一种基于集成树的呼吸机假阳性报警信号识别方法及系统发明专利.docxVIP

一种基于集成树的呼吸机假阳性报警信号识别方法及系统 技术领域 本发明涉及医院呼吸机-监护仪假阳性报警信号识别方法及系统，具体涉及一种基于集成树的呼吸机假阳性报警信号识别方法及系统。 背景技术 呼吸机作为一种急救与生命支持类医疗设备，已被广泛应用于现代临床医学中，例如用于救治各种原因所致的呼吸衰竭、大手术期间的麻醉呼吸管理、呼吸支持治疗和急救复苏等患者。由于呼吸机主要用于病情高风险的患者，因此通常要配套监护仪同时使用。当患者呼吸出现异常或者设备出现故障，呼吸机-监护仪将发出报警信号，医护人员根据报警信号查看相应患者状态，检查设备运行情况。有效的报警信号，可以帮助医护人员正确的识别和及时的处理呼吸机报警，保障呼吸机的正常工作和患者的安全。 然而，在呼吸机-监护仪的使用过程中，往往存在大多报警信号是假阳性报警信号的情况。据统计，现很多发展中国家的医护人员资源都较为紧缺，尤其在疫情或突发事件期间，呼吸机假阳性报警会给医护人员带来更大的工作压力。频繁的假阳性报警会使得医护人员对报警信号产生报警疲劳，影响医护人员对报警信号的反应速度。当多个呼吸机-监护仪同时报警时，很可能会因为假阳性报警情况的出现，使得真正有危险的患者未被及时查看，错失最佳治疗时机。 基于呼吸机和监护仪监测的真实人体数据识别假阳性报警信号，可以减轻医护人员的工作压力，还可以提高医护人员对报警信号的警觉。此外，准确识别假阳性报警信号还可以为真正有风险的患者争取更加及时的医疗救护，解除呼吸机报警，使患者得到安全有效的治疗。目前，也有对于呼吸机报警原因分析及处理方法的研究，但总体上看，借助机器学习方法对呼吸机-监护仪假阳性报警信号的识别研究尚未展开，大多研究内容围绕呼吸机假阳性报警所引发的问题进行论述，所以当前还没有一个行之有效的呼吸机-监护仪假阳性报警信号识别方法和系统。因此，开展医院呼吸机-监护仪假阳性报警信号识别方法的工作显得尤为重要。 因此，目前迫切需要一种能够对呼吸机-监护仪的假阳性报警信号进行识别的新方法，新方法应满足以下技术需求：1)能够有效提高识别结果的解释能力，找到对假阳性报警信号起到关键作用的体征指标；2)具有良好的分类识别效果和性能，是一种有效识别呼吸机-监护仪假阳性报警信号的方法和系统。 发明内容 本发明技术解决问题：提供一种基于集成树的呼吸机假阳性报警信号识别方法及系统，以弥补当前对呼吸机-监护仪假阳性报警信号识别存在主观判断或识别效果不佳的问题，并解决由于假阳性报警所引起的医护人员压力大、错过最佳治疗时机等问题。 本发明采用的技术方案： 本发明提供了一种基于集成树的呼吸机假阳性报警信号识别方法，包括以下步骤： 步骤1)数据收集：从医院采集病人真实的若干个呼吸机与若干个监护仪监测的样本数据，并将每个所述监测仪数据样本数据和每个所述呼吸机样本数据组合作为原始数据集，所述原始数据集包括若干个特征数据和对应的报警信号； 步骤2)数据预处理：对步骤1)所述原始数据集的特征数据进行缺失值处理、异常值处理和数据标准化处理，对所述原始数据集的报警信号进行标识处理，进而得到预处理后数据集，所述标识处理为根据既定规则为所述报警信号分别标识不同类别的标签信息，所述不同类别的标签信息为真阳性报警信号或假阳性报警信号； 步骤3)特征选择：对步骤2)所述预处理后数据集的特征数据，使用随机森林进行特征筛选，保留筛选后特征，所述预处理后数据集中的筛选后特征数据与对应的预警信号标签信息组成训练数据集； 步骤4)假阳性报警信号识别：使用步骤3)所述训练数据集，对梯度提升决策树分类器参数进行训练，得到已训练的所述报警信号标签信息类别识别器，所述识别器根据新输入的筛选后特征数据与对应的预警信号，进而识别输出所述对应的预警信号标签信息的类别为真阳性报警信号或假阳性报警信号。 进一步地，在所述步骤1中： 所述从医院采集病人真实的呼吸机-监护仪监测数据的样本频率以秒为单位，每秒采集三次； 所述若干个特征包括16个体征特征，所述16个体征特征分别为分钟呼气量、平均压、氧气输入口压力、吸入氧气浓度、呼吸未正压、自主呼吸频率、呼吸频率、吸气潮气量、呼气潮气量、峰压、有创血压平均值、有创血压高值、有创血压低值、中心静脉压、血氧浓度和心率； 所述将每个所述监测仪数据样本和每个所述呼吸机数据样本组合的具体实现为，以呼吸机为主时间戳，采用匹配方法将每个监测仪数据样本和每个呼吸机数据样本组合成为一个样本。 进一步地，在所述步骤2中： 所述缺失值处理的具体实现为，采用特征均值法，筛选将所述原始数据集中每个特征数据的缺失值，填补为每个特征数据的均值，其中所述原始数据集中第i个特征数据第j个样本的缺失值经缺失值处理填补后的数值x′?missing(i，j)， 其中，x?i1，x?i2，...，x?in分别表示所述原始