CCU数据的多模态融合在动态死亡风险预测中的应用

摘要：

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

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：河南省科技厅科技攻关项目;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;教育部行指委职业教育改革创新课题

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：76-82