基于模糊C均值聚类的儿科机械通气撤机时机研究
Study on Ventilator Weaning for Pediatric Patients Based on Fuzzy C-Means Clustering Algorithm
摘要研究呼吸机撤机时机,提高撤机成功率.收集本院PICU在过去两年中发生机械通气撤机的病例1 061例,在完成数据标准化后,分为训练集样本和测试集样本,各样本集中撤机成功的定义为正常样本,反之为异常样本.应用模糊C均值聚类算法,对撤机时样本临床相关参数聚类分析,将所有的病例进行分类,以确定撤机失败病例所属的类别.训练集的样本总数为785,从聚类结果来看,第1类撤机失败病例数为O,第5类撤机失败病例比率为10.65%,是样本平均值的两倍.测试集的样本总数为276例,聚类结果和训练集类似,第1类撤机失败病例数为0,第5类撤机失败病例的比率高达15.79%,大于平均值的两倍.虽然正常样本和异常样本之间不易发现明显的界限区别,但大部分异常样本之间存在较为紧密的联系,个别类别撤机失败率远高于整体的平均水平.实验结果说明,异常样本之间存在一定的相似度,可以通过聚类分析获得其范围,从而为临床医生提供有效的撤机决策支持.
更多相关知识
- 浏览56
- 被引0
- 下载21

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



