KR20220146091A - 의료장비용 ai 통합 모니터링 시스템 및 방법 - Google Patents

의료장비용 ai 통합 모니터링 시스템 및 방법 Download PDF

Info

Publication number
KR20220146091A
KR20220146091A KR1020210052945A KR20210052945A KR20220146091A KR 20220146091 A KR20220146091 A KR 20220146091A KR 1020210052945 A KR1020210052945 A KR 1020210052945A KR 20210052945 A KR20210052945 A KR 20210052945A KR 20220146091 A KR20220146091 A KR 20220146091A
Authority
KR
South Korea
Prior art keywords
information
failure
unit
state
medical device
Prior art date
Application number
KR1020210052945A
Other languages
English (en)
Other versions
KR102518105B1 (ko
Inventor
윤권하
유영주
임동욱
김지언
노시형
김태훈
이충섭
정창원
Original Assignee
원광대학교산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 원광대학교산학협력단 filed Critical 원광대학교산학협력단
Priority to KR1020210052945A priority Critical patent/KR102518105B1/ko
Publication of KR20220146091A publication Critical patent/KR20220146091A/ko
Application granted granted Critical
Publication of KR102518105B1 publication Critical patent/KR102518105B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 각 의료기기에서 제공하는 상태 정보 및 관리자 단말에서 제공하는 일일점검정보를 수집하는 정보 수집부, 상기 정보 수집부에서 수집한 정보를 의료기기별, 정보의 종류별로 분류하여 저장하는 정보 분류부, 각 의료기기의 상태 정보를 이용하여 각 의료기기에 대한 부품의 고장 여부 및 동작 상태에 대한 고장 여부를 예측하고, 예측한 결과를 학습하는 고장예측 학습부, 상기 일일점검정보의 각 점검항목에 대한 결과값을 통해 각 점검항목에 대한 이상 유무를 파악하는 상태진단부, 상기 정보 분류부에 의해 분류된 정보, 상기 고장예측 학습부에서 출력하는 정보 및 상기 상태진단부에서 출력하는 정보를 저장하고 있는 수집정보 저장부, 각 의료기기의 부품별 보증시간 또는 보증 사용횟수를 저장하고 있으며, 상태 정보의 종류별 기준상태를 저장하고 있는 기기/부품정보 저장부, 그리고 상기 상태진단부의 진단 결과와 상기 고장예측 학습부의 예측 결과를 수신하여 고장 가이드 정보를 생성하고 생성한 고장 방지 가이드 정보를 제공하는 알림부를 포함하는 의료장비용 AI 통합 모니터링 시스템 및 방법에 관한 것이다.

Description

의료장비용 AI 통합 모니터링 시스템 및 방법{THE AI INTEGRATION MONITORING SYSTEM AND METHOD FOR THE MDICAL EQUIPMENTS}
본 발명은 의료장비의 동작 및 상태를 모니터링하는 기술에 관한 것으로, 특히 인공지능(AI:Artificial Intelligence) 기반으로 의료장비의 고장을 예측하고 상태를 진단하는 의료장비용 AI 통합 모니터링 시스템 및 방법에 관한 것이다.
산업이 고도화되고 정보통신 기술의 발달로 인해, 의료분야에서도 ICT(Information & Communication Techology) 기술과의 접목을 시도하고 있으며, 이에 따라 병원 내의 의료기기들은 디지털화되고 네트워크화되어 가고 있다.
그리고 이를 기반으로 ICT 기반으로 대용량의 환자 의료정보를 수집하고 체계적으로 관리하거나, 의료장비와 도구를 디지탈화하여 원격에서 환자의 상태를 실시간으로 모니터링하고 있다. 또한 국내공개특허 제2019-0023023호에 따르면, 종래에는 의료 영상 기기들에 대하여 이상이 있는지를 파악하고 이상 발견시 이를 알리는 모니터링 기술이 제시되어 있다.
그러나 각종 의료기기에 대하여 고장을 미리 예측하고, 상태를 진단하여 올바른 대처를 가능하게 하는 정보를 제공하는 기술이 제공되고 있지 않다.
본 발명이 해결하고자 하는 과제는 각종 의료기기에 대하여 고장을 미리 예측하고, 상태를 진단하여 올바른 대처를 가능하게 하는 정보를 제공하는 의료장비용 AI 통합 모니터링 시스템 및 방법을 제공하는 것이다.
