龔 彥，丁黎明，陳啟蓮，羅乙友

(1.湖南醫(yī)藥學院，湖南 懷化 418000；2.懷化學院，湖南 懷化 418000；3中南大學，湖南 長沙 418083)

0 引言

隨著醫(yī)療技術(shù)的發(fā)展和信息技術(shù)的進步，整個醫(yī)療系統(tǒng)已經(jīng)遇到了海量數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的挑戰(zhàn)。如何處理醫(yī)療海量數(shù)據(jù)已成為醫(yī)療行業(yè)的一個研究熱點問題，并成為處理海量醫(yī)療數(shù)據(jù)的必然選擇[1]。醫(yī)療大數(shù)據(jù)的研究已經(jīng)引起了學術(shù)界和工業(yè)界的廣泛的關(guān)注。

我國在2015年推出了“互聯(lián)網(wǎng)+”，大力推廣在傳統(tǒng)行業(yè)中應(yīng)用大數(shù)據(jù)和云計算，實現(xiàn)企業(yè)的轉(zhuǎn)型升級以及加速知識創(chuàng)新[3]。2014年“英特爾醫(yī)療行業(yè)峰會”都對醫(yī)療大數(shù)據(jù)的技術(shù)進行了深入探討，對醫(yī)療大數(shù)據(jù)的應(yīng)用進行了推廣。

對于大數(shù)據(jù)，IBM曾經(jīng)給出了一個4V定義：1) 數(shù)據(jù)規(guī)模大(Volume);2) 數(shù)據(jù)增長快速(Velocity);3) 數(shù)據(jù)結(jié)構(gòu)多樣(Variety);4)數(shù)據(jù)價值巨大(Value)。

隨著醫(yī)療信息化的大量推廣，醫(yī)療數(shù)據(jù)每天都呈數(shù)量級的增長，除了具有大數(shù)據(jù)所特有的特點外還具有其獨特的特點。醫(yī)療數(shù)據(jù)包括純數(shù)據(jù)、信號數(shù)據(jù)、圖像數(shù)據(jù)、文字信息、以及語音數(shù)據(jù)，視頻數(shù)據(jù)等等。由于疾病的發(fā)病過程在時間上有一個進度，所以在時間維度上具有不連續(xù)性。每天產(chǎn)生的大量信息中，存在大量的重復(fù)信息，有些信息可能還存在相互矛盾的記錄。在處理醫(yī)療大數(shù)據(jù)時不能單純的套用大數(shù)據(jù)的研究方法。還需要結(jié)合其特點對數(shù)據(jù)進行分析處理，才能最大的發(fā)揮數(shù)據(jù)的價值。

由于醫(yī)療信息數(shù)據(jù)通常包含了大量的小樣本數(shù)據(jù)，巨大的數(shù)據(jù)維度，往往導(dǎo)致災(zāi)難性的后果[5]。這種高維數(shù)據(jù)結(jié)構(gòu)是進行進一步分析數(shù)據(jù)的主要障礙，不僅嚴重的影響了系統(tǒng)性能，還可能導(dǎo)致各種數(shù)據(jù)分類器性能退化和精度下降，并增加額外的困難[6]。在醫(yī)療診斷中，排除無關(guān)特征可以提供對計算模型的理解以及便于數(shù)據(jù)的可視化，因此醫(yī)療信息中的特征選擇稱為醫(yī)療大數(shù)據(jù)處理中的主要研究領(lǐng)域之一。

本文通過設(shè)計模糊神經(jīng)網(wǎng)絡(luò)分類器來實現(xiàn)對醫(yī)療大數(shù)據(jù)的分析處理。主要集中在以下兩個方面：1) 對醫(yī)療大數(shù)據(jù)訓練集進行學習訓練，進而分析獲取醫(yī)療數(shù)據(jù)分類模型；2) 針對測試集使用上述分類模型，并將測試集中未知類別的實例進行分類，最終取得訓練集中類別的估計值。

1 模糊神經(jīng)網(wǎng)絡(luò)

模糊系統(tǒng)也是人工智能的核心內(nèi)容之一，目前將人工神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)結(jié)合形成自適應(yīng)神經(jīng)模糊推理系統(tǒng)是一個研究熱點問題[7,8]。模糊神經(jīng)網(wǎng)絡(luò)是以模糊技術(shù)和人工神經(jīng)網(wǎng)絡(luò)理論的相交叉部分作為研究內(nèi)容。它利用模糊理論中的隸屬度函數(shù)去描述某樣本屬于某一類別的程度。因此，當樣本的隸屬度值越大，說明此樣本屬于某一類別的程度越大[11]。

在本研究中將主要體現(xiàn)模糊隸屬度函數(shù)的重要性，以及如何提高模糊規(guī)則的含義和分類精度。算法框架結(jié)構(gòu)如圖1所示。

圖1 分類算法框架

模糊神經(jīng)網(wǎng)絡(luò)分類系統(tǒng)分類算法主要分為三個步驟，首先，對醫(yī)療數(shù)據(jù)根據(jù)神經(jīng)模糊分類器進行分類；其次，根據(jù)選擇方法使用與確定相關(guān)和不相關(guān)的數(shù)據(jù)集的功能；再次，就是對系統(tǒng)進行調(diào)整分類精度和性能評估。本文采用matlab中的神經(jīng)網(wǎng)絡(luò)工具箱實現(xiàn)模糊神經(jīng)網(wǎng)絡(luò)設(shè)計，其實現(xiàn)的流程如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)實現(xiàn)流程圖

