论文部分内容阅读
在重症监护室(Intensive Care Unit,简称ICU)监护过程中,患者发生急性低血压(Acute Hypotension Episode,简称AHE)往往会导致患者不可逆的器官损害,严重时甚至危及患者的生命。临床上,AHE发生后主要依靠医生经验进行处置。如果能根据ICU监测的患者各种数据提前预判AHE发生,医生可根据产生血容量减少,心输出量不足,或血管扩张性休克的特定原因,如脓毒症、心肌梗死、心律失常、肺栓塞、出血,脱水等采取不同的临床干预措施。提前预测AHE的发生,给医生予足够的时间提前采取有效的干预措施,将极大的降低患者可能受到的危害。研究预测AHE的发生具有关键的作用。ICU中存在着大量有关患者的各种临床监测数据,这些监测数据包括患者基本信息、历史诊疗记录、医技检查记录、用药记录、患者各种实时生理体征数据(如血压、脉搏、呼吸)等。研究实践表明,AHE发生与患者的一些监测数据及其变化间存在着一定的关联,通过一段特定时期内的监测数据预测下一段时间内AHE发生在临床上是可行的。本文引入一种基于经验模态分解算法(Empirical Mode Decomposition,简称EMD)与基因表达式编程算法(Gene Expression Programming,简称GEP)组合预测的方法,使用美国PhysioNet网站MIMIC II数据库中的ICU患者真实动脉血压(Arterial BloodPressure,简称ABP)记录进行分析实验,研究建立预测患者未来一段时期内ABP变化规律的方法。方法分为三个阶段:一、根据相关医学知识将动脉压数据转换成平均动脉压(MeanArtery Pressure,简称MAP)、再通过信号处理方法对数据进行预处理,包括重采样、平滑和去噪;二、通过EMD,将数据分解为多个本征模态分量,针对不同本征模态分量的特性,分别用GEP建立其数学模型;三、对新的患者记录,通过关联度计算,找出与已知模型中最匹配的一些记录,用这些记录模型预测,并经过加权计算,得出新患者未来一段时期内的血压值。经过实验测试,本方法能较准确地预测患者未来1个小时的血压数值,准确率达75%以上。这表明本方法可以作为预测ICU患者AHE发生的有效方法。