또한, 본 발명이 해결하고자 하는 과제는 보다 정확한 결과 제공을 위하여 AI를 기반으로 상태를 진단하고 고장을 예측하는 의료장비용 AI 통합 모니터링 시스템 및 방법을 제공하는 것이다.
상기 과제 이외에도 구체적으로 언급되지 않은 다른 과제를 달성하는 데 본 발명에 따른 실시 예가 사용될 수 있다.
상기 과제를 해결하기 위한 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 시스템은 각 의료기기에서 제공하는 상태 정보 및 관리자 단말에서 제공하는 일일점검정보를 수집하는 정보 수집부, 상기 정보 수집부에서 수집한 정보를 의료기기별, 정보의 종류별로 분류하여 저장하는 정보 분류부, 각 의료기기의 상태 정보를 이용하여 각 의료기기에 대한 부품의 고장 여부 및 동작 상태에 대한 고장 여부를 예측하고, 예측한 결과를 학습하는 고장예측 학습부, 상기 일일점검정보의 각 점검항목에 대한 결과값을 통해 각 점검항목에 대한 이상 유무를 파악하는 상태진단부, 상기 정보 분류부에 의해 분류된 정보, 상기 고장예측 학습부에서 출력하는 정보 및 상기 상태진단부에서 출력하는 정보를 저장하고 있는 수집정보 저장부, 각 의료기기의 부품별 보증시간 또는 보증 사용횟수를 저장하고 있으며, 상태 정보의 종류별 기준상태를 저장하고 있는 기기/부품정보 저장부, 그리고 상기 상태진단부의 진단 결과와 상기 고장예측 학습부의 예측 결과를 수신하여 고장 가이드 정보를 생성하고 생성한 고장 방지 가이드 정보를 제공하는 알림부를 포함한다.
상기 고장예측 학습부는 상태 정보에 포함된 부품의 사용시간이 보증기간을 초과하거나 설정 마진기간 이내이면 고장이라고 예측하고, 상태 정보에 포함된 부품의 사용횟수가 설정 사용횟수를 초과하거나 설정 마진횟수 이내이면 고장이라고 예측하거나, 상태 정보에 포함된 동작항목의 현재상태를 기준상태와 비교하여 현재 상태가 기준상태와 다른 경우에 고장이라고 예측한다.
상기 알림부는 상기 상태진단부에서 이상이라고 판단되는 항목들간의 상관관계 등의 관련성을 분석하거나, 상기 상태진단부에서 이상이라고 판단되는 항목들과 상기 고장예측 학습부로부터 수신된 고장 예측 결과간의 상관관계 등의 관련성 을 분석하여 상기 고장 방지 가이드 정보를 생성한다.
본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 시스템은 상기 수집정보 저장부에 저장되는 정보가 일정 기간 내의 정보만 저장되도록 하고, 일정 기간이 초과된 정보가 있으면 초과된 정보를 추출하여 클라우드 서버에 저장시키는 정보 관리부를 더 포함할 수 있다.
상기 과제를 해결하기 위한 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 방법은 각 의료기기에서 제공하는 상태 정보 및 관리자 단말에서 제공하는 일일점검정보를 수집하는 단계, 수집한 정보를 의료기기별, 정보의 종류별로 분류하여 저장하는 단계, 각 의료기기의 상태 정보를 이용하여 각 의료기기에 대한 부품의 고장 여부 및 동작 상태에 대한 고장 여부를 예측하고 예측한 결과를 학습하는 단계, 상기 일일점검정보의 각 점검항목에 대한 결과값을 통해 각 점검항목에 대한 이상 유무를 파악하는 단계, 상기 상태진단부의 진단 결과와 상기 고장예측 학습부의 예측 결과를 수신하여 고장 가이드 정보를 생성하는 단계, 그리고 상기 고장 방지 가이드 정보를 제공하는 단계를 포함한다.
본 발명의 실시 예에 따르면, 의료기관이나 병원 등에서 보유한 의료기기들에 대한 상태 진단을 통해 고장을 예측하여 궁극적으로 고장 발생 및 품질 저하를 방지할 수 있게 한다.
상기 과제 이외에도 구체적으로 언급되지 않은 다른 과제를 달성하는 데 본 발명에 따른 실시 예가 사용될 수 있다.
도 1은 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 기술에 대한 개념도이다.
도 2는 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 시스템의 블록 구성도이다.
도 3은 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 시스템에 이용되는 일일점검정보를 보인 도면이다.
도 4는 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 시스템에 이용되는 일일세부점검정보를 보인 도면이다.
