劉紀(jì)敏，張楷第，文龍日，賈全秋，謝創(chuàng)森，王 菲

（1.山東科技大學(xué)智能裝備學(xué)院，山東泰安 271000；2.山東科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，山東青島 266000；3.泰山科技學(xué)院大數(shù)據(jù)學(xué)院，山東泰安 271000）

0 引言

隨著高科技的發(fā)展以及個(gè)人健康管理需求的不斷增加，人類進(jìn)入了長壽時(shí)代，但高危疾病導(dǎo)致的突然死亡給很多家庭帶來巨大的痛苦。據(jù)統(tǒng)計(jì)，山東省居民主要死亡原因中排名前三位的疾病分別為心血管疾病、惡性腫瘤和腦血管疾病。從年齡組來看，不同年齡組死因排序有所不同，14 歲以下兒童及青少年組排名前三位的死因分別為傷害、惡性腫瘤和先天異常，占該年齡組死亡人數(shù)的74.28%；15-44 歲青壯年組排名前三位的死因分別為傷害、惡性腫瘤和心血管病，占75.97%；45 歲以上中老年人組排名前三位的死因分別為心血管疾病、惡性腫瘤和腦血管疾病，占88.07%。通過分析，心血管疾?。–ardiovascular Disease，CD）導(dǎo)致的死亡率達(dá)到20%［1］。因心血管疾病與日常飲食習(xí)慣、運(yùn)動(dòng)習(xí)慣有著密切關(guān)聯(lián)，所以早期發(fā)現(xiàn)發(fā)病影響因素并進(jìn)行預(yù)防與治療對(duì)降低疾病發(fā)病率具有重要意義。雖然現(xiàn)代醫(yī)學(xué)技術(shù)發(fā)展迅速，但是針對(duì)高危疾病發(fā)病可能性預(yù)測(cè)與預(yù)防方面的技術(shù)仍然比較薄弱，缺乏標(biāo)準(zhǔn)的預(yù)測(cè)模型以及有效的疾病預(yù)測(cè)服務(wù)。

近年來，通過整合信息通信技術(shù)（Information and Communication Technology，ICT）與醫(yī)學(xué)技術(shù)預(yù)測(cè)疾病發(fā)病率并提高預(yù)測(cè)結(jié)果的精準(zhǔn)度成為疾病預(yù)測(cè)領(lǐng)域研究的焦點(diǎn)。如Jabbar 等［2］提出結(jié)合K-最近鄰算法（K-Nearest Neighbor，KNN）與遺傳算法的分類算法提高心血管疾病診斷精準(zhǔn)性；Mohan 等［3］對(duì)近年來心臟病預(yù)測(cè)相關(guān)研究內(nèi)容進(jìn)行了匯總；Choudhary 等［4］使用數(shù)據(jù)挖掘算法、決策樹、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)分類和遺傳算法從數(shù)據(jù)集中預(yù)測(cè)與分析心臟病。研究人員在一個(gè)數(shù)據(jù)集上進(jìn)行了一項(xiàng)實(shí)驗(yàn)，使用神經(jīng)網(wǎng)絡(luò)和混合智能技術(shù)建立一個(gè)模型，結(jié)果表明，混合智能技術(shù)可提高預(yù)測(cè)精度。Sharma 等［5］在心臟病數(shù)據(jù)倉庫中使用K-均值聚類算法提取與心臟病相關(guān)數(shù)據(jù)，并應(yīng)用MAFIA（Maximal Frequency Item Set Algorithm）算法計(jì)算對(duì)心臟病發(fā)作預(yù)測(cè)有重要意義的頻繁模式權(quán)重；Fadini等［6］將年齡、血壓、血管造影報(bào)告等13 個(gè)變量輸入神經(jīng)網(wǎng)絡(luò)模型中以預(yù)測(cè)心臟病發(fā)病率，并證明了該模型的可行性；Yan 等［7］提出利用神經(jīng)網(wǎng)絡(luò)和遺傳算法預(yù)測(cè)疾病的模型，并通過實(shí)驗(yàn)證明了該模型可提高疾病預(yù)測(cè)精準(zhǔn)度；Guru 等［8］提出在確定疾病影響因素的前提下，利用神經(jīng)網(wǎng)絡(luò)、反向傳播算法進(jìn)行疾病預(yù)測(cè)的模型。

