内分析对象的时段总检查人数与人均占机时长之积,同时获取到日常使用时段内分析对象的日均开机时长与日常使用时段内实际开机天数之积,并两个积值进行比值计算获取到日常使用时段内分析对象的时段开机利用率;采集到日常使用时段内分析对象的时段检查人数以及日常使用时段内日最大检查人数与日常使用时段内预设开机天数之积,通过比值计算获取到日常使用时段内分析对象的时段能力利用率。
作为本发明的一种优选实施方式,将日常使用时段内分析对象的时段开机利用率与时段能力利用率进行分析,若日常使用时段内分析对象的时段开机利用率与时段能力利用率任一数值未超过对应设定阈值,则判定分析对象的日常使用分析异常,生成日常使用分析异常信号并将日常使用分析异常信号发送至管理员终端,管理员终端接收到日常使用分析异常信号后,对分析对象的使用位置进行调节;若日常使用时段内分析对象的时段开机利用率与时段能力利用率任一数值均超过对应设定阈值,则判定分析对象的日常使用分析正常,生成日常使用分析正常信号并将日常使用分析正常信号发送至管理员终端。
作为本发明的一种优选实施方式,步骤S3中合理性分析的分析过程如下:
获取到日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长以及日常使用时段内分析对象对应分布位置的最大间隔距离差值,并将日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长以及日常使用时段内分析对象对应分布位置的最大间隔距离差值分别与非重叠时长阈值和最大间隔距离差值阈值进行比较。
作为本发明的一种优选实施方式,若日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长超过非重叠时长阈值,或者日常使用时段内分析对象对应分布位置的最大间隔距离差值超过最大间隔距离差值阈值,则判定日常使用时段内分析对象的使用合理性异常,生成合理性异常信号并将合理性异常信号发送至管理员终端;若日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长未超过非重叠时长阈值,且日常使用时段内分析对象对应分布位置的最大间隔距离差值未超过最大间隔距离差值阈值,则判定日常使用时段内分析对象的使用合理性正常,生成合理性正常信号并将合理性正常信号发送至管理员终端。
作为本发明的一种优选实施方式,步骤S4使用潜力分析的具体过程如下:
获取到日常使用时段内分析对象配备功能使用平均间隔时长的缩短量以及分析对象分布位置调动后排队患者区域的平均等候人数浮动量,并将日常使用时段内分析对象配备功能使用平均间隔时长的缩短量以及分析对象分布位置调动后排队患者区域的平均等候人数浮动量分别与时长缩短量阈值和等候人数浮动量阈值进行比较。
作为本发明的一种优选实施方式,若日常使用时段内分析对象配备功能使用平均间隔时长的缩短量超过时长缩短量阈值,且分析对象分布位置调动后排队患者区域的平均等候人数浮动量未超过等候人数浮动量阈值,则判定日常使用时段内分析对象的使用潜力分析正常,生成高潜力信号并将高潜力信号和对应分析对象的编号一同发送至管理员终端;
若日常使用时段内分析对象配备功能使用平均间隔时长的缩短量未超过时长缩短量阈值,或者分析对象分布位置调动后排队患者区域的平均等候人数浮动量超过等候人数浮动量阈值,则判定日常使用时段内分析对象的使用潜力分析异常,生成低潜力信号并将低潜力信号和对应分析对象的编号一同发送至管理员终端。
与现有技术相比,本发明的有益效果是:
1、本发明中,对医用设备进行使用效率分析,判断医用设备的使用效率是否合格,通过对医用设备的整体趋势进行使用效率分析,判断医用设备的使用效率,从而提高医用设备的使用效率评估准确性;在完成使用效率分析后,对医用设备进行日常使用分析,在完成医用设备的整体趋势使用效率分析后,通过日常使用进行进一步使用效率分析,判断医用设备日常使用效率是否满足需求,从而保证医用设备使用效率评估的准确性。
2、本发明中,对医用设备进行供应合理性和分布合理性分析;通过医用设备的供应合理性和分布合理性同步分析,判断当前医用设备的使用是否存在影响,避免医用设备的使用效率低导致医用设备的使用效率评估准确性降低;对医用设备的使用潜力进行分析,根据医用设备使用趋势分析预测,判断当前医用设备的使用趋势是否适合当前医疗机构,从而对当前现存的医用设备进行运行控制,避免医用设备的使用效率低且仍购买对应医用设备,造成不必要的成本浪费。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,一种基于人工智能的医用设备使用效率评估方法,具体医用设备使用效率评估方法步骤如下:
步骤S1:使用效率分析,对医用设备进行使用效率分析,判断医用设备的使用效率是否合格,通过对医用设备的整体趋势进行使用效率分析,判断医用设备的使用效率,从而提高医用设备的使用效率评估准确性;
步骤S2:日常使用分析,在完成使用效率分析后,对医用设备进行日常使用分析,在完成医用设备的整体趋势使用效率分析后,通过日常使用进行进一步使用效率分析,判断医用设备日常使用效率是否满足需求,从而保证医用设备使用效率评估的准确性;
步骤S3:合理性分析,对医用设备进行供应合理性和分布合理性分析;通过医用设备的供应合理性和分布合理性同步分析,判断当前医用设备的使用是否存在影响,避免医用设备的使用效率低导致医用设备的使用效率评估准确性降低;
