一种基于机器学习的脓毒症早期预测方法及系统技术方案

本发明专利技术公开了一种基于机器学习的脓毒症早期预测方法及系统，方法包括：临床数据收集、插补缺失数据、数据混合、脓毒症早期预测模型和实时监测。本发明专利技术属于医疗信息技术领域，具体是指一种基于机器学习的脓毒症早期预测方法及系统，本方案采用多重插补模型，为每个缺失模式构建一个插补网络，计算模型的成本函数，初始化缺失数据，对缺失数据进行迭代更新，提高模型的准确性；采用数据混合，计算混合因子，构建二进制掩码，生成混合样本和混合标签，最小化损失函数，生成具有一定差异性的混合样本，增加样本数据多样性；采用计算特征在整个模型中的特征重要性和特征在单个树中的特征重要性，进行模型解释。

【技术实现步骤摘要】

本专利技术属于医疗信息，具体是一种基于机器学习的脓毒症早期预测方法及系统。

技术介绍

1、基于机器学习的脓毒症早期预测方法是一种利用机器学习算法分析和处理临床数据，并预测患者在未来发展成脓毒症的方法，旨在帮助医生及时发现高危人群，提供早期干预和治疗的机会，降低病情恶化和死亡的风险。但是现有的基于机器学习的脓毒症早期预测方法，存在大量的病情数据缺失值被排除在预测变量之外，导致丢失有价值的信息的技术问题；存在缺乏统一的数据集，数据样本多样性较低，难以全面地学习和理解不同的数据情况的技术问题；存在机器学习模型很复杂，导致医生在临床实践中难以解释预测结果的可靠性的技术问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于机器学习的脓毒症早期预测方法及系统，针对存在大量的病情数据缺失值被排除在预测变量之外，导致丢失有价值的信息的技术问题，采用多重插补模型，为每个缺失模式构建一个插补网络，计算模型的成本函数，初始化缺失数据，对缺失数据进行迭代更新，提高模型的准确性；针对存在缺乏统一的数据集本文档来自技高网...

【技术保护点】

1.一种基于机器学习的脓毒症早期预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤S4中，所述脓毒症早期预测模型训练，包括以下步骤：

3.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤S3中，所述数据混合，包括以下步骤：

4.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤S2中，所述插补缺失数据，包括以下步骤：

5.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤S1中，所述临床数...

【技术特征摘要】

1.一种基于机器学习的脓毒症早期预测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤s4中，所述脓毒症早期预测模型训练，包括以下步骤：

3.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤s3中，所述数据混合，包括以下步骤：

4.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤s2中，所述插补缺失数据，包括以下步骤：

5.根据权利要求1所述的一种基于机器学习的脓毒症早期预测方法，其特征在于：在步骤s1中，所述临床数据收集，包括以下步骤：...

【专利技术属性】
技术研发人员：张灿秀，尚昱君，
申请(专利权)人：青岛市市立医院，
类型：发明
国别省市：