急性低血壓醫(yī)學時間序列預測研究.pdf

1、 急性低血壓醫(yī)學時間序列預測研究 Acute Hypotensive Episodes Medical Time Series Prediction Research 姓名： 彭晨楓 學號： 11109064 學院： 工學院 導師： 姜大志副教授 專業(yè)： 計算機應用技術 入學： 2011/09/01 答辯： 2014/05/30 汕頭大學碩士論文

2、 急性低血壓醫(yī)學時間序列預測研究 I 摘要 摘要 在重病監(jiān)護室（ICU）中，存在著一種兇險的癥狀—急性低血壓（acute hypotension episodes, AHE） ，由于該癥狀的致命性和突發(fā)性，使其嚴重威脅著患者的生命安全。 目前， 對 AHE 的預測方法的研究已成為臨床醫(yī)學的重點和難點。尋找一種有效的預測手段，在 AHE 發(fā)生之前進行有效預報，為醫(yī)務人員贏取寶貴的救護時間，降低患者的死亡風險將非常有意義。臨床上

3、，患者生命體征參數(shù)的歷史記錄成為 AHE 預測方法的主要研究數(shù)據(jù)。 它是一種典型的時間序列數(shù)據(jù)，因此 AHE 預測研究一般圍繞時間序列分析相關的方法進行。在查閱了大量文獻之后， 本文在患者的動脈血壓時間序列數(shù)據(jù)上， 分別將混沌理論和基于數(shù)據(jù)分布模式的特征抽取方法應用于 AHE 預測研究之中?；煦缋碚摮Ｓ糜趶碗s信號的處理，它能夠揭示系統(tǒng)中豐富的非線性動力信息。本文采用 C-C 方法對動脈血壓進行相空間重構， 在相空間重構的基礎上采用小數(shù)據(jù)

4、量法計算動脈血壓的李雅譜諾夫指數(shù)，實驗證明李氏指數(shù)的變化與 AHE 的發(fā)生存在一定的關系。另外由于時間序列數(shù)據(jù)中包含的大量信息一般都蘊含于其概率分布模式之中， 因此本文提出了基于分布模式的特征提取方法。 建立平均動脈時間序列的分布模式， 然后在其上分別從全局和局部變化兩個方面提取特征，接著利用 GA-SVM 算法對以抽取的眾多特征進行篩選， 最后利用選擇出的較優(yōu)特征子集訓練出預測模型。 本文做了大量的實驗分析， 實驗結果表明該方法是可行