AI用于医疗处方多标签分类方法研究——以脊髓损伤患者电子病历为例
赵慧敏, 郭欣, 郄博韬, 刘玉丽
2025, 35(2):
22-27.
DOI: 10.16046/j.cnki.issn2096-5680.2025.02.005
电子病历(Electronic Medical Records,EMRs)汇集了患者的医疗历史和健康状况数据。利用电子病历对脊髓损伤(Spinal Cord Injury,SCI)患者进行辅助诊断具有重要意义。因此,文中提出了一种基于电子病历的SCI患者康复处方决策模型。首先,构建了一个包含1443名截瘫类SCI患者的EMRs数据集,并相应地完成了数据预处理;其次,针对EMRs不平衡的问题,提出了基于MLSMOTE(Multi-label Synthetic Minority Over-sampling Technique)的多标签分类框架;最后,使用7个多标签分类模型来预测患者的物理治疗(Physical Therapy,PT)处方。所提出的MLSMOTE多标签分类框架可以充分解决类别不平衡的问题。实验结果显示,与其他6个模型相比,RAkEL模型在许多指标上都有显著提高。其中汉明损失和排名损失分别为0.1482和0.2616,精确度、召回率和F1分数分别为82.04%、81.0%和78.07%。文中提出的MLSMOTE多标签分类框架可充分利用EMRs数据,有效提高康复治疗处方的决策准确性。
参考文献 |
相关文章 |
计量指标
|