申请/专利权人：中国科学技术大学

申请日：2024-04-18

公开（公告）日：2024-06-28

公开（公告）号：CN118262885A

主分类号：G16H40/20

分类号：G16H40/20;G06N3/0442;G06N3/0455;G06N3/09

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种基于机器学习算法的医用耗材需求预测方法，包括：1、获取医用耗材消耗时间序列数据，并预处理；2、建立预测选择模型，以耗材消耗时序数据作为输入，得到适合该数据的预测方案判定；3、基于判定建立医用耗材需求预测模型，以耗材消耗时序数据作为输入，对模型进行训练；4、利用训练好的模型基于医用耗材历史消耗数据进行需求预测。本发明能利用机器学习的强大学习能力，综合考虑影响医疗耗材需求的多种因素，捕捉数据特征以准确刻画耗材需求波动趋势，从而能适应医院不同科室和耗材的消耗特点精准地预测需求，为医用耗材多级库存补货决策提供依据。

主权项：1.一种基于机器学习算法的医用耗材需求预测方法，其特征在于，包含以下步骤：步骤1、提取各科室的耗材消耗数据的特征：步骤1.1、获取A科室的某一耗材在T个时间点内的原始消耗数据集其中，为A科室的某一耗材在第t个时间点的记录数据，t＝1，2，...，T；步骤1.2、从中提取关键特征并进行标准化处理后，得到A科室的某一耗材的综合消耗记录XA＝x1，...，xt，...，xT，其中，为A科室的某一耗材在第t个时间点的预处理后的日消耗记录项，st表示第t个时间点的时间戳，为A科室的某一耗材在第t个时间点的日消耗特征项，为A科室的某一耗材在第t个时间点st的第i个日消耗特征值，i＝1，...，m，′表示转置，T表示时间点的数量，m表示日消耗特征值的数量，将第m个日消耗特征值作为A科室的某一耗材在第t个时间点st的真实消耗量；步骤2、构建预测选择模型，包括：自相关计算模块和判定模块；将XA输入自相关计算模块中进行处理，得到T个自相关系数组成的相关向量τ＝τ1，...，τt，...，τT，其中，τt是A科室的某一耗材在T个时间点的第m个日消耗特征值所组成的向量与经过重排序的T个时间点的第m个日消耗特征值所组成的向量之间的相关系数；将相关向量τ输入判定模块中进行处理，得到判定结果Δ，若Δ＝0，则执行步骤3，否则，执行步骤4；步骤3、构建Transformer预测模型，依次包括：两个并行的第一嵌入层、由若干层编码器模块组成的编码器、两个并行的第二嵌入层、若干层解码器模块组成的解码器以及第一线性层；并用于对XA进行处理，并预测A科室在未来u-v个时间点的耗材需求量步骤4、构建长短期记忆模型，并用于对XA进行处理，得到A科室的某一耗材在未来1个时间点的需求量预测

全文数据：

权利要求：

百度查询： 中国科学技术大学 一种基于机器学习算法的医用耗材需求预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD