(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221097312 9.5 (22)申请日 2022.08.15 (65)同一申请的已公布的文献号 申请公布号 CN 115048965 A (43)申请公布日 2022.09.13 (73)专利权人 南方医科 大学珠江医院 地址 510280 广东省广州市工业大道中25 3 号 (72)发明人 张璐　崔筱平　方奕海　陆柏成　 (74)专利代理 机构 北京清控智云知识产权代理 事务所 (特殊普通合伙) 11919 专利代理师 管士涛 (51)Int.Cl. G06K 9/00(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G16H 40/40(2018.01) G06Q 10/00(2012.01) (56)对比文件 CN 107609769 A,2018.01.19 CN 112884199 A,2021.0 6.01 US 2022206482 A1,202 2.06.30 US 2020390401 A1,2020.12.17 CN 114662589 A,202 2.06.24 CN 112580837 A,2021.0 3.30 戚银城等.嵌入双注意力机制的Faster R- CNN. 《中国图象图形 学报》 .2021, 审查员 赖女女 (54)发明名称 超声波医疗设备的故障检测方法、 装置、 设 备及介质 (57)摘要 本发明涉及人工智能领域， 揭露一种超声波 医疗设备的故障检测方法、 装置、 电子设备以及 存储介质， 所述方法包括： 划分状态数据与模态 数据， 构建状态数据的状态向量， 配置状态向量 的状态转移关系， 配置模态数据的模态变换关 系； 计算状态向量的转移向量， 确定状态转移结 果， 将状态 转移关系 与状态转移结果进行状态转 移匹配； 识别初始模态数据与变换模态数据， 配 置向量映射表， 计算初始注意力指数， 对变换模 态数据进行向量空间映射， 计算变换注意力指 数； 计算超声波相似指数， 识别模态变换结果； 查 询待检测超声波医疗设备的状态故障模块， 查询 待检测超声波医疗设备的模态故障模块， 生成故 障检测结果。 本发明可以提升超声波医疗设备的 故障检测深度。 权利要求书3页 说明书16页 附图5页 CN 115048965 B 2022.12.13 CN 115048965 B 1.一种超声 波医疗设备的故障检测方法， 其特 征在于， 所述方法包括： 获取待检测超声波医疗设备及其超声波医疗设备数据， 划分所述超声波医疗设备数据 中的状态数据与模态数据， 构建所述状态数据的状态向量， 配置所述状态向量的状态转移 关系， 并配置所述模态数据的模态变换关系； 计算所述状态向量的转移向量， 根据所述状态向量与所述转移向量， 确定所述超声波 医疗设备数据的状态转移结果， 将所述状态转移关系与所述状态转移结果进 行状态转移匹 配， 得到状态转移匹配结果； 识别所述模态数据中的初始模态数据与变换模态数据， 配置所述初始模态数据的向量 映射表， 根据所述向量映射表， 计算所述初始模态数据的初始注意力指数， 对所述变换模态 数据进行向量空间映射， 得到映射变换 数据， 计算所述映射变换 数据的变换注意力指数； 计算所述初始注意力指数与 所述变换注意力指数之间的超声波相似指数， 根据 所述超 声波相似指数， 识别所述模态数据的模态变换 结果； 根据所述状态转移匹配结果， 查询所述待检测超声波医疗设备的状态故障模块， 根据 所述模态变换结果， 查询所述待检测超声波医疗设备 的模态故障模块， 根据所述状态故障 模块与所述模态故障模块， 生成所述待检测超声 波医疗设备的故障检测结果； 所述计算所述状态向量的转移向量， 包括： 获取所述状态向量对应的状态转移关系， 根据所述状态转移关系， 构建所述状态向量 的状态转移 矩阵； 根据所述状态转移 矩阵与所述状态向量， 计算所述状态向量的非标准向量； 对所述非标准向量进行向量映射， 得到所述状态向量的转移向量； 其中， 利用下述公式计算所述状态向量的非标准向量： 其中， 表示所述状态向量的非标准向量， 表示所述状态转移矩阵， 表 示所述状态向量， 表示 及历史状态的函数， 是控制变量； 利用下述公式对所述非标准向量进行向量映射， 得到所述状态向量的转移向量： 其中， 表示所述状态向量的转移向量， 表示第j维非标准向量的最小值， 表示第j维 非标准向量的最大值， 表示第j维 非标准向量的第k个向量 值； 所述根据所述向量映射表， 计算所述初始模态数据的初始 注意力指数， 包括： 利用下述公式计算所述初始模态数据的注意力权 重： 其中， 表示注意力支路的权重， 表示激活函数， 表示所述初始模态数据， 表示进行卷积操作， 表示卷积核大小， 表示进行最大池权　利　要　求　书 1/3 页 2 CN 115048965 B 2化操作， 表示拟归一 化层； 利用下述公式计算所述初始模态数据的初始模态特 征： 其中， 表示特征提取支路的特征提取结果即所述初始模态特征， 表示进行 卷积操作， k表示 即表示卷积核大小， 表示拟归一化层， 表示卷积块， 表示所述初始模态数据， 表示特征提取支路的输出通道数， 表示卷积块的输出 通道数； 根据所述注意力 权重与所述初始模态特征， 利用下述公式计算所述初始模态数据的初 始注意力指数： 其中， 表示所述初始模态数据的在经过多层卷积层之后输出的初始注意力指数， 表示进行最大池化操作， 表示特征提取支路的特征提取结果 即所述初始模态 特征， 表示注意力支路的权 重。 2.根据权利要求1所述的方法， 其特征在于， 所述划分所述超声波医疗设备数据中的状 态数据与模态数据， 包括： 获取所述超声波医疗设备数据对应的待检测超声波医疗设备， 根据所述超声波医疗设 备数据， 识别所述待检测超声 波医疗设备的医疗设备状态； 在所述超声 波医疗设备 数据中， 查询所述医疗设备状态对应的状态数据； 在所述超声波医疗设备数据中， 识别所述待检测超声波医疗设备的新增医疗数据， 将 所述新增医疗数据作为所述模态数据。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述状态向量与所述转移向量， 确定所述超声 波医疗设备 数据的状态转移结果， 包括： 将所述状态向量 转换为初始向量， 将所述 转移向量作为结束向量； 根据所述初始向量与所述结束向量， 构建所述超声波医疗设备数据的状态转移节点 树； 将所述状态转移 节点树作为所述超声 波医疗设备 数据的状态转移结果。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述状态转移关系与所述状态转移 结果进行状态转移匹配， 得到状态转移匹配结果， 包括： 获取所述状态转移关系中的输入状态向量与输出状态向量， 获取所述状态转移结果中 的初始向量与结束向量； 识别与所述输入状态向量相同的目标初始向量； 查询所述目标初始向量对应的目标结束向量， 并查询所述输入状态向量对应的目标输 出状态向量； 将所述目标 结束向量与所述目标输出状态向量进行一 致性匹配；权　利　要　求　书 2/3 页 3 CN 115048965 B 3