도 5는 본 발명의 제1 실시 예에 따른 의료장비용 AI 통합 모니터링 방법을 보인 순서도이다.
도 6은 본 발명의 제2 실시 예에 따른 의료장비용 AI 통합 모니터링 방법을 보인 순서도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대해 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체에서 동일 또는 유사한 구성요소에 대해서는 동일한 도면부호가 사용되었다. 또한, 널리 알려져 있는 공지기술의 경우 그 구체적인 설명은 생략한다.
본 명세서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하에서는 첨부한 도면을 참조로 하여 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 시스템 및 방법을 설명한다.
도 1은 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 기술에 대한 개념도이다. 도 1을 참고하면, 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 기술은 의료기기(10)에 대한 상태 정보 및 일일점검정보를 수집하는 AI기반 모니터링 시스템(100)(이하 "모니터링 시스템(100)"이라 함)에 의해 달성된다.
이때 의료기기(10)는 모니터링 시스템(100)에 네트워크로 연결된 모든 종류의 의료영상기기로서, 디지털진단용 X-선 촬영장치, 이동형 X-선 촬영장치 등의 X-선관(tube) 관련장치 및 CT, MRI 등과 같이 환자의 몸과 기관들을 촬영하는 영상촬영기기, 디텍터(detector) 관련장치, 콘솔(console) 관련장치, 테이블(table) 관련장치, PACS(Picture Archiving Communication System) 관련장치 등이다. 상기 의료영상기기 중 디지털 처리 프로세서 장치를 가지지 않는 장치에는 라즈베리파이가 설치되어 데이터 전송이 가능하게 한다.
그리고 모니터링 시스템(100)에서 수집하는 의료기기(10)에 대한 상태 정보는 의료기기(10)에서 전송하는 정보로서, 해당 의료기기(10)의 식별정보와 더불어 해당 의료기기(10)의 부품에 대한 사용정보, 해당 의료기기(10)의 동작 상태(예; 영상촬영속도, 튜브의 쇼트(short) 분포, 기구물(테이블 등)의 수평도, 촬영횟수, 각 부품의 사용횟수 등의 사용정보, 튜브 온도, 현재위치정보(모바일 의료기기에 해당)), 촬영된 영상의 품질 등을 파악할 수 있는 정보이다. 상태정보는 로그(log) 정보 등으로 모니터링 시스템(100)에 제공된다.
일일점검정보는 의료기기(10) 자체에서 송부하는 정보(자동정보)와 관리자에 의해 입력 조작되어 관리자 단말에서 전송되는 정보(수동정보)가 있다. 일일점검정보 중 자동정보는 도 3에 도시된 바와 같이, 차폐관련전검정보 등의 항목 및 해당 항목에 대한 결과값을 포함한다. 이러한 자동정보를 위해 각 의료기기(10)에는 해당 정보 감지를 위한 감지센서가 탑재되어 있다.
수동정보는 도 4에 도시된 바와 같이 메인(main) 전원 확인, 타이머(Timer) 정상 작동 확인, 기능 Key의 정상작동 확인, 기기소음 진동 상태 확인, 기기이상 과열 유무확인, 도어 상태 확인, RPM 입력확인, 타임(Time) 입력 확인 등의 항목 및 해당 항목에 대한 결과값을 포함한다.
모니터링 시스템(100)은 상태 정보와 일일점검정보를 수신하면, 상태 정보를 이용하여 고장 여부를 예측하고, 상태 정보와 일일점검정보를 이용하여 해당 의료기기(10)의 상태를 진단한다. 그리고 모니터링 시스템(100)은 고장 여부 예측 결과 및 진단 결과에 따른 대처 방안에 대한 정보를 생성하여 해당 의료기기(10) 또는/및 관리자에게 전송한다.
한편, 본 발명의 실시 예에 따른 모니터링 시스템(100)은 자체의 스토리지에 각 의료기기(10)별 일자별 상태 정보와 일일점검정보 및 이에 대응하는 고장 여부 예측 결과와 진단 결과를 일정 기간동안 저장하여 관리하고, 일정 기간이 지난 데이터(정보)들은 클라우드 서버(200)에 업로드시켜 관리한다.
이하에서는 도 1을 참고로 설명한 본 발명의 개념을 구현하는 일 예를 도 2를 참조로 하여 설명한다.
