tlyonlogo
会员中心
您好,请登录, 注册

最近浏览的商品:

0去询价篮结算
询价篮中还没有商品,赶紧选购吧!
当前位置: 首页 > 技术文献 > 论文文集 > 肺炎检测电子鼻装置及算法研究
文章分类
浏览历史
肺炎检测电子鼻装置及算法研究

来源: 贵州大学 王忠闯  发布日期: 2019-10-13  访问量: 359


重症监护室是现在医疗救助中的重要组成部分。但重症监护室病患在使用呼吸器插管治疗后,很容易感染肺炎。本研究针对重症监护室病人接受呼吸器插管治疗后,肺炎感染状况无法得到实时监控和诊断的问题,提出了一种基于机器学习算法模型的呼吸器肺炎检测方案。使用Cyranose 320 型电子鼻装置采集病患呼出气体的数据资料。利用人工神经网络和支持向量机演算方法建立肺炎辨识模型,并利用交叉验证的方法对上述模型进行验证,以确定模型的稳定性,最后使用整体方法建立人工神经网络肺炎辨识模型...
标签: 肺炎、电子鼻、算法
 

肺炎检测电子鼻装置及算法研究

摘要:

重症监护室是现在医疗救助中的重要组成部分。但重症监护室病患在使用呼吸器插管治疗后,很容易感染肺炎。本研究针对重症监护室病人接受呼吸器插管治疗后,肺炎感染状况无法得到实时监控和诊断的问题,提出了一种基于机器学习算法模型的呼吸器肺炎检测方案。使用Cyranose 320 型电子鼻装置采集病患呼出气体的数据资料。利用人工神经网络和支持向量机演算方法建立肺炎辨识模型,并利用交叉验证的方法对上述模型进行验证,以确定模型的稳定性,最后使用整体方法建立人工神经网络肺炎辨识模型。结果显示,人工神经网络和支持向量机模型对肺炎感染均具有很高的辨识率,其准确率(Accuracy,ACC)分别为0.9141±0.0313、0.8753±0.0389,灵敏度(Sensitivity,SEN)分别为0.9292±0.0553、0.8839±0.0585,阳性预测值(PositivePredictive Value,PPV)分别为0.8960±0.0242、0.8693±0.0240。人工神经网络相较支持向量机模型具有更好的肺炎辨识率。相较于传统的建模方法,整体方法下的人工神经网络模型具有更好的肺炎辨识率,ACC 值为0.9277±0.0170,SEN 值为0.9512±0.0451,PPV 值为0.9110±0.0355。此研究主要希望通过人工神经网络、支持向量机以及整体人工神经网络建立有效预测肺炎感染辨识模型,为医师早期用药提供科学有效的参考。


关键词:呼吸器肺炎;人工神经网络;支持向量机;整体人工神经网络;电子鼻


相关文章