基于神经微分方程的不规则医疗时序建模_时间序列预测.docx

PAGE2

基于神经微分方程的不规则医疗时序建模

第一章绪论

1.1设计背景与问题分析

1.1.1领域发展现状与问题分析

在临床重症监护室（ICU）等医疗场景中，患者的生命体征数据如心率、血压、血氧饱和度等，通常由监护设备持续采集。然而，由于医疗干预、设备故障或患者状态变化，这些数据往往呈现出严重的非均匀采样特性。

观测间隔可能从几秒钟波动到数小时，且不同生理指标的采样频率差异巨大。这种不规则性不仅导致数据存在大量缺失值，更使得生命体征的动态演变过程难以被传统离散时间序列模型准确捕捉。

传统的时间序列预测模型，如循环神经网络（RNN）或长短期记忆网络（LSTM），通常依赖于离散且均