Page 72 - 《中国医疗器械杂志》2025年第6期

1.0
Output~=0.95×Target+0.013 1.2 训练 =0.97094
0.8
0.6
0.4
Chinese Journal of Medical Instrumentation 2025年 第49卷 第6期
0.2
临 床 医 学 工 程
−0.2
0.5 1.0 1.5
目标

验证: R=0.95292 及数据增强技术，融合设备日志、传感器数据与维
1.2
护文档等多源异构信息，从而拓展输入特征的维度
Data 与多样性；其次，在模型优化方面，除深入研究
1.0
Fit
Output~=0.94×Target+0.015 0.6 PSO参数调节策略外，还可探索将灰狼优化、鲸鱼
Y=T
0.8
优化等其他元启发式方法应用于网络训练，或结合
0.4
1D-CNN、GRU等轻量级深度学习结构，以增强模
0.2
0 型对时序特征的捕捉能力，并提升整体泛化效果。
总体而言，PSO-BP神经网络为CT扫描仪球管
−0.2 故障诊断提供了一种高效且具有较强可实施性的智
0 0.5 1.0 1.5
目标
能手段，在现有样本条件下已表现出优异的性能。
测试: R=0.89405 展望未来，若能进一步融合更多先进的优化算法与
1.2
Data 深度学习模型，则有望在提升模型鲁棒性与预测准
1.0
Fit
Output~=0.87×Target+0.033 0.6 加坚实的技术支撑。
Y=T
确性的同时，为医疗设备的智能化故障诊断提供更
0.8
4 结论
0.4
0.2
0 本研究提出了一种基于PSO算法改进BP神经网
络的CT扫描仪球管故障诊断方法，能够准确识别
−0.2
0 0.5 1.0 1.5 CT设备中的四类典型故障。实验结果表明，PSO-
目标
BP模型在训练集与测试集上的分类准确率分别达
整体: R=0.9567 到96.25%和92.307 7%，且各类故障特征与其对应
1.2
Data 的类别之间存在显著的线性相关性。相较于传统诊
1.0
Fit
Output~=0.93×Target+0.016 0.8 越。结果进一步表明，本方法在提升CT球管故障
Y=T
断手段，本模型在准确性与鲁棒性方面表现更为优
0.6
识别效果方面具有明显优势，尤其在处理灯丝开
0.4
路、灯丝半开路、扫描噪声和电弧放电等故障时，
0.2
备智能诊断提供了一种高效可行的新途径。
0 展现出良好的分类性能和实际应用前景，为CT设
−0.2
0 0.5 1.0 1.5
目标 参考文献
[1] 刘沐然, 谭敏慧, 张煜. 基于深度学习对CBCT图像采用
图8 模型相关性分析 多视角投影的牙齿分类[J]. 中国医学物理学杂志, 2025,
Fig.8 Model correlation analysis
42(3): 313-319.
上述结果表明，本研究建立的PSO-BP神经网 [2] 沙德光. CT球管打火故障的分析及维修措施研究[J]. 中
络模型在CT球管故障识别中展现出良好的工程应 国医疗器械信息, 2023, 29(20): 156-158.
[3] 王存勇, 吴晓亮, 张明臣. 西门子Definition AS CT故障
[2]
用价值，且相较于传统的诊断手段 ，该模型在准
维修案例分析[J]. 中国医疗设备, 2023, 38(2): 175-180.
确性与鲁棒性方面的表现更为优越，能够为实际故 [4] 严劲, 朱伟, 李永刚. GE Revolution CT重建柜启动失败
障检测与预测提供可靠支持。然而，也应注意到， 维修[J]. 北京生物医学工程, 2022, 41(2): 218.
[5] 李昱宏, 尹辉俊, 刘赟, 等. 基于PSO-BP模型的GMAW
该模型在测试集上的性能相较训练集略有下降，提
角焊接接头几何形貌参数预测[J/OL]. 热加工工艺, 1-7.
示存在一定的过拟合现象，反映出其泛化能力仍有 [2025-04-23]. http://doi.org/10.14158/j.cnki.1001-3814.
提升空间。 20241871.
为进一步增强模型性能并适应更为复杂的故障 [6] 吴晓, 王光辉. 基于LQPSO-BP神经网络的柴油机轴系
扭振预测与参数协同优化[J]. 湖北理工学院学报, 2025,
情境，未来研究可从以下两方面着手：首先，在数 41(2): 15-24.
据处理层面，可引入更高效的异常识别、特征筛选 [7] 王文欣, 刘霁萱, 施振雷. 基于PSO-BP混合算法的风电

658