深度集成分类模型

分诊精度逾九成

将三种时间序列深度模型软投票集成,用于灾难与战场环境下伤员分诊,有效减轻主观偏差。

Shuang, Bai · Lin, Ye · Leyao, Liu · Tuanjie, Liang · Qin, Chi · Jingyu, Bu · Guanzheng, Gao · 刘天

Biomedical Signal Processing and Control 2024

参数信息

精准率
0.912
召回率
0.911
F1分数
0.911

技术优势

分诊更准

通过软投票集成三个互补的时序模型,综合判断伤员病情,精准率、召回率、F1分数均超过0.91。

摆脱主观

用模型对生理时序数据进行客观评估,取代传统量表评分,避免救援人员主观判断造成的偏差。

适应数据缺失

将清洗后的eICU生理数据构建为不规则时序输入,使模型能够应对灾难现场不完整、非均匀采样的监测数据。

应用场景