步骤S4:使用潜力分析,对医用设备的使用潜力进行分析,根据医用设备使用趋势分析预测,判断当前医用设备的使用趋势是否适合当前医疗机构,从而对当前现存的医用设备进行运行控制,避免医用设备的使用效率低且仍购买对应医用设备,造成不必要的成本浪费;
步骤S1使用效率分析的具体过程如下:
将医用设备标记为分析对象,设置标号o,o为大于1的自然数,以分析对象的投入使用时刻获取到分析对象的运行时段,采集到运行时段内分析对象的实际使用时长与预计使用时长的占比以及运行时段内分析对象所使用的功能与配备功能总数的比值,并将运行时段内分析对象的实际使用时长与预计使用时长的占比以及运行时段内分析对象所使用的功能与配备功能总数的比值分别标记为SZBo和GNBo;获取到运行时段内分析对象配备功能中未使用功能对应使用医疗机构平均使用频率,并将运行时段内分析对象配备功能中未使用功能对应使用医疗机构平均使用频率标记为SYPo;
通过公式获取到分析对象的使用效率整体分析系数Co,其中,y1、y2以及y3均为预设比例系数,且y1>y2>y3>0,β为误差修正因子,取值为1.25;
将分析对象的使用效率整体分析系数Co与使用效率整体分析系数阈值进行比较:
若分析对象的使用效率整体分析系数Co超过使用效率整体分析系数阈值,则判定分析对象的使用效率分析正常,生成整体分析正常信号并将整体分析正常信号发送至管理员终端;若分析对象的使用效率整体分析系数Co未超过使用效率整体分析系数阈值,则判定分析对象的使用效率分析异常,生成整体分析异常信号并将整体分析异常信号发送至管理员终端,管理员终端接收到整体分析异常信号后,将对应分析对象的配备医疗机构进行重规划;
步骤S2日常使用分析的具体过程如下:
获取到分析对象的日常使用时段,并对日常使用时段进行分析对象使用分析,获取到日常使用时段内分析对象的时段总检查人数与人均占机时长之积,同时获取到日常使用时段内分析对象的日均开机时长与日常使用时段内实际开机天数之积,并两个积值进行比值计算获取到日常使用时段内分析对象的时段开机利用率;采集到日常使用时段内分析对象的时段检查人数以及日常使用时段内日最大检查人数与日常使用时段内预设开机天数之积,通过比值计算获取到日常使用时段内分析对象的时段能力利用率;
将日常使用时段内分析对象的时段开机利用率与时段能力利用率进行分析,若日常使用时段内分析对象的时段开机利用率与时段能力利用率任一数值未超过对应设定阈值,则判定分析对象的日常使用分析异常,生成日常使用分析异常信号并将日常使用分析异常信号发送至管理员终端,管理员终端接收到日常使用分析异常信号后,对分析对象的使用位置进行调节;
若日常使用时段内分析对象的时段开机利用率与时段能力利用率任一数值均超过对应设定阈值,则判定分析对象的日常使用分析正常,生成日常使用分析正常信号并将日常使用分析正常信号发送至管理员终端;
步骤S3中合理性分析的分析过程如下:
获取到日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长以及日常使用时段内分析对象对应分布位置的最大间隔距离差值,并将日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长以及日常使用时段内分析对象对应分布位置的最大间隔距离差值分别与非重叠时长阈值和最大间隔距离差值阈值进行比较:
若日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长超过非重叠时长阈值,或者日常使用时段内分析对象对应分布位置的最大间隔距离差值超过最大间隔距离差值阈值,则判定日常使用时段内分析对象的使用合理性异常,生成合理性异常信号并将合理性异常信号发送至管理员终端,管理员终端接收到合理性异常信号后,对分析对象进行控制,调节运行时段以及分布间距,防止运行需求集中造成分析对象的运行效率降低;
若日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长未超过非重叠时长阈值,且日常使用时段内分析对象对应分布位置的最大间隔距离差值为超过最大间隔距离差值阈值,则判定日常使用时段内分析对象的使用合理性正常,生成合理性正常信号并将合理性正常信号发送至管理员终端;
步骤S4使用潜力分析的具体过程如下:
获取到日常使用时段内分析对象配备功能使用平均间隔时长的缩短量以及分析对象分布位置调动后排队患者区域的平均等候人数浮动量,并将日常使用时段内分析对象配备功能使用平均间隔时长的缩短量以及分析对象分布位置调动后排队患者区域的平均等候人数浮动量分别与时长缩短量阈值和等候人数浮动量阈值进行比较:
若日常使用时段内分析对象配备功能使用平均间隔时长的缩短量超过时长缩短量阈值,且分析对象分布位置调动后排队患者区域的平均等候人数浮动量未超过等候人数浮动量阈值,则判定日常使用时段内分析对象的使用潜力分析正常,生成高潜力信号并将高潜力信号和对应分析对象的编号一同发送至管理员终端;若日常使用时段内分析对象配备功能使用平均间隔时长的缩短量未超过时长缩短量阈值,或者分析对象分布位置调动后排队患者区域的平均等候人数浮动量超过等候人数浮动量阈值,则判定日常使用时段内分析对象的使用潜力分析异常,生成低潜力信号并将低潜力信号和对应分析对象的编号一同发送至管理员终端;管理员终端接收后,根据分析对象的连续运行周期内潜力分析结果进行分析对象运行管控,若连续运行周期均为低潜力,则将分析对象的运行时段进行缩减;若连续运行周期均为高潜力,则将分析对象的运行时段进行管理,并将分析对象进行配备功能增加完善。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
