基于基因表達式編程的隨機森林及其在急性低血壓預測中的應用.pdf

1、在重癥監(jiān)護室（Intensive Care Unit簡稱ICU）中，急性低血壓（Acute Hypotension Episode簡稱AHE）的發(fā)生往往會對患者引起嚴重的后果，對器官造成不可逆的損壞，衰竭，嚴重時甚至危及患者的生命。臨床上主要依據(jù)醫(yī)生的經(jīng)驗進行預見性的判斷，由于目前ICU病房中醫(yī)療資源緊張，人手嚴重短缺的問題，并且急性低血壓發(fā)作前缺少可以直接觀測到的有效征兆，導致醫(yī)護人員難以及時發(fā)現(xiàn)急性低血壓的病人，致使病人的存活率低下

2、。
　　ICU病房中存著大量有關患者的臨床醫(yī)療數(shù)據(jù)，其中包括病人的實時體征數(shù)據(jù)，例如病人的血壓，脈搏，呼吸等，在計算機技術飛速發(fā)展的今天，若能利用計算機輔助診斷，提前預測出急性低血壓的發(fā)生，將會為醫(yī)生的診斷贏得寶貴的時間，從而降低病人的死亡率。
　　為了實現(xiàn)急性低血壓的的提前預測，本文采取基于基因表達式編程（Gene Expression Programming，簡稱GEP）的隨機森林（Random Forest，簡稱RF）

3、算法進行預測。主要分四步：1.首先對平均動脈血壓（Mean Arterial Pressure,簡稱MAP）信號進行經(jīng)驗模態(tài)分解（Empirical Mode Decomposition，簡稱EMD）分解；2.然后對分解后本征函數(shù)（Intrinsic Mode Function，簡稱IMF）信號進行特征提??；3.通過隨機森林對數(shù)據(jù)和特征進行分組，對每組數(shù)據(jù)和特征用GEP進化算法進行進化出一個預測函數(shù)；4.最后建立隨機森林分類預測模型，并