基于CTSA-Net的急性肾损伤风险预测研究
张青松1
陈春晓1
陈利海2
1.南京航空航天大学 生物医学工程系,南京 2111062.南京市第一医院麻醉科,南京 210006
摘要：针对过去对急性肾损伤(acute kidney injury,AKI)患者的识别存在临床时间序列数据未被充分利用、提前预测窗口较短及缺少连续预测研究等不足,本研究提出了一种卷积神经网络和两阶段交叉注意力的混合网络模型(CTSA-Net),实现对 1 期及以上AKI的每小时连续预测.CTSA-Net的注意力支路、CNN支路及特征融合模块可增强对时间序列数据的全局表示以及局部细节的感知能力,从而提高对AKI的连续预测性能.在AKI发生时、发生前24、48及72h四个预测时间点,模型预测AKI的受试者工作特征曲线下面积分别为0.946、0.907、0.895 和 0.879,准确率-召回率曲线下面积分别为 0.979、0.960、0.949 和 0.939.实验结果表明,CTSA-Net模型在多个预测时间点进行AKI预测的性能较好,可用于患者的实时监测,辅助医生进行临床决策.
关键词：急性肾损伤深度学习电子健康记录注意力卷积神经网络
分类号：R318(医用一般科学)TP183(自动化基础理论)
论文发表日期：2024-02-28
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：9( 46-54 )
英文信息