基于ICU病人电子病历数据的死亡率预测分析的研究

发布时间：2023-03-19 21:07

　　随着科技的快速发展,计算机在社会众多领域发挥着举足轻重的作用。2018年是医疗信息化发展的高峰年,在这一年先后出台了多项对医院信息化系统建设具有可操作性的指导文件,从传统的低端数据处理开始转向智能化分析。但是,目前大多数医院无法利用数据进行医学决策,尤其对于如何利用过往重症监护的历史数据进行未来分析仍未能达到满意的效果。本文的主要目的是利用美国麻省理工学院计算生理学实验室以及贝斯以色列迪康医学中心(BIDMC)和飞利浦医疗共同构建的多参数智能重症监护数据库中2001至2012年的重症患者的监测数据,提出对重症患者死亡进行预测的改进算法,以此来提高死亡率预测模型准确度。通过本文提出的改进BP神经网络方法以及LC模型与改进的BP神经网络模型组合的LC神经网络模型对2012年ICU死亡人数进行预测,并对死亡率率进行预测。文章主要针对以下三个方面的问题进行解决:首先,基于MIMIC-Ⅲ数据库中有部分的诊疗数据存在缺失,因为数据丢失极易造成死亡率的误判,如何对缺失数据进行填补成为准确判断死亡率的根本问题。基于此问题本文在缺失数据填补问题上提出了改进的K近邻算法,把填补处理后的数据引入到死亡率预测...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状及发展趋势
    1.3 本文主要研究工作
    1.4 章节安排
第2章 死亡率预测数据认识与理论基础
    2.1 MIMIC-Ⅲ数据库内容
    2.2 时间数据说明
    2.3 预备知识
        2.3.1 K近邻(K-Nearest-Neighbor,KNN)算法
        2.3.2 灰色关联度分析(Grey Relation Analysis,GRA)
        2.3.3 客观赋权CRITIC法
        2.3.4 免疫遗传算法
        2.3.5 神经网络模型
    2.4 本章小结
第3章 死亡患者缺失数据填补的研究
    3.1 引言
    3.2 相关工作
        3.2.1 数据对象的相似度
        3.2.2 缺失值填补
    3.3 分析内容与方法
        3.3.1 缺失数据种类
        3.3.2 熵权法改进CRITIC法的综合赋权法
        3.3.3 灰色关联度的改进
        3.3.4 改进的K近邻缺失值填补算法
    3.4 实验结果与分析
        3.4.1 不同K值的性能比较
        3.4.2 不同缺失率下算法性能比较
    3.5 本章小结
第4章 基于优化BP神经网络的ICU死亡率预测模型
    4.1 引言
    4.2 相关工作
    4.3 数据准备
        4.3.1 数据提取
        4.3.2 神经网络属性特征
    4.4 基于Lee-Carter模型的重症监护死亡率预测
        4.4.1 Lee-Carter模型求解过程
        4.4.2 参数拟合结果
        4.4.3 实验结果与分析
    4.5 基于神经网络的预测模型
        4.5.1 基于BP神经网络的预测模型
        4.5.2 免疫遗传算法过程
        4.5.3 IAGA-BP神经网络模型
        4.5.4 基于IAGA-BP神经网络的重症患者死亡率预测
    4.6 实验
        4.6.1 隐藏层确定
        4.6.2 结果分析
        4.6.3 模型评价
    4.7 本章小结
第5章 基于组合模型的神经网络死亡率预测模型
    5.1 引言
    5.2 组合模型理论
        5.2.1 BP神经网络的优缺点
        5.2.2 Lee-Carter模型优缺点
        5.2.3 组合LC神经网络
    5.3 基于组合LC神经网络的ICU死亡率预测模型
        5.3.1 串联型LC神经网络的ICU死亡率预测
        5.3.2 并联型LC神经网络的ICU死亡率预测
    5.4 实验
        5.4.1 串联模型预测
        5.4.2 并联模型预测
        5.4.3 实验比较分析
    5.5 本章小结
结论与展望
参考文献
致谢



本文编号：3765979