程順達，祝 婕，夏 芳

（河北省中醫(yī)院信息中心，河北石家莊 050000）

隨著信息技術的不斷發(fā)展，智能化的疾病輔助診斷在解決專業(yè)醫(yī)師人力缺乏的同時，有效提升了診療效率，這樣能夠促進整體醫(yī)療水平的快速提高[1]。醫(yī)療輔助設備的廣泛應用，使得醫(yī)療輔助數(shù)據(jù)呈獻出快速的增長趨勢。同時，這些數(shù)據(jù)中也蘊含了大量有價值的信息，不僅有利于患者康復，更能促進醫(yī)療水平的整體提升[2-3]。因此對這些輔助醫(yī)療設備數(shù)據(jù)進行分析處理與應用，是實現(xiàn)醫(yī)療智能化的必備條件之一[4]。

傳統(tǒng)的輔助診斷方法主要是利用關聯(lián)規(guī)則等傳統(tǒng)機器學習算法，但傳統(tǒng)方法存在特征提取不完整等缺陷。雖然能夠獲取特定的病情數(shù)據(jù)特征，但無法使用更加充分的數(shù)據(jù)來診斷病情，泛化與自適應的性能較差[5-6]。而深度學習算法可利用海量的醫(yī)療數(shù)據(jù)信息自動獲得深層次和淺層次的特征，且能夠提取人力所無法獲得的數(shù)據(jù)特征[7]。因此，利用深度學習算法輔助醫(yī)療診斷，得到了各國專家學者的廣泛關注并予以研究[8]。

為此，文中提出了基于深度學習的醫(yī)療輔助診斷數(shù)據(jù)分析方法，在利用主成分分析（Principal Component Analysis，PCA）對醫(yī)療數(shù)據(jù)進行預處理后，輸入多層感知器（Multilayer Perceptron，MLP）神經(jīng)網(wǎng)絡進行分析，以實現(xiàn)準確的醫(yī)療診斷，從而為專業(yè)醫(yī)師提供輔助。

1 數(shù)據(jù)預處理

在利用深度學習進行醫(yī)療數(shù)據(jù)分析前，需要對其進行預處理，在歸一化處理的基礎上，利用主成分分析（Principal Component Analysis，PCA）方法完成維度的降低。

1.1 歸一化處理

用原始數(shù)據(jù)對醫(yī)療數(shù)據(jù)進行分析存在一定的難度，所以對數(shù)據(jù)進行預處理尤為必要，這樣能夠提升方法的分析效率。其中，預處理主要是對數(shù)據(jù)進行歸一化，即根據(jù)相應的規(guī)則將數(shù)據(jù)轉換成（0,1）范圍內(nèi)的數(shù)據(jù)，并將有量綱的數(shù)據(jù)轉換成沒有量綱的數(shù)據(jù)，從而提升數(shù)據(jù)分析的準確率，且縮短計算時間[9]。

對原始數(shù)據(jù)集矩陣每一列的數(shù)據(jù)進行歸一化處理如下：

1.2 PCA降維處理

眾所周知，疾病的生理指標之間存在著眾多內(nèi)在聯(lián)系，因此難以通過人為因素來判斷。而PCA 作為一種較為經(jīng)典的降維算法，其核心思想是經(jīng)過降維的方法將較多個變量轉換成幾個主要成分進行匯總分析[10]。其中的主要成分可展現(xiàn)原始變量大多數(shù)的信息，因此這些主成分所包含的信息并不重疊，同時要求主成分之間不存在相關性。

假設x1,x2,…xi,…,xn是從總體X中抽取的樣本，，k是樣本的維數(shù)?？傮wX的協(xié)方差矩陣未知，需要通過上述變量進行估計，觀測值矩陣為：

樣本協(xié)方差矩陣為：

其中，X的每一行對應一個樣本，每一列對應一個變量。是樣本的平均值，樣本的主成分可以從S中得到。將樣本的觀測值xi代入第j個主成分，得到是樣本xi的第j個主成分。

PCA 中的每個維度均有一個貢獻率，并根據(jù)貢獻率的大小選擇相應的特征值。m個主成分的貢獻率之比為：

其中，λ對應正交單位特征向量，主成分的貢獻率反映了其綜合原始變量信息的能力。通常取較小的m(m≤p)，前m個主成分的累積貢獻率應保持在一定的水平(85%～95%)，從而達到降維的目的。

