[发明专利]用于提高医学成像设备的可靠性的系统和方法在审
申请号: | 201880064981.2 | 申请日: | 2018-10-03 |
公开(公告)号: | CN111183486A | 公开(公告)日: | 2020-05-19 |
发明(设计)人: | V·贾甘纳塔;V·潘迪特;S·P·马达普希拉加万;R·瓦卡希坎迪 | 申请(专利权)人: | 皇家飞利浦有限公司 |
主分类号: | G16H30/40 | 分类号: | G16H30/40;G16H40/20;G16H40/40 |
代理公司: | 永新专利商标代理有限公司 72002 | 代理人: | 刘兆君 |
地址: | 荷兰艾*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 提高 医学 成像 设备 可靠性 系统 方法 | ||
1.一种促进生成用于医学成像设备的测试脚本的系统,包括:
现场日志文件数据库(20),其上存储有现场日志文件,所述现场日志文件包括与由一个或多个成像设备执行的检查有关的数据;以及
一个或多个处理器,其被配置为运行:
挖掘模块(24),其被配置为处理在所述数据库中存储的所述现场日志文件并识别主导的现场使用模式;
预测模块(22),其被配置为通过处理在所述数据库中存储的所述现场日志文件来预测未来的工作流程模式;以及
测试用例准备和运行模块(30),其被配置为至少部分地基于识别出的使用模式和所述未来的工作流程模式来生成并运行用于成像设备的至少一个测试脚本。
2.根据权利要求1所述的系统,还包括:
挖掘模式更新模块(26),其被配置为分析新的现场日志文件以更新识别出的使用模式;以及
预测模式更新模块(28),其被配置为分析所述新的现场日志文件以更新所预测的工作流程模式。
3.根据权利要求1或2中的任一项所述的系统,其中,所述挖掘模块还被配置为:
关于扫描序列和每次检查期间执行的并行的用户界面(UI)操作来识别所有检查。
4.根据权利要求3所述的系统,其中,所述挖掘模块还被配置为:
以树数据结构来表示识别出的检查,使得对检查的每个扫描都被表示为所述树中的一个节点,并且从一个扫描到另一扫描的转变被表示为所述树中的边。
5.根据权利要求4所述的系统,其中,每个节点存储对在填充所述树时遇到所述节点的次数的计数,并且其中,每个检查的开始和结束分别被表示为开始节点和结束节点。
6.根据权利要求5所述的系统,其中,所述挖掘模块还被配置为:
将在给定检查期间执行的UI操作存储在针对所述给定检查的所述结束节点上;并且
在利用所述日志文件数据库中的所有检查填充所述树之后,在每个结束节点中存储表示对存在于所述日志文件数据库中并与所述结束节点相对应的特定检查的计数的值。
7.根据权利要求6所述的系统,其中,所述挖掘模块还被配置为:
识别最常用的检查的集合并将所述最常用的检查的集合建议为主导的使用模式;并且
生成使用模式的概率模型并确定最为主导的现场使用模式。
8.根据权利要求1-7中的任一项所述的系统,其中,所述预测模型还被配置为通过以下操作来建立长短期记忆(LSTM)神经网络:
接收(50)输入层;
将所述输入层紧密地连接(52)到第一LSTM层;
在所述第一LSTM层上运行(54)dropout函数以改善网络规则性;
将第二LTSM层紧密地连接(56)到所述第一LSTM层;
在所述第二LSTM层上运行(58)所述dropout函数;并且
将所述第二LSTM层紧密地连接(60)到softmax输出层。
9.根据权利要求1-8中的任一项所述的系统,其中,所述预测模型还被配置为建立长短期记忆(LSTM)神经网络并通过以下操作来训练所述LSTM神经网络:
将输入张量X划分(80)成具有相等扫描长度的检查的批量;
滚动所述LSTM神经网络(82)以匹配批量扫描长度;
运行分类交叉熵函数(84),所述分类交叉熵函数采用输出张量y来计算损失;并且
运行自适应矩估计(ADAM)优化函数(86)以在每个时期更新网络权重。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于皇家飞利浦有限公司,未经皇家飞利浦有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201880064981.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:开关驱动电路
- 下一篇:5G和非5G管理功能实体间的交互