【摘要】：目的:急性腎損傷(Acute Kidney Injury,AKI)是臨床中的常見(jiàn)并發(fā)癥,在ICU中發(fā)病率較高、死亡率高,醫(yī)療花費(fèi)成本高,對(duì)急性腎損傷進(jìn)行早期預(yù)測(cè)預(yù)警有助于輔助醫(yī)護(hù)人員及早識(shí)別患者的惡化風(fēng)險(xiǎn),在早期對(duì)患者進(jìn)行干預(yù)以預(yù)防進(jìn)一步的損害。隨著電子健康檔案的發(fā)展以及數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)方法在醫(yī)療領(lǐng)域中的應(yīng)用,我們得以用大數(shù)據(jù)的研究方法對(duì)醫(yī)療數(shù)據(jù)進(jìn)行挖掘,探究疾病的演化規(guī)律,這為我們深入研究AKI,發(fā)展AKI的預(yù)測(cè)預(yù)警模型提供了機(jī)會(huì)。然而對(duì)電子健康檔案的二次分析面臨的一大問(wèn)題是數(shù)據(jù)的稀疏性與采樣的不均衡性造成的數(shù)據(jù)缺失,應(yīng)用電子健康檔案(Electronic Health Records,EHR)時(shí)間序列首先需要對(duì)缺失值進(jìn)行處理。本研究將探討針對(duì)醫(yī)療時(shí)間序列如何選取插值方法,并基于集成學(xué)習(xí)與深度學(xué)習(xí)方法構(gòu)建AKI預(yù)測(cè)預(yù)警模型,為醫(yī)護(hù)人員提供更好的決策支持。方法:本研究首先ⅰ.)探討了連續(xù)動(dòng)態(tài)生理數(shù)據(jù)中缺失值的插值方法,評(píng)估高斯過(guò)程(Gaussian Process,GP)在處理生理信號(hào)缺失中的有效性。ⅱ.)基于機(jī)器學(xué)習(xí)方法LightGBM模型探索AKI預(yù)測(cè)模型,在公開(kāi)的大型ICU數(shù)據(jù)庫(kù)重癥監(jiān)護(hù)醫(yī)學(xué)信息數(shù)據(jù)庫(kù)(Medical Information Mart for Intensive Care,MIMIC-Ⅲ)中采用患者 24 小時(shí)內(nèi)首次生理生化測(cè)量值預(yù)測(cè)患者的發(fā)病風(fēng)險(xiǎn)。ⅲ.)采用多變量注意力機(jī)制長(zhǎng)短期記憶網(wǎng)絡(luò)-全卷積神經(jīng)網(wǎng)絡(luò)模型(MALSTM-FCN)構(gòu)建AKI時(shí)間序列預(yù)測(cè)模型,以患者入ICU后的時(shí)序數(shù)據(jù)預(yù)測(cè)當(dāng)前時(shí)間往后第2h、6h、12h以及第24h發(fā)展為AKI的風(fēng)險(xiǎn),并評(píng)估不同的缺失值的處理方法對(duì)模型性能的影響。結(jié)果:ⅰ.)高斯過(guò)程在處理生理信號(hào)缺失問(wèn)題中表現(xiàn)優(yōu)異,在連續(xù)缺失與非連續(xù)缺失兩種缺失模式下,均方誤差(Mean-Square Error,MSE)均為最低。ⅱ.)MIMIC數(shù)據(jù)庫(kù)中滿(mǎn)足條件的21722名患者中,有8694名患者發(fā)展為AKI,發(fā)病率為40.0%。以患者首次測(cè)量值構(gòu)建AKI預(yù)測(cè)模型,LightGBM模型表現(xiàn)最佳(LightGBMAUC 0.93,ACC 0.87;隨機(jī)森林 AUC 0.90,ACC 0.86;Logistic 回歸 AUC 0.74,ACC 0.75)。ⅲ.)MALSTM-FCN時(shí)間序列預(yù)測(cè)模型及LightGBM模型結(jié)果顯示,提前2h、6h預(yù)測(cè)的最佳AUC分別為0.908(LightGBM-線性插值模型)和0.902(MALSTM-GP插值模型、LightGBM-線性插值模型),第12、24小時(shí)最佳的AUC分別為0.890(MSLATM-GP插值模型),0.877(MSLATM-GP插值模型)。預(yù)測(cè)準(zhǔn)確率最高的模型為MSLATM-GP插值模型,在2h、6h、12h及24h的預(yù)測(cè)準(zhǔn)確率分別為0.819、0.818、0.806 和 0.798。結(jié)論:機(jī)器學(xué)習(xí)方法為我們發(fā)展疾病預(yù)測(cè)模型提供了有效的手段,在處理生理信號(hào)缺失問(wèn)題中,高斯過(guò)程插值表現(xiàn)優(yōu)異。采用高斯過(guò)程對(duì)EHR缺失數(shù)據(jù)進(jìn)行插補(bǔ)并構(gòu)建AKI時(shí)序預(yù)測(cè)模型,提前2h LightGBM-線性插值預(yù)測(cè)模型的AUC可達(dá)0.908,MALSTM-高斯過(guò)程插值模型在提前6h、12h、24h的模型中表現(xiàn)最佳,AUC可達(dá)0.902、0.890 和 0.877。
【圖文】：

