-
题名CCU数据的多模态融合在动态死亡风险预测中的应用
被引量：2
- 1
-
-
作者
李然
邱皖
娄岩
-
机构
大连海洋大学信息工程学院
中国医科大学智能医学学院
-
出处
《天津工业大学学报》
CAS
北大核心
2022年第6期76-82,共7页
-
基金
河南省科技厅科技攻关项目(212102210379)
中国医药教育协会重大科学攻关问题和医药技术难题课题(2020KTE010)
教育部行指委职业教育改革创新课题(HBKC217010)。
-
文摘
针对冠心病监护室(CCU)患者的死亡风险预测集中在重症监护室(ICU)的患者,并且CCU患者的大量多模态数据不能被充分地利用的情况,提出一种动态预测CCU患者死亡风险的多模态融合方法。首先分析了CCU多模态数据的特点,从结构和时间2个维度提出了一种分类模式,使用卷积神经网络(CNN)和文本数据聚类的方法处理心脏超声报告(ECHO),使用信号处理方法处理高频波形数据心电图(ECG),将这2种方法提取的特征与其他结构化数据相结合,通过加入时间维度的决策树模型进行预测,决策树模型根据时间戳区分不同时期生成的数据。在MIMIC-Ⅲ数据集上的实验表明:与基准的机器学习方法支持向量机(SVM)相比,本研究在AUC-ROC/AUC-PR上分别获得11.36%和25.31%的改进,与基于线性分类的机器学习方法相比,在AUC上获得11.42%的改进。
-
关键词
多模态融合
动态死亡率预测
冠心病监护室(CCU)
死亡风险预测
-
Keywords
multimodal fusion
dynamic mortality risk prediction
coronary care units(CCU)
mortality risk prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
