目前,對(duì)于重癥監(jiān)護(hù)病房（ICU）病人的臨床分析主要是關(guān)于病人的死亡率預(yù)測(cè)以及相關(guān)的表型分析。然而,在動(dòng)態(tài)變化的臨床環(huán)境中,它們并未為臨床決策提供有效的支持。本文提出了一種同時(shí)分析不同器官系統(tǒng)以預(yù)測(cè)ICU患者病情嚴(yán)重程度的新方法,該方法能夠更加直觀地反映患者的病情。具體來說,本文使用了一種新的深度學(xué)習(xí)模型,它是基于多視圖的遞歸神經(jīng)網(wǎng)絡(luò),即MV-RNN。在時(shí)間序列表征中,把每個(gè)器官系統(tǒng)的生理特征看作是不同的視圖,每個(gè)視圖用單個(gè)長(zhǎng)短期記憶單元（LSTM）來學(xué)習(xí),模型使用多個(gè)視圖來提升系統(tǒng)性能。同時(shí)為了利用不同器官系統(tǒng)之間的時(shí)間相關(guān)性,本文使用一個(gè)共享的LSTM單元來挖掘不同器官系統(tǒng)之間的相關(guān)性,從而進(jìn)一步提高模型的性能。并在一個(gè)基于真實(shí)世界的臨床數(shù)據(jù)集（MIMIC-Ⅲ）上進(jìn)行了廣泛的實(shí)驗(yàn),且與當(dāng)前已使用的一些最新的方法進(jìn)行比較。最終實(shí)驗(yàn)結(jié)果表明,在動(dòng)態(tài)預(yù)測(cè)ICU病人病情嚴(yán)重程度的任務(wù)上,該方法的預(yù)測(cè)效果明顯優(yōu)于要比其他現(xiàn)有的方法。此外,在ICU病房,將危重病人的實(shí)驗(yàn)室測(cè)量值解釋為正常或異常,其依據(jù)是與健康的門診志愿者抽樣產(chǎn)生的標(biāo)準(zhǔn)參考間隔進(jìn)行比較。該比較是否有效,至今為止尚未被證明。使用MI... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

序列缺失數(shù)據(jù)處理

電子科技大學(xué)碩士學(xué)位論文特別地，本章在深度學(xué)習(xí)框架 MV-RNN 中，對(duì)于病人每一次住院記錄，所有提取的特征都將轉(zhuǎn)化為具有可變行數(shù)的矩陣，如下圖 3-3 所示。d 為特征數(shù)，n 為ICU 住院記錄總數(shù)。用it 表示第 i 個(gè)病人數(shù)據(jù)的最大時(shí)間長(zhǎng)度， i 1,...,n，這樣，數(shù)據(jù)就可以用 {,,...,}1 2nX xxx表示，tDiixR 。

對(duì)這兩個(gè)特征進(jìn)行優(yōu)化，將獲得一個(gè)橢圓形，如下圖 3-4(a)所程中，走鋸齒形路線，梯度方向與等高線方向垂直，這樣會(huì)導(dǎo)別慢，相比之下，進(jìn)行歸一化處理后的數(shù)據(jù)，損失函數(shù)的等高圖 3-4(b)所示，依照梯度下降的方向進(jìn)行參數(shù)更新很容易就能。可知，在對(duì)數(shù)據(jù)進(jìn)行歸一化處理之后，尋找最優(yōu)解的過程會(huì)時(shí)模型更容易收斂，進(jìn)而得到模型的最優(yōu)點(diǎn)[61]。此外，對(duì)數(shù)據(jù)可以進(jìn)一步提高模型的精度，當(dāng)算法涉及到距離計(jì)算時(shí)，其效，下圖 3-4 中 x2 的取值范圍比較小，當(dāng)算法涉及到距離計(jì)算影響要比 x1 產(chǎn)生影響的小的多，這會(huì)損失部分精度。因此，需而確保數(shù)據(jù)集中的每個(gè)特征對(duì)結(jié)果的貢獻(xiàn)一樣大。minmax minnewx xxx x newx meanxstd

【參考文獻(xiàn)】：
期刊論文
[1]醫(yī)院感染人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建[J]. 謝多雙,胡荍,李瑞,羅清欽,符湘云,王惠芳,聶紹發(fā).  湖北醫(yī)藥學(xué)院學(xué)報(bào). 2015(03)

碩士論文
[1]用于蛋白質(zhì)二級(jí)結(jié)構(gòu)設(shè)計(jì)的深度生成模型的研究與應(yīng)用[D]. 常菁.北京交通大學(xué) 2018
[2]時(shí)序醫(yī)療健康數(shù)據(jù)挖掘的研究[D]. 肖文棟.電子科技大學(xué) 2018
[3]Bayes判別分析在上市公司財(cái)務(wù)困境預(yù)測(cè)中的應(yīng)用[D]. 王智.大連理工大學(xué) 2017
[4]安卓惡意代碼檢測(cè)技術(shù)的研究與實(shí)現(xiàn)[D]. 李振國(guó).北京工業(yè)大學(xué) 2017
[5]基于FAM-CART的ICU患者生死預(yù)測(cè)研究[D]. 卜小軒.北京交通大學(xué) 2017



本文編號(hào)：3115175