摘 要:應(yīng)用BP人工神經(jīng)網(wǎng)絡(luò)原理，設(shè)計一種系統(tǒng)性紅斑狼瘡疾病診斷的方法。選用對系統(tǒng)性紅斑狼瘡敏感的四個指標(ANA，dsDAN-ab，C3，C4)，作為BP人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。通過對121例樣本的分析，其中訓(xùn)練集的71例，訓(xùn)練正確率為95.7%;預(yù)測集的50例，預(yù)測正確率為88.0%。由此可以得出，BP人工神經(jīng)網(wǎng)絡(luò)能為系統(tǒng)性紅斑狼瘡作出較準確的診斷，能提高診斷的客觀性。

關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò) 系統(tǒng)性紅斑狼瘡 預(yù)測

中圖分類號:R593.241文獻標識碼:A文章編號:1674-098X(2012)07(b)-0246-02

系統(tǒng)性紅斑狼瘡(Systemic Lupus Erythematosus)是一種多器官、多系統(tǒng)受累的自身免疫性疾病。患者體液免疫失調(diào)，細胞免疫功能紊亂，而使患者體內(nèi)產(chǎn)生一些特異性自身抗體[1]。由于系統(tǒng)性紅斑狼瘡早期診斷困難，致殘率與死亡率均高，給患者及家屬帶來許多的痛苦和遺憾，而本研究應(yīng)用的人工神經(jīng)網(wǎng)絡(luò)對系統(tǒng)性紅斑狼瘡的診斷，不僅能排除各種人為因素的干擾，而且也能得到較準確和客觀的結(jié)果。人工神經(jīng)網(wǎng)絡(luò)是種理論化的數(shù)學(xué)模型，是模仿人腦神經(jīng)的網(wǎng)絡(luò)結(jié)構(gòu)及其功能而建立起來的一種信息處理系統(tǒng)，具有自適應(yīng)性、自組織性、容錯性、聯(lián)想性等特點[2，3]。本文通過系統(tǒng)性紅斑狼瘡疾病的4個敏感的診斷指標(ANA，dsDAN-ab，C3，C4)，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對疾病進行預(yù)測診斷，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)可用于系統(tǒng)性紅斑狼瘡的疾病診斷。

1 人工神經(jīng)網(wǎng)絡(luò)原理

1.1 人工神經(jīng)元

人工神經(jīng)網(wǎng)絡(luò)由多個層次組成，每一個層次包含若干個神元。如圖1顯示了一個具有n個輸入分量的人工神經(jīng)元模型。

在神經(jīng)網(wǎng)絡(luò)中，除了第一層次的其它神經(jīng)元，都是由來自上層神經(jīng)元的輸入變量(，，…，)和相對的連接權(quán)重(，，…，)的點乘積的和構(gòu)成其總輸入。神經(jīng)元總輸入值在函數(shù)f的作用下并同時給與適當(dāng)?shù)拈撝郸却碳ぃ湍軌虍a(chǎn)生信號輸出。圖中的連接權(quán)重表示的意義是上級神經(jīng)元對下級神經(jīng)元的影響程度，f是神經(jīng)元的激活函數(shù)，一般采用S型函數(shù)。

1.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是一個以有向性拓撲結(jié)構(gòu)的動態(tài)系統(tǒng)，通過連續(xù)或斷續(xù)方式的輸入狀態(tài)而進行處理[4]。目前根據(jù)各個層次神經(jīng)元的連接方法不同，其中使用最多、具代表性的是誤差反向傳播的多層前饋式網(wǎng)絡(luò)，即BP(Back—Propagation)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)是由大量“神經(jīng)元”互連而成的網(wǎng)絡(luò)，通常由輸入層、隱含層和輸出層3個層次組成。神經(jīng)網(wǎng)絡(luò)輸入層的神經(jīng)元首先接受外界的信息，然后通過一個連接權(quán)重傳遞給下一隱含的神經(jīng)元，其次隱含層神經(jīng)元對數(shù)據(jù)進行分析處理，把得到的結(jié)果傳遞給輸出層神經(jīng)元，最后輸出層神經(jīng)元經(jīng)過轉(zhuǎn)換把信號傳給外界。