本发明在使用时,使用效率分析,对医用设备进行使用效率分析,判断医用设备的使用效率是否合格,通过对医用设备的整体趋势进行使用效率分析;日常使用分析,在完成使用效率分析后,对医用设备进行日常使用分析,在完成医用设备的整体趋势使用效率分析后,通过日常使用进行进一步使用效率分析,判断医用设备日常使用效率是否满足需求;合理性分析,对医用设备进行供应合理性和分布合理性分析;通过医用设备的供应合理性和分布合理性同步分析,判断当前医用设备的使用是否存在影响;使用潜力分析,对医用设备的使用潜力进行分析,根据医用设备使用趋势分析预测,判断当前医用设备的使用趋势是否适合当前医疗机构。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种基于人工智能的医用设备使用效率评估方法,其特征在于,具体医用设备使用效率评估方法步骤如下:
步骤S1:使用效率分析,对医用设备进行使用效率分析,判断医用设备的使用效率是否合格,通过对医用设备的整体趋势进行使用效率分析;
步骤S2:日常使用分析,在完成使用效率分析后,对医用设备进行日常使用分析,在完成医用设备的整体趋势使用效率分析后,通过日常使用进行进一步使用效率分析,判断医用设备日常使用效率是否满足需求;
步骤S3:合理性分析,对医用设备进行供应合理性和分布合理性分析;通过医用设备的供应合理性和分布合理性同步分析,判断当前医用设备的使用是否存在影响;
步骤S4:使用潜力分析,对医用设备的使用潜力进行分析,根据医用设备使用趋势分析预测,判断当前医用设备的使用趋势是否适合当前医疗机构。
2.根据权利要求1所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,步骤S1使用效率分析的具体过程如下:
将医用设备标记为分析对象,设置标号o,o为大于1的自然数,以分析对象的投入使用时刻获取到分析对象的运行时段,采集到运行时段内分析对象的实际使用时长与预计使用时长的占比以及运行时段内分析对象所使用的功能与配备功能总数的比值,并将运行时段内分析对象的实际使用时长与预计使用时长的占比以及运行时段内分析对象所使用的功能与配备功能总数的比值分别标记为SZBo和GNBo;获取到运行时段内分析对象配备功能中未使用功能对应使用医疗机构平均使用频率,并将运行时段内分析对象配备功能中未使用功能对应使用医疗机构平均使用频率标记为SYPo;
通过公式获取到分析对象的使用效率整体分析系数Co,其中,y1、y2以及y3均为预设比例系数,且y1>y2>y3>0,β为误差修正因子,取值为1.25;将分析对象的使用效率整体分析系数Co与使用效率整体分析系数阈值进行比较。
3.根据权利要求2所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,若分析对象的使用效率整体分析系数Co超过使用效率整体分析系数阈值,则判定分析对象的使用效率分析正常,生成整体分析正常信号并将整体分析正常信号发送至管理员终端;若分析对象的使用效率整体分析系数Co未超过使用效率整体分析系数阈值,则判定分析对象的使用效率分析异常,生成整体分析异常信号并将整体分析异常信号发送至管理员终端,管理员终端接收到整体分析异常信号后,将对应分析对象的配备医疗机构进行重规划。
4.根据权利要求1所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,步骤S2日常使用分析的具体过程如下:
获取到分析对象的日常使用时段,并对日常使用时段进行分析对象使用分析,获取到日常使用时段内分析对象的时段总检查人数与人均占机时长之积,同时获取到日常使用时段内分析对象的日均开机时长与日常使用时段内实际开机天数之积,并两个积值进行比值计算获取到日常使用时段内分析对象的时段开机利用率;采集到日常使用时段内分析对象的时段检查人数以及日常使用时段内日最大检查人数与日常使用时段内预设开机天数之积,通过比值计算获取到日常使用时段内分析对象的时段能力利用率。
5.根据权利要求4所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,将日常使用时段内分析对象的时段开机利用率与时段能力利用率进行分析,若日常使用时段内分析对象的时段开机利用率与时段能力利用率任一数值未超过对应设定阈值,则判定分析对象的日常使用分析异常,生成日常使用分析异常信号并将日常使用分析异常信号发送至管理员终端,管理员终端接收到日常使用分析异常信号后,对分析对象的使用位置进行调节;若日常使用时段内分析对象的时段开机利用率与时段能力利用率任一数值均超过对应设定阈值,则判定分析对象的日常使用分析正常,生成日常使用分析正常信号并将日常使用分析正常信号发送至管理员终端。
6.根据权利要求1所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,步骤S3中合理性分析的分析过程如下:
