不良事件预警模型
发布日期: 2016/09/09 浏览次数:
  1. 业务背景及目标

          以冠脉介入患者院内不良监测信息平台为基础,构建冠脉介入患者院内不良事件发生危险因素的海量数据库,建立不良事件预警模型,实现对冠脉介入患者院内不良事件的早发现、早诊断、早干预,切实降低冠脉介入患者院内不良事件发生率。本研究对冠脉介入患者院内不良事件防控具有重要理论意义和实际应用价值。
     

    模型介绍

     
     

    基本方法

     

      基于模糊卷积神经网络的不良事件预警模型,结合模糊理论与卷积神经网络算法,将大量临床症状更精细化的应用到模型中,并且与院内系统对接后,该预警模型能通过新增病例数据进行训练和感知,实现自动调整网络结构参数,优化模型准确性。
 

  1.  

    简要步骤

     
     
        样本集划分:通过不良事件监测系统获得训练子集的检验子集。
  2.  
        确定输入层的输入变量:输入变量个数为用于预测的因素个数,包括:如分叉病变、多支血管病变、支架内再狭窄等。
  3.  
        建立模糊化层:针对待分析因素进行模糊化处理,确定每个输入变量的模糊化神经元个数与隶属函数值。
  4.  
        向前传播阶段:从样本集中取一个样本(X,Yp),将X输入网络,计算相应的实际输出Op。
  5.  
        向后传播阶段:计算实际输出与相应的理想输出的差并通过极小化误差的方法反向传播调整权矩阵。
  6.  
        确定隐含层:取双曲正切函数为模糊化层输入层与模糊化输出层关系函数,并引入动量项修正权值,从而加快学习速度,缩短运算时间。输出层为模糊化的不良事件及其可信值,实际使用时,可以不采用去模糊化层,直接获取全部不良事件名称及其发生的可信值。

 

  1. 应用结果

          通过不良事件预警模型,可实时极端患者发生各个不良事件的概率,实现患者院内不良时间的早发现、早诊断、早干预。