论文部分内容阅读
重症监护室(Intensive Care Unit,ICU)是现代医院中对抢救患有危重病情病人的重要单元,ICU患者死亡率则是衡量ICU救治水平和服务质量的一个重要指标。目前临床上已经有多种评分系统用于患者的病情评估和生死预测,但这些评估系统均需要耗费大量的人力和财力。因此在人工智能高速发展的背景下,许多学者尝试使用数据挖掘和机器学习方法研究ICU患者生死预测问题,并取得了一些进展,但是目前仅限于实验室的学术研究,距离临床应用仍有距离,同时使用机器学习方法进行预测使得预测结果的解释性较差,很难被临床医护人员接受。因此本文提出了一种基于FAM-CART模型的ICU患者生死预测研究方法。本文主要介绍了基于FAM-CART模型的ICU患者生死预测方法。在分析了现有ICU患者病情评估和生死预测方法的特点基础上,首先对患者的ICU监护信息进行整理分析,分别采用正常值、均值和二值数据填充方法进行数据预处理,并根据生理指标的临床特性对其进行特征提取,然后采用Fuzzy ARTMAP神经网络进行ICU患者的生死预测,并将基于三种数据预处理方法的预测结果进行对比。最后采用预测结果最优的数据预处理方法,利用FAM-CART模型对ICU患者的生死进行预测,最后将预测结果与临床评分系统和逻辑回归、人工神经网络、支持向量机、Adaboost等算法的预测结果进行比较和分析。本文主要开展了以下研究工作:(1)总结和分析临床ICU患者生死预测方法的现状和不足,从而提出基于FAM-CART模型的ICU患者生死预测的方法;(2)提出了基于混合FAM-CART模型的ICU患者生死预测方法,通过使用数据集训练Fuzzy ARTMAP神经网络,并利用其得到的原型节点的质心和置信因子与CART相结合,从而构建FAM-CART模型用于ICU患者的生死预测研究;(3)通过分析ICU患者数据集的特点和缺失程度,设计三种数据预处理方法,并采用Fuzzy ARTMAP神经网络对数据预处理方法进行验证,确定能获得最好预测结果的数据预处理方法;(4)采用FAM-CART模型实现ICU患者生死预测,并将预测结果与基于Fuzzy ARTMAP神经网络得到的预测结果,以及其它经典的机器学习方法的预测结果进行对比分析,验证本研究方法的预测效果。本文研究旨在根据临床ICU监护数据,设计一种既具有良好的预测性能,又能被临床医护人员理解和接受的ICU患者生死预测方法,研究结果表明论文中提出的方法能取得较好的预测性能,可以为临床应用提供理论参考。