CN115049069B 一种可视化交互式的脓毒症早期智能预警方法 （东南大学）_第1页
CN115049069B 一种可视化交互式的脓毒症早期智能预警方法 （东南大学）_第2页
CN115049069B 一种可视化交互式的脓毒症早期智能预警方法 （东南大学）_第3页
CN115049069B 一种可视化交互式的脓毒症早期智能预警方法 （东南大学）_第4页
CN115049069B 一种可视化交互式的脓毒症早期智能预警方法 （东南大学）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种可视化交互式的脓毒症早期智能预警本发明公开了一种可视化交互式的脓毒症小时为单位步长的患者表格化时间序列；第三集中反映测量频率、测量时间间隔等信息的特面搭建。本发明有效提高了患者风险的预警能解释、可视化与可交互为ICU病人的辅助决策提2SHAP方法中沿用了LIME中的描述，同时使用了SHAP值的作用主要是用于量化每个特征对模型预测f(xi1)就是第i个样本中第一个特征对最终预测值yi的贡献值3利用LightGBM算法完成模型的训练及部署，模型训练过程中使用贝叶斯超参数优化算法；2)基于Flask框架从MySQL数据库获取病人的临床3)数据预处理与特征提取,提取出病人信息采集中反映测量频率、测量时间间隔信息4)基于LightGBM算法完成模型的训练及部署，模型训练5)使用LIME、SHAP方法对模型的预测结果4[0003]随着重症监护病房(IntensiveCareUnit,ICU)临床医生被大数据淹没，机器学[0005]为实现上述目的，本发明提供了一种可视化交互式的脓5斯超参数优化算法。贝叶斯优化是利用贝叶斯技术先对目标函数的先验分布模型进行假[0014]进一步，使用局部解释方法(LocalInterpretableModel-AgnosticExplanations,LIME)和Shapley可加性解释方法(ShapleyAdditiveexPlanations,61}N[0021]模型对该样本的预测值为yi，整个模型的基线(通常是所有样本的目标变量的均[0023]f(xi1)就是第i个样本中第一个特征对最终预测值yi的贡献值，每个特征的SHAP7[0035]4、本方法基于临床病人信息提出了一种可视化交互式的脓毒症早期智能预警方8[0049]步骤3:数据预处理与特征提取,提取出型的预测结果进行可解释性分析。同时将病人数据格式化后以JSON的格式发送给浏览器，不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论