基于小波分析和Gaussian回歸的急性低血壓預測.pdf

1、現(xiàn)代醫(yī)院都有一個重癥監(jiān)護室機構（Intensive Care Unit，ICU），主要是為急性的、危及生命的危重病人提供醫(yī)療照顧。搶救徘徊在生死邊緣的重癥病人，在重癥監(jiān)護室里時間是寶貴的，醫(yī)生需要在短時間內選擇正確的治療方案，時間的延誤就會危及到病人的生命。所以在重癥監(jiān)護室關于病人的任何情況都要很注意，尤其是相關的并發(fā)癥。急性低血壓是危害病人健康的并發(fā)癥之一，并且發(fā)生率及高。急性低血壓的發(fā)生會導致一些不可恢復的嚴重后果，甚至會危及病人生

2、命。對急性低血壓的發(fā)生提早的預測，能夠幫助醫(yī)生對重癥病人找到更好的醫(yī)療處理方案，及時挽救病人的生命。我們將運用數(shù)據(jù)挖掘的方法來處理血壓（MAP）數(shù)據(jù)，探究其中的規(guī)則，幫助醫(yī)生決策治療病人的方案。
　　數(shù)據(jù)挖掘技術是一門綜合學科，包含統(tǒng)計學、機器學習、模式識別等等?，F(xiàn)在正處于大數(shù)據(jù)時代，我們需要對這些數(shù)據(jù)進行更深層次的挖掘，了解數(shù)據(jù)背后的關系及意義。那么我們就需要數(shù)據(jù)挖掘這個工具來解決現(xiàn)在面臨的數(shù)據(jù)相關的問題。本文主要運用數(shù)據(jù)挖掘中

3、對時間序列的數(shù)據(jù)的處理，還有獲取趨勢分量的方法，以及對數(shù)據(jù)分類預測方面的知識。
　　我們提出了一個基于趨勢分量的Gaussian函數(shù)擬合預測模型，即用小波多尺度分析提取出信號的趨勢分量，再根據(jù)Gaussian回歸模型對趨勢分量進行函數(shù)擬合，得到的函數(shù)參數(shù)作為特征值，用支持向量機（SVM）對數(shù)據(jù)分類。小波多尺度分析可以將信號映射到不同尺度上，在不同尺度上觀察信號的細節(jié)了解信號的特征，這里我們主要分析的是信號的趨勢分量。且小波多尺度分