도 2는 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 시스템의 블록 구성도이다. 도 2를 참고하면, 본 발명의 실시 예에 따른 모니터링 시스템(100)은 정보 수집부(110), 정보 분류부(120), 현재위치 파악부(130), 고장예측 학습부(140), 상태진단부(150), 정보 관리부(160), 수집정보 저장부(170), 기기/부품정보 저장부(180) 및 알림부(190)를 포함한다.
정보 수집부(110)는 각 의료기기(11 내지 14)로부터 전송하는 상태 정보 및 일일점검정보를 수집하고, 관리자 단말(20)에서 전송하는 일일세부점검정보를 수집한다. 정보 분류부(120)는 정보 수집부(110)에서 수집한 정보를 의료기기별, 정보의 종류별로 분류하여 수집정보 저장부(170)에 저장한다.
현재위치 파악부(130)는 의료기기 중 모바일 의료기기에서 전송하는 현재위치정보를 파악한다. 현재위치 파악부(130)는 경우에 따라 생략이 가능하다.
고장예측 학습부(140)는 정보 수집부(110)에서 분류한 각 의료기기의 상태 정보를 이용하여 각 의료기기의 고장 여부를 예측하고, 예측한 결과를 학습한다. 고장예측 학습부(140)는 상태 정보가 부품의 보증시간(사용시간)이나 부품별 사용횟수이면 기기/부품정보 저장부(180)에 저장된 해당 부품의 고유식별정보에 대응하여 설정된 보증시간 또는 보증 사용횟수와 비교하여 설정된 보증시간을 초과하거나 보증기간에 근접하는 경우(즉, 마진 기간 이내인 경우)에는 고장이 발생할 가능성이 높으로 알림부(190)를 통해 고장예측경고를 한다.
또한 고장예측 학습부(140)는 상태 정보가 동작 상태(온도, 기구물의 수평도, 촬영 횟수, 촬영한 영상의 품질 등)를 나타내는 정보이면 각 정보의 종류에 맞는 기준상태를 기기/부품정보 저장부(180)에서 읽어들여 비교하고, 현재 상태가 기준상태와 다른 경우에 알림부(190)를 통해 고장예측경고를 한다.
이러한 고장예측 학습부(140)에 의해서, 튜브의 수명 예측이 가능하고, 현재의 촬영 영상의 품질과 바로 전 촬영한 영상과의 비교를 통해 영상 품질이 떨어진 것을 파악할 수 있으며, 나아가 영상 품질이 떨어진 이유를 기준상태와 다른 상태정보를 나타낸 항목(기구물의 수평도, 튜브의 동작, 디텍터의 동작, 튜브의 온도 등)을 통해서 파악함으로써 파악한 결과를 기반으로 고장 가이드 정보를 제공할 수 있다.
예컨대, 고장예측 학습부(140)는 촬영에 사용되는 기구물이 기준상태로는 수평이여야 하는데 기구물이 수평적이지 않으면 영상 품질이 나빠진다는 것을 학습을 통해 알고 있으며, 튜브가 고르게 쇼트(short)되는 것이 기준상태인데 그러지 못한 경우이면 영상 품질이 나빠지는 것을 학습을 통해 알고 있으며, 영상 촬영 속도가 설정속도인 것이 기준상태인데 설정속도보다 느려지면 체인이나 모터가 이상 동작을 하여 영상 품질이 나빠진다는 것을 학습을 통해 알 수 알고 있다.
또한 고장예측 학습부(140)는 얼마 정도 촬영하는 경우 즉, 촬영 횟수가 얼마에 도달하는 경우에 튜브 수명이 끝나고, 얼마 정도 촬영하면 캘리브레이션을 다시 해야하는 것 및, 현재 튜브 온도가 몇 도인데 안정된 유지를 위해서 어느 정도 쿨링 타임(Cooling Tine)이 필요한지를 학습을 통해 예측 가능하다.
상태진단부(150)는 일일점검정보 및 일일세부검검정보를 수신하여 분석하여 일일점검정보 및 일일세부점검정보 중 이상(또는 고장)이라고 판단되는 점검항목을 파악하여 각 의료기기의 상태를 진단한다.
정보 관리부(160)는 수집정보 저장부(170)에 저장된 정보를 클라우드 서버(200)와 연계하여 관리한다. 즉, 정보 관리부(160)는 수집정보 저장부(170)에 저장되는 정보가 일정 기간 내의 정보만 저장되도록 하고, 일정 기간이 초과된 정보가 있으면 초과된 정보를 추출하여 클라우드 서버(200)에 저장시킨다.
