基于LightGBM优化的死亡率预测方法和系统技术方案

本申请涉及医护领域，具体涉及一种基于LightGBM优化的死亡率预测方法和系统，该方法包括：首先获取待检测患者的监护数据；然后将监护数据带入与预设LightGBM模型中，得到待检测患者的死亡率预测结果；最后将死亡率预测结果输出。其中，LightGBM模型为，基于预设数据集通过随机森林和皮尔逊相关性算法共同进行特征选择，并通过麻雀搜索算法优化模型参数后得到的。如此，通过随机森林和皮尔逊相关性算法共同进行特征选择，保证了特征取舍的准确性，以及通过麻雀搜索算法确定LightGBM算法的最优参数组合，多方面提高患者死亡率预测的准确性。性。性。

【技术实现步骤摘要】
基于LightGBM优化的死亡率预测方法和系统


[0001]本申请涉及医护
，尤其涉及一种基于LightGBM优化的死亡率预 测方法和系统。

技术介绍

[0002]重症监护病房(Intensive care unit,ICU)是医院用于集中监护患者和 专门救治危重患者的医疗监护单元，其目标是提高重症患者的抢救成功率， 减少其死亡人数。ICU与普通病房的不同之处是设有中心监护站，可以直接观 察所有的监护病房，从根本上给予了患者最佳保障，但是据数据显示，各个 医院的ICU资源配置非常紧缺，而且费用也相对比较昂贵，普通家庭根本难 以长期的承受，因此，通过监测ICU患者的重症监护数据，对患者的死亡率 做出更加精确地预测以达到合理利用ICU资源配置的目的就显得尤为重要。
[0003]而现有技术中，由于现代医疗监护设备的逐渐丰富性和复杂性，重症监 护的各项数据往往存在着数据量庞大、复杂度高、数据高度不平衡等问题。 现有的很多深度学习方法，在对患者死亡率的预测上，效率和精度都不是很 理想，无法做到精确预测患者死亡率，所以无法合理规划使用，重症监本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LightGBM优化的死亡率预测方法，其特征在于，包括：获取待检测患者的监护数据；将所述监护数据带入与预设LightGBM模型中，得到所述待检测患者的死亡率预测结果；其中，所述LightGBM模型为，基于预设数据集通过预设随机森林算法和预设皮尔逊相关性算法共同进行特征选择，并通过预设麻雀搜索算法优化模型参数后，得到的LightGBM死亡率预测模型；将所述死亡率预测结果输出。2.根据权利要求1所述的基于LightGBM优化的死亡率预测方法，其特征在于，所述基于预设数据集通过随机森林算法和皮尔逊相关性算法共同进行特征选择，包括：确定数据集，并对所述数据集进行数据处理后得到待选择特征；通过预设随机森林算法，分别计算每个所述待选择特征的重要性值；通过预设皮尔逊相关性算法，分别计算每个所述待选择特征的相关性；基于所述待选择特征的重要性值和相关性，得到对应每个所述待选择特征的死亡率影响值；基于所述死亡率影响值对所述待选择特征进行选择。3.根据权利要求2所述的基于LightGBM优化的死亡率预测方法，其特征在于，所述确定数据集，并对所述数据集进行数据处理后得到待选择特征，包括：确定数据集；对所述数据集中的数据进行筛选、清洗和标准化处理；基于筛选、清洗和标准化处理结果，确定待选择特征。4.根据权利要求2所述的基于LightGBM优化的死亡率预测方法，其特征在于，所述基于所述死亡率影响值对所述待选择特征进行选择，包括：基于所述死亡率影响值对所述待选择特征进行排序；基于排序结果对所述待选择特征进行取舍，完成特征选择。5.根据权利要求1所述的基于LightGB...

【专利技术属性】
技术研发人员：徐文星，王瑶，陈谦，李嘉诚，安欣舒，梁永文，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：