貝葉斯網絡及其在ICU患者預后評估中的應用.pdf

1、貝葉斯網絡以概率論和圖論為理論基礎，它是一種將有向無環(huán)圖和條件概率表有機結合的圖形模式，并且描述了變量之間的依賴關系或因果關系。由于貝葉斯網絡具有獨特的不確定性表達形式、易于綜合先驗知識以及直觀的推理結果等特性，因此貝葉斯網絡在故障檢測、醫(yī)療診斷、交通管理和金融投資與市場分析等領域得到了深入的發(fā)展和廣泛的應用。
　　本文對貝葉斯網絡結構學習和推理算法中存在的問題做了深入研究，并將其成功應用于重癥監(jiān)護病房(ICU)老年人的預后評估。

2、全文的主要工作如下所述:
　　(1)在分析最小描述長度(MDL)測度和K2算法特點的基礎上，利用最小描述長度和K2算法的優(yōu)勢互補，提出了一種將MDL與K2算法相結合的貝葉斯網絡結構學習算法(KMBN)。實驗結果表明KMBN算法在時間復雜性和可靠性方面都優(yōu)于傳統(tǒng)的K2算法和基于K2與模擬退火的貝葉斯網絡結構學習算法。
　　(2)貝葉斯網絡推理是應用不確定性知識時需要解決的一個關鍵問題。不管是貝葉斯精確推理還是貝葉斯近似推理，都

3、已經被證明是NP難問題。而聯(lián)合樹算法能夠有效地解決貝葉斯網絡中的精確推理問題。本文提出來一種改進交叉算法子和變異算子的自適應遺傳算法(IAGA)，用來尋求貝葉斯網絡三角化中結點的最優(yōu)刪除順序。實驗結果表明，該算法提高了收斂性，獲得了較好的效果。
　　(3)在重癥患者中，老年人占有較大比例，同時占用較多重癥監(jiān)護病房(ICU)資源，但其治療預后效果卻不明確。因此，研究老年人在ICU中的預后評估具有重要意義。為此，本文利用廣東省某醫(yī)院M