수집정보 저장부(170)는 정보 분류부(120)에 의해 분류된 정보, 고장예측 학습부(140)에서 출력하는 정보 및 상태진단부(150)에서 출력하는 정보를 해당 의료기기의 식별정보와 매칭하여 저장하고 있다.
기기/부품정보 저장부(180)는 각 의료기기의 부품별 보증시간 또는 보증 사용횟수를 저장하고 있으며, 상태 정보의 종류별 기준상태를 저장하고 있다.
알림부(190)는 상태진단부(150)의 진단 결과와 고장예측 학습부(140)의 예측 결과를 수신하여 처방 정보 즉, 고장 가이드 정보(예; 해당 부품 교체 알림, 이상 부품/상태 알림, 부품 예측 수명 알림 등)를 생성하고 생성한 고장 가이드 정보를 해당 의료기기 또는/및 관리자 단말(20)에게 전송하여 알린다.
한편, 알림부(190)는 상태진단부(150)에서 이상이라고 판단되는 항목들간의 상관관계 등의 관련성을 분석하거나, 상태진단부(150)에서 이상이라고 판단되는 항목들과 고장예측 학습부(140)로부터 수신된 고장 예측 결과간의 관련성을 분석 하여 진단(점검) 결과인 고장 방지 가이드 정보를 생성할 수 있다.
이하에서는 도 5와 도 6을 참조로 하여 본 발명의 실시 예에 따른 의료장비용 AI 통합 모니터링 방법을 설명한다.
도 5는 본 발명의 제1 실시 예에 따른 의료장비용 AI 통합 모니터링 방법을 보인 순서도이다. 도 5를 참고하면, 모니터링 시스템(100)은 각 의료기기(11 내지 14)로부터 상태 정보를 수집하고(S501), 수집한 상태 정보를 기기별 및 종류별로 분류하여 저장한다(S502).
모니터링 시스템(100)은 분류된 각 기기별, 종류별 상태 정보를 이용하여 고장 예측을 시작한다(S503).
고장예측 동작은 각 부품별 보증기간(보증시간)을 이용한 고장예측과, 각 부품의 사용횟수에 따른 고장예측, 및 이전 상태와 기준 상태간의 비교를 통한 고장(이상) 발견 또는 예측이 있다.
각 부품별 보증기간(보증시간)을 이용한 고장예측 과정을 설명하면, 모니터링 시스템(100)은 부품에 대한 상태정보를 기반으로 각 부품의 보증기간을 기 저장된 정보를 통해 확인하고(S504), 상태정보에 포함된 각 부품의 사용기간과 기 저장된 각 부품의 보증기간을 비교하여 사용기간이 보증기간을 초과하거나 보증기간에 근접한(즉 설정된 마진기간 이내) 부품을 있는지를 판단한다(S505).
여기서, 모니터링 시스템(100)은 상기 판단 과정을 통해 각 부품의 수명 정보를 획득할 수 있다.
한편, 모니터링 시스템(100)은 사용시간이 보증기간을 초과하였거나 마진기간 내에 있는 부품이 있으면 해당 부품을 식별한다(S506). 그리고 모니터링 시스템(100)은 상기 S505 및 S506 과정을 상태 정보를 가지는 모든 부품에 대하여 수행되도록 반복한다(S507).
모니터링 시스템(100)은 S505 내지 S507 과정을 통해 파악한 부품에 대하여 고장 예측 결과 즉, 고장 방지 가이드 정보를 생성하고 이를 해당 의료기기 또는/및 관리자 단말(20)에게 알린다(S508).
다음으로 각 부품의 사용횟수에 따른 고장예측 과정을 설명하면, 모니터링 시스템(100)은 부품의 사용횟수에 대한 정보를 포함하는 상태정보를 통해 각 부품의 사용횟수를 파악하고(S510), 기 저장된 각 부품의 보증 사용횟수와 비교하여 사용횟수가 보증 사용횟수를 초과하거나 보증 사용횟수에 근접한(즉 설정된 마진횟수 이내) 부품을 있는지를 판단한다(S511). 여기서, 모니터링 시스템(100)은 상기 판단 과정을 통해 각 부품의 수명 정보를 획득할 수 있다.
모니터링 시스템(100)은 사용횟수가 보증 사용횟수를 초과하였거나 마진횟수 내에 있는 부품이 있으면 해당 부품을 식별한다(S506). 그리고 모니터링 시스템(100)은 상기 S511 및 S506 과정을 사용횟수에 대한 상태 정보를 가지는 모든 부품에 대하여 수행되도록 반복한다(S507).
