摘要 : 针对缺乏ICU诊断条件的受伤患者,无法提前预测脓毒症感染风险的问题,提出了一种基于多项生命特征的神经网络(深度神经网络,CNN-LSTM)建立脓毒症预测模型的方法。为了解决数据严重不平衡的问题,引入了CLASS_WEIGHT技术。该模型使用医院ICU病患数据集进... 展开 针对缺乏ICU诊断条件的受伤患者,无法提前预测脓毒症感染风险的问题,提出了一种基于多项生命特征的神经网络(深度神经网络,CNN-LSTM)建立脓毒症预测模型的方法。为了解决数据严重不平衡的问题,引入了CLASS_WEIGHT技术。该模型使用医院ICU病患数据集进行训练和测试,与传统医学诊断得分制(例如SIRS、SOFA等)以及早期用于预测脓毒症的机器学习方法进行了比较。在AUROC评分指标上,该模型取得了较高的得分,表明该方法是有效和可行的。 收起