典型文献
基于集成学习的伤情分类技术研究
文献摘要：
目的 在大规模伤员救治中,伤情分类作为伤员救治的重要组成部分,始终贯穿在救援的全过程之中.本文旨在依照伤员的实时伤情对其进行检伤分类研究,以便实施针对性救护处置,最大程度降低伤亡率与致残率.方法 伤员的伤情分类通常分为4种,即轻伤、中度伤、重伤、危重伤,分别对应卫勤急救分类中的常规处置、优先处置、紧急处置和期待处置.为此,基于医院收集的急救数据,采用"一对一"与"一对多"2种多类别分类策略,结合集成学习方法与投票决策机制,实现急救伤情的准确分类.结果 基于"一对一"策略的集成学习模型对4类伤情分类的平均准确率可达89％,高于基于"一对多"策略模型取得的87％的平均准确率.结论 该技术能够基本实现对伤情快速有效地分类,为伤员救治提供重要参考.
文献关键词：
卫勤急救;伤情分类;多类别;集成学习;投票机制
中图分类号：
作者姓名：
郝晓硕;卢虹冰;刘洋;杜鹏;刘健;李俊杰;王玉同;徐肖攀
作者机构：
空军军医大学军事生物医学工程学系军事医学信息技术教研室,陕西西安710032;空军军医大学西京医院急诊科,陕西西安710032
文献出处：
引用格式：
[1]郝晓硕;卢虹冰;刘洋;杜鹏;刘健;李俊杰;王玉同;徐肖攀-.基于集成学习的伤情分类技术研究)[J].空军军医大学学报,2022(04):458-461
A类：
伤情分类,卫勤急救
B类：
分类技术,伤员救治,检伤分类,分类研究,施针,救护,伤亡率,致残率,轻伤,重伤,危重,一对一,多类别分类,分类策略,合集,集成学习方法,票决,决策机制,集成学习模型,平均准确率,快速有效,投票机制
AB值：
0.267663
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
