基于K均值聚類和隨機森林的急性低血壓預測研究.pdf

1、目前各大醫(yī)院的重癥監(jiān)護室(Intensive Care Unit，簡稱ICU)在對病人的監(jiān)護中存在著急性低血壓(Acute Hypotensive Episodes，簡稱AHE)的搶救和護理難題， AHE的發(fā)生對病人有著嚴重的威脅，可導致病人休克或死亡。如果能夠提前對AHE的發(fā)生進行自動預測，則將具有深遠的臨床意義，可以為醫(yī)護人員分析病情進而采取相應有效的措施爭取更多的時間。在 ICU里面，監(jiān)測儀器可以實時監(jiān)測病人的各種病理信息，如心率

2、、血壓、體溫等，但是這些設備均不具備自動對病人的病情進行提前預測的功能，例如AHE這種棘手的病癥都需要醫(yī)生花很多的時間去實時檢測病人的病理信息進而去判斷病情。
　　然而監(jiān)測儀器產(chǎn)生的豐富的數(shù)據(jù)有很大的潛在利用價值，能夠采用相應的方法對其進行分析、挖掘，將對ICU中疾病的預測提供極大的可能性。對于 ICU里面常發(fā)生的AHE，本文提出一種利用病人血壓信號來進行預測的方法，數(shù)據(jù)經(jīng)過預處理后，首先采用K均值(K-means)聚類算法對病人

3、的血壓信號進行特征提取，然后利用粒子群優(yōu)化算法(Particle Swarm Optimization，簡稱 PSO)優(yōu)化K-means初始聚類中心重新進行提取特征，將得到的相關聚類特征值再結合相關血壓統(tǒng)計量利用隨機森林（Random Forest）對有無發(fā)生急性低血壓進行分類預測。實驗結果表明，采用本文提出的預測方法對2063個病人的數(shù)據(jù)進行 AHE預測分析，預測準確性可達80％以上，其中靈敏性為83.1%，特效性為80.4%，并且可