摘 要：預測產婦能否順利分娩，確定采用何種分娩方式在產科臨床中具有非常重要的意義。文章提出了基于蟻群聚類算法輔助決策的方法，通過孕婦和胎兒的相關指標建議采用相應的分娩方式。對降低難產率和剖宮產率有顯著的意義。

關鍵詞：蟻群算法；人工智能；分娩方式

中圖分類號：TP301.6

在臨床工作中，對于具有絕對剖宮產指征的孕婦，大部分在足月臨產前就進行了剖宮產，而沒有明顯異常狀況的孕婦進入了產程試產。大部分產婦能順利經陰分娩，但總有相當部分產婦因各種原因產程停滯改行剖宮產。如此一來不僅增加了醫(yī)患糾紛幾率，也使本可自然分娩的孕婦要求改行剖宮產，從而增加剖宮產率。如何預測和合理安排分娩方式，是產科工作者面臨的一個難題[1]。

蟻群算法（ant colony optimization，ACO），又稱螞蟻算法，是一種用來尋找最優(yōu)解決方案的機率型技術。它由Marco Dorigo于1992年在他的博士論文中引入，其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。其主要特點就是：通過正反饋、分布式協(xié)作來尋找最優(yōu)路徑。這是一種基于種群尋優(yōu)的啟發(fā)式搜索算法。它充分利用了生物蟻群能通過個體間簡單的信息傳遞，搜索從蟻巢至食物間最短路徑的集體尋優(yōu)特征，以及該過程與旅行商問題求解之間的相似性。得到了具有NP難度的旅行商問題的最優(yōu)解答。同時，該算法還被用于求解Job-Shop調度問題、二次指派問題以及多維背包問題等，顯示了其適用于組合優(yōu)化類問題求解的優(yōu)越特征。

本文對蟻群算法預測分娩方式的問題進行了一些研究，希望通過分娩前的相關數(shù)據(jù)信息和分娩方式之間的規(guī)律，為臨床工作提供參考。

1 蟻群算法基本原理

蟻群算法受生物界中螞蟻覓食的行為啟發(fā)而來，據(jù)昆蟲學家的觀察和研究，發(fā)現(xiàn)生物界中的螞蟻有能力在沒有任何可見提示下找出從蟻穴到食物源的最短路徑，并且能夠隨環(huán)境的變化而變化地搜索新的路徑，產生新的選擇。螞蟻之所以能夠智能地覓食，依靠的是一種相當簡單的生理機制：螞蟻在覓食走過的路徑上釋放一種螞蟻特有的分泌物——信息激素（Pheromone）。螞蟻個體之間正是通過這種信息激素進行信息傳遞，從而能相互協(xié)作，螞蟻在覓食過程中，當它們碰到一個還沒過的路口時，就隨機地挑選一條路徑前行，同時釋放出與路徑長度有關的信息素。螞蟻走的路徑越長，則釋放的信息量越小。當后來的螞蟻再次碰到這個路口的時候，選擇信息量較大路徑的概率相對較大，這樣便形成了一個正反饋機制。最優(yōu)路徑上的信息量越來越大，而其他路徑上的信息量卻隨著時間的流逝而逐漸消減，當一些路徑通過的螞蟻越多，則留下的信息激素軌跡（trail）也就越多，使得后來更多的螞蟻選擇該路徑的概率也越高，于是該路徑的信息素越強，最終整個蟻群回找出最優(yōu)路徑。同時蟻群還能夠適應環(huán)境的變化，當蟻群的運動路徑上突然出現(xiàn)障礙物時，螞蟻也能很快地重新找到最優(yōu)路徑。

2 蟻群算法描述

以TSP問題為例，蟻群算法描述如下：

（1）將m只螞蟻隨機分配到n個城市中去。

（2）位于城市c上的螞蟻k以概率Pk（c，s）選擇一條從城市c到城市s的道路，其中Jk（c）表示螞蟻k還沒有訪問的城市列表；表示邊（c，s）上的信息素濃度，啟發(fā)函數(shù)，這兩個參數(shù)反映了信息素和啟發(fā)函數(shù)的相對重要性。

（3）當所有螞蟻完成環(huán)游，按下述公式進行信息素更新是信息素揮發(fā)因子，其中Lk是第k只螞蟻的環(huán)游長度。

（4）看是否滿足結束條件，如不滿足則轉到第二步。

3 蟻群聚類算法基本原理

蟻群聚類算法是基于蟻穴清理行為的聚類算法。在諸多聚類算法中，蟻群算法是一種較新且較高效率的算法。蟻群算法在數(shù)據(jù)挖掘聚類中的應用所采用的生物原型為蟻群的蟻穴清理行為和蟻群覓食行為。在蟻群蟻穴清理行為中，蟻群會將蟻穴中分布分散的螞蟻尸體堆積成相對集中的幾個大堆。在聚類分析中，將這些分散分布的螞蟻尸體視為待分析的數(shù)據(jù)集合，而最終堆積而成的大堆則對應于最終的聚類結果。在蟻群的覓食行為中，螞蟻依據(jù)一定的概率選擇覓食路徑，使得螞蟻所尋找的路徑呈現(xiàn)多樣化狀態(tài)。在基于蟻群覓食行為的聚類分析中，將數(shù)據(jù)視為具有不同屬性的螞蟻，而將聚類結果視為食物源，所不同的是，此時認為存在多個食物源。這樣各個螞蟻通過一定的概率實現(xiàn)移動，并聚集在不同的食物源而實現(xiàn)聚類。這種聚類方法是J.L.Deneubourg于1991年最早提出的，而后E.Lumer和B.Faieta將該模型應用到了數(shù)據(jù)分析領域。

