[基于深度学习的冠状动脉支架需求预测研究]
Shu Zuo1, Shidong Cheng1, Zhitao Peng1
1Zhongnan Hospital of Wuhan University, Wuhan, 430071.
概括
这项研究使用深度学习来预测冠状动脉支架需求,优化供应链. 变压器模型表现出卓越的准确性,确保高效的支架可用性.
科学领域:
- 医疗供应链管理 医疗供应链管理
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
背景情况:
- 高效的供应链管理对于冠状动脉支架等医疗器械至关重要.
- 准确的需求预测可以最大限度地减少缺货,减少医疗机构的浪费.
- 深度学习为复杂的预测任务提供了先进的功能.
研究的目的:
- 用各种深度学习模型预测对冠状动脉支架的需求.
- 优化冠状动脉支架的供应计划,提高供应链效率.
- 为管理冠状动脉支架库存提供数据驱动的方法.
主要方法:
- 利用来自第三级医院的冠状动脉支架的集中采购数据 (2022年1月至2024年8月).
- 应用了三种不同的深度学习模型来预测需求.
- 使用平均平方误差 (MSE) 曲线和其他验证指标评估模型性能.
主要成果:
- 变压器深度学习模型表现出最强的特征提取和模式识别能力.
- 来自变压器模型的预测结果与实际的冠状动脉支架需求值密切结合.
- MSE曲线分析证实了变压器模型的优越性能.
结论:
- 成功开发了一种基于深度学习的冠状动脉支架供应模型.
- 该模型有效地预测了冠状动脉支架需求,有助于库存优化.
- 这种方法为改善冠状动脉支架的供应和利用提供了宝贵的见解.
更多相关视频
06:39Novel Percutaneous Approach for Deployment of 3D Printed Coronary Stenosis Implants in Swine Models of Ischemic Heart Disease
Published on: February 18, 2020
7.1K
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.7K
