换一批摘要目的:开发一套引入多变量的机器学习预测模型,以实现对X射线管寿命的精准估计,为预防性维护提供科学支撑.方法:基于2020年至2024年四川大学华西医院75个X射线管的物联网采集数据,经清洗获得40个完整生命周期样本.系统性评估基础回归(Lasso、Ridge、Elastic Net)、集成学习(随机森林、梯度提升)及非线性回归模型支持向量回归(SVR)模型在不同特征工程策略(原始特征、交互特征、多项式特征)下的表现.结果:特征重要性分析揭示,扫描次数与能耗是寿命的关键驱动因子.实验表明,Lasso回归结合多项式特征变换表现最优,模型在测试集上的决定系数(R2)达到0.911,平均绝对误差(MAE)仅为46.7 d.结论:基于Lasso回归与多项式特征策略的技术方案算法成熟、运算复杂度低,能有效预测X射线管使用寿命,该模型可显著降低设备维护成本,提高设备利用率,为医疗设备更新换代提供数据驱动的决策支持.
更多相关知识
关键词
计算机体层成像(CT)X射线管寿命预测机器学习预防性维护Computed tomography(CT)X-ray tubePrediction for service lifeMachine learningPredictive maintenance
分类号
R318.6（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1672-8270.2026.03.005
发布时间
2026-04-02（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
