詹秀菊

（廣州中醫(yī)藥大學(xué)醫(yī)學(xué)信息工程學(xué)院，廣州510006）

0 引言

銀屑病是一種多因素的慢性炎癥性疾病，病程較長，有易復(fù)發(fā)傾向，有的病例幾乎終生不愈。據(jù)報告，我國目前銀屑病患病率為0.4%，估計有600 余萬患者，歐美國家發(fā)病率高于黃種人和黑種人[1]，歐洲的患病率為2%-3%[2]。該病發(fā)病以青壯年為主，對患者的身體健康和精神狀況影響較大。臨床表現(xiàn)以紅斑、鱗屑為主，全身均可發(fā)病，以頭皮、四肢伸側(cè)較為常見，多在冬季加重，導(dǎo)致患者出現(xiàn)身體形象以及心理的問題，進(jìn)而影響患者的正常生活[3]。

英國統(tǒng)計學(xué)家卡皮·皮爾遜提出的PCA 算法將多指標(biāo)化為少數(shù)綜合指標(biāo)的一種統(tǒng)計分析方法[4]。其基本思想是將原有較多變量線性組合轉(zhuǎn)變?yōu)樯贁?shù)新變量來壓縮原有數(shù)據(jù)矩陣的規(guī)模，進(jìn)而從高維屬性中挖掘出含有信息量最大的影響因子，揭示事物的本質(zhì)[5]。本研究主要利用PCA 算法將輸入變量降維，用較少的計算量來選擇變量，獲取最佳變量子集合，從而減少BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的運行時間。

1 PCA算法運行步驟

PCA 算法具體步驟如下：

（1）構(gòu)建樣本矩陣為X={x1,x2,x3,…xn}，其中n 表示樣本矩陣的列數(shù)，每一列數(shù)據(jù)代表一個樣本維度。

（2）構(gòu)建協(xié)方矩陣：

（3）計算協(xié)方矩陣Cov 的特征值和特征向量，將特征值按照單調(diào)遞減排序λ1≥λ2≥λ3…λn，與之對應(yīng)的特征向量為w1,w2,w3…wn。

（4）選取前k 個特征向量組成矩陣w。

（5）求取主成分Z。

（6）計算主成分貢獻(xiàn)率以及累計貢獻(xiàn)率。

一般選取累計貢獻(xiàn)率達(dá)到85%以上的主成分因子作為樣本判別的主要影響因子，作為輸入變量。

2 數(shù)據(jù)的采集與清洗

（1）文獻(xiàn)數(shù)據(jù)的采集

將文獻(xiàn)中的文獻(xiàn)題目、發(fā)表時間、第一作者、證型、中醫(yī)癥狀、收錄范圍、期刊名稱以及治療方法等信息復(fù)制到Excel 2016 工作表中，如圖1 所示。

圖1 文獻(xiàn)信息表

（2）癥狀變量選取

選取與銀屑病相關(guān)的皮損癥狀、全身癥狀、舌象以及脈象癥狀指標(biāo)作為輸入變量，其中皮損癥狀有皮疹發(fā)展迅速、皮疹經(jīng)久不退、皮疹消退、皮損鮮紅（紅）、皮損淡紅、皮損暗紅、點滴狀皮疹、斑片狀皮疹、地圖狀皮疹、鱗屑干燥脫落、鱗屑附著緊、皮損肥厚、浸潤明顯、皮膚干燥、皮膚潮濕、皮損灼熱和皮損腫脹等17 個癥狀，全身癥狀有疲乏、咽干、咽燥、咽腫、咽喉痛、肢體倦怠、頭暈、胸悶、納呆、喜冷飲、口干、口渴、口苦、失眠多夢、不寐、心煩易怒、便干、便秘、便溏、小便黃赤和唇青紫等21 個癥狀，舌象有舌紅、舌紫暗、舌暗紅、舌淡紅、瘀斑、苔黃、苔白、苔薄、少苔、舌燥和苔膩等11 個癥狀，脈象有浮脈、沉脈、緩脈、數(shù)脈、澀脈、滑脈、弦脈、細(xì)脈和濡脈等9 個癥狀。

（3）證型變量選取

趙炳南老中醫(yī)將銀屑病分為血熱型、血燥型、血瘀型三型辨證治療，朱仁康認(rèn)為銀屑病可分為血熱型、血燥型、風(fēng)濕型、毒熱型[6]。周鳴岐等根據(jù)銀屑病的病例特點將其分為風(fēng)熱血熱與風(fēng)熱血燥兩型[7]。本研究證型的選取參考《尋常型銀屑?。ò庄H）中醫(yī)藥臨床循證實踐指南2013 版》[8]，選取血熱型、血燥型、血瘀型等三型為輸出變量。

