[发明专利]一种模型训练方法、机械通气表型识别方法及呼吸机

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取被测试者的多维特征数据，其中，所述多维特征数据至少包括被测试者的基础和评分特征、呼吸特征、循环与灌注特征和残留特征出入量平衡；

对所述多维特征数据进行补全及关联性分析，得到分析数据；

基于所述分析数据进行高斯混合聚类，学习模型参数，根据所述模型参数确定高斯混合模型；

根据所述高斯混合模型以及所述分析数据训练机械通气表型分类模型。

2.如权利要求1所述的机械通气表型分类模型训练方法，其特征在于，所述基于所述分析数据进行高斯混合聚类，包括：

对候选的表型类别数逐一进行对角型高斯混合聚类，并计算相应的戴维斯-鲍尔丁指数DBI；

根据所述戴维斯-鲍尔丁指数选定最小的类别数；

根据所述最小类别数进行高斯混合聚类。

3.如权利要求1所述的机械通气表型分类模型训练方法，其特征在于，所述对所述多维特征数据进行插值补全及关联性分析，得到分析数据，包括：根据链式方程对所述多维特征数据进行多元差值插补。

4.如权利要求3所述的机械通气表型分类模型训练方法，其特征在于，所述多元差值插补对应的插补模型包括线性回归模型或者分类回归树模型。

5.如权利要求3所述的机械通气表型分类模型训练方法，其特征在于，所述对所述多维特征数据进行插值补全及关联性分析，得到分析数据，包括：对所述多维特征数据根据敏感性分析进行排序统计，以排除强关联的所述多维特征变量。

6.如权利要求1所述的机械通气表型分类模型训练方法，其特征在于，所述方法还包括：对所述多维特征数据采用T分布随机邻域嵌入进行降维，得到两个主特征数据。

7.一种表型识别方法，其特征在于，所述方法包括：

获取被测试者的多维特征数据；

将所述多维特征数据输入机械通气表型分类模型，识别所述被测试者的机械通气表型。

8.如权利要求7所述的表型识别方法，其特征在于，所述获取被测试者的多维特征数据，包括：获取被测试者的基础和评分特征数据、呼吸特征数据、循环与灌注特征数据以及残留特征数据。

9.如权利要求8所述的表型的方法，其特征在于，所述将所述多维特征数据输入表型分类模型，识别所述被测试者的机械通气表型，包括：

根据所述多维特征变量计算所述被测试者属于具体类别的机械通气表型的概率值；将概率值最大的表型确定为所述被测试者的机械通气表型类型。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时可实现权利要求1-8中任意一条权利要求所述的方法。

11.一种模型训练装置，其特征在于，所述装置包括：

特征数据获取模块，用于获取被测试者的多维特征数据，其中，所述多维特征数据至少包括被测试者的基础和评分特征、呼吸特征、循环与灌注特征和残留特征；

预处理模块，用于对所述多维特征数据进行补全及关联性分析，得到分析数据；

模型确定模块，用于基于所述分析数据进行高斯混合聚类，学习模型参数，根据所述模型参数确定高斯混合模型。

12.一种疾病表型类别识别装置，其特征在于，所述装置包括：

信息采集模块，用于获取被测试者的多维特征数据，其中，所述多维特征参量至少包括被测试者的基础和评分特征、呼吸特征、循环与灌注特征和残留特征；

患者表型识别模块，用于接收输入的多维特征数据并根据高斯混合模型确定所述被测试者的机械通气表型。