邐解放軍醫(yī)學(xué)院碩士學(xué)位論文邐逡逑第一部分高斯過(guò)程回歸插值逡逑１．１生理信號(hào)缺失值及插值方法概述逡逑ＥＨＲ中包含豐富的患者臨床信息，但傳統(tǒng)的醫(yī)療監(jiān)護(hù)方法很難規(guī)律地采集患者逡逑的數(shù)據(jù)，比如住院病人的生命體征數(shù)據(jù)每三到四小時(shí)監(jiān)測(cè)一次，而ＩＣＵ病人每小時(shí)逡逑監(jiān)測(cè)一次，生理生化指標(biāo)的測(cè)量頻率也不一致，由于操作的復(fù)雜性及頻繁檢測(cè)的必逡逑要性的考慮，生化指標(biāo)的測(cè)量次數(shù)往往少于生理指標(biāo)。這導(dǎo)致我們得到的醫(yī)療時(shí)間逡逑序列存在稀疏性及采樣不規(guī)律的問(wèn)題。比如圖１為ＭＩＭＩＣ邋ＩＩＩ數(shù)據(jù)庫(kù)中ＩＣＵＳＴＡＹ逡逑ＪＤ為２０００９１的患者發(fā)生急性腎損傷７２小時(shí)前的十項(xiàng)生理生化指標(biāo)測(cè)量記錄，這逡逑些測(cè)量值的測(cè)量時(shí)間與測(cè)量頻率不盡相同，比如該患者的白細(xì)胞計(jì)數(shù)一共測(cè)量了邋３逡逑，量間大約２４ｈ，心一量４９，比密。逡逑