모니터링 시스템(100)은 S511, S505 및 S507 과정을 통해 파악한 부품에 대하여 고장 예측 결과인 고장 방지 가이드 정보를 생성하고 이를 해당 의료기기 또는/및 관리자 단말(20)에게 알린다(S508).
마지막으로, 이전 상태와 기준 상태간의 비교를 통한 고장(이상) 발견 또는 예측하는 과정을 설명하면, 모니터링 시스템(100)은 상태 정보 중 부품에 관련된 정보가 아닌 의료기기의 동작항목에 관련된 상태 정보를 수집정보 저장부(170)로부터 읽어들이고, 각 항목별 현재상태와 기준상태를 비교하여(S512), 고장이나 이상이 있는 항목이 있는지를 판단한다(S513).
모니터링 시스템(100)은 S513 과정에서 고장(또는 이상)이 있다고 판단하면 고장(또는 이상)이 있는 동작항목이 무엇인지 식별하고(S515). 식별한 동작항목에 대응하는 고장예측결과를 생성하여(S516), 해당 의료기기 또는/및 관리자 단말(20)에 제공한다(S517).
예컨대, 영상 촬영 속도에 대한 항목에서 영상 촬영 속도가 기준상태보다 느려 고장이라고 판단하면, 모니터링 시스템(100)은 "체인이나 모터가 이상이 있으니 점검이 필요"라는 고장예측결과를 생성한다. 다른 예로, 튜브 온도에 대한 항목에서 튜브 온도가 기준상태 즉, 기준온도보다 높은 경우에 모니터링 시스템(100)은 "1분간 쿨링 타임이 필요"라는 고장예측결과를 생성한다.
한편, 모니터링 시스템(100)은 S512 과정 및 S513 과정에 대해서 모든 항목의 상태정보에 대해 수행되도록 반복한다.
모니터링 시스템(100)은 S508 과정을 통해 제공된 부품의 수명 관련 고장 예측 결과와 S517 과정을 통해 제공된 각 항목별 고장 예측 결과를 학습하여 이후 입력되는 상태 정보에 대한 고장 예측을 보다 빠르고 정확하게 할 수 있게 한다(S509).
이하에서는 일일점검항목 및 일일세부점검항목에 대한 진단 과정을 도 6을 참고하여 설명한다. 도 6은 본 발명의 제2 실시 예에 따른 의료장비용 AI 통합 모니터링 방법을 보인 순서도이다.
모니터링 시스템(100)은 일일점검정보와 일일세부점검정보를 각 의료기기(11 내지 14) 및 관리자 단말(20)로부터 수집하고(S601), 이상이 있는 점검항목이 있는지를 판단하여(S602). 이상이 있는 점검항목을 파악한다(S603).
모니터링 시스템(100)은 S602 과정 및 S603 과정을 모든 항목에 대해 수행될때까지 반복한다.
모니터링 시스템(100)은 이상이 있는 항목간의 관련성 및 이상이 있는 항목과 고장예측 학습부(140)에서 파악한 고장 예측 결과간의 상관관계를 파악하고(S605), 진단(점검) 결과인 고장 방지 가이드 정보를 생성하여 해당 의료기기 또는/및 관리자 단말(20)에 제공한다.
이상에서 본 발명의 실시에에 대하여 상세하게 설명하였으나, 본 발명의 권리범위가 이에 한정되는 것은 아니며 본 발명이 속하는 분야에서 통상의 지식을 가진 자가 여러 가지로 변형 및 개량한 형태 또한 본 발명의 권리범위에 속한다.
