.png){kind=icon}
.png){kind=icon}
返回
Enhancing machine learning performance in cardiac surgery ICU: Hyperparameter optimization with metaheuristic algorithm
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0311250.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
医疗保健行业正在产生海量数据，这为通过机器学习（ML）技术提取信息提供了潜在的黄金资源。重症监护室（ICU）在医院中作为重点区域脱颖而出，并为信息分析提供了丰富的数据来源。本研究考察了心脏外科ICU，其中患者通气这一关键话题占据了中心地位。换句话说，呼吸机辅助呼吸是ICU内的基本需求，而医院中呼吸机的有限可用性已成为一个重要问题。ICU内医疗专业人员的一个关键考虑因素是优先处理需要立即使用呼吸机的患者。为解决此问题，我们开发了一个预测模型，该模型结合了四种机器学习和深度学习（DL）模型——LDA、CatBoost、人工神经网络（ANN）和XGBoost——构成一个集成模型。我们利用模拟退火（SA）和遗传算法（GA）来调整构成集成的机器学习模型的超参数。结果表明，我们提出的方法将调整后的集成模型的敏感性提高到85.84%，优于未进行超参数调整的集成模型结果以及使用AutoML模型获得的结果。模型性能的显著提升凸显了我们的混合方法在优先处理ICU患者呼吸机需求方面的有效性。
Keyword:
MECHANICAL VENTILATION
APACHE-II
SAPS II
MORTALITY
PREDICT
SEARCH
MODEL
RISK