終末期腎病在世界范圍內(nèi)的發(fā)病呈上升趨勢、危害嚴重,造成了巨大的疾病負擔。終末期腎病患者主要通過血液透析(血透)這一治療手段維持生命。因此,為血透患者提供更準確的預后模型,是終末期腎病醫(yī)療服務提升與血透患者精準管理的基礎與重要依據(jù)。然而,現(xiàn)有研究主要基于單次、靜態(tài)的患者體征構建預后模型,缺乏對多次、動態(tài)的時序特征的有效分析,無法全面、精準預測血透患者疾病進展情況,難以為臨床醫(yī)生提供準確有效的決策支持。本論文從血透過程中需要長期、多次監(jiān)測的患者血壓特征入手,充分分析多次血透過程中的血壓變化信息,挖掘血壓變化模式,建立融合多次血透血壓變化特征的預后模型,為終末期腎病患者血透管理提供精準決策支持。論文主要創(chuàng)新點如下:提出了 一種基于數(shù)據(jù)驅動的單次血透期間血壓模式識別方法�；�于大量血透血壓數(shù)據(jù)聚類血壓模式,在終末期腎病患者腦血管死亡事件的分類任務上,發(fā)現(xiàn)了較傳統(tǒng)特征更優(yōu)的血壓模式特征。提出了 一種基于多次透析記錄的復雜血壓變化模式發(fā)現(xiàn)方法。充分分析多次血透過程中的血壓變化信息,識別并可視化了連續(xù)多次血透過程之間的血壓變化模式即二維模式,較單次血透過程中的血壓一維模式,顯著提高了對終末期腎病患者全...

【文章頁數(shù)】：102 頁

【學位級別】：博士

【部分圖文】：

圖３．３血透血壓序列長度分布情況??本論文篩選生存時間不少于１年的患者１０２８人用于預后分析以說明血壓模??式與預后之間的關聯(lián)

?基于密度峰值聚類的血透血壓模式發(fā)現(xiàn)方法??可以很好的作為泛化誤差估計的一個組成部分。Ｂｒｅｉｍａｎ［１１５１在論文中給出了經(jīng)驗??性實例表明袋外數(shù)據(jù)誤差估計與同訓練集一樣大小的測試集得到的精度一樣，昕??以在隨機森林算法中不再需要進行交叉驗證或者使用單獨的測試集來獲取測試??集....

圖３．４決策圖??聚類所得即為原始血壓模式，血壓模式波形圖如圖３．５所示

?基于密度峰值聚類的血透血壓模式發(fā)現(xiàn)方法??６?？ｃｉ??５?－??４?－??〇??３－??２．?敎?Ｂ?ｇ；）??１?－?．Ｖ?嗔式Ａ??０?＇??ｉｉｉｉ??２?４?６?８??Ｐ??圖３．４決策圖??聚類所得即為原始血壓模式，血壓模式波形圖如圖３．５所示。各模式波形分??別為....

圖３．５模式波形圖??患者每次血透的時序序列按聚類結果可分為一種原始模式，對患者首次透析??

?０．５?１，０?１，５?２．０?２，５?３．０??Ｉ??〇?－Ｉ?，?，?，?，?，??０．０?０．５?１．０?１．５?２．０?２．５?１０??〇－Ｕ???，?ｉ?■■■?ｉ??，０．０?０，５?１．０?１．５?２．０?２．５?３．０??１??ｏ－Ｌ，???，?，、《?，?￣?....

圖３．６五類表征模式的患者生存曲線圖??３．３．３模式評估??

?基于密度峰值聚類的血透血壓模式發(fā)現(xiàn)方法??瑯?Ｓ?＿??１???２?Ｓ?．??１???凼。?匕＝??鍵ｗ＞??纟Ｓ?－??ｆ?１?－?Ｉ表Ｍ丈??講?－Ｂ??＾?ｔｅ?．?．?ｃ??〇?Ｄ??－■－?Ｅ??〇????°?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ??０?２０?４０?６０?８０?....

本文編號：4000034