获取到日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长以及日常使用时段内分析对象对应分布位置的最大间隔距离差值,并将日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长以及日常使用时段内分析对象对应分布位置的最大间隔距离差值分别与非重叠时长阈值和最大间隔距离差值阈值进行比较。
7.根据权利要求6所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,若日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长超过非重叠时长阈值,或者日常使用时段内分析对象对应分布位置的最大间隔距离差值超过最大间隔距离差值阈值,则判定日常使用时段内分析对象的使用合理性异常,生成合理性异常信号并将合理性异常信号发送至管理员终端;若日常使用时段内分析对象的运行时段与分析对象对应科室的运行时段非重叠时长未超过非重叠时长阈值,且日常使用时段内分析对象对应分布位置的最大间隔距离差值未超过最大间隔距离差值阈值,则判定日常使用时段内分析对象的使用合理性正常,生成合理性正常信号并将合理性正常信号发送至管理员终端。
8.根据权利要求1所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,步骤S4使用潜力分析的具体过程如下:
获取到日常使用时段内分析对象配备功能使用平均间隔时长的缩短量以及分析对象分布位置调动后排队患者区域的平均等候人数浮动量,并将日常使用时段内分析对象配备功能使用平均间隔时长的缩短量以及分析对象分布位置调动后排队患者区域的平均等候人数浮动量分别与时长缩短量阈值和等候人数浮动量阈值进行比较。
9.根据权利要求8所述的一种基于人工智能的医用设备使用效率评估方法,其特征在于,若日常使用时段内分析对象配备功能使用平均间隔时长的缩短量超过时长缩短量阈值,且分析对象分布位置调动后排队患者区域的平均等候人数浮动量未超过等候人数浮动量阈值,则判定日常使用时段内分析对象的使用潜力分析正常,生成高潜力信号并将高潜力信号和对应分析对象的编号一同发送至管理员终端;
若日常使用时段内分析对象配备功能使用平均间隔时长的缩短量未超过时长缩短量阈值,或者分析对象分布位置调动后排队患者区域的平均等候人数浮动量超过等候人数浮动量阈值,则判定日常使用时段内分析对象的使用潜力分析异常,生成低潜力信号并将低潜力信号和对应分析对象的编号一同发送至管理员终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061624.XA CN116805530A (zh) | 2023-08-23 | 2023-08-23 | 一种基于人工智能的医用设备使用效率评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061624.XA CN116805530A (zh) | 2023-08-23 | 2023-08-23 | 一种基于人工智能的医用设备使用效率评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116805530A true CN116805530A (zh) | 2023-09-26 |
Family
ID=88079667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311061624.XA Pending CN116805530A (zh) | 2023-08-23 | 2023-08-23 | 一种基于人工智能的医用设备使用效率评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116805530A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180001097A1 (en) * | 2014-12-30 | 2018-01-04 | Koninklijke Philips N.V. | Advanced warning indicator for emergency medical devices |
CN115796811A (zh) * | 2022-04-13 | 2023-03-14 | 南昌市千润科技有限公司 | 一种基于大数据的事业单位人员岗位调动管理系统 |
CN116153480A (zh) * | 2023-04-23 | 2023-05-23 | 山东中医药大学附属医院 | 一种基于移动医疗设备的智能化信息诊疗系统及方法 |
CN116579874A (zh) * | 2023-05-24 | 2023-08-11 | 安徽山沟沟农业科技有限公司 | 一种基于人工智能的食用菌种植环境智能管控系统 |
-
2023
- 2023-08-23 CN CN202311061624.XA patent/CN116805530A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180001097A1 (en) * | 2014-12-30 | 2018-01-04 | Koninklijke Philips N.V. | Advanced warning indicator for emergency medical devices |
