麻醉评估决策树构建方法及设备技术

本发明专利技术实施例提供了一种麻醉评估决策树构建方法及设备。其中，所述方法包括：获取麻醉评估决策树的训练样本，根据所述训练样本的信息增益率，确定所述麻醉评估决策树的分枝变量；获取麻醉评估决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的麻醉评估决策树；其中，所述最终的麻醉评估决策树用于输出麻醉等级输出变量。本发明专利技术实施例提供的麻醉评估决策树构建方法及设备，通过采用模型训练的方法，并结合置信区间法对模型进行后减枝，可以得到用于进行麻醉状况评估的麻醉评估决策树模型，降低了术前麻醉评估的工作负荷，进而提高麻醉术前评估的效率。

Anesthesia Evaluation Decision Tree Construction Method and Equipment

【技术实现步骤摘要】
麻醉评估决策树构建方法及设备
本专利技术实施例涉及医疗大数据
，尤其涉及一种麻醉评估决策树构建方法及设备。
技术介绍
目前，我国麻醉医生普遍存在人员短缺现象，每天手术量在100例的医院，每天麻醉门诊量必定超过100例，门诊麻醉医生的工作强度和压力以及手术患者的等候和就医体验又将受到极大挑战。为了解决这一问题也采用了许多解决方案，传统的解决方案是基于机器学习的麻醉评估，都是采取部分生命特征来进行ASA分级，对病人的生命特征信息了解不够全面，评估ASA分级错误率较高，而且缺乏完善的麻醉计划。因此，针对现今存在的这些问题，找到一种通过算法模型产出的病人数据评估结果，医生能够将评估结果作为参考，然后对于不合理的评估提出医生意见，进而提高算法模型的评估准确率及麻醉评估的效率的方法，就成为业界亟待解决的技术问题。
技术实现思路
针对现有技术存在的上述问题，本专利技术实施例提供了一种麻醉评估决策树构建方法及设备。第一方面，本专利技术的实施例提供了一种麻醉评估决策树构建方法，包括：获取麻醉评估决策树的训练样本，根据所述训练样本的信息增益率，确定所述麻醉评估决策树的分枝变量；获取麻醉评估决策树的验证本文档来自技高网...

【技术保护点】
1.一种麻醉评估决策树构建方法，其特征在于，包括：获取麻醉评估决策树的训练样本，根据所述训练样本的信息增益率，确定所述麻醉评估决策树的分枝变量；获取麻醉评估决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的麻醉评估决策树；其中，所述最终的麻醉评估决策树用于输出麻醉等级输出变量。

【技术特征摘要】
1.一种麻醉评估决策树构建方法，其特征在于，包括：获取麻醉评估决策树的训练样本，根据所述训练样本的信息增益率，确定所述麻醉评估决策树的分枝变量；获取麻醉评估决策树的验证样本，根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的麻醉评估决策树；其中，所述最终的麻醉评估决策树用于输出麻醉等级输出变量。2.根据权利要求1所述的麻醉评估决策树构建方法，其特征在于，所述获取麻醉评估决策树的训练样本，包括：提取麻醉评估大数据中70％的数据，作为麻醉评估决策树的训练样本。3.根据权利要求1所述的麻醉评估决策树构建方法，其特征在于，所述根据所述训练样本的信息增益率，确定所述麻醉评估决策树的分枝变量，相应地，所述训练样本的信息增益率包括：其中，a为生命特征属性；Gain_ratio为选择生命特征属性a作为分裂属性的训练样本的信息增益率；D为麻醉评估决策树的训练样本；Gain为选择生命特征属性a作为分裂属性的信息增益；IV为a的信息熵；Ent为D的信息熵；Di为按照生命特征属性a对D进行划分，产生V个分支节点，其中第i个分支节点包含了D中所有在a上取值为ai的麻醉评估决策树的训练样本数目；pk为D中第k类样本所占的比例；y为D中样本的种类数。4.根据权利要求1所述的麻醉评估决策树构建方法，其特征在于，所述获取麻醉评估决策树的验证样本，包括：提取麻醉评估大数据中30％的数据，作为麻醉评估决策树的验证样本。5.根据权利要求1所述的麻醉评估决策树构建方法，其特征在于，所述根据所述验证样本，对所述分枝变量进行后剪枝，得到最终的麻醉评估决策树，包括：采用置信区间法，通过正太分布表获取单个节点的麻醉评估结果误差，针对所述单个节点的父节点，获取所述父节点下属所有子节点的麻醉评估结果误差，进一步获取所述所有子节点的麻醉评估结果误差的加权值，若所述加权值大于所...

【专利技术属性】
技术研发人员：莫益军，张若飞，吴远波，陆枫，余辰，林彬，
申请(专利权)人：华中科技大学鄂州工业技术研究院，华中科技大学，
类型：发明
国别省市：湖北,42