發(fā)布時間：2023-03-19 21:07

　　隨著科技的快速發(fā)展,計算機在社會眾多領(lǐng)域發(fā)揮著舉足輕重的作用。2018年是醫(yī)療信息化發(fā)展的高峰年,在這一年先后出臺了多項對醫(yī)院信息化系統(tǒng)建設(shè)具有可操作性的指導(dǎo)文件,從傳統(tǒng)的低端數(shù)據(jù)處理開始轉(zhuǎn)向智能化分析。但是,目前大多數(shù)醫(yī)院無法利用數(shù)據(jù)進行醫(yī)學(xué)決策,尤其對于如何利用過往重癥監(jiān)護的歷史數(shù)據(jù)進行未來分析仍未能達到滿意的效果。本文的主要目的是利用美國麻省理工學(xué)院計算生理學(xué)實驗室以及貝斯以色列迪康醫(yī)學(xué)中心(BIDMC)和飛利浦醫(yī)療共同構(gòu)建的多參數(shù)智能重癥監(jiān)護數(shù)據(jù)庫中2001至2012年的重癥患者的監(jiān)測數(shù)據(jù),提出對重癥患者死亡進行預(yù)測的改進算法,以此來提高死亡率預(yù)測模型準(zhǔn)確度。通過本文提出的改進BP神經(jīng)網(wǎng)絡(luò)方法以及LC模型與改進的BP神經(jīng)網(wǎng)絡(luò)模型組合的LC神經(jīng)網(wǎng)絡(luò)模型對2012年ICU死亡人數(shù)進行預(yù)測,并對死亡率率進行預(yù)測。文章主要針對以下三個方面的問題進行解決:首先,基于MIMIC-Ⅲ數(shù)據(jù)庫中有部分的診療數(shù)據(jù)存在缺失,因為數(shù)據(jù)丟失極易造成死亡率的誤判,如何對缺失數(shù)據(jù)進行填補成為準(zhǔn)確判斷死亡率的根本問題。基于此問題本文在缺失數(shù)據(jù)填補問題上提出了改進的K近鄰算法,把填補處理后的數(shù)據(jù)引入到死亡率預(yù)測...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
    1.3 本文主要研究工作
    1.4 章節(jié)安排
第2章 死亡率預(yù)測數(shù)據(jù)認(rèn)識與理論基礎(chǔ)
    2.1 MIMIC-Ⅲ數(shù)據(jù)庫內(nèi)容
    2.2 時間數(shù)據(jù)說明
    2.3 預(yù)備知識
        2.3.1 K近鄰(K-Nearest-Neighbor,KNN)算法
        2.3.2 灰色關(guān)聯(lián)度分析(Grey Relation Analysis,GRA)
        2.3.3 客觀賦權(quán)CRITIC法
        2.3.4 免疫遺傳算法
        2.3.5 神經(jīng)網(wǎng)絡(luò)模型
    2.4 本章小結(jié)
第3章 死亡患者缺失數(shù)據(jù)填補的研究
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 數(shù)據(jù)對象的相似度
        3.2.2 缺失值填補
    3.3 分析內(nèi)容與方法
        3.3.1 缺失數(shù)據(jù)種類
        3.3.2 熵權(quán)法改進CRITIC法的綜合賦權(quán)法
        3.3.3 灰色關(guān)聯(lián)度的改進
        3.3.4 改進的K近鄰缺失值填補算法
    3.4 實驗結(jié)果與分析
        3.4.1 不同K值的性能比較
        3.4.2 不同缺失率下算法性能比較
    3.5 本章小結(jié)
第4章 基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的ICU死亡率預(yù)測模型
    4.1 引言
    4.2 相關(guān)工作
    4.3 數(shù)據(jù)準(zhǔn)備
        4.3.1 數(shù)據(jù)提取
        4.3.2 神經(jīng)網(wǎng)絡(luò)屬性特征
    4.4 基于Lee-Carter模型的重癥監(jiān)護死亡率預(yù)測
        4.4.1 Lee-Carter模型求解過程
        4.4.2 參數(shù)擬合結(jié)果
        4.4.3 實驗結(jié)果與分析
    4.5 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型
        4.5.1 基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型
        4.5.2 免疫遺傳算法過程
        4.5.3 IAGA-BP神經(jīng)網(wǎng)絡(luò)模型
        4.5.4 基于IAGA-BP神經(jīng)網(wǎng)絡(luò)的重癥患者死亡率預(yù)測
    4.6 實驗
        4.6.1 隱藏層確定
        4.6.2 結(jié)果分析
        4.6.3 模型評價
    4.7 本章小結(jié)
第5章 基于組合模型的神經(jīng)網(wǎng)絡(luò)死亡率預(yù)測模型
    5.1 引言
    5.2 組合模型理論
        5.2.1 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點
        5.2.2 Lee-Carter模型優(yōu)缺點
        5.2.3 組合LC神經(jīng)網(wǎng)絡(luò)
    5.3 基于組合LC神經(jīng)網(wǎng)絡(luò)的ICU死亡率預(yù)測模型
        5.3.1 串聯(lián)型LC神經(jīng)網(wǎng)絡(luò)的ICU死亡率預(yù)測
        5.3.2 并聯(lián)型LC神經(jīng)網(wǎng)絡(luò)的ICU死亡率預(yù)測
    5.4 實驗
        5.4.1 串聯(lián)模型預(yù)測
        5.4.2 并聯(lián)模型預(yù)測
        5.4.3 實驗比較分析
    5.5 本章小結(jié)
結(jié)論與展望
參考文獻
致謝



本文編號：3765979