研究發(fā)現(xiàn)，雖然這些疾病預(yù)測(cè)模型在一定前提條件下達(dá)到了疾病預(yù)測(cè)的目的，但數(shù)據(jù)特征和維度過多等原因影響了預(yù)測(cè)模型的時(shí)效性和精準(zhǔn)度。研究人員大多注重提升疾病預(yù)測(cè)的正確率，而忽略了疾病預(yù)測(cè)的時(shí)效性，但時(shí)效性在臨床診斷中是極為重要的因素。過多的數(shù)據(jù)特征和維度在數(shù)據(jù)處理過程中會(huì)增加預(yù)測(cè)模型的結(jié)構(gòu)復(fù)雜度及模型訓(xùn)練時(shí)間復(fù)雜度，導(dǎo)致訓(xùn)練出的模型在預(yù)測(cè)疾病時(shí)的時(shí)效性不強(qiáng)。

因此，在保證預(yù)測(cè)準(zhǔn)確率的前提下，為提高疾病預(yù)測(cè)時(shí)效性，本文首先提出基于國家標(biāo)準(zhǔn)查體報(bào)告與心血管疾病影響因素的標(biāo)準(zhǔn)化心血管疾病影響因素提取方法，以提高采集醫(yī)療數(shù)據(jù)的標(biāo)準(zhǔn)性和通用性；其次，提出基于隨機(jī)森林與Relief 算法的疾病影響因素特征選擇方法，以降低疾病預(yù)測(cè)模型的結(jié)構(gòu)復(fù)雜度、提高時(shí)效性，并提出基于誤差反向傳播網(wǎng)絡(luò)的心血管疾病預(yù)測(cè)模型，以提高心血管疾病預(yù)測(cè)精準(zhǔn)度；最后，對(duì)傳統(tǒng)預(yù)測(cè)模型與改進(jìn)模型的實(shí)驗(yàn)結(jié)果進(jìn)行比較分析，證明了改進(jìn)模型的優(yōu)越性。

1 疾病預(yù)測(cè)相關(guān)技術(shù)研究

目前國內(nèi)醫(yī)療機(jī)構(gòu)的醫(yī)療數(shù)據(jù)管理系統(tǒng)，如Hospital-InformationSystem（HIS）、Electronic Medical Record（EMR）等并未實(shí)現(xiàn)規(guī)范化與標(biāo)準(zhǔn)化。為解決這一問題，本文結(jié)合國家標(biāo)準(zhǔn)查體數(shù)據(jù)模型與山東省解放軍第九六〇醫(yī)院查體中心個(gè)人查體報(bào)告模型建立規(guī)范化、標(biāo)準(zhǔn)化的心血管疾病樣本數(shù)據(jù)模型。在心血管疾病發(fā)病影響因素特征選擇中，利用隨機(jī)森林和Relief 算法以更準(zhǔn)確地選取影響因素。在心血管疾病預(yù)測(cè)方面，利用神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）和誤差反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)模型對(duì)心血管疾病的發(fā)病可能性進(jìn)行研究。

1.1 個(gè)人查體標(biāo)準(zhǔn)數(shù)據(jù)模型

本文利用國家標(biāo)準(zhǔn)查體數(shù)據(jù)模型提出個(gè)人查體報(bào)告書，并基于該報(bào)告書建立心血管疾病發(fā)病相關(guān)因素標(biāo)準(zhǔn)化數(shù)據(jù)模型。根據(jù)個(gè)人查體報(bào)告書導(dǎo)出心血管疾病相關(guān)特征數(shù)據(jù)如表1 所示。

Table 1 The characteristic data related to cardiovascular diseases表1 心血管疾病相關(guān)特征數(shù)據(jù)

1.2 特征選擇方法

在心血管疾病發(fā)病影響因素較多的前提下，有必要在查體數(shù)據(jù)預(yù)處理特征集合中選擇有效特征以決定發(fā)病影響因素權(quán)重。特征選擇是從經(jīng)過預(yù)處理的特征集合中選擇有效特征，以降低數(shù)據(jù)維度、減少計(jì)算量。常見的特征選擇方法包括方差過濾、相關(guān)系數(shù)、遞歸特征消除、模型選擇等，本文采用隨機(jī)森林與Relief 相結(jié)合的算法進(jìn)行發(fā)病影響因素特征選擇。

