韋曉燕，張洪來(lái)，魏航，2，林秦?zé)?，譚火媛，郭麗純

（1.廣州中醫(yī)藥大學(xué)醫(yī)學(xué)信息工程學(xué)院，廣州　510006；2.華南理工大學(xué)軟件工程學(xué)院，廣州　510006）

BP和Elman神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)針灸治療頸椎病療效研究

韋曉燕1，張洪來(lái)1，魏航1，2，林秦?zé)?，譚火媛1，郭麗純1

（1.廣州中醫(yī)藥大學(xué)醫(yī)學(xué)信息工程學(xué)院，廣州510006；2.華南理工大學(xué)軟件工程學(xué)院，廣州510006）

0　引言

頸椎病是近些年來(lái)增長(zhǎng)人數(shù)較快的一種疾病，嚴(yán)重危害人體的健康，國(guó)內(nèi)外都對(duì)頸椎病做了很多的研究與探索［2-4］，國(guó)內(nèi)也出現(xiàn)了評(píng)價(jià)針灸治療頸椎病療效的量表模式［5］。并且對(duì)PRO量表進(jìn)行了相關(guān)適用性研究［6-7］。我們?cè)诖吮尘跋虏捎昧薙F-36量表［8］，基于病人自主報(bào)告病情，以VAS疼痛量表［8］作為評(píng)分，來(lái)建立預(yù)測(cè)評(píng)價(jià)模型。由于頸椎病量表有很大的不確定性以及復(fù)雜性，需要綜合多種因子去衡量，且因子與結(jié)構(gòu)的關(guān)系是非線性的，而人工神經(jīng)網(wǎng)絡(luò)有大規(guī)模的并行處理以及信息存儲(chǔ)能力，可以實(shí)現(xiàn)這種處理非線性系統(tǒng)，其中神經(jīng)網(wǎng)絡(luò)中主要包括前向神經(jīng)網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)是前向神經(jīng)網(wǎng)絡(luò)的核心，由于BP神經(jīng)網(wǎng)絡(luò)具有高度的非線性組合能力，處理問(wèn)題較為廣泛，誤差逆向傳播，可以提高數(shù)據(jù)訓(xùn)練以及測(cè)試的準(zhǔn)確度，基于此曾做過(guò)頸椎病針灸療效的相關(guān)研究［9］。此外由于量表數(shù)據(jù)是動(dòng)態(tài)變化的，而Elman神經(jīng)網(wǎng)絡(luò)是反饋型的神經(jīng)網(wǎng)絡(luò)，有很高的穩(wěn)定性，聯(lián)想記憶功能，在復(fù)雜度和復(fù)雜性中有更高的準(zhǔn)確度，具有良好的動(dòng)態(tài)模擬作用，因此本文采用BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)建立評(píng)價(jià)模型進(jìn)行對(duì)比分析，為針灸治療頸椎病療效提供理論基礎(chǔ)。

1　神經(jīng)網(wǎng)絡(luò)的基本原理

1.1BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是由多層構(gòu)成的的前向網(wǎng)絡(luò)，具備處理線性不可分問(wèn)題，包括輸入層、隱含層和輸出層，如圖1。數(shù)據(jù)從輸入層經(jīng)隱含層向后傳播，若輸出層未能夠得到期望輸出則誤差逆向傳播，通過(guò)隱層向輸入層返回修改權(quán)值直到誤差最小。其基本原理和算法參見文獻(xiàn)［10］。

圖1　BP神經(jīng)網(wǎng)絡(luò)模型

其中輸入節(jié)點(diǎn)為xi，隱含層輸出節(jié)點(diǎn)為yj，出節(jié)點(diǎn)為ok，wjk，vij分別為隱含層到輸出層，輸入層到隱含層的連接權(quán)值。f為神經(jīng)元的激活函數(shù)，網(wǎng)絡(luò)的期望輸出為dk，輸出誤差為e，網(wǎng)絡(luò)的各層輸出關(guān)系為：

輸入層：

1.2Elman神經(jīng)網(wǎng)絡(luò)

基本的Elman神經(jīng)網(wǎng)絡(luò)由輸入層、輸出層、隱含層、連接層組成。與BP網(wǎng)絡(luò)相比，在結(jié)構(gòu)上多了一個(gè)連接層，連接層的輸出函數(shù)為線性函數(shù)，但是多了一個(gè)延遲單元，可以記憶過(guò)去的狀態(tài)，并在下一時(shí)刻與網(wǎng)絡(luò)的輸入一起作為隱含層輸入，使網(wǎng)絡(luò)具有很強(qiáng)的聯(lián)想記憶功能。其基本原理和算法參見文獻(xiàn)［11］。

