肺炎檢測電子鼻裝置及算法研究
《貴州大學》王忠闖
摘要：
重癥監護室是現在醫療救助中的重要組成部分。但重癥監護室病患在使用呼吸器插管治療后，很容易感染肺炎。本研究針對重癥監護室病人接受呼吸器插管治療后，肺炎感染狀況無法得到實時監控和診斷的問題，提出了一種基于機器學習算法模型的呼吸器肺炎檢測方案。使用Cyranose 320 型電子鼻裝置采集病患呼出氣體的數據資料。利用人工神經網絡和支持向量機演算方法建立肺炎辨識模型，并利用交叉驗證的方法對上述模型進行驗證，以確定模型的穩定性，后使用整體方法建立人工神經網絡肺炎辨識模型。結果顯示，人工神經網絡和支持向量機模型對肺炎感染均具有很高的辨識率，其準確率(Accuracy，ACC)分別為0.9141±0.0313、0.8753±0.0389，靈敏度(Sensitivity，SEN)分別為0.9292±0.0553、0.8839±0.0585，陽性預測值(PositivePredictive Value，PPV)分別為0.8960±0.0242、0.8693±0.0240。人工神經網絡相較支持向量機模型具有更好的肺炎辨識率。相較于傳統的建模方法，整體方法下的人工神經網絡模型具有更好的肺炎辨識率，ACC 值為0.9277±0.0170，SEN 值為0.9512±0.0451，PPV 值為0.9110±0.0355。此研究主要希望通過人工神經網絡、支持向量機以及整體人工神經網絡建立有效預測肺炎感染辨識模型，為醫師早期用藥提供科學有效的參考。
關鍵詞：呼吸肺炎；人工神經網絡；支持向量機；整體人工神經網絡；電子鼻
