急性低血壓時(shí)間序列的特征學(xué)習(xí)與預(yù)測研究.pdf

1、急性低血壓癥（Acute Hypotension Episodes，AHE）作為重癥監(jiān)護(hù)(Intensive Care Unit，ICU)中一種高死亡率、高突發(fā)率的術(shù)后并發(fā)癥，嚴(yán)重威脅著患者術(shù)后的生命安全。生理信號時(shí)間序列的監(jiān)控、處理與預(yù)測技術(shù)已為疾病診斷與治療方案的選取提供重要的輔助作用。面向AHE，可收集ICU中病患的血壓數(shù)據(jù)構(gòu)建典型的生理信號時(shí)間序列，通過對數(shù)據(jù)處理與預(yù)測，從而預(yù)測病患未來血壓變化的規(guī)律,從而及早預(yù)防 AHE的發(fā)生

2、。傳統(tǒng)的生理信號時(shí)間序列分析方法有概率統(tǒng)計(jì)、小波分析、神經(jīng)網(wǎng)絡(luò)等，然而這些方法依然存在特征難學(xué)習(xí)、求解精度難以提高的難題。因此，面向高度非線性、混沌的急性低血壓時(shí)間序列，研究新型的時(shí)間序列特征學(xué)習(xí)與高效預(yù)測方法已然成為臨床醫(yī)學(xué)研究的重點(diǎn)與難點(diǎn)。
　　本文采用的AHE時(shí)間序列數(shù)據(jù)來源于PhysioNet，它提供了大量而真實(shí)的病患數(shù)據(jù)。首先利用滑動(dòng)窗口對AHE時(shí)間序列進(jìn)行處理，實(shí)現(xiàn)數(shù)據(jù)流切分。提出用集合經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble

3、Empirical Mode Decomposition，EEMD）方法對切分后的每一段數(shù)據(jù)進(jìn)行分解，從而形成若干個(gè)固有模態(tài)函數(shù)（Intrinsic Mode Function，IMF）。然后提出用深度學(xué)習(xí)（Deep Learning，DL）方法對每一個(gè)IMF進(jìn)行特征提??；最后根據(jù)特征集合，利用基因表達(dá)式編程（Gene Expression Programming，GEP）方法實(shí)現(xiàn)分類模型的構(gòu)建。并通過構(gòu)建多分類器，實(shí)現(xiàn)對AHE的集成預(yù)