1.3 人工神經(jīng)網(wǎng)絡(luò)工作原理

人工神經(jīng)網(wǎng)絡(luò)通過特定的學(xué)習(xí)算法得到了神經(jīng)元之間的連接權(quán)，同時也獲得了病例樣本的各種信息，這一過程稱作訓(xùn)練，人工神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練就能得到疾病診斷的各種規(guī)則。人工神經(jīng)網(wǎng)絡(luò)應(yīng)用以上學(xué)到的診斷規(guī)則，就能在新的樣本病例中進行疾病預(yù)測。基于以上這點，本文首設(shè)定一個人工神經(jīng)網(wǎng)絡(luò)的期望值，當(dāng)這些期望值，提供給人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)后，神經(jīng)元就能夠獲得網(wǎng)絡(luò)的輸入響應(yīng)并產(chǎn)生相對應(yīng)的連接權(quán)值。然后人工神經(jīng)網(wǎng)絡(luò)按減小期望輸出與實際輸出誤差的方向，從輸出層經(jīng)各中間層逐層修正各連接權(quán)值，最后回到輸入層。如果計算結(jié)果給出了錯誤的判斷，此時人工神經(jīng)網(wǎng)絡(luò)通過下一步的學(xué)習(xí)，就可以減少犯同樣錯誤的可能性，這種過程將反復(fù)交替的進行，直至整個人工神經(jīng)網(wǎng)絡(luò)的全局誤差趨向預(yù)期目標，此時人工神經(jīng)網(wǎng)絡(luò)完成學(xué)習(xí)的過程。人工神經(jīng)網(wǎng)絡(luò)通過這種訓(xùn)練，提高了疾病判斷的準確率，這就表明人工神經(jīng)網(wǎng)絡(luò)對疾病規(guī)則的學(xué)習(xí)已經(jīng)獲得了成功，同時也能夠?qū)膊∽鞒鲅杆?、準確的判斷。

2 神經(jīng)網(wǎng)絡(luò)診斷SLE實例

2.1 BP神經(jīng)網(wǎng)絡(luò)的算法

首先將訓(xùn)練和預(yù)測用的病例數(shù)據(jù)整理成易于MATLAB讀取的文本，其次設(shè)定人工神經(jīng)網(wǎng)絡(luò)的期望值，將訓(xùn)練病例數(shù)據(jù)導(dǎo)入其中進行訓(xùn)練，訓(xùn)練完成后，將預(yù)測數(shù)據(jù)導(dǎo)入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)里面進行仿真，最后輸出仿真結(jié)果。

2.2 病例選取

試驗病例樣本來源為1996年至2008年期間哈爾濱醫(yī)科大學(xué)附屬醫(yī)院收治的門診或住院的系統(tǒng)性紅斑狼瘡患者。共計350例，其中女320例，占91.4%;男30例，占8.6%;男女之比為1:10.67，年齡1～79歲，平均年齡為40.53歲。所有患者均符合1982年美國風(fēng)濕病協(xié)會(ARA)制定的SLE診斷標準[5]。SLE患者均進行各項免疫學(xué)指標檢查及結(jié)果記錄。病歷詢問及體檢均由有臨床經(jīng)驗的醫(yī)生進行，所有患者均進行詳細的病史詢問和體格檢查。每例病歷包括了100多個計量、分級指標，包括該病人入院時的基本資料、體格檢查結(jié)果、實驗室化驗結(jié)果。其中，體格檢查99項，實驗室檢查34項，病人資料12項。本文將以上的指標進行因子分析取得目標數(shù)據(jù)。所謂的因子分析，是在為數(shù)眾多的因素中，不損失或很少損失原有信息的基礎(chǔ)上，把原來多個彼此相關(guān)的因素轉(zhuǎn)化為少數(shù)幾個彼此獨立的、能綜合反映原有信息的綜合指標的一種多元統(tǒng)計方法。通過求出每個公因子的方差貢獻，取累計方差貢獻率大于80%(可根據(jù)相關(guān)的專業(yè)知識，對此值進行調(diào)整)的前m個公因子，根據(jù)各影響因素在公因子中所起的作用，確定其是否為主要影響因素。其基本思想是根據(jù)相關(guān)性大小把原始變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，而不同組的變量間相關(guān)性則較低。按照前面所述的思想對數(shù)據(jù)進行篩選，最后得到權(quán)重比較大的4個指標，即ANA，dsDAN-ab，C3，C4，進行神經(jīng)網(wǎng)絡(luò)的模擬分析。

隨機抽取臨床樣本26例，取19例作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本(7例正常，12例不正常)，取剩余的7例數(shù)據(jù)進行預(yù)測(預(yù)測數(shù)據(jù)如表1所示)，使用MATLAB作為算法的實現(xiàn)工具。

2.3 建立神經(jīng)網(wǎng)絡(luò)

