申请/专利权人：上海米健信息技术有限公司

申请日：2021-04-26

公开（公告）日：2024-05-28

公开（公告）号：CN113393939B

主分类号：G16H50/50

分类号：G16H50/50;G06F18/214;G06F18/2413

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2021.10.01#实质审查的生效;2021.09.14#公开

摘要：本发明揭示了一种重症监护室患者住院天数预测方法及系统，所述预测方法包括：特征属性选取步骤；选取重症监护室患者设定时间区间的设定生理特征属性；数据预处理步骤；获取历史数据库中的患者生理数据，对获取的患者生理数据进行筛选、清洗、插值和规范化处理；模型预测步骤；根据所述数据预处理步骤处理的生理特征属建立预测模型，并根据预测模型预测设定患者的住院天数。本发明提出的重症监护室患者住院天数预测方法及系统，可提高ICU患者住院天数预测的精确度。

主权项：1.一种重症监护室患者住院天数预测方法，其特征在于，所述预测方法包括：特征属性选取步骤；选取重症监护室患者设定时间区间的设定生理特征属性；数据预处理步骤；获取历史数据库中的患者生理数据，对获取的患者生理数据进行筛选、清洗、插值和规范化处理；模型预测步骤；根据所述数据预处理步骤处理的生理特征属性建立预测模型，并根据预测模型预测设定患者的住院天数；所述数据预处理步骤中，患者生理数据为多组时间序列上的多维度数据，将所述患者生理数据转换成时间轴上均匀分布的测量值完整的时间序列生理数据；所述数据预处理步骤包括：步骤S201、获取患者生理数据的数据集的特征属性包含人口基本属性：年龄和性别，特征属性选取步骤选取的设定E个生理特征属性，住院小时总数，采集这些数据的时间点；步骤S202、按照预设比例，将数据集划分为训练集和验证集；步骤S203、把时间轴均匀划分为每T小时的时段，使用患者进入ICU科室以来F小时的生理数据，则一共有FT个时段；T作为全局超参数hyperparameter之一；步骤S204、把患者进入ICU科室后，从第0小时到第T小时的时段称为第一时段，从第T小时之后到第2*T小时的时段称为第二时段，以此类推，每个患者的生理数据最多有FT个时段，时段数量记为M；步骤S205、对于训练集，从E个生理特征属性中选取一个属性P，属性P没有第一时段测量值的患者汇成A组，有第一时段测量值的患者汇成B组；步骤S206、用B组患者的年龄和性别作为输入值Xb，第一时段P的测量值作为输出值Yb，训练K最近邻模型，记为knn_model，其中该模型的近邻数量K作为全局超参数之一；步骤S207、用A组患者的年龄和性别作为输入值Xa，使用经过训练的knn_model预测A组患者的第一时段P属性的测量值Ya；步骤S208、重复步骤S205至步骤S207，A组患者E个生理特征属性都补齐了第一时段的测量值，因此，训练集中所有患者的每个生理特征属性都有第一时段的测量值；步骤S209、对于训练集的每一个患者，从E个生理特征属性中选取一个属性Q，没有测量值的时段汇成C组，有测量值的时段汇成D组；其中：C的数量+D的数量＝M；步骤S210、将D组的时段的序号作为输入值Xd，属性Q的测量值作为输出值Yd，输入到高斯过程回归模型，记为gp_model；高斯过程模型核心kernel作为全局超参数之一；步骤S211、将C组的时段的序号作为输入值Xc，使用经过训练的gp_model模型预测缺失的测量值；步骤S212、对于训练集的每一个患者重复步骤S209至步骤S211，得到一个时间上均匀分布的生理特征属性的测量值数据集，每个患者拥有M个时段，每个时段有E个生理特征属性的测量值；所述模型预测步骤中，预测流程包括：步骤S31、将时间轴上均匀分布的生理特征值输入到隐马尔可夫模型HMM，所述隐马尔可夫模型HMM为每个患者每个时段计算出个性化的隐藏变量值；所述隐马尔可夫模型HMM的算法algorithm作为全局超参数之一；步骤S32、为每个患者选取第一时段和最后时段的隐藏变量值，将其标准化；步骤S33、把标准化的隐藏变量值矩阵输入到LASSO回归模型；损失函数LOSS使用均方根误差RMSE： 对于不同医院不同ICU科室的数据集，全局超参数并不完全一样，遍历全部全局超参数得出最优模型；步骤S34、为每个患者计算住院小时数，换算成住院天数。

全文数据：

权利要求：

百度查询： 上海米健信息技术有限公司 重症监护室患者住院天数预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD