医疗器械故障早期检测的生成模型比较研究
信号处理
2025-05-09 v1 机器学习
摘要
医疗器械行业通过集成微型芯片和可编程门阵列（FPGA）等高级电子技术，显著提升了生命救助器械的安全性和可用性。然而，这些复杂的机电系统引入了难以通过常规方法检测的故障模式。随着对此类电子技术的依赖日益增长，有效的故障检测与缓解变得至关重要。本文探讨了三种基于生成式机器学习的方法，用于医疗器械的故障检测，利用手术钳夹（一种二级医疗器械）的传感器数据。历史上被视为低风险的这些器械最近与不断增加的伤亡事件相关联。该研究评估了这些机器学习方法的性能和数据需求，突出了其提升器械安全性的潜力。
引用
@article{arxiv.2505.04845,
title = {Comparative Study of Generative Models for Early Detection of Failures in Medical Devices},
author = {Binesh Sadanandan and Bahareh Arghavani Nobar and Vahid Behzadan},
journal= {arXiv preprint arXiv:2505.04845},
year = {2025}
}