高立，文銀剛，張勤，黃國(guó)華，葉方偉★

（1.超聲醫(yī)學(xué)工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，重慶醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院，重慶；2.重慶市生物醫(yī)學(xué)工程學(xué)重點(diǎn)實(shí)驗(yàn)室，重慶；3.超聲醫(yī)療國(guó)家工程研究中心，重慶；4.遂寧市中心醫(yī)院，四川 遂寧）

0 引言

子宮肌瘤是育齡期女性最常見疾病，大約在婦科良性腫瘤中占52%[1]。其臨床表現(xiàn)與肌瘤類型、肌瘤數(shù)目、肌瘤大小等相關(guān)，常見癥狀為經(jīng)量增多、經(jīng)期延長(zhǎng)、尿頻尿急、貧血等，但大多數(shù)患者沒有癥狀，通常經(jīng)由體檢發(fā)現(xiàn)。目前治療子宮肌瘤的方法主要包括藥物治療、手術(shù)治療、其他治療，如子宮動(dòng)脈栓塞術(shù)，超聲消融治療[2,3]。近年來超聲消融治療作為一種非侵入性、保守性治療子宮肌瘤的方法已取得較為滿意的臨床療效[4]。現(xiàn)階段對(duì)其術(shù)后治療效果的評(píng)價(jià)一般是通過觀察造影后病灶區(qū)體積的變化，但此方法有一定的局限性。而數(shù)據(jù)挖掘以融合多個(gè)學(xué)科、匯總多種方法、處理海量數(shù)據(jù)、挖掘重要信息等特點(diǎn)越來越廣泛地引起了計(jì)算機(jī)、統(tǒng)計(jì)學(xué)等領(lǐng)域?qū)＜液蛯W(xué)者的注意?；貧w分析作為數(shù)據(jù)挖掘技術(shù)領(lǐng)域的一種重要算法，從其最初的算法到后來的算法改進(jìn)以及它在醫(yī)學(xué)中的應(yīng)用，都被進(jìn)行了廣泛深入地研究。將回歸分析應(yīng)用于HIFU 消融子宮肌瘤病人術(shù)后消融率的預(yù)測(cè)有著速度快，效率高，所建模型穩(wěn)健性好等特點(diǎn)。通過數(shù)據(jù)挖掘回歸分析方法可為臨床判斷、選擇合適的治療方案提供決策依據(jù)[5]。

1 資料和方法

1.1 資料來源

資料來源于遂寧市中心醫(yī)院2014 年到2016 年的單發(fā)子宮肌瘤患者的臨床資料。涉及患者的基本信息、MRI 檢查、治療信息三個(gè)方面，共計(jì)11 項(xiàng)指標(biāo)。

1.2 臨床數(shù)據(jù)預(yù)處理

首先，對(duì)原始數(shù)據(jù)進(jìn)行初步篩選，剔除部分有缺失和不完整的臨床記錄，通過篩選剩余907 例。資料中的類型變量采用啞變量賦值，如肌瘤位置（前壁/后壁/側(cè)壁/宮底/宮頸）這是一個(gè)類型變量，類型變量需要納入計(jì)算必須將其轉(zhuǎn)化為數(shù)值。因此，我們?yōu)榍氨趧?chuàng)建一列數(shù)據(jù)，為后壁創(chuàng)建一列數(shù)據(jù)，以此類推。然后將每一列分別以0/1 填充（1=yes，0=no）。這表明如果原始列為前壁，那么就會(huì)在壁/側(cè)壁/宮底/宮頸四列得到0，在前壁這列得到1。本數(shù)據(jù)中由于宮頸數(shù)量很少，因此我們把宮頸這一屬性進(jìn)行了剔除。

接著，對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行特征縮放，如本文中年齡范圍在20-50，其對(duì)應(yīng)的肌瘤體積范圍在500-300000 的數(shù)據(jù)。肌瘤體積一列的數(shù)據(jù)遠(yuǎn)遠(yuǎn)大于年齡，而且有更廣的數(shù)據(jù)范圍。這表明，歐氏距離將完全由肌瘤體積這一特征所主導(dǎo)，而忽視年齡數(shù)據(jù)的主導(dǎo)效果?？s放特征仍能加速模型收斂。因此，可以在數(shù)據(jù)預(yù)處理中加入。特征縮放不影響最終結(jié)果，且包含了標(biāo)準(zhǔn)歸一化等方法。

最后，我們進(jìn)行了自變量的篩選，由于肌瘤位置在宮頸位置的只有一例，所以把宮頸位置予以刪除。最后一共產(chǎn)生了19 個(gè)自變量：對(duì)應(yīng)x1，x2，x3......x19 年齡、身高、體重、粘膜下、漿膜下、肌壁間、前壁、后壁、側(cè)壁、宮底、肌瘤體積、高信號(hào)、等信號(hào)、低信號(hào)、混雜信號(hào)、治療時(shí)間、輻照時(shí)間、治療強(qiáng)度、治療劑量，1 個(gè)因變量：消融率y。最終數(shù)據(jù)情況如表1 所示。

表1 數(shù)據(jù)情況分布表

1.3 研究方法

采用數(shù)據(jù)挖掘技術(shù)中的回歸分析方法在Python 軟件上構(gòu)建回歸預(yù)測(cè)模型，對(duì)2014 到2016 年907 例的單發(fā)子宮肌瘤患者的臨床資料進(jìn)行回歸分析，并檢測(cè)其對(duì)子宮肌瘤患者術(shù)后消融率的預(yù)測(cè)準(zhǔn)確性。

