典型文献
CCU数据的多模态融合在动态死亡风险预测中的应用
文献摘要：
针对冠心病监护室(CCU)患者的死亡风险预测集中在重症监护室(ICU)的患者,并且CCU患者的大量多模态数据不能被充分地利用的情况,提出一种动态预测CCU患者死亡风险的多模态融合方法.首先分析了CCU多模态数据的特点,从结构和时间2个维度提出了一种分类模式,使用卷积神经网络(CNN)和文本数据聚类的方法处理心脏超声报告(ECHO),使用信号处理方法处理高频波形数据心电图(ECG),将这2种方法提取的特征与其他结构化数据相结合,通过加入时间维度的决策树模型进行预测,决策树模型根据时间戳区分不同时期生成的数据.在MIMIC-III数据集上的实验表明:与基准的机器学习方法支持向量机(SVM)相比,本研究在AUC-ROC/AUC-PR上分别获得11.36％和25.31％的改进,与基于线性分类的机器学习方法相比,在AUC上获得11.42％的改进.
文献关键词：
多模态融合;动态死亡率预测;冠心病监护室(CCU);死亡风险预测
中图分类号：
作者姓名：
李然;邱皖;娄岩
作者机构：
大连海洋大学 信息工程学院,辽宁 大连 116023;中国医科大学 智能医学学院,沈阳 110122
文献出处：
引用格式：
[1]李然;邱皖;娄岩-.CCU数据的多模态融合在动态死亡风险预测中的应用)[J].天津工业大学学报,2022(06):76-82
A类：
动态死亡率预测
B类：
CCU,多模态融合,死亡风险预测,冠心病,重症监护室,ICU,多模态数据,动态预测,融合方法,分类模式,文本数据,数据聚类,心脏超声,超声报告,ECHO,信号处理,形数,心电图,ECG,结构化数据,时间维度,决策树模型,时间戳,MIMIC,III,机器学习方法,PR
AB值：
0.275035
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。
