[发明专利]一种连续性肾脏替代治疗过程中肝素剂量的预测方法

说明书

本发明涉及机器学习技术领域，一种连续性肾脏替代治疗过程中肝素剂量的预测方法，包括以下步骤：(1)安装相关软件及库，(2)分析和了解由医院收集的数据集的相关信息，(3)数据预处理，(4)特征提取，(5)划分训练集和测试集及不平衡数据的处理，(6)模型预测及评估，(7)预测值的异常值处理。本发明使用梯度提升回归模型等机器学习算法预测CRRT过程中肝素剂量，能够根据训练出的模型，再经过对预测值的进一步处理，可以在CRRT过程中，给出合理可靠的肝素剂量参考值，辅助医生工作，提高手术质量，经济可靠。

技术领域

本发明涉及一种连续性肾脏替代治疗过程中肝素剂量的预测方法，属于机器学习技术领域。

背景技术

现阶段对于CRRT过程中抗凝剂剂量研究相对较少，其结果针对性较弱，局限性较强，不易于推广。2009年，Tolwani等人给出的首剂剂量参考为25U/KG；2016年，Karakala等人给出了一个更为宽松的范围，首剂剂量可以在25-50U/KG之间。在抗凝剂剂量施加时，往往只考虑体重这一因素，一方面，浪费了医学数据，另一方面，不符合实际过程。因此，在考虑抗凝剂的施加时，应综合考虑病人的多项指标。同时，现实中面对大量的临床化验数据，首剂剂量往往是根据医生的经验给出的，此方法对医生的经验要求较高，存在一定的危险。

在临床医疗中，机器学习技术的引入，可以借助其强大的数据分析和建模能力，有效地利用医院的历史数据来建立模型。在新来一个患者的时候，可以在不受外界干扰的情况下，客观地进行智能医疗决策或辅助医生决策，减少医生的主观误判。因此，利用机器学习技术领域预测连续性肾脏替代治疗过程中的肝素剂量是必要的。

发明内容

为了克服已有技术中存在的不足，本发明目的是提供一种连续性肾脏替代治疗过程中肝素剂量的预测方法。该预测方法使用梯度提升回归模型等机器学习算法预测CRRT过程中的肝素剂量，能够根据训练出的模型，再经过对预测值的进一步处理，可以在CRRT过程中，给出合理可靠的肝素剂量参考值，辅助医生工作，提高手术质量，经济可靠。

为了实现上述发明目的，解决已有技术中所存在的问题，本发明采用的技术方案是：一种连续性肾脏替代治疗过程中肝素剂量的预测方法，包括以下步骤：

步骤1、安装相关软件及库，安装Sublime Text 3软件及一个开源的Python 3.5，另外安装科学计算基础库即numpy、数据分析库即pandas、2D绘图库即matplotlib和缺失数据可视化库即missingno，具体安装步骤为，在windows 10系统下，首先安装Python 3.5，按win+R键快速启动命令窗口，输入cmd，点击确定，输入pip install+所需要的库，按enter键，进行相关库的安装，pip install matplotlib，按enter键，进行matplotlib库的安装，然后下载Sublime Text3软件；

步骤2、分析和了解由医院收集的数据集的相关信息，了解每个数据代表的含义及各自变量所占权重，分析自变量与目标变量即首剂剂量之间的关系，分析首剂剂量的类型，判断其是带分类标签的离散数据还是连续数据，以此作为选择回归模型还是分类模型的依据；

步骤3、数据预处理，首先对完全相同的行数据进行去重，其次分析各属性的数值是不是存在缺失值的情况，如果存在缺失值，要先进行处理，常见的缺失值处理方法有：个案剔除法即Listwise Deletion、均值替换法即Mean Imputation、热卡填充法即Hotdecking、聚类填充法即Clustering imputation、多重替代法即Multiple Imputation，然后采用z-score算法和范围缩放方法相结合的方式，对自变量进行标准化和归一化处理，z-score算法通过公式(1)进行描述，

式中x为样本的某一属性的值，u为该属性的均值，σ为该属性的标准差，X为标准化后的该属性值，范围缩放方法通过公式(2)进行描述，