[发明专利]基于集成模型的脓毒症死亡率预测系统

说明书

本发明公开了基于集成模型的脓毒症死亡率预测系统，包括：输入器，用于获取被测者脓毒症相关检测项目的测量值；处理器，与输入器相连，所述处理器用于对输入器获取的数据进行处理，输出脓毒症死亡率的预测值；所述处理器，包括：数据预处理模块、多维特征选择模块、集成模型构建模块和集成模型预测模块；数据预处理门口对数据进行预处理，多维特征选择模块对预处理后的特征进行特征选择，筛选出重要的特征，将重要的特征输入到集成模型构建模块构建的集成模型中，对集成模型进行训练，利用训练好的集成模型对预测及进行脓毒症死亡率的预测；本发明使得脓毒症病患的各项生理指标与死亡率建立联系，测试准确度高。

技术领域

本发明涉及医疗数据挖掘领域，特别是涉及基于集成模型的脓毒症死亡率预测系统。

背景技术

脓毒症是机体对感染的反应失调而导致的危及生命的器官功能障碍，是重症监护室的常见疾病及其患者死亡的主要原因之一，而且发病率和死亡率仍呈上升趋势。据统计，每年全球新增数百万脓毒症患者，其中超过四分之一的患者死亡。虽然全世界范围内的医学人士和专家都在积极进行临床研究，但是对于脓毒症临床指标的选取以及死亡率预测仍然缺乏有效的手段。选取合适的特征并进行死亡率预测是该疾病预后的一项重要工作，预测准确性越高，越有利于医生做出精准的临床决策，从而可以提高诊疗的效率。

目前，基于数据挖掘和机器学习相关理论，探索基于脓毒症多维临床指标的死亡率预测系统尚未出现。

发明内容

为了克服上述现有技术的不足，本发明提供了基于集成模型的脓毒症死亡率预测系统，基于加权投票的随机森林、GBDT和逻辑回归的集成模型，使得脓毒症病患的各项生理指标与死亡率建立联系，具有测试准确度高的有益效果。

本发明所采用的技术方案是：

基于集成模型的脓毒症死亡率预测系统，包括：

输入器，用于获取被测者脓毒症相关检测项目的测量值；

处理器，与输入器相连，所述处理器用于对输入器获取的数据进行处理，输出脓毒症死亡率的预测值；所述处理器，包括：数据预处理模块、多维特征选择模块、集成模型构建模块和集成模型预测模块；

所述数据预处理模块，用于对被测者脓毒症相关检测项目测量值的噪声数据或缺失数据进行清洗，对清洗后的数据进行数据转换和归一化处理；

所述多维特征选择模块，用于建立与被测者脓毒症相关检测项目测量值相对应特征项，将特征项作为第一样本，通过基于改进的随机森林算法对所述第一样本进行特征选择，得到被测者脓毒症相关检测项目测量值的若干个主特征子集，将若干个主特征子集构成的样本集合作为第二样本；

所述集成模型构建模块，对随机森林、梯度提升树GBDT和逻辑回归三个基分类器，采用加权投票融合的方法，构建集成模型；

所述集成模型预测模块，将第二样本随机分为训练集和预测集，利用训练集对集成模型进行训练，然后利用预测集对训练好的集成模型进行测试，输出脓毒症死亡率预测值。

本发明基于加权投票的随机森林、GBDT和逻辑回归的集成模型，使得脓毒症病患的各项生理指标与死亡率建立联系，具有测试准确度高、可靠性强且较稳定的有益效果。

进一步的，所述脓毒症相关检测项目，包括：ICU停留ID、患者ID、住院ID、性别、入院时间、出院时间、年龄、种族、首次ICU类型、是否在入院时死亡、是否在入院30天内死亡、吸入氧气浓度、血氧饱和度、序贯器官衰竭评分、全身炎症反应综合评分、脓毒症确诊时间、乳酸清除率、用药时间、是否进行机械通气、治疗开始时间或治疗结束时间。

进一步的，所述数据预处理模块，包括：