[发明专利]为预测性维护推荐服务措施的系统和方法

权利要求书

1.一种非瞬态计算机可读介质(107、127)，其存储有：

预测性模型(130)，其被配置为通过将模式应用于从由医学成像设备(120)自动生成的日志中获得的针对所述医学成像设备的一组特征的值来生成预测所述医学成像设备的部件的故障的警报(132)；

表(136)，其具有与所述预测性模型的所述模式相对应的记录和针对每个记录的字段，所述字段包括：(i)存储所述一组特征中的在所述模式中使用的特征的至少一个字段，(ii)存储与所述模式相关联的根本原因的字段，以及(iii)存储与所述模式相关联的至少一个推荐服务措施的字段；以及

能由至少一个电子处理器(101、113)读取并运行以执行以下操作的指令：训练序列模型(134)以接收针对当前案例的所述一组特征的值并输出针对所述当前案例的最可能的根本原因和至少一个服务措施，所述训练是关于针对历史案例的数据的，其中，针对每个历史案例的所述数据包括针对所述表的所述字段的值；以及

能由所述至少一个电子处理器读取并运行以执行以下操作的指令：通过将所训练的序列模型应用于针对所述医学成像设备的所述一组特征的所述值来确定针对由所述预测性模型生成的所述警报的根本原因和至少一个推荐服务措施。

2.根据权利要求1所述的非瞬态计算机可读介质(107、127)，其中，针对每个记录的所述字段还包括存储所述预测性模型(130)的标识的字段。

3.根据权利要求1和2中的任一项所述的非瞬态计算机可读介质(107、127)，其中，所述训练包括：

基于存储所述一组特征中的在所述模式中使用的所述特征的所述至少一个字段来提取针对所述序列模型(134)中的所述特征的权重。

4.根据权利要求1-3中的任一项所述的非瞬态计算机可读介质(107、127)，其中，所述训练包括：

基于所述预测性模型(130)中的所述特征的权重来提取针对所述序列模型(134)中的所述特征的权重。

5.根据权利要求1-4中的任一项所述的非瞬态计算机可读介质(107、127)，其中，所述训练包括：

根据特征重要性分析来获得针对所述序列模型(134)中的所述特征的权重。

6.根据权利要求1-5中的任一项所述的非瞬态计算机可读介质(107、127)，其中，所述序列模型(134)包括隐马尔可夫模型(HMM)。

7.根据权利要求1-5中的任一项所述的非瞬态计算机可读介质(107、127)，其中，所述序列模型(134)包括高斯混合模型(GMM)。

8.根据权利要求1-5中的任一项所述的非瞬态计算机可读介质(107、127)，其中，所述序列模型(134)包括长短期记忆(LSTM)模型。

9.根据权利要求1-8中的任一项所述的非瞬态计算机可读介质(107、127)，还存储能由至少一个电子处理器(101、113)读取并运行以执行以下操作的指令：

提供用户接口(122)，经由所述用户接口，经由至少一个用户输入设备(103)来输入所述表。

10.根据权利要求1-8中的任一项所述的非瞬态计算机可读介质(107、127)，还存储能由至少一个电子处理器(101、113)读取并运行以执行以下操作的指令：

通过从所述医学成像设备(120)的服务手册和/或从一个或多个数据库中挖掘数据来生成所述表(136)。