[发明专利]一种基于人工智能的糖尿病ICU患者死亡风险预测方法

权利要求书

1.一种基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，包括以下步骤：

S1、按照设定标准采集糖尿病ICU患者的ICU数据；

S2、将采集的ICU数据导入至数据库中，并取出糖尿病ICU患者的生命特征数据；

S3、将采集的ICU数据以及生命特征数据中不符合规范的数据删除；

S4、构建基于逻辑回归算法的预测模型、基于决策树算法的预测模型、基于随机森林算法的预测模型和基于混合双向LSTM的模型；

S5、将步骤S3处理后的ICU数据以及生命特征数据输入至步骤S4中的模型进行模型训练和迭代训练，并选择最优模型；

S6、将糖尿病ICU患者的基本信息和患者生命特征数据输入至最优模型中预测死亡风险。

2.根据权利要求1所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述步骤S1中按照设定标准采集糖尿病ICU患者的ICU数据具体为：将纳入MIMIC-III数据库中所有年龄在15-100岁之间的糖尿病ICU患者，对于有多次住院记录或同一次住院有多次ICU住院记录者，仅纳入第1次住院的第一次入住ICU数据，并排除ICU住院时间小于24小时、多次入住ICU或遗漏关键数据的患者。

3.根据权利要求2所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述步骤S2具体采用PostgreSQL客户端PgAdmin 4软件将MIMIC-III数据集导入到数据库中，并运用SQL语言从MIMIC-Ⅲ数据库中提取出糖尿病ICU患者的生命特征数据。

4.根据权利要求3所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述生命特征数据包括年龄、性别、白蛋白、血红蛋白、血尿素氮、肌酐、血糖、血钾、血钠、血钙、血hco3和血小板。

5.根据权利要求1所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述步骤S3中将年龄低于第一设定值或超过第二设定值的ICU数据删除，将生命特征数据超过第三设定值的删除。

6.根据权利要求1所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述步骤S3中还包括采用随机森林算法来将常用数值对缺失数据进行填补。

7.根据权利要求1所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述步骤S4中的基于逻辑回归算法的预测模型具体为：分类器选择二分类，求解器选择saga，正则化方式选择L1正则化方式；

基于决策树算法的预测模型具体为：通过Sklearn中的网格搜索方法依次对决策树的各个参数进行网格搜索，确定糖尿病ICU患者数据集在决策树算法中的最优基评估器参数组合；

基于随机森林算法的预测模型具体为：通过Sklearn中的网格搜索方法依次对随机森林的各个参数进行网格搜索，确定糖尿病ICU患者数据集在决策树算法中的最优基评估器参数组合；

基于混合双向LSTM的模型具体为：参数初始化，设置修改BiLSTM训练的配置文件，设置好训练步距、学习率、batch大小，配置好数据路径、模型保存路径后结合Neg Tag和Dense方法。

8.根据权利要求1所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述步骤S5具体为：将步骤S3处理后的ICU数据以及生命特征数据输入基于逻辑回归算法的预测模型、基于决策树算法的预测模型、基于随机森林算法的预测模型和基于混合双向LSTM的模型进行训练，通过分析训练log得到模型的准确率并对比分析四个模型的准确率、精确率、召回率和F1值，选择最优模型。

9.根据权利要求1所述的基于人工智能的糖尿病ICU患者死亡风险预测方法，其特征在于，所述步骤S6中糖尿病ICU患者的基本信息通过预设的患者基本信息表录入，所述患者生命特征数据通过患者生命特征表录入。