Biomedical time series сlassification

Abstract

В работе проведена классификация биомедицинских временных рядов тремя подходами и спроектирована система прогнозирования выживаемости пациентов с коронавирусной инфекцией. Предложен новый алгоритм двусторонней адаптивной оценки для перевода непрерывных данных в бинарные, который показал высокую эффективность. А также произведен перевод реальных анализируемых данных в бинарный вид при помощи данного алгоритма и построена прогностическая модель высокого качества на полученных данных. Точность модели составила 95%. Выявлены статистически значимые непрерывные показатели и построена классификационная модель с их применением, имеющая высокую точность прогноза на ранних стадиях развития заболевания. Точность модели составила 90%, с учетом результатов 5 анализов. Построена классификационная модель на данных реакции здорового организма человека на воспаление, моделируемая системой дифференциальных уравнений на уровнях тромбоцитов и альбумина в крови пациента. Получено решение данной задачи и найдены коэффициенты, приближающие результат к фактическим данным. На данных анализа уровня альбумина построена прогностическая модель с точностью 95%. Произведено сравнение подходов классификации биомедицинских временных рядов для прогнозирования выживаемости пациентов методом бинарной классификации медицинских параметров на данных пациентов, поступивших в отделение реанимации и интенсивной терапии (ОРИТ) и выявлено, в каких ситуациях использовать каждый из подходов.

The paper classifies biomedical time series using three approaches and designs a system for predicting the survival of patients with coronavirus infection. A new algorithm of two-way adaptive estimation for the translation of continuous data into binary data has been proposed, which has shown high efficiency. Also, the real analyzed data was translated into binary form using this algorithm and a high-quality predictive model was built on the data obtained. The accuracy of the model was 95%. Statistically significant continuous indicators were identified and a classification model with their application was built, which has a high accuracy of prognosis at the early stages of the disease development. The accuracy of the model was 90%, taking into account the results of 5 analyses. A classification model based on the data of the reaction of a healthy human body to inflammation is constructed, modeled by a system of differential equations at the levels of platelets and albumin in the patient's blood. A solution to this problem has been obtained and coefficients have been found that approximate the result to the actual data. A prognostic model with 95% accuracy was built on the data of albumin level analysis. The approaches of classification of biomedical time series for predicting patient survival by binary classification of medical parameters based on data from patients admitted to the intensive care unit (ICU) were compared and it was revealed in which situations each of the approaches should be used.