[发明专利]基于XGBoost的呼吸机仿真预测系统及其实现方法

说明书

本发明涉及一种基于XGBoost的呼吸机仿真预测系统及其实现方法，所述的系统包括：数据处理模块，用于重症监护医学数据集数据中相关特征的提取和数据预处理；XGBoost模型预测模块，用于根据呼吸机参数以及病人的重要生命体征来预测病人的血氧饱和度的变化，调参并进行性能比较；SHAP解释模型分析模块，用于分析得到呼吸机治疗过程中特征重要性排序结果；所述的数据处理模块分别与XGBoost模型预测模块和SHAP解释模型分析模块连接；所述的XGBoost模型预测模块和SHAP解释模型分析模块连接。与现有技术相比，本发明具有准确高效的验证呼吸机最佳参数预测算法有效性、提高呼吸机最佳参数预测准确率等优点。

技术领域

本发明涉及呼吸机的仿真预测系统及其实现方法，尤其是涉及一种基于XGBoost的呼吸机仿真预测模型及方法。

背景技术

呼吸机是重症监护室(Intensive Care Unit,ICU)病房里不可或缺的医疗设备。呼吸机通过机械地将空气泵入病人肺部来帮助病人呼吸，广泛用于在日常看护、紧急救护或手术等场景中预防呼吸衰竭。在新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19)治疗中，呼吸机对于重症及危重症患者辅助治疗效果显著。使用呼吸机过程中，由于患者的呼吸会根据身体的状况实时发生变化，医护人员需要根据病人的身体状况、检验报告和对症状的分析实时调整呼吸机的参数。因此，呼吸机的参数设置强依赖于医疗人员的专业水平和经验，且微小操作失误可能引起严重后果：呼吸机的使用不当可能会引起呼吸机并发症，如呼吸性碱中毒等，加重低氧血症，从而引起呼吸衰竭影响肾脏功能等严重症状，增加多系统器官功能障碍和早死亡的风险，严重危害病人的身体健康。

为此，有必要分析如何设置合适的呼吸机参数，并根据实际情况进行及时调整，以减少医疗事故。目前已有多位学者提出基于机器学习的呼吸机最佳参数自动预测与推荐方法，用于辅助医生选择呼吸机最佳参数设置方案。然而，目前对参数推荐算法呼吸机的检验功能研究尚缺。

因此，如何对呼吸机的参数预测算法的效果进行验证，成为需要解决的技术问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于XGBoost的呼吸机仿真预测系统及其实现方法。

本发明的目的可以通过以下技术方案来实现：

一种基于XGBoost的呼吸机仿真预测系统，用于验证呼吸机最佳参数预测算法的效果，所述的系统包括：

数据处理模块，用于重症监护医学数据集数据中相关特征的提取和数据预处理；

XGBoost模型预测模块，与数据处理模块连接，用于根据呼吸机相关数据集中的呼吸机参数以及病人的重要生命体征来预测病人的血氧饱和度的变化，调参并进行性能比较；

SHAP解释模型分析模块，分别与数据处理模块和XGBoost模型预测模块连接，用于对影响呼吸预测过程的各种输入特征进行分析，通过分析得到呼吸机治疗过程中特征重要性排序结果。

进一步地，所述的数据处理模块包括：

数据输入单元，用于接收用于分析的重症监护医学数据集；

特征提取单元，与数据输入单元连接，用于从数据集中提取有用的特征数据；

数据预处理单元，与特征提取单元连接，用于对数据进行预处理，得到符合实验分析要求的呼吸机数据集；

呼吸机数据集单元，与特征提取单元连接，用于存储得到的呼吸机数据集。

进一步地，所述的重症监护医学数据集为MIMIC-III数据集。

进一步地，所述的重症监护医学数据集包括多种临床疾病数据以及患者的各项特征信息。

进一步地，所述的预处理包括异常值处理和均值填充。