（4）數(shù)據(jù)歸一化處理

數(shù)據(jù)挖掘的前提是數(shù)據(jù)歸一化處理，其目的在于將文獻(xiàn)數(shù)據(jù)轉(zhuǎn)變?yōu)閿?shù)值類型的數(shù)據(jù)，有利于機(jī)器識別。本研究中自變量X 為癥狀信息，X1，X2，X3，…，X58 分別代表58 個癥狀變量。因變量Y 為證型信息，即Y 代表證型。其中癥狀有無分別設(shè)置為1、0，血燥型、血瘀型、血熱型分別設(shè)置為1、2、3，并錄入到Excel 2016 工作表中，如表1 所示。

表1 數(shù)據(jù)量化表

本研究篩選符合條件的文獻(xiàn)共445 篇，每篇文獻(xiàn)錄入一條病案，即錄入Excel 文件中病案共445 條。其中輸入變量有皮損癥狀、全身癥狀、舌象和脈象等58個癥狀，輸出變量為血燥型、血瘀型、血熱型。

3 PCA降維

（1）數(shù)據(jù)準(zhǔn)備將銀屑病數(shù)據(jù)保存為名為sheji1.xls 的Excel 文件，利用MATLAB 2015a 軟件中xlsread（）函數(shù)讀取數(shù)據(jù)，將讀取的數(shù)據(jù)命名為data1，讀取data1 中1 到58列作為輸入數(shù)據(jù)命名為input，讀取data1 中第59 列數(shù)據(jù)作為輸出數(shù)據(jù)命名為output。具體代碼如下：

（2）算法參數(shù)設(shè)定

PCA 算法的累計貢獻(xiàn)率變化對BP 神經(jīng)網(wǎng)絡(luò)性能具有一定的影響，為了準(zhǔn)確、迅速地選取累計貢獻(xiàn)率，PCA 算法的累計貢獻(xiàn)率在80%到100%之間選取。本研究利用MATLAB 2015a 自帶工具箱實現(xiàn)PCA 降維的功能，代碼如下所示，以BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的準(zhǔn)確率及運行的時間為判斷指標(biāo)，比較BP 神經(jīng)網(wǎng)絡(luò)與PCA-BP 神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率、時間，選取PCA 參數(shù)最合適的累計貢獻(xiàn)率。

實現(xiàn)PCA 模型參數(shù)設(shè)定的核心代碼如下：

如圖2 所示，從圖形上可看出，PCA-BP 神經(jīng)網(wǎng)絡(luò)模型的運行時間大部分是小于BP 神經(jīng)網(wǎng)絡(luò)模型的運行時間，除了當(dāng)累計貢獻(xiàn)率為0.95 時，該累計貢獻(xiàn)率可刪除，不選取該值作為PCA 算法的參數(shù)值，整體結(jié)果可說明PCA 算法能夠減少BP 神經(jīng)網(wǎng)絡(luò)運行時間。當(dāng)累計貢獻(xiàn)率為0.83、0.84、0.85、0.86、0.88、0.90、0.93、0.94、0.96、1 時，PCA-BP 神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率大于BP 神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率，收集以上符合條件的累計貢獻(xiàn)率匯總為一個表，如表2 所示，從表中可看出準(zhǔn)確率排名前五的累計貢獻(xiàn)率有0.83、0.85、0.88、0.84、0.93，其相對應(yīng)的準(zhǔn)確率分別為0.92、0.90、0.86、0.86、0.85。PCA-BP 神經(jīng)網(wǎng)絡(luò)模型運行的時間排名前五的累計貢獻(xiàn)率有0.93、0.90、0.85、0.88、0.84，其對應(yīng)的運行時間分別為0.78、0.88、0.95、0.98、1.03。綜合各種因素考慮，PCA 的累計貢獻(xiàn)率設(shè)置為0.93，PCA-BP 運行時間為0.78，準(zhǔn)確率為0.85。

表2 累計貢獻(xiàn)率表

圖2 PCA參數(shù)運行圖

（3）結(jié)果分析

PCA 模型根據(jù)上面可確定累計貢獻(xiàn)率設(shè)置為0.93，運行以下代碼，可得出各個因子的貢獻(xiàn)率以及累計貢獻(xiàn)率，且各因子的貢獻(xiàn)率按降序排列，如表3 所示，從表中可看出第34 個主成分因子的累計貢獻(xiàn)率為0.9267，第35 個主成分因子的累計貢獻(xiàn)率為0.9329，因累計貢獻(xiàn)率參數(shù)設(shè)置為0.93，即提取前面34 個主成分因子作為BP 神經(jīng)網(wǎng)絡(luò)模型的輸入變量。

實現(xiàn)PCA 降維的代碼如下：

表3 主成分因子貢獻(xiàn)率

綜上所述，PCA 算法具有提取決定性作用指標(biāo)的特性，以減少計算工作量。本研究PCA 算法的累計貢獻(xiàn)率設(shè)置為93%，將58 個癥狀輸入變量變成34 個主成分因子，以減少BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的運行時間，實驗結(jié)果也證明PCA 算法具有消除冗余的特征，減少了銀屑病BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型運行時間，提高模型的運行效率。