蔡曉亞 張曉群

摘 ? 要：疾病的影響因素有很多，找到關(guān)鍵的影響因子對于前期疾病預(yù)測至關(guān)重要。文章數(shù)據(jù)來源是克利夫蘭基金診療所關(guān)于心臟病診斷的數(shù)據(jù)，將樣本數(shù)據(jù)與知識(shí)經(jīng)驗(yàn)的方法相結(jié)合，利用改進(jìn)的PCA對診斷數(shù)據(jù)進(jìn)行屬性約簡并計(jì)算主成分權(quán)重，最終提取出關(guān)鍵的影響因子。

關(guān)鍵詞：主成分權(quán)重;PCA法;影響因子

據(jù)2015年的中國疾病報(bào)告顯示，城鄉(xiāng)居民因心臟病疾病死亡人數(shù)居各種疾病死亡人數(shù)的首位[1]，嚴(yán)重威脅著人們的生活。針對疾病的研究，國內(nèi)外的專家學(xué)者提出了確定疾病影響因子的概念。所以對疾病早發(fā)現(xiàn)、早診斷，將成為未來心臟病治療新方向[2]。

疾病的診斷中需要參考的指標(biāo)項(xiàng)目目前已十分明朗，但是在運(yùn)用計(jì)算機(jī)技術(shù)以及數(shù)學(xué)方法進(jìn)行診斷時(shí)，屬性特征個(gè)數(shù)越多診斷越復(fù)雜。在研究疾病影響因子時(shí)，提高準(zhǔn)確率是研究的首要問題，然而個(gè)體之間存在差異性[3]，疾病誘發(fā)因子不盡相同，包括年齡、性別、吸煙情況等，這些疾病影響因子之間是相互聯(lián)系又相互制約的，所以篩選出最少的包含最多信息的因子至關(guān)重要。心臟病屬性約簡就是通過一定的方法從原始采集的多項(xiàng)生理特征集合中選擇最具代表性的部分屬性特征，由于屬性特征個(gè)數(shù)越多，越會(huì)影響最后結(jié)果的準(zhǔn)確性，因此屬性約簡在保證數(shù)據(jù)不失真的前提下篩選掉部分冗余的特征信息來提高目標(biāo)結(jié)果的準(zhǔn)確性。文章利用主成分分析（Principal Component Analysis，PCA）[4]對特征集進(jìn)行屬性約簡，并對主成分分析進(jìn)行了改進(jìn)，通過結(jié)合專家意見計(jì)算主成分權(quán)重，最終獲得約簡后的主要因子。

1 ? ?一次主成分分析

主成分分析方法是一種統(tǒng)計(jì)分析方法，該方法通過對數(shù)據(jù)進(jìn)行簡化，使簡化的信息能夠以最少的信息量反應(yīng)未簡化之前的大部分信息。簡言之，PCA將分量相關(guān)的原始數(shù)據(jù)轉(zhuǎn)化成分量不相關(guān)的數(shù)據(jù)，是以較少的綜合指標(biāo)來代替原來具有一定相關(guān)性或相制約的較多的指標(biāo)。使用PCA方法能使問題變得簡單，更易處理。

按照傳統(tǒng)PCA算法進(jìn)行一次主成分分析，其主要步驟如下。

（1）構(gòu)造原始特征值矩陣。訓(xùn)練樣本集中共包含n個(gè)樣本數(shù)據(jù)，其中，每個(gè)樣本數(shù)據(jù)中含有P個(gè)特征，構(gòu)成n×p的樣本矩陣X。

（2）對原始特征值做歸一化處理。本文將原始特征值進(jìn)行Z-score標(biāo)準(zhǔn)化，即將樣本矩陣X經(jīng)過處理得到歸一化特征矩陣。

3 ? ?實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)數(shù)據(jù)來自克利夫蘭基金診療所關(guān)于心臟病診斷的數(shù)據(jù)集，所下載的數(shù)據(jù)集中共包含303例樣例，每個(gè)樣例中包含年齡、性別、是否抽煙、血壓值、運(yùn)動(dòng)等75個(gè)生理特征指標(biāo)。303例樣例中，患有心臟病為139例，另外164例為正常數(shù)據(jù)。按照特征數(shù)據(jù)信息的累積貢獻(xiàn)率≥85%原則，經(jīng)主成分第一次分析處理后，保留了9項(xiàng)生理特征。

這9項(xiàng)生理特征數(shù)據(jù)信息包括年齡C1，性別C2，胸部疼痛類型C3，靜息血壓C4，血清類固醇C5，空腹血糖是否超標(biāo)C6，靜息心電圖結(jié)果C7，最大心率C8，鍛煉時(shí)是否引起心絞痛C9。

在經(jīng)過第一次的傳統(tǒng)主成分分析后，結(jié)合專家打分對9項(xiàng)生理特征進(jìn)行二次主成分分析。咨詢5位專家分別對以上9個(gè)生理特征進(jìn)行打分，分值從1到5，重要程度依次上升。專家打分情況如下所示：

5位專家對C1打分為：1，2，3，4，5;C2打分為：3，2，3，4，3;C3打分為：2，2，3，4，2;C4打分為：4，5，4，4，4;C5打分為：4，4，5，4，4;C6打分為：4，4，5，4，4;C7打分為：5，5，5，5，5;C8打分為：3，5，4，5，5;C9打分為：5，5，5，5，5。

對5位專家打分情況經(jīng)過二次分析即可得指標(biāo)集{age，sex，cpt，rbs，chol，fbs，restecg，thalach，exang};對應(yīng)的權(quán)重集為{0.058 59，0.050 78，0.089 84，0.082 03，0.082 03，0.082 03，0.097 66，0.085 94，0.097 66}。

根據(jù)以上計(jì)算，取權(quán)重大于0.08以上指標(biāo)作為最終約簡集。所以，最終對心臟病的影響因子包括：胸部疼痛類型、靜息血壓、血清類固醇、空腹血糖是否超標(biāo)、靜息心電圖結(jié)果、最大心率、鍛煉時(shí)是否引起心絞痛。

4 ? ?結(jié)語

本文旨在利用醫(yī)療多類型數(shù)據(jù)分析心血管疾病的診斷因素，結(jié)合專家臨床經(jīng)驗(yàn)改進(jìn)的主成分分析方法，確定主成分，并利用專家打分計(jì)算了各個(gè)主成分所占的權(quán)重，最終確定影響心臟病的主要因子，對今后研究心臟病提供理論支持。

[參考文獻(xiàn)]

[1]陳偉偉，高潤霖，劉力生，等.《中國心血管病報(bào)告2015》概要[J].中國循環(huán)雜志，2016（6）：521-528.

[2]ZHENG Y L，DING X R，POON C C Y，et al.Unobtrusive sensing and wearable devices for health informatics[J].IEEE Trans Bio-Med Eng，2014（5）：1538-1554.

[3]周興虎.遼寧省農(nóng)村人群心血管疾病發(fā)病風(fēng)險(xiǎn)預(yù)測和驗(yàn)證研究[D].沈陽：中國醫(yī)科大學(xué)，2014.

[4]童星慧.面向冠心病血檢數(shù)據(jù)的函數(shù)型主成分方法研究[D].安慶：安慶師范大學(xué)，2016.