一种模型训练方法、机械通气表型识别方法及呼吸机发明专利.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111261281 A (43)申请公布日 2020.06.09 (21)申请号 202010057685.9 G16H 20/40(2018.01) A61M 16/00(2006.01) (22)申请日 2020.01.18 G06K 9/62(2006.01) (71)申请人 中国医学科学院北京协和医院 地址 100000 北京市东城区王府井帅府园1 号 申请人 神州数码医疗科技股份有限公司 (72)发明人 苏龙翔　洪娜　隆云　郑方兰　 周翔　贺杰　王小亭　刘淳　 何怀武　马莹莹　王郝　朱卫国　 (74)专利代理机构 北京超凡宏宇专利代理事务 所(特殊普通合伙) 11463 代理人 李飞 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/30(2018.01) 权利要求书2页 说明书12页 附图4页 (54)发明名称 一种模型训练方法、机械通气表型识别方法 及呼吸机 (57)摘要 本申请实施例提供一种模型训练方法、机械 通气表型识别方法及呼吸机，所述模型训练方法 包括：获取被测试者的多维特征数据，其中，所述 多维特征数据至少包括被测试者的基础和评分 特征、呼吸特征、循环与灌注特征和残留特征出 入量平衡；对所述多维特征数据进行补全及关联 性分析，得到分析数据；基于所述分析数据进行 高斯混合聚类，学习模型参数，根据所述模型参 数确定高斯混合模型。本申请实施例通过采集与 某类疾病治疗设备相关的特征参量来确定对应 疾病的表型，后续医生根据疾病表型类型和患者 A 的某类疾病治疗设备相关观测数据相结合可以 1 对不同患者进行分类别的救治和护理。 8 2 1 6 2 1 1 1 N C CN 111261281 A 权　利　要　求　书 1/2页 1.一种模型训练方法，其特征在于，所述方法包括： 获取被测试者的多维特征数据，其中，所述多维特征数据至少包括被测试者的基础和 评分特征、呼吸特征、循环与灌注特征和残留特征出入量平衡； 对所述多维特征数据进行补全及关联性分析，得到分析数据； 基于所述分析数据进行高斯混合聚类，学习模型参数，根据所述模型参数确定高斯混 合模型； 根据所述高斯混合模型以及所述分析数据训练机械通气表型分类模型。 2.如权利要求1所述的机械通气表型分类模型训练方法，其特征在于，所述基于所述分 析数据进行高斯混合聚类，包括： 对候选的表型类别数逐一进行对角型高斯混合聚类，并计算相应的戴维斯-鲍尔丁指 数DBI； 根据所述戴维斯-鲍尔丁指数选定最小的类别数； 根据所述最小类别数进行高斯混合聚类。 3.如权利要求1所述的机械通气表型分类模型训练方法，其特征在于，所述对所述多维 特征数据进行插值补全及关联性分析，得到分析数据，包括：根据链式方程对所述多维特征 数据进行多元差值插补。 4.如权利要求3所述的机械通气表型分类模型训练方法，其特征在于，所述多元差值插 补对应的插补模型包括线性回归模型或者分类回归树模型。 5.如权利要求3所述的机械通气表型分类模型训练方法，其特征在于，所