設t時刻某只螞蟻在地點r處發(fā)現(xiàn)數(shù)據(jù)對象Oi，對象Oi與其鄰域內對象Oj的平均相似度表示為：

（1）

其中，α為相似度參數(shù)，ν為螞蟻的移動速度，νmax為該螞蟻的最大移動速度，Neights×s（r）為地點r處以s為邊長的正方形區(qū)域，d（Oi，Oj）為數(shù)據(jù)對象Oi和Oj的空間距離.常用的距離度量方法有歐氏距離和余弦函數(shù)法，其中以余弦函數(shù)法最為常用，本文采用余弦函數(shù)法度量：

d（Oi，Oj）=1-sim（Oi，Oj） （2）

sim（Oi，Oj）為數(shù)據(jù)對象Oi和Oj的相似度，用兩個對象的屬性向量余弦夾角相似度度量，即

（3）

m為對象的屬性數(shù)，Oi，k為對象i的第k個屬性值.數(shù)據(jù)對象越相似，則sim（Oi，Oj）的值越趨近于1，反之則趨近于0。

聚類過程中，螞蟻總是拾起與鄰域最不相似的點，并將其放在與鄰域節(jié)點最為相似的方格中，拾起與丟棄的概率由概率轉換函數(shù)決定，可由f（Oi，）的函數(shù)得到，即：

（4）

（5）

其中，Pp、Pd分別為拾起和丟棄概率，k1、k2為閾值常量，f（Oi，）越大則Pp小，Pd越大，反之亦然。

3 基于蟻群聚類算法的分娩方式

3.1 基于蟻群聚類的分娩方式選擇系統(tǒng)的體系結構

本文嘗試采用基于螞蟻覓食原理的蟻群聚類方法，選取揚州婦幼生育保健管理信息系統(tǒng)數(shù)據(jù)庫中孕婦以及其他指標作為輸入參數(shù)，將分娩方式主要歸類為三種：

（1）陰道產。

（2）產鉗助產。

（3）剖宮產。

基于蟻群聚類算法的分娩方式預測系統(tǒng)體系結構如圖1所示：

圖1

3.2 基于蟻群聚類的分娩方式選擇系統(tǒng)實驗數(shù)據(jù)

首先建立實驗數(shù)據(jù)集Test，其中樣本個數(shù)1000，特征參數(shù)7，聚類個數(shù)3。本實驗中的研究數(shù)據(jù)全部來自2012年1月至2013年12月在揚州婦幼保健醫(yī)院建卡并且在該院分娩室（或手術室）分娩的產婦病例。

篩選條件為以下七個條件：

（1）孕婦年齡。

（2）分娩前體重。

（3）孕婦身高。

（4）胎位。

（5）胎兒心率。

（6）血氧含量。

（7）胎盤及臍帶情況。

這些數(shù)據(jù)經過特征參數(shù)選擇以及預處理。實驗數(shù)據(jù)采集樣本，來自揚州婦幼生育保健信息管理系統(tǒng)，系統(tǒng)主要運行界面如圖2。

圖2

3.3 基于蟻群聚類的分娩方式選擇系統(tǒng)實驗結果分析

本次實驗的參數(shù)如下設置：對數(shù)據(jù)集Test，蟻群類個數(shù)為3，迭代次數(shù)最大為NC=40，設螞蟻個數(shù)為M1=200，局部搜索的個數(shù)P=3，選取閾值Q1=0.6作為轉換概率規(guī)則，信息素的衰減系數(shù)設為k=0.2，以及局部概率閾值pls=0.04。實驗結果如表1所示，對于陰道產聚類正確率為86.6%，對于剖宮產的正確率為87.5%，產鉗助產的正確率為90%。

4 結束語

我們選用了取自揚州婦幼生育保健管理信息系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)，對這些數(shù)據(jù)進行數(shù)據(jù)篩選以及預處理，并運用基于螞蟻覓食原理的蟻群聚類算法來對這些數(shù)據(jù)進行聚類。實驗結果表明，通過該方法預測分娩方式效果很好。

參考文獻：

[1]田敬霞.基于人工神經網絡的胎兒體重及孕婦分娩方式預測[D].山東大學，2008.

作者簡介：張小冬（1976.12-），男，江蘇揚州人，工程師，本科，工程碩士，研究方向：數(shù)據(jù)挖掘。

作者單位：揚州市婦幼保健院，江蘇揚州 225001