A diagnostic system is provided for identifying faults in a machine (e.g., CT scanner, MRI system, x-ray apparatus) by analyzing a data file generated thereby. The diagnostic system includes a trained database containing a plurality of trained data, each trained data associated with one of plurality of known fault types. Each trained data is represented by a trained set of feature values and corresponding weight values. Once a data file is generated by the machine, a current set of feature values are extracted from the data file by performing various analyses (e.g., time domain analysis, frequency domain analysis, wavelet analysis). The current set of feature values extracted is analyzed by a fault detector which produces a candidate set of faults based on the trained set of feature values and corresponding weight values for each of the fault types. The candidate set of faults produced by the fault detector is presented to a user along with a recommend repair procedure. In cases where no fault is identified or in response to a misdiagnosis produced by the diagnostic system, the user may interactively input a faulty condition associated with the machine being diagnosed (e.g., based on his/her experience). The diagnostic system further includes a learning subsystem which automatically updates the plurality of trained data based on the faulty condition input by the user.

Un sistema de diagnóstico es proporcionado para identificar averías en una máquina (e.g., explorador de CT, sistema de MRI, aparato de la radiografía) analizando un fichero de datos generado de tal modo. El sistema de diagnóstico incluye una base de datos entrenada que contiene una pluralidad de datos entrenados, cada datos entrenados asociados a uno de pluralidad de tipos sabidos de la avería. Cada datos entrenados son representados por un sistema entrenado de valores de la característica y de valores correspondientes del peso. Una vez que un fichero de datos sea generado por la máquina, un sistema actual de valores de la característica es extraído del fichero de datos realizando los varios análisis (e.g., análisis del dominio de tiempo, análisis del dominio de la frecuencia, análisis de la cabrilla). El sistema actual de valores de la característica extraídos es analizado por un detector de la avería que produzca un sistema del candidato de averías basadas en el sistema entrenado de valores de la característica y de valores correspondientes del peso para cada uno de los tipos de la avería. El sistema del candidato de averías producidas por el detector de la avería se presenta a un usuario junto con un procedimiento de reparación de la recomendación. En los casos donde no se identifica ninguna avería o en respuesta a un misdiagnosis producido por el sistema de diagnóstico, el usuario puede entrar recíprocamente una condición culpable asociada a la máquina que es diagnosticada (e.g., basado en su experiencia). El sistema de diagnóstico más futuro incluye un subsistema que aprende que ponga al día automáticamente la pluralidad de datos entrenados basados en la condición culpable entrada por el usuario.