【摘 要】
：
急性呼吸衰竭（ARF）是医院最常见的急性器官衰竭之一,也是重症监护室（ICU）重症患者最常见的症状之一。机器学习的发展促进了医疗健康领域智能化的进程,本文使用了机器学习的方法对ICU中的急性呼吸衰竭患者进行临床死亡风险预测,这可以有效地识别高危患者以及与较差预后有关的因素,从而能够及时提醒医护人员进行相应的干预治疗,改善高危患者的预后结果,这对医疗机构以及患者均有重要的意义。本文基于MIMIC-I
论文部分内容阅读
急性呼吸衰竭（ARF）是医院最常见的急性器官衰竭之一,也是重症监护室（ICU）重症患者最常见的症状之一。机器学习的发展促进了医疗健康领域智能化的进程,本文使用了机器学习的方法对ICU中的急性呼吸衰竭患者进行临床死亡风险预测,这可以有效地识别高危患者以及与较差预后有关的因素,从而能够及时提醒医护人员进行相应的干预治疗,改善高危患者的预后结果,这对医疗机构以及患者均有重要的意义。本文基于MIMIC-III数据库中的ICU临床数据,提取了6704条ARF患者数据。对于ARF患者院内死亡风险预测,在特征工程方面主要做了缺失值填充,特征筛选与类别不平衡处理三个方面,模型构建使用了单一的机器学习模型与集成机器学习模型共九种参与了比较。特征工程中缺失值采用了中位数填充的方法,特征筛选采用了过滤式与嵌入式方法的结合,即使用相关系数进行共线性诊断以及采用Light GBM进行特征重要性排序筛选。最终在模型性能对比中得出了基于软投票的最优模型,该模型集成了随机森林、Light GBM、XGBoost与Extra-Trees四种模型作为基学习器,预测准确率为0.899,特异度为0.875,敏感性为0.926,AUC达到了0.961,并采用了LIME方法对该模型进行了局部的可解释性分析。对于ARF患者出院后死亡风险预测,以三个月是否死亡作为标志事件,通过对缺失值比例较高的患者进行区间类别化的处理,分别建立了常规神经网络,Deep and Wide模型,Deep and Cross模型与随机神经森林四种基于神经网络算法的模型,且都展现了优于机器学习的性能。其中随机神经森林性能最为优异,获得了预测准确率0.854,TPR为0.788,FRP为0.138,AUC也达到了0.904。最后使用了近似样本搜索的方法,为医生提供待预测病例的相似病例以供医生进行参考判断。
其他文献
【目的】研究我国不同产区大五星枇杷果实的品质差异,为枇杷优质化生产栽培提供理论依据。【方法】以全国7个产区大五星枇杷果实为试验材料,对单果质量、果形指数、色差等外观性状指标和总糖、可滴定酸、维生素C、总黄酮、总酚含量等主要营养成分指标以及可溶性糖组分、有机酸组分进行测定分析;运用主成分分析法,对不同产区大五星枇杷果实的品质进行综合评价。【结果】不同产区大五星枇杷果实外观性状及主要营养成分含量存在显
国家十分重视营商环境建设。深化工程建设项目审批制度改革,降低工程建设项目审批门槛,提高工程建设项目行政审批效率,有助于激发建设领域市场主体活力,从而营造低成本、高效率、优服务的营商环境,推动地区经济高质量发展。工程建设项目审批中存在的审批事项和环节偏多,审批流程繁杂,审批耗时长等问题,严重影响了工程建设项目审批进程,进而影响了地区营商环境的建设,建立统一的审批流程、完善的政务服务、健全的事中事后监
优化问题广泛存在于现实世界的生活中。作为解决优化问题的重要工具,进化算法（Evolutionaryalgorithms,EAs）由于其各方面的优势而逐渐受到越来越多的关注。而在优化问题中,约束多目标优化问题（Constrained multi-objective optimization problems,CMOPs）是一类广泛存在于各类工程中的问题。为了使用EAs来解决CMOPs,很多约束处理技
＜正＞2016年12月，中国宝武钢铁集团有限公司（以下简称：中国宝武）正式成立，具体落实钢铁行业化解过剩产能、优化产业布局结构、深化国企改革、做强做优做大国有资本、培育世界一流企业、促进中国钢铁行业转型升级的艰巨任务。站在新的历史起点上，如何充分发挥党组织的独特优势，改革完善重大事项决策机制，
UGC（User Generated Content）是指用户在各种互联网平台上生成的文字、图片、音频、视频等内容。随着“互联网+旅游”的深入发展,UGC模式广泛应用于旅游业中。在线旅游评论是旅游网站中最为突出的用户生成内容,被看作是传统口碑的电子形式。运用好这种碎片化、非结构化的评论数据,从海量的评论文本中抽取有价值的信息,将有利于优化现有景区,促进旅游业持续健康发展。本文主要运用自然语言处理的
急性胰腺炎是一种腹部急性炎症性疾病,患者死亡率仍高达30%,特别是早期死亡最为常见。对急性胰腺炎患者进行早期死亡风险预测,一方面可为临床医生做出合理决策提供重要依据,帮助医生快速做出早期诊断,降低患者死亡率;另一方面可对患者进行风险分层,给予严重患者更快速的诊疗,从而合理分配有限医疗资源。然而在临床实践中,患者数据不平衡、样本量少等问题为急性胰腺炎早期死亡风险预测带来了挑战。在此背景下,研究小样本
根据建筑的碳排放计算标准以及其他碳汇、碳排放算法总结出一套适合社区碳排放计算的准则，并以海盐南门未来社区为例，计算南门社区的碳排放和其达到“零碳”的可能性，从而探索未来社区的“零碳”建设策略。
随着锂离子电池的不断发展,锂离子电池安全性问题备受关注。通常当容量衰减到额定容量的70%时,认为寿命终止,所以为了保障使用安全,必须对锂离子电池剩余寿命进行预测。目前预测方法主要有模型驱动和数据驱动,模型驱动需要专业人士来完成,并且模型参数复杂不易估计,导致该方法的使用受到限制。数据驱动的方法需要有大量数据,随着近年来各大机构锂离子电池数据的积累和机器学习的发展,利用机器学习算法对锂离子电池剩余寿
临床上医学影像对疾病的诊疗有着极其重要的价值,常见的医学影像类型有CT图像、X射线图像、超声、核磁共振等。近几年来,医学影像分析中越来越倾向于使用深度学习作为首选方法,因为它具有学习能力强、效果好等优点,目前深度学习在医学影像分析中已经取得了很多成果,促使医学相关技术取得了很大进步。本文也是在此背景下,主要研究了深度学习在医学影像方面的两种应用:（1）由于CT扫描所用到的X射线对人体具有辐射危害,
目的：观察健康教育路径对老年性白内障患者术前焦虑及睡眠质量的影响。方法：选取2020年6月至2022年6月收治的老年性白内障患者63例作为研究对象，按照随机数字表法随机分为对照组（n=31）和观察组（n=32）。对照组行常规宣教，观察组行健康教育路径，比较2组患者护理前后焦虑自评量表（SAS）评分、抑郁自评量表（SDS）评分、匹兹堡睡眠质量指数（PSQI）评分。结果：1)护理前，2组SAS、SDS