[发明专利]一种基于压缩感知检测ICU患者记录中伪像的方法及系统

说明书

技术领域

本发明属于医疗检测技术领域，具体涉及一种基于压缩感知检测ICU患者记录中伪像的方法及系统。

背景技术

重症监护室（ICU）有限的医疗资源和高昂的费用决定了并不是所有病人都可以得到特殊护理。传感技术（如心电、血压、血氧、呼吸、体温等）在ICU广泛应用。专家系统处理来自各类传感器监视信号，准确评估病人的状态，然后觉得是否需要特殊护理。对病人病情的准确评价和可靠的风险预测，是决定病人是否需要重症监护、控制护理质量的重要依据。一个有效的病情评价系统，能够在患者健康作为首要考量的前提下，最大程度节约医疗成本，并使更多真正有需要的患者受益。

值得注意的是，绝大多数现有评价模型建立的初衷都是对病人进行风险分层，而不是对某个特定病人的状态进行预测。这样模型预测的概率可以认为是对一个“平均”的预测。从理论上讲，要使得模型能够给出特异性的预测，除了要对病人群体进行准确细分，还要综合考虑更多的风险因素，比如营养不良、求生意愿等。然而这些因素的加入势必会显著增加模型的复杂度，对系统的建立者和使用者都提出了极大的挑战。

现有的检测ICU患者记录中伪像的方法均采用假设检验方法。公开号为1914623的国际专利公开了一种用于利用数据融合和假设检验来检测ICU患者记录中的伪像的方法和系统；其在假设检验中，虚假设包括：假定几个受监视信号的高度相关受监视信号的样本对具有预定分布。所述方法当虚假设为真的可能性低于预定置信度值时，确定伪像可存在于多个受监视信号之一中。这种方法受制于预定分布的正确性。

发明内容

针对现有技术所存在的上述技术问题，本发明提供了一种基于压缩感知检测ICU患者记录中伪像的方法及系统，实现了对特定个体病人的重症分析，解决了传统方法的非特异性问题。

一种基于压缩感知检测ICU患者记录中伪像的方法，包括如下步骤：

（1）对病人进行生理检测得到测试样本，并收集对应标识为0和1的两组训练样本集X₀和X₁；其中，标识0表示病人无需进行重症监护，标识1表示需要进行重症监护；

（2）利用正则化最小二乘法计算测试样本分别关于两组训练样本集的稀疏表示c₀和c₁；

（3）根据稀疏表示c₀和c₁计算测试样本分别归于标识0和1对应的误差函数g₀(y)和g₁(y)。

所述的训练样本集为由对应标识下的m个历史样本组成的n×m维矩阵，所述的测试样本和历史样本均为由n个生理指标数据组成的n维向量，所述的稀疏表示c₀和c₁均为m维向量，n和m均为大于1的自然数且m＜n。

每个历史样本的标识均由医生诊断确定，每个生理指标数据采用多次测量后的平均数据。

所述的步骤（2）中，计算测试样本分别关于两组训练样本集的稀疏表示c₀和c₁的过程如下：

首先，对测试样本和两组训练样本集进行归一化处理；

然后，建立基于Lp范数最小化的目标函数如下：