CN115796811A (zh) * | 2022-04-13 | 2023-03-14 | 南昌市千润科技有限公司 | 一种基于大数据的事业单位人员岗位调动管理系统 |
CN116153480A (zh) * | 2023-04-23 | 2023-05-23 | 山东中医药大学附属医院 | 一种基于移动医疗设备的智能化信息诊疗系统及方法 |
CN116579874A (zh) * | 2023-05-24 | 2023-08-11 | 安徽山沟沟农业科技有限公司 | 一种基于人工智能的食用菌种植环境智能管控系统 |
Non-Patent Citations (1)
Title |
---|
雷海潮: "制定大型医用设备区域配置规划的方法学探讨", 《中国卫生事业管理》, no. 02, pages 74 - 77 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Voss et al. | Effects of middle-ear disorders on power reflectance measured in cadaveric ear canals | |
Bongaarts et al. | The potential role of contraception in reducing abortion | |
KR101043261B1 (ko) | 개인 맞춤형 월경기 또는 가임기 예측 시스템 및 그 계산방법 | |
CN106232175B (zh) | 实时耳蜗植入物插入状态指示器 | |
CN103108671B (zh) | 基于电流的耳蜗植入物的加快适配的方法和系统 | |
Carhart | Observations on relations between thresholds for pure tones and for speech | |
CN106372391A (zh) | 一种门诊候诊时间计算方法及装置 | |
CN104523244A (zh) | 基于人体新陈代谢的可穿戴式电子设备及控制方法 | |
US20210022661A1 (en) | Intravaginal system for menstrual cycle monitoring | |
CN104914381B (zh) | 一种移动终端电池电量平滑显示方法及系统 | |
CN104095642B (zh) | 一种基于皮肤电导率的压力等级划分方法及系统 | |
CN116805530A (zh) | 一种基于人工智能的医用设备使用效率评估方法 | |
CN112863688A (zh) | 疫情预测方法、装置、设备、存储介质以及程序产品 | |
Cohen | Practical model description of peripheral neural excitation in cochlear implant recipients: 5. Refractory recovery and facilitation | |
CN108564458B (zh) | 一种基于蒙特卡洛模拟的消费预测方法及系统 | |
Wickesberg et al. | Responses of auditory nerve fibers to trains of clicks | |
CN109377051B (zh) | 一种输配电单位可避免成本分配因子确定方法及相关产品 | |
Wilson et al. | Relationship between behavioral and stimulus frequency otoacoustic emissions delay-based tuning estimates | |
CN104331624B (zh) | 一种基于流量计的能源流量值处理方法及装置 | |
Nusser et al. | A transformation approach to estimating usual intake distributions | |
Selle et al. | The growing demand for midtrimester amniocentesis: a systems approach to forecasting the need for facilities. | |
Shen et al. | Large sample properties of some survival estimators in heterogeneous samples | |
CN116150568A (zh) | 一种基于历史负荷数据回归的居民用户调峰潜力评估方法 | |
CN109009234B (zh) | 一种基于用户信息进行避孕、易孕、优孕评价的方法 | |
CN114950735B (zh) | 一种静电除尘器的电场控制功率的分配方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |