【技术实现步骤摘要】
一种基于术中多维因素的全麻病人体温预测方法及装置
[0001]本专利技术属于人工智能
,具体涉及一种基于术中多维因素的全麻病人体温预测方法及装置。
技术介绍
[0002]体温是重要的生命体征。体温维持对人体各项机能正常运转至关重要。已有研究显示:术中有50%~70%的病人会出现低体温(术中低体温是指体温在手术中的任何时间点小于36℃)。全身麻醉下实施手术的病人由于麻醉剂对机体温度调节的影响、术中大量输注低温液体和机体长时间暴露于相对低温环境等原因,常发生术中低体温。低体温一方面可以降低机体代谢率、减少耗氧量、增加组织器官对缺血和缺氧的耐受力;另一方面也可导致多种并发症,如麻醉药物代谢减慢引起药物中毒、寒战、心律失常、凝血机制障碍、酸碱平衡紊乱以及发生麻醉苏醒延迟等,最终影响手术安全性和预后。因此,术中全麻病人体温的预测具有重要意义。
[0003]现有术中全麻病人体温预测的方法,一般是先确定影响病人体温的因素,搜集历史数据,建立以这些因素为自变量、以病人体温为因变量的函数模型,基于所述历史数据对模型参数进行学习得到体温预测模型,利用得到的体温预测模型对术中全麻病人体温进行预测。这种方法的优点是简单可行,存在的问题是预测精度不是很理想,有时很难满足临床要求。
技术实现思路
[0004]为了解决现有技术中存在的上述问题,本专利技术提供一种基于术中多维因素的全麻病人体温预测方法及装置。
[0005]为了实现上述目的,本专利技术采用以下技术方案。
[0006]第一方面,本专利技术提 ...
【技术保护点】
【技术特征摘要】
1.一种基于术中多维因素的全麻病人体温预测方法,其特征在于,包括以下步骤:基于临床经验和历史数据分析,确定影响术中全麻病人体温的多维度因素,并基于所述因素确定对体温影响最显著的特征数据;基于人工神经网络构建以所述特征数据为输入、以体温为输出的体温预测模型;利用历史数据对所述体温预测模型进行训练,利用训练好的模型对术中全麻病人的体温进行预测。2.根据权利要求1所述的基于术中多维因素的全麻病人体温预测方法,其特征在于,所述方法还包括:若预测体温低于36.0℃,则为低体温。3.根据权利要求1所述的基于术中多维因素的全麻病人体温预测方法,其特征在于,影响术中全麻病人体温的因素包括:病人年龄,病人性别,病人体质指数;总输液量,总输血量,总出量,麻醉时长,手术时长;麻醉师级别,医护水平;手术室温,手术室湿度。4.根据权利要求1所述的基于术中多维因素的全麻病人体温预测方法,其特征在于,所述基于所述因素确定对体温影响最显著的特征,具体包括:将每种因素量化,分别计算量化后每种因素的统计量,所述统计量包括最大值、最小值、中值、平均值、方差和均方差;将每种因素的不同统计量以及同种因素的不同统计量的任意组合分别作为一种特征数据;基于相关性对所述特征数据进行筛选,得到对体温影响最显著的特征数据。5.根据权利要求4所述的基于术中多维因素的全麻病人体温预测方法,其特征在于,所述基于相关性对所述特征数据进行筛选,具体包括:计算任意一个特征数据与体温的相关系数,并对所述特征数据按照相关系数从大到小的顺序排序;删除相关系数小于第一阈值的特征数据;计算剩余的特征数据中任意两个特征数据之间的相关系数,对于相关系数大于第二阈值的两个特征数据,删除排序靠后的一个特征数据,使任意两个特征数据之间的相关系数均不大于第二阈值,得到筛选后的特征数据。6.根据权利要求1所述的基于术中多维因素的全麻病人体温预测方法,其特征在于,采用径向基函数神经网络构建体温预测模型。7.根据权利要求6所述的基于术中多维因素的全麻病人体温预测方法,其特征在于,采用遗传算法对径向基函数神经网络的参数进行优化,方法如下:数据归一化:确定训练样本并对样本数据进行归一化处理;染色体编码:采用实数编码对径向基函数神经网络的数据中心c
i
、扩展常数δ
i
和权重w
i
统一编码,形成染色体串;种群初始化:最佳初始种群规模的取值范围为20~70;构造适应度函数:适应度函数的表达式为:式中,F
i
为适应度函数值,为预测值,y
i
为实际值,n为样本输入总数;
选择运算:采用轮盘赌法选择种群中适应度大的个...
【专利技术属性】
技术研发人员:张跃,
申请(专利权)人:天津市中西医结合医院天津市南开医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。