一种急性肾损伤的动态预测方法及系统

专利主权项内容

1.一种急性肾损伤AKI的动态预测方法，其特征在于，包括：根据预设时间间隔采集患者的临床时序数据；将临床时序数据依次进行离群特征点处理、缺失值填充处理和生成特征列处理，得到临床性特征；基于多种特征筛选模型进行特征筛选，分别筛选出20个基础临床性特征，并选取AUROC最高的特征筛选模型作为指标最优模型，得到20个最优基础临床性特征；基于tsfresh技术对最优基础临床性特征进行时序特征增强处理，得到增强临床性特征；将最优基础临床性特征和增强临床性特征进行拼接，得到拼接临床性特征，将拼接临床性特征作为输入值输入至多种模型中进行训练，并选取AUROC最高的模型作为预测模型；将目标患者当前时刻的临床时序数据输入至预测模型中，并将预测模型的输出作为预测结果；所述患者包括AKI患者和非AKI患者，对AKI患者的临床时序数据，采集的临床时序数据截止到AKI发生时间点之前，对非AKI患者的临床时序数据，采集的临床时序数据截止到出院时间点；所述基于tsfresh技术对最优基础临床性特征进行时序特征增强处理，得到增强临床性特征，具体包括：将20个最优基础临床性特征作为输入值，基于tsfresh技术，对20个最优基础临床性特征进行时序特征增强处理，得到增强临床性特征，其中，增强临床性特征包括相关统计特征、滚动窗口特征、分布特征、时序特征和信息论特征；相关统计特征为描述时间序列分布和形状的统计量，包括均值、标准差、最小值、最大值、峰度和偏度；滚动窗口特征为通过在滚动窗口上计算统计特征，捕捉时间序列的局部模式，包括滚动平均和滚动标准差；分布特征为基于时间序列的分布特性，提取出分布参数和统计量，包括高斯分布的均值和标准差；时序特征用于描述时间序列的时序模式和动态行为，包括自相关、周期性和趋势；信息论特征用于衡量时间序列的复杂性和不确定性，包括熵和互信息。