100: 모니터링 시스템 110: 정보 수집부
120: 정보 분류부 130: 현재위치 파악부
140: 고장예측 학습부 150: 상태진단부
160: 정보 관리부 170: 수집정보 저장부
180: 기기/부품정보 저장부 190: 알림부

Claims (8)

  1. 각 의료기기에서 제공하는 상태 정보 및 관리자 단말에서 제공하는 일일점검정보를 수집하는 정보 수집부,
    상기 정보 수집부에서 수집한 정보를 의료기기별, 정보의 종류별로 분류하여 저장하는 정보 분류부,
    각 의료기기의 상태 정보를 이용하여 각 의료기기에 대한 부품의 고장 여부 및 동작 상태에 대한 고장 여부를 예측하고, 예측한 결과를 학습하는 고장예측 학습부,
    상기 일일점검정보의 각 점검항목에 대한 결과값을 통해 각 점검항목에 대한 이상 유무를 파악하는 상태진단부,
    상기 정보 분류부에 의해 분류된 정보, 상기 고장예측 학습부에서 출력하는 정보 및 상기 상태진단부에서 출력하는 정보를 저장하고 있는 수집정보 저장부,
    각 의료기기의 부품별 보증시간 또는 보증 사용횟수를 저장하고 있으며, 상태 정보의 종류별 기준상태를 저장하고 있는 기기/부품정보 저장부, 그리고
    상기 상태진단부의 진단 결과와 상기 고장예측 학습부의 예측 결과를 수신하여 고장 가이드 정보를 생성하고 생성한 고장 방지 가이드 정보를 제공하는 알림부를 포함하는,
    의료장비용 AI 통합 모니터링 시스템.
  2. 제1항에서,
    상기 고장예측 학습부는 상태 정보에 포함된 부품의 사용시간이 보증기간을 초과하거나 설정 마진기간 이내이면 고장이라고 예측하고, 상태 정보에 포함된 부품의 사용횟수가 설정 사용횟수를 초과하거나 설정 마진횟수 이내이면 고장이라고 예측하는,
    의료장비용 AI 통합 모니터링 시스템.
  3. 제2항에서,
    상기 고장예측 학습부는 상태 정보에 포함된 동작항목의 현재상태를 기준상태와 비교하여 현재 상태가 기준상태와 다른 경우에 고장이라고 예측하는,
    의료장비용 AI 통합 모니터링 시스템.
  4. 제1항에서,
    상기 알림부는 상기 상태진단부에서 이상이라고 판단되는 항목들간의 관련성을 분석하거나, 상기 상태진단부에서 이상이라고 판단되는 항목들과 상기 고장예측 학습부로부터 수신된 고장 예측 결과간의 상관관계를 분석하여 상기 고장 방지 가이드 정보를 생성하는,
    의료장비용 AI 통합 모니터링 시스템.
  5. 제1항에서,
    상기 수집정보 저장부에 저장되는 정보가 일정 기간 내의 정보만 저장되도록 하고, 일정 기간이 초과된 정보가 있으면 초과된 정보를 추출하여 클라우드 서버에 저장시키는 정보 관리부를 더 포함하는,
    의료장비용 AI 통합 모니터링 시스템.
  6. 각 의료기기에서 제공하는 상태 정보 및 관리자 단말에서 제공하는 일일점검정보를 수집하는 단계,
    수집한 정보를 의료기기별, 정보의 종류별로 분류하여 저장하는 단계,
    각 의료기기의 상태 정보를 이용하여 각 의료기기에 대한 부품의 고장 여부 및 동작 상태에 대한 고장 여부를 예측하고 예측한 결과를 학습하는 단계,
    상기 일일점검정보의 각 점검항목에 대한 결과값을 통해 각 점검항목에 대한 이상 유무를 파악하는 단계,
    상기 상태진단부의 진단 결과와 상기 고장예측 학습부의 예측 결과를 수신하여 고장 가이드 정보를 생성하는 단계, 그리고
    상기 고장 방지 가이드 정보를 제공하는 단계를 포함하는,
    의료장비용 AI 통합 모니터링 방법.
  7. 제6항에서,
    상기 고장 여부를 예측하고 예측한 결과를 학습하는 단계는 상태 정보에 포함된 부품의 사용시간이 보증기간을 초과하거나 설정 마진기간 이내이면 고장이라고 예측하고, 상태 정보에 포함된 부품의 사용횟수가 설정 사용횟수를 초과하거나 설정 마진횟수 이내이면 고장이라고 예측하는,
    의료장비용 AI 통합 모니터링 방법.
  8. 제7항에서,
    상기 고장 여부를 예측하고 예측한 결과를 학습하는 단계는 상태 정보에 포함된 동작항목의 현재상태를 기준상태와 비교하여 현재 상태가 기준상태와 다른 경우에 고장이라고 예측하는,
    의료장비용 AI 통합 모니터링 방법.