使用newff語句建立BP網(wǎng)絡(luò)，設(shè)置隱藏神經(jīng)元數(shù)目為4，并且選擇各神經(jīng)元的傳遞函數(shù)分別為tansig和purelin，設(shè)置反傳遞函數(shù)為:

2.4 設(shè)定網(wǎng)絡(luò)參數(shù)

使用函數(shù)train對人工神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練之前，先要設(shè)置網(wǎng)絡(luò)訓(xùn)練參數(shù)。本文設(shè)輸人工神經(jīng)元個數(shù)為4，輸出神經(jīng)元個數(shù)為1，期望目標輸出值用0表示正常，用1表示系統(tǒng)性紅斑狼瘡，隱含層用tansig函數(shù)，訓(xùn)練時間為5000個單位時間，訓(xùn)練目標為誤差小于0.01，顯示速度為50ms，學(xué)習(xí)速率為0.05，網(wǎng)絡(luò)連接權(quán)重初始值設(shè)為【-1，1】之間的隨機數(shù)，MATLAB程序編寫如下:

2.5 訓(xùn)練及預(yù)測結(jié)果

將訓(xùn)練病例的四個指標輸入到人工神經(jīng)網(wǎng)絡(luò)的算法程序中，神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)達到5000后，期望誤差值縮小到了0.0923，訓(xùn)練完畢后，將訓(xùn)練結(jié)果與實際值進行比較，見圖2。

將預(yù)測用的病例數(shù)據(jù)導(dǎo)入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進行疾病預(yù)測，預(yù)測輸出以0.5為閾值，>0.5者為系統(tǒng)性紅斑狼瘡患者，<0.5為正常對照樣本，預(yù)測結(jié)果如下圖3所示。

將訓(xùn)練與預(yù)測兩項結(jié)果作如下統(tǒng)計，結(jié)果見表1。

3 討論

本課題所采用的基于人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)性紅斑狼瘡的診斷結(jié)果能較好地與病例數(shù)據(jù)相符合，具有較高的準確性，同時有利于疾病的早期發(fā)現(xiàn)和治療。然而在神經(jīng)網(wǎng)絡(luò)的預(yù)測過程當(dāng)中，神經(jīng)網(wǎng)絡(luò)的建立是至關(guān)重要的。如果選取了不恰當(dāng)?shù)膮?shù)，或者輸入的訓(xùn)練數(shù)據(jù)不夠典型(不具關(guān)聯(lián)性)，這樣建立的網(wǎng)絡(luò)往往達到不到預(yù)期要求，其預(yù)測結(jié)果也就往往和實際有所偏差，而本文設(shè)定的網(wǎng)絡(luò)參數(shù)能較好的滿足實際情況的要求。

臨床上由于各種原因，試驗中有些病例數(shù)據(jù)不夠完整，這些缺失的數(shù)據(jù)會給臨床疾病的診斷造成一定的影響，但由于神經(jīng)網(wǎng)絡(luò)具有較強的容錯性，所以輸入數(shù)據(jù)在某些項上的缺失或是錯誤對神經(jīng)網(wǎng)絡(luò)最終運算的結(jié)果影響不大，同時由于神經(jīng)網(wǎng)絡(luò)所具有的優(yōu)點和特性使得它成為醫(yī)學(xué)診斷研究的有效工具。在神經(jīng)網(wǎng)絡(luò)應(yīng)用中，只要我們建立適當(dāng)?shù)木W(wǎng)絡(luò)模型，確定完整的數(shù)據(jù)樣本，經(jīng)過網(wǎng)絡(luò)模型訓(xùn)練醫(yī)學(xué)專家的知識和經(jīng)驗，就可以使操作智能化、自動化，并具有較高的可信度，將極大減輕醫(yī)務(wù)人員的工作負擔(dān)，所以神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)診斷領(lǐng)域具有很大的發(fā)展?jié)摿Α?/p>

參考文獻

[1]王國麗，胡鷺芳.671例系統(tǒng)性紅斑狼瘡臨床及自身抗體檢測結(jié)果分析[J].中國麻風(fēng)皮膚病雜志，May2006，Vol.22No.5:430-430.

[2]毛政利，閆繼濤，賴健清.金屬礦山[J].2009，(07):66-68.

[3]卜憲敏，鄭智勇，玉英豪.神經(jīng)網(wǎng)絡(luò)在病理學(xué)自動識別中的應(yīng)用[J].中國體視學(xué)與圖像分析，2005，10(2):122-126.

[4]巫影，陳定方，唐小兵等.神經(jīng)網(wǎng)絡(luò)綜述[J].科技進步與對策，2002，(6):133-134.