1、单独预测：实验方法：从单个病例样本中随机抽取其40%作为训练样本（这40%中，发生对抗与未发生对抗的样本比例遵循该病例样本总体比例），其余作为预测样本,通过支持向量机建立预测模型后，将预测样本输入模型，观察模型准确度。为防止偶发性误差，每次实验均重复50次。记预测的结果矩阵为：实际发生对抗实际未发生对抗预测为发生对抗TPFN预测为未发生对抗FPTN故，预测准确度可表示为：预测正确的样本数比总样本数：TP+TNTP+TN+FP+FN由于本文主要观察是否发生自主呼吸对抗，敏感度定义应为：TPTPR=TP+FN则特异度定义为：TNtnr=tnTfp敏感度表征了模型对产生自主呼吸对抗时反应的敏锐程度，
2、而特异度表征了模型对为发生自主呼吸对抗时预测的稳定性。病例1：700个呼吸周期，异步呼吸周期509个。在训练量为40%情况下，即训练样本279个时,算法随机抽取训练集、测试集,测试50次,平均准确率97.67%,平均敏感度97.63队平均特异度97.76%o其中一次预测矩阵：实际发生对抗实际未发生对抗预测为发生对抗2979预测为未发生对抗4Ill病例2：75个呼吸周期，异步呼吸周期38个。在训练量为40%情况下，即训练样本29个时，算法随机抽取训练集、测试集，测试50次，平均准确率91.35%,平均敏感度82.70%,平均特异度100%。考虑病例2样本数较少，训练样本不足，增大训练量为70%时
3、即训练样本51个，平均准确率93.33%,平均敏感度86.67%,平均特异度Io0%。其中一次预测矩阵（40%训练量）实际发生对抗实际未发生对抗预测为发生对抗194预测为未发生对抗02370%训练量:实际发生对抗实际未发生对抗预测为发生对抗102预测为未发生对抗012病例3：479个呼吸周期，异步呼吸周期233个。在训练量为40%情况下，即训练样本190个时,算法随机抽取训练集、测试集,测试50次,平均准确率97.36%,平均敏感度9458机平均特异度100%o其中一次预测矩阵：实际发生对抗实际未发生对抗预测为发生对抗1356预测为未发生对抗0148病例4：259个呼吸周期，异步呼吸周期11
4、8个。在训练量为40%情况下，即训练样本102个时,算法随机抽取训练集、测试集,测试50次,平均准确率93.20%,平均敏感度85.17机平均特异度100%o其中一次预测矩阵：实际发生对抗实际未发生对抗预测为发生对抗6210预测为未发生对抗085准确度稳定性曲线：不同病例间预测能力研究:实验方法:由于总计共4个病例数据，故在此穷举排列，随机抽取1、2、3个病例的全部样本作为训练集，并将剩余病例的全部样本作为测试集，验证模型对不同病例的普适性：仅使用病例1数据训练模型，对病例2、3、4数据进行预测，结果准确率97.17%,敏感度94.09%,特异度IO0%。仅使用病例2数据训练模型，对病例1、3
5、4数据进行预测，结果准确率93.18%,敏感度88.84%,特异度99.65%。仅使用病例3数据训练模型，对病例1、2、4数据进行预测，结果准确率96.03%,敏感度95.19%,特异度97.56%。仅使用病例4数据训练模型，对病例1、2、3数据进行预测，结果准确率90.91%,敏感度85.77%,特异度99.37%。仅使用病例1、2数据训练模型，对病例3、4数据进行预测，结果准确率96.75%,敏感度93.16%,特异度IO0%。结果准确率95.51%,敏感仅使用病例1、3数据训练模型，对病例2、4数据进行预测,度90.38%,特异度IO0%。仅使用病例1、4数据训练模型，对病例2、3数据
6、进行预测，结果准确率98.74%,敏感度97.42%,特异度100%。仅使用病例2、3数据训练模型，对病例1、4数据进行预测，结果准确率95.62%,敏感度94.58%,特异度97.59%。仅使用病例2、4数据训练模型，对病例1、3数据进行预测，结果准确率94.32%,敏感度91.37%,特异度99.31%。仅使用病例1、2、3数据训练模型，对病例4数据进行预测，结果准确率94.21%,敏感度87.29%,特异度IO0%。仅使用病例1、2、4数据训练模型，对病例3数据进行预测，结果准确率98.54%,敏感度97.00%,特异度Io0%。仅使用病例1、3、4数据训练模型，对病例2数据进行预测，结果准确率IO0猊敏感度100%,特异度Io0%。仅使用病例2、3、4数据训练模型，对病例1数据进行预测，结果准确率96.57%,敏感度96.46%,特异度96.86%。