2 基于MLP的醫(yī)療診斷數(shù)據(jù)分析

由于傳統(tǒng)的機器學習方法難以處理大樣本、線性的醫(yī)療診斷數(shù)據(jù)，為此引入了基于深度學習的MLP 神經(jīng)網(wǎng)絡。將預處理后的數(shù)據(jù)輸入MLP 模型，以得到診斷分類結果，從而輔助醫(yī)師完成病情分析。

2.1 MLP神經(jīng)網(wǎng)絡

深度學習源于人工神經(jīng)網(wǎng)絡的研究，含有多個隱藏層的MLP 是一種深度學習結構。其由較多層神經(jīng)元構成，通常包括一個輸入層、一個或多個隱藏層以及一個輸出層[11-12]。含有兩個隱藏層的MLP 神經(jīng)網(wǎng)絡模型如圖1 所示。

圖1 MLP神經(jīng)網(wǎng)絡模型

其中，輸入層用于數(shù)據(jù)的輸入，設置在神經(jīng)網(wǎng)絡模型的最前端；隱藏層是系統(tǒng)的核心部分，主要負責復雜的數(shù)學計算，位于模型中間部分的一層或多層；輸出層負責輸出數(shù)據(jù)，該層次的個數(shù)與數(shù)據(jù)類型的數(shù)量一致[13-14]。輸入層不需要權值與下一層相連，其他神經(jīng)元均經(jīng)過權值與下一個神經(jīng)元的輸入端相連。

MLP 網(wǎng)絡的第q個數(shù)據(jù)記作{xq,tq}，其中，xq為K維的輸入向量，tq為G維的目標輸出向量。在輸入層后多加入一個節(jié)點xq(K+1)=1 構成輸入量，這一節(jié)點的閾值根據(jù)隱藏層與輸出層間的權值進行設定，從而將輸入向量轉成K+1 維。

對于第q個數(shù)據(jù)而言，第l個隱藏層的輸出表示如下：

其中，f(·) 是Sigmoid 激勵函數(shù)，ωih是連接輸入層與隱藏層之間的權值。

對于第q個數(shù)據(jù)樣本、G維的輸出向量，第i個輸出yq(i)可表示為：

其中，ωoi為輸入層與輸出層直接相連的權重，ωoh為隱藏層與輸出層間的權重。

2.2 醫(yī)療輔助診斷數(shù)據(jù)分析方法

對診斷數(shù)據(jù)進行PCA 降維后，即可獲得可有效表示醫(yī)療數(shù)據(jù)的特征值，且對模型參數(shù)進行實驗訓練[15-16]。實驗數(shù)據(jù)大致包括兩種類型：即訓練集與測試集。利用訓練集對MLP 神經(jīng)網(wǎng)絡進行參數(shù)訓練，然后用測試集對所提分析方法進行評估。

用于醫(yī)療輔助診斷數(shù)據(jù)分析的MLP 神經(jīng)網(wǎng)絡模型由輸入層、隱藏層1～3、輸出層組成，如圖2 所示。

圖2 基于MLP的醫(yī)療輔助診斷數(shù)據(jù)分析模型

其中，輸入層的輸入數(shù)據(jù)為經(jīng)PCA 處理后的醫(yī)療數(shù)據(jù)，且留存了原有的屬性維度；隱藏層有3 層，1～3 神經(jīng)元數(shù)目依次為32、16、16；輸出層的神經(jīng)元數(shù)目與醫(yī)療數(shù)據(jù)類型數(shù)目一致；分類層利用Softmax分類器實現(xiàn)分類，并采用ReLU 激活函數(shù)。此外，所提數(shù)據(jù)分析模型利用交叉熵損失函數(shù)和Adam 方法進行參數(shù)訓練，以獲得最優(yōu)的分析模型參數(shù)。

3 實驗結果與分析

實驗中采用Python 語言并使用Keras 深度學習庫，實驗硬件環(huán)境為Windows 10 操作系統(tǒng)，使用診斷平均準確率（Average Precision，AP）、損失值（Loss）兩個指標對所提方法進行評價。

實驗數(shù)據(jù)主要包括兩個數(shù)據(jù)庫，即病患的體檢數(shù)據(jù)庫和診斷信息庫。其中體檢庫包含了所有體檢數(shù)據(jù)信息，診斷庫包含了病患的所有診斷信息。兩個數(shù)據(jù)庫由病患的就診卡號進行關聯(lián)，經(jīng)過病患的體檢信息便可判斷其是否生病。該實驗中，共包含52 389 名病患的體檢與診斷數(shù)據(jù)信息，并從兩張表中提取出實驗需要的數(shù)據(jù)集，同時將其按8：2 劃分為訓練集和測試集。

