一种基于围术期危险预警的多模型互补增强机器学习方法

摘要

本发明公开了一种基于围术期危险预警的多模型互补增强机器学习方法，具体步骤如下：S1：对模型所采用的变量，尤其是术中生命监护仪相关信息进行处理；S2：选取9个常用的分类算法，作为我们模型的子算法，以提高整个模型的稳定性和精确度；S3：利用S2中所得数组中的每一层作为ANN算法的输入信号，利用ANN算法对各层信号进行分类，判别病人是否会出现相应的症状，建立预警模型。本方法独创性的采用ANN算法来融合其他多种算法，用于融合的ANN模型的输入不再是传统的原始变量，而是经过一系列子算法对原始变量经过初步分类预测后的输出值，旨在取得一个全局稳健的预测评估模型，弥补了传统方法的不足。