1.4 回歸分析

回歸分析指的是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法。其按照涉及的變量的多少，分為一元回歸和多元回歸分析；按照因變量的多少，可分為簡(jiǎn)單回歸分析和多重回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。

在數(shù)據(jù)分析中，回歸分析是一種預(yù)測(cè)性的建模技術(shù)，它研究的是因變量（目標(biāo)）和自變量（預(yù)測(cè)）之間的關(guān)系。這種技術(shù)通常用于預(yù)測(cè)分析，時(shí)間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系。

回歸分析的主要應(yīng)用場(chǎng)景是進(jìn)行預(yù)測(cè)和控制，例如計(jì)劃制定、KPI 制定、目標(biāo)制定等方面；也可以基于預(yù)測(cè)的數(shù)據(jù)與實(shí)際數(shù)據(jù)進(jìn)行比對(duì)和分析，確定事件發(fā)展程度并給未來行動(dòng)提供方向性指導(dǎo)[6]。

1.5 Python 代碼實(shí)現(xiàn)

本文將通過Python 機(jī)器學(xué)習(xí)相關(guān)工具包實(shí)現(xiàn)模型構(gòu)建和預(yù)測(cè)，分別是用到：BayesianRidge( 貝葉斯嶺回歸)、LinearRegression( 普通線性回歸)、ElasticNet( 彈性網(wǎng)絡(luò)回歸)、SVR(支持向量機(jī)回歸)、GradientBoostingRegression(梯度增強(qiáng)回歸)等機(jī)器學(xué)習(xí)模型。

2 結(jié)果

2.1 回歸分析預(yù)測(cè)結(jié)果

回歸分析的評(píng)估指標(biāo)采用以下4 個(gè)指標(biāo)來衡量：（1）方差得分(explainedvariancescore)，其值取值范圍是[0, 1]，越接近于1 說明自變量越能解釋因變量的方差變化，值越小則說明效果越差；（2）平均絕對(duì)誤差（Mean Absolute Error， MAE），用于評(píng)估預(yù)測(cè)結(jié)果和真實(shí)數(shù)據(jù)集的接近程度的程度，其值越小說明擬合效果越好；（3）均方誤差（Mean squared error， MSE），該指標(biāo)計(jì)算的是擬合數(shù)據(jù)和原始數(shù)據(jù)對(duì)應(yīng)樣本點(diǎn)的誤差的平方和的均值，其值越小說明擬合效果越好；（4）判定系數(shù)（r2score），其含義也是解釋回歸模型的方差得分，其值取值范圍是[0, 1]，越接近于1 說明自變量越能解釋因變量的方差變化，值越小則說明效果越差。本研究建立了5 種回歸模型，各個(gè)模型的評(píng)估指標(biāo)得分如表2 所示。

2.2 實(shí)驗(yàn)結(jié)果分析

本次實(shí)驗(yàn)使用的數(shù)據(jù)集屬于小規(guī)模、多屬性，單從這一點(diǎn)分析，5 種回歸算法都易于實(shí)現(xiàn)、且性能表現(xiàn)良好。綜合表2 的數(shù)據(jù)中可以看出，SVR 的模型評(píng)估得分要明顯優(yōu)于其他4 種算法，這可能由于：（1）只考慮了每個(gè)自變量和因變量之間的關(guān)系，而沒有考慮到各個(gè)自變量之間的關(guān)系；（2）樣本數(shù)據(jù)分布不均勻，這都是能直接影響預(yù)測(cè)準(zhǔn)確率的原因。而且，根據(jù)表2 可以看到，5 種算法的均方誤差也是有差異的，SVR 算法的均方誤差顯然比另外4種算法小。綜上所述，在HIFU 消融子宮肌瘤的消融率預(yù)測(cè)實(shí)驗(yàn)中SVR 算法效果更好。

表2 5 種回歸模型評(píng)估指標(biāo)得分表

3 結(jié)束語

子宮肌瘤是婦科中最常見的一種良性腫瘤，已經(jīng)對(duì)廣大女性的日常生活造成了很多負(fù)面影響。文章利用數(shù)據(jù)挖掘中的回歸分析算法在海扶醫(yī)療股份有限公司醫(yī)學(xué)服務(wù)部提供的子宮肌瘤患者數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，從而實(shí)現(xiàn)對(duì)HIFU 消融子宮肌瘤的消融率進(jìn)行預(yù)測(cè)。此次實(shí)驗(yàn)不僅實(shí)現(xiàn)了對(duì)HIFU 消融子宮肌瘤消融率的預(yù)測(cè)，還可以對(duì)比5 種回歸分析算法，選出最合適的一種。SVR 算法擬合度較高，且均方誤差明顯比另外4 種算法小，因此，在此次實(shí)驗(yàn)中使用SVR 算法效果更佳。

今后主要研究的問題就是在提高SVR 算法效率的同時(shí)，尋找更優(yōu)的算法。如今，HIFU 消融子宮肌瘤的有效性預(yù)測(cè)是廣受關(guān)注的一個(gè)問題，未來會(huì)有越來越多的研究學(xué)者提出更好的算法和方案來解決這個(gè)問題，并為醫(yī)學(xué)中的子宮肌瘤治療提供幫助。