基于机器学习的急性脑损伤患者肺部感染预测方法及系统

本发明涉及基于机器学习的急性脑损伤患者肺部感染预测方法及系统，涉及人工智能辅助诊断领域，包括：对监控指标集合进行相关性自大到小排序，获得监控指标序列；步骤二：提取前k项监控指标作为输入变量进行感染预测模型训练，获得第一感染预测模型；当第一感染预测模型的第一预测准确率小于或等于预测准确率阈值时，使用k+1更新k值，返回步骤二执行循环；当第一预测准确率大于预测准确率阈值时，将第一肺部感染预测模型设为目标肺部感染预测模型执行感染预测任务。通过本发明可以解决传统急性脑损伤患者肺部感染预测方法无法有效整合多重影响因素，适应性和实用性较差，导致预测准确性、可靠性和效率不足的技术问题。