圖2　Elman網(wǎng)絡(luò)的結(jié)構(gòu)模型

其中，輸入層節(jié)點(diǎn)為ur，隱含層輸出節(jié)點(diǎn)為xn，承接層輸出節(jié)點(diǎn)為xc，輸出層節(jié)點(diǎn)為ym，w1，w2，w3分別為承接層到隱含層、輸入層到隱含層、隱含層到輸出層的連接權(quán)值，g（·）為輸出神經(jīng)元的激活函數(shù)，f（·）為隱含層神經(jīng)元的激活函數(shù)，網(wǎng)絡(luò)的期望輸出為dk，輸出誤差為e。

輸入層：yk=g［w3x（k）］

2　神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立與實(shí)現(xiàn)

2.1數(shù)據(jù)的采集

本研究數(shù)據(jù)選自近年來(lái)在廣東省中醫(yī)院接受治療，納入符合納入標(biāo)準(zhǔn)的128例頸椎病患者。以SF-36量表主要療效指標(biāo)，以視覺模擬評(píng)分（VAS）為次要療效指標(biāo)。

2.2數(shù)據(jù)的預(yù)處理

（1）數(shù)據(jù)歸一化。為了消除數(shù)據(jù)量綱的影響，所有變量在數(shù)據(jù)集規(guī)范化為了在［0-1］區(qū)間內(nèi)，即所有的變量都是使用以下轉(zhuǎn)換為圖3中公式來(lái)規(guī)范化，見表1：

表1　歸一化后的部分針灸數(shù)據(jù)

（2）因子分析。由于SF-36量表中條目較多，且條目之間具有較高的相關(guān)性，在KMO檢驗(yàn)和Bartlett檢驗(yàn)中，本例中KMO取值為0.773，標(biāo)明可以進(jìn)行因子分析，Barlett檢驗(yàn)中sig=0.000，說(shuō)明數(shù)據(jù)來(lái)自正態(tài)分布總體，適合作進(jìn)一步分析。見表2。經(jīng)主成分分析（Principal Components Analysis，PCA），已累計(jì)貢獻(xiàn)率大于一定百分比（如73.055%）的主成分?jǐn)?shù)目為因子數(shù)目為8，且經(jīng)過(guò)因子旋轉(zhuǎn)，因子得分計(jì)算，最終得到8個(gè)因子的數(shù)據(jù)表，如表3。

表2　KMO檢驗(yàn)和Bartlett檢驗(yàn)結(jié)果

表3　因子得分?jǐn)?shù)據(jù)

2.3神經(jīng)網(wǎng)絡(luò)模型

（1）BP神經(jīng)網(wǎng)絡(luò)模型的建立

分析輸入輸出數(shù)據(jù)，建立多層BP神經(jīng)網(wǎng)絡(luò)。其中輸入變量8個(gè)，輸出變量1個(gè)，在開始時(shí)放入比較少的神經(jīng)元，逐步增加隱層節(jié)點(diǎn)的數(shù)目，直到達(dá)到比較合理的隱層節(jié)點(diǎn)數(shù)目為止。最后，神經(jīng)網(wǎng)絡(luò)模型的各層節(jié)點(diǎn)數(shù)分別為：輸入層8個(gè)，分別對(duì)應(yīng)前文分析出來(lái)的8個(gè)特征因子；隱含層的節(jié)點(diǎn)為7個(gè)；輸出層為1個(gè)，如圖3。

圖3　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

本次建模中，隱層采用S型正切函數(shù)tansig，輸出層采用S型對(duì)數(shù)函數(shù)logsig。通過(guò)對(duì)不同的lr和mc的取值進(jìn)行了考察，確定本文神經(jīng)網(wǎng)絡(luò)模型的參數(shù)為lr= 0.5，nc=0.9。誤差根據(jù)實(shí)際情況確定，本文神經(jīng)網(wǎng)絡(luò)的誤差界值為0.01，能夠很好地滿足網(wǎng)絡(luò)的性能要求即在選代計(jì)算時(shí)誤差值E≤0.01時(shí)，則認(rèn)為學(xué)習(xí)完成，停止計(jì)算，輸出結(jié)果訓(xùn)練的誤差變化曲線如圖4所示，在經(jīng)過(guò)60次訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)的性能達(dá)到了要求。

