重症监护室(ICU)主要收治生命危急但有可能挽救的危重病人,集中了医院中最先进的设备和优秀的医护人员,是医院的重要组成部分。病人进入ICU后会进行死亡率预测和健康状态的实时监测,从而在医疗资源得到最优分配的同时,达到良好的救治效果。由于病人病情的多样性和个人体质差异,医院用的大众化评分模型会浪费大量数据信息,无法跟踪病人实时状态,难以给出准确的预测结果。本文重点研究ICU病人个性化模型的建立,主要内容包括:针对死亡率预测,本文提出“两步法JITL-ELM”,即先聚类后使用JITL-ELM分类的建模方法。JITL搜集与当前病人相似的样本构成训练数据集,ELM构建局部的个体化模型,而聚类过程缩减JITL的查询范围,提高搜索速度。为解决部分生理变量可能存在测量缺失的问题,本文提出“简化JITL-ELM”,使用10个生理变量来构建模型,其AUC指标与使用所有变量的ELM方法相近。最后选择PhysioNet网站的4000个病例进行实验,结果表明JITL-ELM的效果优于传统建模方法,例如医院普遍使用的SAPS-I评分系统。针对健康状态监测,本文先利用局部加权映射回归将非线性系统线性化成若干线性模型,并在线性模型中使用PCA监测,最后将结果加权实现对当前状态进行监测。后提出了改进后的扩展方法如LWPR-MPCA,将监测指标合二为一。实验选择PhysioNet中的18名ICU患者的数据,结果表明本文算法能即时跟踪患者的状态,且无论从学习时间还是异常状态检测率,结果都优于传统主元分析算法和即时学习主元分析算法。