具體的實現(xiàn)步驟如下：

Step1: 采集數(shù)據(jù)，獲得神經(jīng)網(wǎng)絡(luò)的訓練樣本數(shù)據(jù)集。

Step2: 數(shù)據(jù)處理。為了讓神經(jīng)網(wǎng)絡(luò)輸入的訓練集具有典型性，需要對樣本數(shù)據(jù)集進行一些處理。例如歸一化處理，主特征分析處理以及一些降處理等。最終得到的數(shù)據(jù)進行重新整理，作為神經(jīng)網(wǎng)絡(luò)訓練的數(shù)據(jù)樣本集。

Step3: 建立神經(jīng)網(wǎng)絡(luò)。

Step4: 訓練神經(jīng)網(wǎng)絡(luò)，得到分類模型。

Step5: 測試數(shù)據(jù)。

Step6: 輸出結(jié)果。

自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)分類器是基于模糊規(guī)則的一種算法，可以通過權(quán)值來調(diào)節(jié)系統(tǒng)中特性，權(quán)值的影響對不同的分類來說也是不一樣的。一個典型的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

一個典型的多輸入單輸出的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以分為以下幾個部分：

第一層為輸入層：該層主要是進行數(shù)據(jù)的輸入，如x1，x2。

圖3 典型的自適應(yīng)神經(jīng)網(wǎng)絡(luò)

第二層：該層的每個節(jié)點i是以節(jié)點函數(shù)表示的如圖3中的A1，A2，B1，B2等方形節(jié)點，.使用隸屬度函數(shù)來進行處理，

Q1,i=μAi(xi),i=1,2.

(1)

Q1,i=μB(i-2)(xi),i=3,4.

(2)

x1,x2為節(jié)點輸入，μAi(xi)，μB(i-1)(xi)是與該節(jié)點函數(shù)值相關(guān)的變量，可以將其視為是模糊集Z(Z={A1,A2,B1,B2})的隸屬度函數(shù)。函數(shù)的選擇按照具體的情況而定。

第三層：該層節(jié)點在圖3中用∏表示，將輸入信號相乘，將其乘積輸出為：

O2,i=wi=μAi(x1)μBi(x2),i=1,2.

(3)

第四層：該層的節(jié)點如圖3中的N表示，第i個節(jié)點計算第i條規(guī)則的wi與全部規(guī)則值w之和的比值為：

(4)

第五層：該層的節(jié)點i為自適應(yīng)節(jié)點，其輸出為:

(5)

第六層：該層節(jié)點是一個固定節(jié)點，計算所有輸入信號的總輸出為：

.

(6)

在醫(yī)療大數(shù)據(jù)處理過程中，已經(jīng)獲得了大量用于建模的輸入和輸出數(shù)據(jù)，大量的患者檢測數(shù)據(jù)和其最終的病例之間形成了一個多輸入多輸出的數(shù)據(jù)映射，如圖4所示。在醫(yī)療大數(shù)據(jù)分類系統(tǒng)中，不能憑借經(jīng)驗也不能期望數(shù)據(jù)中直接給出隸屬度函數(shù)的形式和參數(shù)，這時應(yīng)當選擇可與輸入、輸出數(shù)據(jù)相對匹配的隸屬度函數(shù)，反映數(shù)據(jù)變化的特點。

在圖4中，同一層的節(jié)點具有相同的功能。與多輸入單輸出有稍微的差別。

在這里隸屬度函數(shù)采用高斯函數(shù)，高斯函數(shù)參數(shù)比較少，而且平滑可導(dǎo)，便于計算。

(7)

圖4 多輸入多輸出模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

2 實驗結(jié)果與探討

使用matlab的模糊神經(jīng)網(wǎng)絡(luò)工具箱，進行驗證，數(shù)據(jù)集采用UCI的Breast Cancer Wisconsin (Diagnostic) Data Set[10]。分類算法主要思路如下：

1) 為每一個分類創(chuàng)建一個模糊規(guī)則V，總模糊規(guī)則為U=VK,U為模糊規(guī)則的總數(shù)。

2) 集合Pij=1，i=1,2,…,u以及j=1,2,…,d；u為總的分類，d為主要屬性的特征。

3) 使用K-均值聚類分析確定模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)初始值。

4) 使用新的訓練集訓練，在訓練中Pij的值需要大于等于0。

5) 獲得訓練結(jié)果和測試分類結(jié)果。

圖5 隸屬度函數(shù)對分類結(jié)果的影響

從學院附屬醫(yī)院采集部分數(shù)據(jù)作為訓練用數(shù)據(jù)集并導(dǎo)入到matlab工作空間中。樣品主要分為兩類，即惡性和良性。每個樣本包括30個特征屬性值。圖5中描述了輸出誤差隨迭代次數(shù)的變化的曲線，可以通過調(diào)整隸屬度函數(shù)來對分類結(jié)果產(chǎn)生影響。

3 結(jié)論

本文使用模糊神經(jīng)網(wǎng)對醫(yī)療大數(shù)據(jù)的分類，通過對學院附屬醫(yī)院采集部分數(shù)據(jù)的分析處理。得了一個良好的隸屬度函數(shù)對分類結(jié)果的影響仿真結(jié)果。同時在模糊神經(jīng)網(wǎng)絡(luò)在處理高緯度數(shù)據(jù)時，具有良好的性能和仿真精度。