（2）Elman神經(jīng)網(wǎng)絡(luò)模型建立

實(shí)驗(yàn)采用單隱層的Elman神經(jīng)網(wǎng)絡(luò)，其中輸入層神經(jīng)元的個(gè)數(shù)為8；輸出層神經(jīng)元的個(gè)數(shù)為1。為了使網(wǎng)絡(luò)的診斷誤差最小，經(jīng)過(guò)多次訓(xùn)練檢驗(yàn)，發(fā)現(xiàn)將隱含層神經(jīng)元的個(gè)數(shù)設(shè)定為20，能夠很好地滿足網(wǎng)絡(luò)的性能要求，如圖5。

將119份的訓(xùn)練樣本輸入到Elman神經(jīng)網(wǎng)絡(luò)中，本文神經(jīng)網(wǎng)絡(luò)的誤差界值為0.01。訓(xùn)練的誤差變化曲線如圖6所示，在經(jīng)過(guò)1000次訓(xùn)練后，網(wǎng)絡(luò)的性能達(dá)到了要求。

圖4　訓(xùn)練誤差圖

圖5　Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖6　Elman神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差圖

3　BP與Elman神經(jīng)網(wǎng)絡(luò)的測(cè)試結(jié)果對(duì)比分析

采用9組測(cè)試樣本分別在訓(xùn)練好的BP和Elman網(wǎng)絡(luò)預(yù)測(cè)。測(cè)試結(jié)果如表4所示。結(jié)果顯示BP神經(jīng)網(wǎng)絡(luò)測(cè)驗(yàn)的誤差為0.0088，Elman神經(jīng)網(wǎng)絡(luò)測(cè)驗(yàn)的誤差為0.1228。對(duì)比兩種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程及檢測(cè)結(jié)果，可以得出BP神經(jīng)網(wǎng)絡(luò)收斂速度相對(duì)較慢，而且有可能收斂于局部極小值；Elman神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整方便，與BP神經(jīng)網(wǎng)絡(luò)相比診斷誤差要大一些。因此，經(jīng)過(guò)對(duì)比分析BP神經(jīng)網(wǎng)絡(luò)構(gòu)建針灸治療頸椎病療效評(píng)價(jià)模型預(yù)測(cè)結(jié)果更優(yōu)。

4　結(jié)語(yǔ)

從實(shí)驗(yàn)結(jié)果看出，使用BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)都可以實(shí)現(xiàn)針灸治療頸椎病療效的預(yù)測(cè)?？梢缘贸鋈斯ど窠?jīng)網(wǎng)絡(luò)在基于PRO量表下針灸治療頸椎病的療效下具有切實(shí)可行性。但就預(yù)測(cè)誤差與性能對(duì)比分析發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)優(yōu)于Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)。因此，利用BP神經(jīng)網(wǎng)絡(luò)模型能根據(jù)患者自主評(píng)估填寫的PRO量表，來(lái)預(yù)測(cè)VAS疼痛評(píng)分通過(guò)對(duì)于針灸治療前后以此判斷針灸療效，從而可以幫助醫(yī)生針灸臨床治療提供參考。

表4　BP和Elman測(cè)試結(jié)果對(duì)比

［1］梁兆暉，朱曉平，符文彬.基于病人報(bào)告結(jié)局測(cè)量的針刺治療頸椎病療效評(píng)價(jià)及相關(guān)性分析.頸腰痛雜志.2010（08）：1229-1232.

［2］熊鍵，謝青，鮑勇等.頸椎病評(píng)定量表的研究進(jìn)展［J］.Chinese Journal of Rehabilitation，2010，25（4）：296-297.

［3］針刺治療頸椎病頸痛患者生存質(zhì)量分析［J］.針灸治療痛癥國(guó)際學(xué)術(shù)研討會(huì)論文匯編，2009.5.15：3-6.

［4］Witt CM，Jena S，Brinkhaus B，et.al.Aeupuneture for Patients with Chronie Neck Pain［J］.Pain，2006，125（1-2）：98-106.

［5］勞麗陶等.頸椎病針灸治療評(píng)價(jià)中的病人報(bào)告結(jié)局評(píng)價(jià)模式探討［J］.廣州：中醫(yī)藥導(dǎo)報(bào).2010.8.28：2-3.