對(duì)于醫(yī)療數(shù)據(jù)時(shí)間序列，常用的數(shù)據(jù)缺失的處理方法有單項(xiàng)插補(bǔ)法（如線性插逡逑值、前向插值、樣條插值）或基于模型的方法（如高斯過(guò)程）。ａ．）線性插值假設(shè)在逡逑插值時(shí)間段內(nèi)數(shù)據(jù)有線性的變化趨勢(shì)，通過(guò)擬合線性方程填充缺失時(shí)刻的值，線性逡逑插值計(jì)算簡(jiǎn)單，但不能捕捉非線性的變化趨勢(shì)［１６］。ｂ．）前向插值是醫(yī)療環(huán)境中常用逡逑的插值方法，這一方法使用前一時(shí)刻的值來(lái)替代當(dāng)前的缺失值，即假設(shè)數(shù)據(jù)在插值逡逑時(shí)間段內(nèi)沒(méi)有變化，這種方法低估了數(shù)據(jù)的波動(dòng)性。ｃ．）樣條函數(shù)通過(guò)構(gòu)造樣條函數(shù)逡逑對(duì)數(shù)據(jù)進(jìn)行擬合，其構(gòu)造簡(jiǎn)單，在生理數(shù)據(jù)插補(bǔ)中應(yīng)用廣泛。ｄ．）高斯過(guò)程是近年來(lái)逡逑應(yīng)用在數(shù)據(jù)插補(bǔ)中的方法，它可以捕獲時(shí)間序列前后的相關(guān)性，捕捉數(shù)據(jù)長(zhǎng)時(shí)間的逡逑變化趨勢(shì)。Ｆｅｎｇ等人采用氋斯過(guò)程對(duì)胎心率缺失值進(jìn)行插補(bǔ)，結(jié)果顯示高斯過(guò)程比逡逑三次樣條插值的結(jié)果更準(zhǔn)確可靠［１７］。Ｏｌｉｖｅｒ等人用高斯過(guò)程回歸對(duì)含有噪聲的心電逡逑數(shù)據(jù)進(jìn)行插補(bǔ)，與傳統(tǒng)回歸方法進(jìn)行對(duì)比，插值的效果和魯棒性有顯著提升［１８］。逡逑對(duì)數(shù)據(jù)插補(bǔ)不當(dāng)會(huì)給模型引入額外的誤差和偏倚，，使模型的有效性降低。因此，逡逑
【學(xué)位授予單位】：中國(guó)人民解放軍醫(yī)學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：R692

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董軍超;陳津虎;胡彥平;楊學(xué)印;;基于逆高斯過(guò)程的加速退化試驗(yàn)失效機(jī)理一致性判定[J];強(qiáng)度與環(huán)境;2019年05期

2 鐘美;趙兵濤;黃朔;;基于高斯過(guò)程回歸的燃煤煙氣汞排放預(yù)測(cè)[J];動(dòng)力工程學(xué)報(bào);2016年12期

3 李慧瓊;;d維平穩(wěn)高斯過(guò)程極集的充分條件及維數(shù)[J];數(shù)學(xué)雜志;2007年05期

4 胡愛(ài)平;伍度志;;平穩(wěn)高斯過(guò)程最大值的極限分布[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年06期

5 謝盛榮;一類(lèi)高斯過(guò)程在高水平u上的逗留[J];科學(xué)通報(bào);1998年13期

6 陳振龍,徐賜文;d維平穩(wěn)高斯過(guò)程相交局部時(shí)的幾個(gè)性質(zhì)[J];武漢工業(yè)大學(xué)學(xué)報(bào);1999年06期

7 侯炳旭;俞冀陽(yáng);徐沾杰;江光明;鄒志強(qiáng);;利用高斯過(guò)程回歸對(duì)燃爆單元寬度的預(yù)測(cè)方法研究[J];核動(dòng)力工程;2017年02期

8 李棕;崔得龍;;基于高斯過(guò)程回歸和強(qiáng)化學(xué)習(xí)的云資源調(diào)度算法[J];電子設(shè)計(jì)工程;2017年11期

9 吳明;宋博;王鋒;唐紅;;基于高斯過(guò)程分類(lèi)的調(diào)制識(shí)別方法[J];計(jì)算機(jī)仿真;2015年10期

10 陳宗帥;楊昌明;閆利宇;;基于計(jì)算機(jī)模擬與高斯過(guò)程回歸的優(yōu)化設(shè)計(jì)方法[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2014年14期

相關(guān)會(huì)議論文 前4條

1 周曉康;吳少川;;基于高斯過(guò)程回歸的室內(nèi)無(wú)線信號(hào)源定位[A];2018中國(guó)信息通信大會(huì)論文摘要集[C];2018年

2 劉信恩;;高斯過(guò)程響應(yīng)面法及其應(yīng)用研究[A];中國(guó)工程物理研究院科技年報(bào)（2010年版）[C];2011年