隨機(jī)森林由多個(gè)決策樹構(gòu)成，決策樹中每一個(gè)節(jié)點(diǎn)都是關(guān)于某個(gè)特征的條件，從而將數(shù)據(jù)集按照不同響應(yīng)變量一分為二，利用不純度可以確定節(jié)點(diǎn)（最優(yōu)條件）。當(dāng)訓(xùn)練決策樹時(shí)，可計(jì)算出每個(gè)特征減少了多少樹的不純度。對(duì)于一個(gè)決策樹森林而言，可計(jì)算出每個(gè)特征平均減少了多少不純度，并把平均減少的不純度作為特征選擇值。隨機(jī)森林具有準(zhǔn)確率高、易于使用等優(yōu)點(diǎn)［9-11］。

Relief 算法的基本思路為從訓(xùn)練集D 中隨機(jī)選擇一個(gè)樣本R，然后從與R 同類的樣本中尋找k 點(diǎn)的最近鄰樣本H，并從與R 不同類的樣本中尋找k 最近鄰樣本M，最后按照公式更新特征權(quán)重，通過篩選屬性值達(dá)到降維的目的。為解決隨機(jī)森林求權(quán)重過程中存在的會(huì)將權(quán)重大的屬性賦予低權(quán)重值的問題，引入Relief 算法。Relief 算法可篩掉中、低影響度的屬性，而不會(huì)影響中、高影響度的屬性，從而避免在隨機(jī)森林中將影響度高的醫(yī)療屬性篩掉。但Relief 對(duì)中、低影響度的屬性區(qū)分不明顯，僅對(duì)高影響度的屬性區(qū)分明顯，因此選取隨機(jī)森林中權(quán)重值高的屬性加以保留［12-14］。

1.3 疾病預(yù)測(cè)模型

本文用于預(yù)測(cè)心血管疾病的醫(yī)療數(shù)據(jù)集是從UCI 的機(jī)器存儲(chǔ)庫中獲得的，為部分人的體檢數(shù)據(jù)，共包含2 121 例樣本，其中包括13 條醫(yī)療屬性以及1 條標(biāo)簽屬性。13 條醫(yī)療屬性分別為：年齡、性別、胸部疼痛類型、靜息血壓、膽固醇、空腹血糖＞120mg/dl、靜息心電圖測(cè)量、最高心跳率、運(yùn)動(dòng)誘發(fā)心絞痛、運(yùn)動(dòng)相對(duì)于休息引起的ST 抑制、運(yùn)動(dòng)ST 段的峰值斜率、主要血管數(shù)目、血液疾病。

常用于研究疾病在群體中產(chǎn)生與發(fā)展趨勢(shì)的預(yù)測(cè)模型有回歸預(yù)測(cè)模型、時(shí)間序列預(yù)測(cè)模型、馬爾科夫預(yù)測(cè)模型、灰色系統(tǒng)預(yù)測(cè)模型等。由于BP 神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力，能夠優(yōu)化學(xué)習(xí)進(jìn)度，在信號(hào)正向傳播過程中，輸入層將數(shù)據(jù)傳送給隱層，隱層將信息傳送給輸出層，若輸出的信息不正確，則將輸出結(jié)果轉(zhuǎn)化為輸入數(shù)據(jù)再反饋給隱層并重新輸入。在反向傳遞時(shí)，根據(jù)整體誤差不斷修正各個(gè)連接權(quán)值和閾值，使得最終整體誤差最小，或達(dá)到預(yù)設(shè)精度后再進(jìn)行預(yù)測(cè)［15-17］。

