基于集成学习的伤情分类技术研究
郝晓硕1
卢虹冰1
刘洋1
杜鹏1
刘健2
李俊杰2
王玉同2
徐肖攀1
1.空军军医大学军事生物医学工程学系军事医学信息技术教研室,陕西西安7100322.空军军医大学西京医院急诊科,陕西西安710032
摘要：目的 在大规模伤员救治中,伤情分类作为伤员救治的重要组成部分,始终贯穿在救援的全过程之中.本文旨在依照伤员的实时伤情对其进行检伤分类研究,以便实施针对性救护处置,最大程度降低伤亡率与致残率.方法 伤员的伤情分类通常分为4种,即轻伤、中度伤、重伤、危重伤,分别对应卫勤急救分类中的常规处置、优先处置、紧急处置和期待处置.为此,基于医院收集的急救数据,采用"一对一"与"一对多"2种多类别分类策略,结合集成学习方法与投票决策机制,实现急救伤情的准确分类.结果 基于"一对一"策略的集成学习模型对4类伤情分类的平均准确率可达89％,高于基于"一对多"策略模型取得的87％的平均准确率.结论 该技术能够基本实现对伤情快速有效地分类,为伤员救治提供重要参考.
关键词：卫勤急救伤情分类多类别集成学习投票机制
分类号：R318(医用一般科学)R82(军事医学)
资助基金：国家自然科学基金(81901698)军队后勤科研重点项目(BLB19J010)空军军医大学凌云工程雏鹰计划人才项目(2020CYJHXXP)
论文发表日期：2022-04-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：4( 458-461 )
英文信息