將所提MLP 神經(jīng)網(wǎng)絡的學習率設置為0.001，動量因子為0.99，RMSProp 參數(shù)設置為0.999，最大迭代次數(shù)設置為20 000。

3.1 參數(shù)分析

實驗中，利用5 折交叉驗證評價所提方法的性能。由于神經(jīng)網(wǎng)絡的總層數(shù)及隱藏層的層數(shù)對MLP網(wǎng)絡性能影響較大。為了選擇最佳配置，對不同神經(jīng)網(wǎng)絡層數(shù)及每層不同隱藏神經(jīng)元數(shù)目進行實驗，結果如表1 所示。

從表1 中可看出，隱藏單元數(shù)為64 個的4 層神經(jīng)網(wǎng)絡取得了最佳的診斷準確率，為85.9%。因此將所提方法中的MLP 網(wǎng)絡的神經(jīng)網(wǎng)絡層次設為4，隱藏層單元數(shù)為64 個。

表1 診斷準確率

3.2 診斷數(shù)據(jù)分析性能

操作特性（Receiver Operating Characteristic，ROC）曲線是根據(jù)真陽性率（True Positive Rate，TPR）與假陽性率（False Positive Rate，F(xiàn)PR）進行繪制的。其中，ROC 對角線可視為數(shù)據(jù)隨機分析效果，若所提方法的ROC 曲線處于對角線的下部，則說明其性能較差。所提方法的ROC 曲線如圖3 所示。

圖3 ROC曲線

從圖3 中的ROC 曲線可看出，所提方法在訓練集和測試集上表現(xiàn)均較優(yōu)，具備較高的分析準確率。

3.3 性能對比分析

為了論證所提方法的性能，將其與文獻[6]、文獻[11]、文獻[14]中的方法進行對比分析，損失值對比結果如圖4 所示。

圖4 損失值對比結果

從圖4 中可看出，相比于其他對比方法，所提方法的損失值最低，接近53。由于其利用PCA 降維，計算量降低，因此在4 000 次時實現(xiàn)收斂。文獻[11]結合神經(jīng)元和前向神經(jīng)網(wǎng)絡進行醫(yī)療診斷，數(shù)據(jù)量較大，收斂速度慢，且損失值較高；文獻[14]利用卷積神經(jīng)網(wǎng)絡，雖然損失值有所降低，但模型復雜，收斂速度較慢。

同樣，所提方法與文獻[6]、文獻[11]、文獻[14]中的方法在診斷平均準確率上的對比結果如圖5所示。

圖5 平均準確率對比結果

從圖5 中可看出，所提方法的平均準確率約為85%，均優(yōu)于其他對比方法，因為其采用MLP 分析PCA 獲得的數(shù)據(jù)特征，準確率得到進一步保證。文獻[6]采用反向傳播網(wǎng)絡判別疾病類型，方法簡單但準確率較低。文獻[11]結合神經(jīng)元和前向神經(jīng)網(wǎng)絡、文獻[14]采用卷積神經(jīng)網(wǎng)絡進行醫(yī)療診斷，診斷準確率均有所提高，但由于缺乏數(shù)據(jù)的預處理，數(shù)據(jù)分析性能較弱。

4 結束語

文中在醫(yī)療數(shù)據(jù)處理中融入功能強大的深度學習算法，并提出了基于MLP 的醫(yī)療輔助診斷數(shù)據(jù)分析方法。在對醫(yī)療診斷數(shù)據(jù)進行預處理的基礎上，利用MLP 神經(jīng)網(wǎng)絡處理獲得的數(shù)據(jù)特征，以實現(xiàn)診斷分類。此外，基于Python 軟件平臺的實驗結果表明，當MLP 網(wǎng)絡的神經(jīng)網(wǎng)絡層次設為4，隱藏層單元數(shù)為64 時，診斷準確率最佳，且所提方法的ROC 曲線較接近1。其平均準確率與損失值分別為85%和53，能夠為專業(yè)醫(yī)師提供精準的輔助診斷。

由于PCA 中可能存在正負主成分因子，這樣會造成評估函數(shù)效果減弱，且影響計算效率。所以在未來的研究中，可采用例如深度自編碼器等模型進行數(shù)據(jù)降維處理。