2 心血管疾病預(yù)測(cè)模型

2.1 改進(jìn)的特征選擇方法

特征選擇是指從經(jīng)過預(yù)處理的特征集合中選擇有效特征，在降低數(shù)據(jù)維度的同時(shí)，能夠減少計(jì)算量。但隨機(jī)森林的特征選擇雖然在特征變量特別多的數(shù)據(jù)集中表現(xiàn)良好，但在具有較少屬性值的醫(yī)療數(shù)據(jù)分析中效果不佳，其會(huì)對(duì)各種屬性賦予不等同于其重要性的權(quán)值，因此單純使用隨機(jī)森林會(huì)導(dǎo)致重要屬性被忽略。為此，本文引入Relief 算法，雖然Relief 算法對(duì)于中、低影響度的屬性區(qū)分不明顯，但對(duì)于高影響度的屬性區(qū)分明顯。兩種算法的結(jié)合使得隨機(jī)森林避免了重要屬性的缺失，也彌補(bǔ)了Relief算法無法區(qū)分中、低影響度屬性的缺點(diǎn)，從而在保證重要屬性不丟失的情況下，對(duì)各種屬性按其重要程度賦予權(quán)值。

2.2 改進(jìn)的發(fā)病預(yù)測(cè)模型

2.2.1 屬性指標(biāo)定義

實(shí)驗(yàn)中所使用的心血管疾病相關(guān)屬性信息如表2 所示。

Table 2 Cardiovascular disease related attributes表2 心血管疾病相關(guān)屬性

屬性指標(biāo)中存在如性別、胸部疼痛類型、空腹血糖、靜息心電圖測(cè)量、運(yùn)動(dòng)ST 段峰值斜率等文本型指標(biāo)需進(jìn)行文本轉(zhuǎn)換，對(duì)于二值類數(shù)據(jù)，例如在性別特征中，包含男性和女性兩種取值，可將女性映射為0，男性映射為1。在空腹血糖指標(biāo)中，當(dāng)空腹血糖大于120mg/dl 時(shí)，將其映射為0；當(dāng)空腹血糖小于120mg/dl 時(shí)，將其映射為1。同理，在運(yùn)動(dòng)性心絞痛屬性中，當(dāng)屬性值為真時(shí)，將其映射為0，反之映射成1。對(duì)于多值型屬性，如在胸部疼痛類型的數(shù)據(jù)特征中，可根據(jù)疼痛由重到輕，將典型心絞痛映射為0，非典型心絞痛映射為1，非心絞痛疼痛映射為2，無臨床癥狀映射為3。同理，在靜息心電圖測(cè)量、ST 段坡度值以及地中海貧血嚴(yán)重程度屬性中，將其映射成0～3，文本屬性數(shù)據(jù)化后的處理結(jié)果如表3 所示。

2.2.2 數(shù)據(jù)歸一化處理

數(shù)據(jù)集中不同屬性值的數(shù)量級(jí)與物理含義往往不一致，為加快訓(xùn)練速度，在訓(xùn)練樣本進(jìn)入訓(xùn)練模型之前，往往需要對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理，使不同類型的屬性值均在同一數(shù)量級(jí)，以對(duì)各屬性值進(jìn)行綜合對(duì)比評(píng)價(jià)。由于每個(gè)特征屬性之間具有不同量綱，針對(duì)連續(xù)變化的數(shù)值型數(shù)據(jù)，需要對(duì)其進(jìn)行數(shù)值歸一化處理，以消除不同量綱對(duì)各屬性綜合性能的影響。目前，常見的歸一化方法有最大最小值歸一化、零均值歸一化等，本文采用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化（Standard Scale）方法，使得處理后的數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布，即均值為0，標(biāo)準(zhǔn)差為1，其轉(zhuǎn)化函數(shù)為。其中，μ為所有樣本數(shù)據(jù)均值，σ為所有樣本數(shù)據(jù)標(biāo)準(zhǔn)差。與最大最小值歸一化、零均值歸一化不同，標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化方法是針對(duì)每一個(gè)特征維度進(jìn)行的，而不是針對(duì)樣本。處理結(jié)果如表4 所示。

Table 3 The results processed after the datamation of text attributes表3 文本屬性數(shù)據(jù)化后處理結(jié)果

Table 4 Results after normalization of index data表4 指標(biāo)數(shù)據(jù)歸一化后結(jié)果

