急性低血压医学时间序列预测研究-计算机应用技术专业论文.docxVIP

汕头大学硕士论文急性低血压医学时间 汕头大学硕士论文 急性低血压医学时间序列预测研究 万方数据 万方数据 摘要 在重病监护室（ICU）中，存在着一种凶险的症状—急性低血压（acute hypotension episodes, AHE），由于该症状的致命性和突发性，使其严重威胁着患 者的生命安全。目前，对 AHE 的预测方法的研究已成为临床医学的重点和难点。 寻找一种有效的预测手段，在 AHE 发生之前进行有效预报，为医务人员赢取宝 贵的救护时间，降低患者的死亡风险将非常有意义。临床上，患者生命体征参数 的历史记录成为 AHE 预测方法的主要研究数据。它是一种典型的时间序列数据， 因此 AHE 预测研究一般围绕时间序列分析相关的方法进行。在查阅了大量文献 之后，本文在患者的动脉血压时间序列数据上，分别将混沌理论和基于数据分布 模式的特征抽取方法应用于 AHE 预测研究之中。混沌理论常用于复杂信号的处 理，它能够揭示系统中丰富的非线性动力信息。本文采用 C-C 方法对动脉血压 进行相空间重构，在相空间重构的基础上采用小数据量法计算动脉血压的李雅谱 诺夫指数，实验证明李氏指数的变化与 AHE 的发生存在一定的关系。另外由于 时间序列数据中包含的大量信息一般都蕴含于其概率分布模式之中，因此本文提 出了基于分布模式的特征提取方法。建立平均动脉时间序列的分布模式，然后在 其上分别从全局和局部变化两个方面提取特征，接着利用 GA-SVM 算法对以抽 取的众多特征进行筛选，最后利用选择出的较优特征子集训练出预测模型。本文 做了大量的实验分析，实验结果表明该方法是可行的且可以达到不错的效果。该 方法不仅较好地满足了 AHE 预测的实时性要求，而且具有一定的通用性。最后 本文所提出的两种方法对医学时间序列的预测研究都具有一定的指导意义。 关键词：时间序列；急性低血压；混沌理论；分布模式；特征抽取 I Abstract In the intensive care unit (ICU), there is a critical event - the acute hypotension episodes (AHE). Because of the deadly and sudden AHE, patients’ life safety was seriously threatened. And the forecasting method research of AHE became the emphasis and difficult point in clinical medicine. Finding an effective method to predict the AHE will be very valuable for experts to rescue patients. The clinical records became the main research data for AHE prediction approach and it’s also a kind of time series data. So time series analysis is the main method for AHE prediction research. In this work, the chaos theory and distribution pattern analysis approach will be used for AHE prediction studies. Chaos theory is often used in complex signal processing and it can reveal the rich nonlinear dynamic information in the system. In this work C-C method was adapted in phase space reconstruction. Based on the phase space, the small-data method was adapted to compute the lyapunov exponent. The experiment result showed that there has been a certain relationship between the variation of lyapunov exponent and the occurrence of AHE. Addition, Because of lots of information in the time se