基于机器学习的感染性休克早期识别方法

本发明公开了基于机器学习的感染性休克早期识别方法，包括如下步骤：通过获取患者的生理数据和病历信息，构建按时间排列的多维特征序列，并进行缺失值填补、标准化处理和滑动窗口切分，提取出具有时间连续性的特征子序列，采用蒙德里安森林模型生成初步风险评分，并分析评分变化趋势，识别出可能存在异常变化的时间段，结合患者的实际病情标注，训练随机生存森林模型，生成第二组风险评分，通过将两组评分融合，并对评分序列的走势进行拟合分析，判断是否存在显著上升趋势，从而实现对感染性休克的预警提示。本发明有助于提高感染性休克的识别时效和准确性。