2.2.3 特征選取

在大數(shù)據(jù)時(shí)代，海量的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)為醫(yī)療數(shù)據(jù)處理增加了一定難度，過多的數(shù)據(jù)特征和維度在數(shù)據(jù)處理中會(huì)增加BP 數(shù)據(jù)網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜度，也會(huì)加大模型訓(xùn)練的時(shí)間復(fù)雜度，使訓(xùn)練出的模型無法為心血管疾病提供更準(zhǔn)確的預(yù)測(cè)。要通過較少的指標(biāo)屬性達(dá)到理想的預(yù)測(cè)精度，可運(yùn)用屬性降維算法來實(shí)現(xiàn)。從眾多醫(yī)療指標(biāo)中選擇與心血管疾病相關(guān)性較強(qiáng)的一些指標(biāo)，同時(shí)過濾掉不相關(guān)及冗余指標(biāo)。分別采用隨機(jī)森林以及Relief F 求各個(gè)醫(yī)療屬性的權(quán)重及其排序，結(jié)果如表5 所示。

Table 5 The weights of medical attributes and their order表5 醫(yī)療屬性權(quán)重及其排序

隨機(jī)森林基于不純度的排序結(jié)果非常鮮明，除得分最高的幾個(gè)特征外，其余特征得分急劇下降。從表中可以看到，得分第5 的特征權(quán)重值比得分第1 的特征權(quán)重值小一倍，而其他特征選擇算法下降沒有這么劇烈。隨機(jī)森林是一種非常流行的特征選擇方法，其易于使用，一般不需要特征工程、調(diào)參等繁瑣的步驟。但是利用隨機(jī)森林求權(quán)重存在兩個(gè)缺陷，一是重要特征有可能得分很低，二是這種方法對(duì)特征變量類別越多的特征越有利［17］。因此，僅使用隨機(jī)森林進(jìn)行特征選擇會(huì)將重要的醫(yī)療屬性賦予低權(quán)重值，導(dǎo)致重要的醫(yī)療屬性被篩掉，從而影響對(duì)疾病的預(yù)測(cè)，大大降低了預(yù)測(cè)精度［18］。為克服隨機(jī)森林的缺陷，引入Relief F 算法可篩掉中、低影響度的屬性，而不會(huì)影響中、高影響度的屬性。由于在隨機(jī)森林訓(xùn)練中會(huì)將權(quán)重大的屬性賦予低權(quán)重值，而Relief F 對(duì)中低影響度的屬性區(qū)分不明顯，對(duì)高影響度的屬性區(qū)分明顯，因此保留隨機(jī)森林中權(quán)重值靠前的屬性，分別是cp、thalach、thal、oldpeak、age、trestlops，再取在Relief F 算法中權(quán)重排名前5 的屬性，分別是sex、restecg、thal、exang、ca。由Relief F 算法訓(xùn)練結(jié)果可發(fā)現(xiàn)，sex 及restecg 屬性被賦予了較高權(quán)重值，而這兩個(gè)屬性在隨機(jī)森林訓(xùn)練中則被賦予了較低屬性值，因此保留sex與restecg 屬性。最終保留的屬性為：cp、sex、thalach、restecg、thal、oldpeak、exang、age、ca、restbps。

2.2.4 神經(jīng)網(wǎng)絡(luò)層數(shù)

由于三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)，因此疾病預(yù)測(cè)系統(tǒng)選擇三層結(jié)構(gòu)進(jìn)行相關(guān)測(cè)試，網(wǎng)絡(luò)中層數(shù)都被設(shè)定為1。

2.2.5 輸入層與輸出層節(jié)點(diǎn)數(shù)確定

本文采用神經(jīng)網(wǎng)絡(luò)技術(shù)，首先要確定各神經(jīng)網(wǎng)單元數(shù)。神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)就是心臟病預(yù)測(cè)時(shí)的相關(guān)指標(biāo)數(shù)據(jù)，本文所選數(shù)據(jù)通過特征選擇算法之后確定了10 個(gè)特征屬性。所以，確定輸入層節(jié)點(diǎn)數(shù)為10，輸出層節(jié)點(diǎn)數(shù)為1。

2.2.6 隱層神經(jīng)單元數(shù)

