基于多标签集成学习的螺旋CT机故障诊断研究

来源：计算机测量与控制杂志2024年第11期北京时间：

作者：闫小如

单位：中南大学

摘要：医学应用领域计算机X线断层摄影机(Computed tomography camera,CT)螺旋机由于复杂的结构和较高的集成度在实际故障定位和检测中具有极高的难度。为解决这个问题,研究对螺旋CT机故障定位与检测问题进行了分析,提出一种多标签集成学习方法。该方法采用了折半查找算法获取螺旋CT机的故障数据,同时有效结合现有的卷积神经网络和循环神经网络的文本表征网络,通过自适应标签关系增强方法找出标签间的依赖关系,并利用加权约简标签集的不平衡学习能有效杜绝模型可扩展性低和模型泛化性弱等问题。经损失值、准确度、运行时间、精准率、灵敏度五个指标的实例测试结果表明,研究所给出的方法均相对于其他三种较为创新的多标签集成学习方法更具优势,且提升数值均超过2%,训练集的各个指标数据均比测试集相应数值更高。训练集和测试集中空时网络聚类约简的多标签集成学习方法的精准率分别为93.12%和87.26%,召回率分别为86.35%和84.25%。该方法能精准快速查找螺旋CT机的故障类型和故障部位,极大程度降低维修成本和延长设备的使用年限。

关键词：螺旋CT机;多标签集成学习;故障检测;折半查找算法;空时网络聚类约简