重症监护室(intensive care unit,ICU)患者病情预测对帮助医生制定医疗方案、配置医疗资源、评估医疗效果具有重要意义。本文从临床和机器学习两个领域介绍了国内外ICU患者病情预测方法的研究和应用进展,主要包括急性生理和慢性健康状...重症监护室(intensive care unit,ICU)患者病情预测对帮助医生制定医疗方案、配置医疗资源、评估医疗效果具有重要意义。本文从临床和机器学习两个领域介绍了国内外ICU患者病情预测方法的研究和应用进展,主要包括急性生理和慢性健康状况评分(acute physiology and chronic health evaluation,APACHE)、简明急性生理功能评分(simplified acute physiology score,SAPS)、逻辑回归、贝叶斯、人工神经网络、支持向量机(support vector machine,SVM)和Adaboost等方法,分析了各种方法的预测模型、预测结果和不足,并对ICU患者病情预测方法的未来发展趋势进行展望。展开更多
为了解决小波变换法不能有效地提取心拍的局部特征,甚至丢失一些关键特征的问题,该文基于类内类间距离和准确性准则,分别采用顺序浮动前向搜索(SFFS)法和单独最优特征组合法对心拍信号的Gabor变换系数的实部选择。选出的系数与RR间期一...为了解决小波变换法不能有效地提取心拍的局部特征,甚至丢失一些关键特征的问题,该文基于类内类间距离和准确性准则,分别采用顺序浮动前向搜索(SFFS)法和单独最优特征组合法对心拍信号的Gabor变换系数的实部选择。选出的系数与RR间期一起组成最近邻分类器的输入特征向量。数据集来自MIT-BI H(MassachusettesInstitute of Technology-Boston s Beth Israel Hospital)心电数据库的8种类型的心拍。实验结果表明,基于准确性准则和SFFS法即封装法的心拍分类方法准确性最高,为98.65%,仅需利用15个Gabor变换系数,有利于提高分类速度。该方法是一种更有效的心拍分类方法。展开更多
文摘重症监护室(intensive care unit,ICU)患者病情预测对帮助医生制定医疗方案、配置医疗资源、评估医疗效果具有重要意义。本文从临床和机器学习两个领域介绍了国内外ICU患者病情预测方法的研究和应用进展,主要包括急性生理和慢性健康状况评分(acute physiology and chronic health evaluation,APACHE)、简明急性生理功能评分(simplified acute physiology score,SAPS)、逻辑回归、贝叶斯、人工神经网络、支持向量机(support vector machine,SVM)和Adaboost等方法,分析了各种方法的预测模型、预测结果和不足,并对ICU患者病情预测方法的未来发展趋势进行展望。
文摘为了解决小波变换法不能有效地提取心拍的局部特征,甚至丢失一些关键特征的问题,该文基于类内类间距离和准确性准则,分别采用顺序浮动前向搜索(SFFS)法和单独最优特征组合法对心拍信号的Gabor变换系数的实部选择。选出的系数与RR间期一起组成最近邻分类器的输入特征向量。数据集来自MIT-BI H(MassachusettesInstitute of Technology-Boston s Beth Israel Hospital)心电数据库的8种类型的心拍。实验结果表明,基于准确性准则和SFFS法即封装法的心拍分类方法准确性最高,为98.65%,仅需利用15个Gabor变换系数,有利于提高分类速度。该方法是一种更有效的心拍分类方法。