3 何志昆;劉光斌;姚志成;趙曦晶;;基于高斯過(guò)程回歸的FOG標(biāo)度因數(shù)溫度漂移建模新方法[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

4 龐夢(mèng)非;唐國(guó)安;張美艷;;參數(shù)不確定性對(duì)橋梁振動(dòng)特性的影響[A];第十屆動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議摘要集[C];2016年

相關(guān)博士學(xué)位論文 前10條

1 王洪橋;高斯過(guò)程回歸在不確定性量化中的應(yīng)用[D];上海交通大學(xué);2018年

2 孫立劍;基于高斯過(guò)程的復(fù)雜光學(xué)曲面重建和多傳感器數(shù)據(jù)融合方法研究[D];上海交通大學(xué);2018年

3 李平;面向任務(wù)的高斯過(guò)程隱變量模型擴(kuò)展研究[D];南京航空航天大學(xué);2018年

4 陳凱;面向多任務(wù)模式學(xué)習(xí)與外推的自適應(yīng)高斯過(guò)程算法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

5 于曉默;面向制造生產(chǎn)過(guò)程的高斯過(guò)程優(yōu)化理論研究及應(yīng)用[D];廣西大學(xué);2015年

6 洪曉丹;基于復(fù)雜噪聲的高斯過(guò)程回歸建模方法研究[D];東華大學(xué);2018年

7 潘偉;基于高斯過(guò)程的高爐煉鐵過(guò)程辨識(shí)與預(yù)測(cè)[D];浙江大學(xué);2012年

8 賀建軍;基于高斯過(guò)程模型的機(jī)器學(xué)習(xí)算法研究及應(yīng)用[D];大連理工大學(xué);2012年

9 房晟辰;基于高斯過(guò)程回歸及Trust-Tech的短期風(fēng)電功率預(yù)測(cè)方法[D];天津大學(xué);2016年

10 趙偉;復(fù)雜工程結(jié)構(gòu)可靠度分析的高斯過(guò)程動(dòng)態(tài)響應(yīng)面方法研究[D];廣西大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳靖;基于高斯過(guò)程的阿爾茨海默病計(jì)算機(jī)輔助診斷[D];山東科技大學(xué);2018年

2 張淵;基于高斯過(guò)程的EHR時(shí)間序列插補(bǔ)及在AKI預(yù)測(cè)中的應(yīng)用研究[D];中國(guó)人民解放軍醫(yī)學(xué)院;2019年

3 姜珊;基于高斯過(guò)程的偏微分方程數(shù)值解法構(gòu)造[D];云南財(cái)經(jīng)大學(xué);2019年

4 張宇;基于高斯過(guò)程回歸的高鐵制動(dòng)過(guò)程速度預(yù)測(cè)[D];北京交通大學(xué);2019年

5 李勇;雜波環(huán)境下基于高斯過(guò)程的擴(kuò)展目標(biāo)跟蹤技術(shù)[D];杭州電子科技大學(xué);2019年

6 夏嘉欣;基于帶有噪聲輸入稀疏高斯過(guò)程的人體姿態(tài)分析[D];上海交通大學(xué);2018年

7 李爍;考慮測(cè)量誤差的逆高斯過(guò)程退化建模與加速退化試驗(yàn)設(shè)計(jì)[D];上海交通大學(xué);2018年

8 李剛;基于高斯過(guò)程回歸的時(shí)間序列的研究與應(yīng)用[D];大連理工大學(xué);2019年

9 劉怡茹;基于高斯過(guò)程回歸的時(shí)間域航空電磁去噪方法研究[D];成都理工大學(xué);2019年

10 宋俊霖;基于高斯過(guò)程的李群動(dòng)態(tài)系統(tǒng)狀態(tài)估計(jì)與運(yùn)動(dòng)規(guī)劃[D];哈爾濱工業(yè)大學(xué);2019年

本文編號(hào)：2661316