隱層單元數(shù)選擇是一個(gè)十分復(fù)雜的問題，也是神經(jīng)網(wǎng)絡(luò)研究的熱點(diǎn)問題之一。隱層節(jié)點(diǎn)數(shù)的確定與問題要求、輸入輸出單元數(shù)量及輸入輸出單元分布都有直接關(guān)系。節(jié)點(diǎn)數(shù)太多會(huì)增加訓(xùn)練時(shí)間，其中隱層神經(jīng)單元數(shù)可自行設(shè)定。一般而言，問題越復(fù)雜，需要的隱層單元數(shù)越多，隱層單元數(shù)越多，則越容易收斂，但隱層單元過多會(huì)增加計(jì)算量［19］。本文根據(jù)如下規(guī)則確定隱層神經(jīng)元數(shù)目：隱層神經(jīng)元數(shù)目大于輸入層神經(jīng)元與輸出層神經(jīng)元數(shù)目總和的一半，小于輸入層神經(jīng)元與輸出層神經(jīng)元數(shù)目總和［20］。對(duì)于不同的隱層，網(wǎng)絡(luò)識(shí)別率也不同。因此，統(tǒng)計(jì)出不同隱層神經(jīng)元個(gè)數(shù)對(duì)應(yīng)的網(wǎng)絡(luò)識(shí)別正確率，如圖1 所示。

2.2.7 學(xué)習(xí)率M

較高的學(xué)習(xí)率會(huì)導(dǎo)致網(wǎng)絡(luò)誤差較大，或呈現(xiàn)不規(guī)則離散狀態(tài)，學(xué)習(xí)率過低會(huì)降低網(wǎng)絡(luò)訓(xùn)練效率，但能保證收斂于某個(gè)極小區(qū)間。因此，為使訓(xùn)練過程收斂速度快且較穩(wěn)定，通常在0.08～0.1 區(qū)間取值［21-22］。經(jīng)反復(fù)多次驗(yàn)證后，將識(shí)別率高的平均值篩選出來。通過研究得出結(jié)論，當(dāng)起始學(xué)習(xí)率取0.08 時(shí)，網(wǎng)絡(luò)所用時(shí)間越少，收斂速度越快。因此，網(wǎng)絡(luò)模型將原始識(shí)別率設(shè)置為0.08，如圖2 所示。

Fig.1 Correct rate of BP neural network with different number of hidden layer neurons圖1 不同隱層神經(jīng)元個(gè)數(shù)對(duì)應(yīng)的BP 神經(jīng)網(wǎng)絡(luò)正確率

Fig.2 Training time at different learning rates圖2 不同學(xué)習(xí)率下的訓(xùn)練時(shí)間

3 預(yù)測(cè)模型實(shí)驗(yàn)結(jié)果分析

在輸出部分，BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)trainscg 值域一般區(qū)間為［-1，1］，由于本文樣本數(shù)據(jù)的特殊性，都是0 和1，所以對(duì)于輸出的數(shù)據(jù)，將輸出值大于等于0.6 的數(shù)據(jù)賦值為1，將輸出值小于0.6 的數(shù)據(jù)賦值為0。在正確率計(jì)算部分，將訓(xùn)練樣本與測(cè)試樣本的每一位逐一進(jìn)行比較，若一致即視為正確，若不一致則視為錯(cuò)誤。

本文將經(jīng)過特征選擇篩選后的屬性帶入BP 模型預(yù)測(cè)結(jié)果，并與直接使用BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行預(yù)測(cè)的結(jié)果相比較。改進(jìn)后的模型運(yùn)行速度得到了有效提升，大大縮短了運(yùn)行時(shí)間，提高了時(shí)效性。兩個(gè)模型運(yùn)算時(shí)間對(duì)比如圖3所示。

Fig.3 Comparison between operation time of the two models圖3 兩個(gè)模型運(yùn)算時(shí)間對(duì)比

在圖3 中，分別采用500、1 000、1 500 以及2 000 個(gè)例子作比較，系列一為直接使用BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行心血管疾病預(yù)測(cè)所耗費(fèi)的時(shí)間，系列二為采用與特征選擇相結(jié)合的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行心血管疾病預(yù)測(cè)所耗費(fèi)的時(shí)間。通過對(duì)比發(fā)現(xiàn)，采用與特征選擇相結(jié)合的BP 神經(jīng)網(wǎng)絡(luò)模型可以大大提升預(yù)測(cè)速率，從而增強(qiáng)了數(shù)據(jù)從上傳到診斷的時(shí)效性，加快了診斷速率。