［6］張繼福，梁兆輝等.患者報(bào)告結(jié)局評(píng)價(jià)技術(shù)在針灸療效評(píng)價(jià)中的適用性研究［J］.廣州：廣州中醫(yī)藥大學(xué)學(xué)報(bào).2012.3.20：1-3；

［7］張建源.頸椎病療效評(píng)價(jià)量表信度與效度考核［D］.廣州：廣州中醫(yī)藥大學(xué)學(xué)報(bào).2011.4.1：3-52.

［8］梁兆輝，朱小平等.針刺治療慢性頸椎病頸痛療效評(píng)價(jià)［J］.新中醫(yī).2008.10.5：1-2.

［9］王芳慧.基于人工神經(jīng)網(wǎng)絡(luò)的PRO評(píng)價(jià)針灸治療頸椎病的療效研究［D］.廣州.廣州中醫(yī)藥大學(xué)，2014.：1-6.

［10］袁曾任.人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用［M］.北京：清華大學(xué)出版社，2010：78-125.

［11］陳明等.MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解［M］.北京.清華大學(xué)出版社，2013.3：296-301.

韋曉燕，女（1996-），安徽阜陽(yáng)人，本科，學(xué)生，研究方向?yàn)閿?shù)據(jù)分析、人工神經(jīng)網(wǎng)絡(luò)

張洪來(lái)，男，山東人，醫(yī)學(xué)博士，研究員，副主任中醫(yī)師，研究方向?yàn)獒樉闹委燁i椎病及針灸臨床資料數(shù)據(jù)挖掘

魏航，女，廣東人，在讀博士，講師，研究方向?yàn)閿?shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)與計(jì)算機(jī)應(yīng)用

林秦?zé)睿?994-），男，廣東潮州人，在讀本科，研究方向?yàn)閿?shù)據(jù)分析

譚火媛（1993-），女，廣東云浮人，在讀本科，研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘

郭麗純（1993-），女，廣東揭陽(yáng)人，在讀本科，研究方向?yàn)閿?shù)據(jù)分析

PRO Scale；BP Neural Network；Elman Neural Network；Acupuncture Evaluation

Research on Effectiveness Assessment of Acupuncture for Cervical Spondylosis Based on BP and Elman Neural Network

WEI Xiao-yan1，ZHANG Hong-lai1，WEI Hang1，2，LIN Qin-ye1，TAN Huo-yuan1，GUO Li-chun1
（1.School of Medical Information Engineering，Guangzhou University of Chinese Medicine，Guangzhou 510006；2.School of Computer&Engineering，South China University of Technology，Guangzhou 510006）

國(guó)家級(jí)創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（No.201510572017）、國(guó)家自然科學(xué)基金項(xiàng)目（No.81274003）、廣東省自然科學(xué)基金項(xiàng)目（No. 2015A030310312、2014A030309013）、廣東省中醫(yī)藥科學(xué)基金研究項(xiàng)目（No.B2014174）

1007-1423（2016）22-0003-05DOI：10.3969/j.issn.1007-1423.2016.22.001

2016-05-31

2016-07-28

基于PRO量表在針灸治療頸椎病的不確定性和復(fù)雜性，需要綜合多種因子去衡量，且因子與輸出的關(guān)系是非線性的，而人工神經(jīng)網(wǎng)絡(luò)模型能夠解決非線性問(wèn)題且適合于動(dòng)態(tài)系統(tǒng)辨識(shí)，于是分別構(gòu)建BP和Elman人工神經(jīng)網(wǎng)絡(luò)，通過(guò)MATLAB軟件運(yùn)算，分析比較得出BP模型比Elman模型精度高，在針灸評(píng)價(jià)模型中效果更好。為針灸治療頸椎病提供相關(guān)理論指導(dǎo)。

PRO量表；BP神經(jīng)網(wǎng)絡(luò)；Elman神經(jīng)網(wǎng)絡(luò)；針灸評(píng)價(jià)

Based on PRO scale in the acupuncture treatment of cervical spondylosis exists uncertainty and complexity，it is difficult to judge by a single factor，but a comprehensive variety of factors to measure，and the relationship between the factor and the output is non-linear，and the neural network model can approximate arbitrary nonlinear function and suitable for dynamic system identification feature，so constructs the evaluation model BP and Elman artificial neural network by MATLAB software operation，comparative examples drawn BP model is higher than the Elman model accuracy.