KR1020210052945A 2021-04-23 2021-04-23 의료장비용 ai 통합 모니터링 시스템 및 방법 KR102518105B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210052945A KR102518105B1 (ko) 2021-04-23 2021-04-23 의료장비용 ai 통합 모니터링 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210052945A KR102518105B1 (ko) 2021-04-23 2021-04-23 의료장비용 ai 통합 모니터링 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220146091A true KR20220146091A (ko) 2022-11-01
KR102518105B1 KR102518105B1 (ko) 2023-04-05

Family

ID=84042519

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210052945A KR102518105B1 (ko) 2021-04-23 2021-04-23 의료장비용 ai 통합 모니터링 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102518105B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003316941A (ja) * 2002-04-09 2003-11-07 Ge Medical Systems Global Technology Co Llc 医療機器管理システム及びサーバ及びその制御方法、並びにコンピュータプログラム及び記憶媒体
JP2005215825A (ja) * 2004-01-28 2005-08-11 Hitachi Medical Corp 保守点検システム
JP2011175575A (ja) * 2010-02-25 2011-09-08 Terumo Corp 医療機器管理装置及び医療機器管理システム
JP2011204205A (ja) * 2010-03-26 2011-10-13 Exscion:Kk 医療機器情報管理システム
KR20170031163A (ko) * 2014-07-07 2017-03-20 한국디지털병원수출사업협동조합 Iot를 이용한 의료기기 관리 가이드 제공 시스템
JP2020091562A (ja) * 2018-12-04 2020-06-11 Ｐｓｐ株式会社 医療機器の故障予測システム、医療機器の故障予測方法、およびプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003316941A (ja) * 2002-04-09 2003-11-07 Ge Medical Systems Global Technology Co Llc 医療機器管理システム及びサーバ及びその制御方法、並びにコンピュータプログラム及び記憶媒体
JP2005215825A (ja) * 2004-01-28 2005-08-11 Hitachi Medical Corp 保守点検システム
JP2011175575A (ja) * 2010-02-25 2011-09-08 Terumo Corp 医療機器管理装置及び医療機器管理システム
JP2011204205A (ja) * 2010-03-26 2011-10-13 Exscion:Kk 医療機器情報管理システム
KR20170031163A (ko) * 2014-07-07 2017-03-20 한국디지털병원수출사업협동조합 Iot를 이용한 의료기기 관리 가이드 제공 시스템
JP2020091562A (ja) * 2018-12-04 2020-06-11 Ｐｓｐ株式会社 医療機器の故障予測システム、医療機器の故障予測方法、およびプログラム

Also Published As

Publication number Publication date
KR102518105B1 (ko) 2023-04-05

Similar Documents

Publication Publication Date Title
EP1609033B1 (en) Data analysis system and method
US20110029824A1 (en) Method and system for failure prediction with an agent
US8554902B2 (en) System and method for remotely maintaining devices
US20090040303A1 (en) Automatic video quality monitoring for surveillance cameras
US11152126B2 (en) Abnormality diagnosis system and abnormality diagnosis method
JP5468041B2 (ja) プラントの機器維持管理システム
US7035768B2 (en) Method for collecting remote maintenance and diagnostic data from subject equipment, other device and manufacturing execution system
WO2011073613A1 (en) A method, apparatus and computer program for diagnosing a mode of operation of a machine
US6754545B2 (en) Method for systematically assessing the quality of medical appliances that are in operation
KR102602689B1 (ko) 영상기반 시스템조명 고장 신고 및 자동 분류 방법 및 시스템
JP5714219B2 (ja) 臨床診断分析機のイベントに基づく通信
CN111814557A (zh) 动作流检测方法、装置、设备及存储介质
CN111137773A (zh) 用于检测电梯系统的故障的方法和系统
KR20210050711A (ko) 영상 기반 산업 현장 안전 상태 예측 장치 및 방법
KR20220146091A (ko) 의료장비용 ai 통합 모니터링 시스템 및 방법
US8521474B2 (en) Intelligent system diagnostics for bank note processing machines
KR20220132824A (ko) 배전설비 상태 이상 개소 감시 시스템 및 방법
CN117474357A (zh) 基于深度学习的配电房运维管理方法及系统
JP2011036560A (ja) 医用システム
CN113544486B (zh) 故障诊断系统、故障预测方法及计算机可读取的记录介质
US20200356081A1 (en) System and a Method to Enable Zero Defect Production
JP2005106746A (ja) 自動分析装置の遠隔監視システム
KR20070107454A (ko) 가정용 서비스 로봇의 관리 방법 및 시스템
KR20210059267A (ko) 데이터 수집 시스템 및 방법
KR102427631B1 (ko) 열상감시장비 상태 확인장치 및 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right