為防止過于追求時(shí)效性而忽略準(zhǔn)確性的情況發(fā)生，圖4、圖5 分別為采用經(jīng)過特征選擇的BP 神經(jīng)網(wǎng)絡(luò)與沒有經(jīng)過特征選擇的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)心血管疾病的混淆矩陣。

Fig.4 Confusion matrix without feature selection圖4 沒有經(jīng)過特征選擇的混淆矩陣

Fig.5 Confusion matrix selected by feature selection圖5 經(jīng)過特征選擇的混淆矩陣

在圖4 與圖5 中，混淆矩陣是對(duì)分類結(jié)果的矩陣表示。左上方單元格表示當(dāng)樣本實(shí)際為真時(shí)被分類為真的樣本數(shù)（即真實(shí)陽性），右下方單元格表示當(dāng)樣本實(shí)際為假時(shí)被分類為假的樣本數(shù)。其他兩個(gè)單元（左下方單元格和右上方單元格）表示錯(cuò)誤分類的樣本數(shù)。具體來說，左下方單元格表示樣本實(shí)際為真（即假陰性）時(shí)分類為假的樣本數(shù)，右上方單元格表示實(shí)際為假（即假陽性）時(shí)被分類為真的樣本數(shù)。一旦構(gòu)建了混淆矩陣，即可輕松計(jì)算出分類精度、靈敏度和特異性。分類精度=（TP+TN）/（TP+FP+TN+FN）；靈敏度=TP/（TP+FN）；特異性=TN/（TN+FP）。其中，TP、TN、FP 和FN 分別表示真陽性、真陰性、假陽性和假陰性。每個(gè)模型是根據(jù)分類精度、靈敏度以及特異性進(jìn)行評(píng)估的。對(duì)于每種算法，發(fā)現(xiàn)沒有經(jīng)過特征選擇的BP 神經(jīng)網(wǎng)絡(luò)分類精度為98.68%，靈敏度為98.78%，特異性為98.56%。經(jīng)過特征選擇的BP 神經(jīng)網(wǎng)絡(luò)分類精度為98.68%，靈敏度為98.78%，特異性為98.56%。

通過分析可以得到，經(jīng)過特征選擇后的BP 神經(jīng)網(wǎng)絡(luò)可在保持準(zhǔn)確率的同時(shí)，極大地提高時(shí)效性。

4 結(jié)語

本文應(yīng)用基于隨機(jī)森林與Relief 的特征選擇方法對(duì)心血管疾病屬性進(jìn)行權(quán)重排序，篩選出權(quán)重高的醫(yī)療屬性，應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)算法對(duì)心血管疾病數(shù)據(jù)進(jìn)行預(yù)測(cè)并得到最終的患病結(jié)果，根據(jù)分類精度、靈敏度、特異性進(jìn)行評(píng)估。研究結(jié)果表明，經(jīng)過特征選擇后的BP 神經(jīng)網(wǎng)絡(luò)能夠在不影響預(yù)測(cè)準(zhǔn)確率的同時(shí)，得到更好的時(shí)效性，能準(zhǔn)確、有效地預(yù)測(cè)心血管疾病。此外，目前的文獻(xiàn)提出的模型用于預(yù)測(cè)心血管事件的風(fēng)險(xiǎn)，但大多數(shù)都沒有經(jīng)過臨床驗(yàn)證來比較其預(yù)測(cè)效果，所以該模型目前對(duì)臨床疾病預(yù)測(cè)方面的價(jià)值尚不可知，更不用說在實(shí)踐中加以應(yīng)用。在大數(shù)據(jù)時(shí)代應(yīng)該關(guān)注現(xiàn)有心血管風(fēng)險(xiǎn)模型在臨床中是否可以保證預(yù)測(cè)效果，最后對(duì)最有前途的臨床預(yù)測(cè)模型進(jìn)行量化。