支持向量機在細菌性陰道炎診斷中的應用

李杰 云南國土資源職業學院素質教育中心

沈栩竹 昆明冶金高等專科學校公共課部

1 引言

細菌性陰道炎（BV）是一種女性陰道菌群生態失衡引起的疾病，在臨床婦科門診中較為常見。目前在臨床方面，通過對患者的陰道分泌物的綜合癥狀判別來診斷BV。而在研究中，對革蘭氏染色涂片打分來診斷BV。然而，BV的致病因素非常復雜，許多患者的癥狀并不明顯。因此，采用更有效的診斷方法是十分必要的。通過陰道內的菌群來對BV進行診斷可認為是一種很復雜的非線性函數逼近過程，要能成功進行分類診斷，有必要采用能捕捉非線性變化規律的方法。支持向量機在理論上具有逼近全局最優的能力，對小樣本和高維數據的處理能力較強。鑒于此，我們研究支持向量機作為分類器在女性細菌性陰道炎診斷中的應用。

2 支持向量機的原理

為了解決該優化問題，需引入Lagrange函數，并且轉化為其對偶問題進行求。

3 基于支持向量機的BV診斷

把支持向量機用于BV疾病的診斷，數據來自于其他研究者的實驗數據，網上下載地址:www.pnas.org/lookup/suppl/doi:10.1073/pnas.1002611107/-/DCSupplemental。樣本數據是對陰道細菌的16rsDNA片段測序后獲得的OTU（操作分類單元）數據。樣本總數共計396個，其中97個樣本判定患有BV疾病。每個樣本中有282個細菌物種[6]。對數據預處理進行歸一化操作，并選取多項式核函數。從BV和非BV樣本中各取90%的樣本組成訓練集，剩余的樣本組成測試集。總共進行100次，使用matlab 2016計算平臺，編程實現調用了matlab自帶的svmtrain和svmclassify 函數。結果如表1所示。從表1可以看出支持向量機針對本文中的數據集有較高的學習和測試準確率。因為支持向量機能通過核函數把非線性分類問題轉化為線性可分問題，尋找到全局最優解。從而，支持向量機在具有小樣本和非線性的分類問題中表現卓越。而在醫療診斷中，個體差異大，收集到的樣本數量少，給疾病的診斷帶來很大的困難。

而我們的研究表明，支持向量機在利用陰道菌群來診斷BV疾病的應用中有很大的潛力。

表 1 訓練和測試的結果

4 結論

本研究表明利用支持向量機作為分類器來對女性的BV疾病進行診斷，準確率比較高。由于支持向量機在分類問題中的泛化能力較強，對樣本的數據維度有較好的適應性，在其他醫學疾病中的診斷也將會有很大的應用潛力。

[1] Fredricks, D. N., Fiedler, T. L., & Marrazzo, J. M.Molecular identification of bacteria associated with bacterial vaginosis[J]. New England Journal of Medicine,2005,353(18),1899-911.

[2] Amsel, R., Totten, P. A., Spiegel, C. A., Chen,K. C., Eschenbach, D., Holmes, K. K. Nonspecific vaginitis. Diagnostic criteria and microbial and epidemiologic associations[J]. American Journal of Medicine, 1983,74(1):14-22

[3] Nugent, R. P., Krohn, M. A., & Hillier, S. L.Reliability of diagnosing bacterial vaginosis is improved by a standardized method of gram stain interpretation[J]. Journal of Clinical Microbiology, 1991,29(2): 297

[4] Sain, S. R. The Nature of Statistical Learning Theory.Springer, 1995

[5] 閻威武,邵惠鶴.支持向量機分類器在醫療診斷中的應用研究[J].計算機仿真, 2003，20(2)：69-70