基于人工智能算法在醫療科技中的應用

孫嘉晨

摘要：在信息化時代隨著大數據滲透到人類生產生活中的各個環節，醫療產業在人工智能技術中具有廣泛應用和發展前景，研究人工智能技術在醫療科技中的應用具有重大現實意義。文章通過使用基本SQL結構化語句訪問和處理數據庫，配合數據庫軟件共同工作，使得處理醫療數據更加快捷。檢索出數據后，建立不同分類模型，運用樸素貝葉斯、支持向量機和決策樹三種算法完成分類任務，觀察調整參數后對算法性能的影響，并通過分類器輸出的結果比較三種算法預測的準確率、召回率和速度。最后總結分析出不同疾病最適合的算法。該算法兼顧數據處理的精確率與速度，結果可靠，可為醫療數據處理提供參考。

關鍵詞：人工智能;SQL結構化語言;樸素貝葉斯算法;決策樹;支持向量機;醫療科技

中圖分類號：R - 05;TP18

文獻標識碼：A

文章編號：1672 - 9129（ 2018） 12 - 0107 - 03

1 引言

全球人工智能行業發展迅速的今天，人工智能技術的應用在各個行業逐漸興起，帶來了許多實際的商業價值，而在數據基礎方面較為突出的醫療領域與人工智能的結合已然變為市場關注的焦點。由于醫療數據的海量性、多樣性、診斷性、時間性、不規范性和隱私性等，處理醫療大數據的任務繁瑣、難操作、不夠精準，將人工智能技術引入醫療領域，可以將其應用在智能藥物研發、智能診療和智能健康管理系統等方面，從而大大提升醫生的診療效率和準確度、醫藥研發的速度等。本文主要在醫療數據的檢索和分類上進行實驗探究，首先根據醫生的不同要求編寫基本的SQL結構化語句，取回和更新數據庫中的數據，檢索出患者的電子病歷和基本信息，針對數據結果形成圖表，方便醫生參考與統計。接著分別運用樸素貝葉斯算法、支持向量機和決策樹三種常見的機器學習算法。其中樸素貝葉斯算法是基于貝葉斯定理和條件獨立假設的分類方法，使后驗概率最大化，期望風險最小化;支持向量機是從先行可分情況下的最有分類面發展而來，把低維線性不可分的數據通過核函數映射到了高維空間;決策樹是運用分類的一種樹結構，其中每個內部節點代表某個類或類的分布。三種算法各有特點，我們需要應用算法實驗來證明不同數據集最適合的運算方法。

2 SQL實驗

SQL指結構化查詢語言，即訪問和處理數據庫的計算機語言，使我們有能力訪問關系數據庫。SQL語句主要用于取回和更新數據庫中的數據，配合數據庫軟件共同工作。

SQL語句的四種基本類型有增（INSERT）、刪（DELET）、改（UP-DATE）和查（SELECT）。本次試驗中，我們運用到了以下幾種基本語句：“Select * from”用來檢索所有行和列，“Order hy”語句的作用是排序檢索數據，而“Where”語句用于過濾數據。主要運用到三種函數：“COUNT函數”返回匹配指定條件的行數，“SUM函數”返回數值列的總數，“AVC函數”返回數值列的平均值。

2.1 醫療統計分析基礎

（1）統計卒中篩查數據表中總共包含多少檔案：

SELECT acid，COUNT （acid）| FROM archivescases

篩查結果為：acid=3887781，COUNT（acid）=10000。

（2）統計卒中篩查數據表中男性數量

SELECCT asex， COUNT （acid） FROM archivescases

aSex='男'

篩查結果為：aSex=男，COUNT（ acid） =4996。

（3）統計卒中篩查數據表中女性數量

aSex， CcUNT（acid）

archivescases

aSex='女'

篩查結果為：aSex=女，COUNT（ acid） =5004。

（4）分別統計卒中篩查數據表中年齡在“20 - 60”，“60以上和20以下”的人數

SELECT COUNT （acid）

archiverceses

acAge=20 AND acAge<=60|

SELECT COUNT（acid）

archivescases

acAge<20 OR| acAge>60

統計結果分別為：COUNT（acid） =5790;COUNT（ acid） =4210。

2.2 醫療統計分析提高

（1）使用一條語句統計卒中篩查數據表中各有多少男性和女性，并畫出圖形比較，如圖1所示。

SELECT aSex，COUNT （acid） FROM archivescases

aSex|

（2）使用一條語句統計卒中篩查數據表中受教育程度的人數分布，并畫出圖形比較

SELECT acEdu， COUNT （acid）

archivescases GROUP BY acEdu|

統計結果為：acEdu=“小學，初中，高中，本科，碩士，未填”，相對應COUNT（acid）分別為“4837，2485，923，347，3，1405”，餅形統計圖如圖2所示。

（3）統計男性中吸煙人數

1 SELECT

2 dangerfactors.dfSmoking，

3 COUNT （dangerfactors，acid）

4 FROM

5 archivescases，

6 dangerfactors

7WHERE

8 archivescases. acid = dangerfactors. acid

9 AND archivescases.aSex ='男'

10 AND dangerfactors.dfSmoking='1'| 統計結果為：男性中吸煙人數為：1024。

（4）統計女性中高血壓人數

1 SELECT

2 dangerfactors.dfHypertension，

3 COUNT （dangerfactors.acid）

4 FROM

5 archivescases，

6 dangerfactors

7 WHERE

8 archivescases.acid = dangerfactors. acid

9 AND archivescases.aSex ='女'

10 AND dangerfactors.dfHypertension='1'|

統計結果為：女性中高血壓人數為：1153。

2.3 醫療統計分析實際應用

統計既往腦卒中在各個年齡段的分布（按照10歲作為一個年齡段）

1 SELECT B.dfStroke，sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 0 AND 39 THEN 1 ELSE 0 END） AS '[0-39l'，

2 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 40 AND 49 THEN 1 ELSE 0 END）AS '[40.49l'，

3 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 50 AND 59 THEN 1 ELSE 0 END ） AS '[50-59]'，

4 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 60 AND 69 THEN 1 ELSE 0 END ） AS '[60-69]'，

5 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 70 AND 79 THEN 1 ELSE 0 END ） AS '[70-79]'，

6 sum（CASE WHEN CAST（A，acAge AS DECIMAL） >80 THEN 1 ELSE 0 END ） AS '[>80]' FROM dangerfactors B join archivescases A on B，acid=A，acid where B，dfStroke='l' ; 統計結果為：[0 -39] =0;[40 -49] =18;[50 -59]=56;[60 -69]=135;[70-79] =64;[>80] =14.

3 人工智能算法

3.1 樸素貝葉斯算法。貝葉斯算法是基于貝葉斯定理和條件獨立假設的分類方法，通過聯合概率建模，運用貝葉斯定理求解后驗概率，將后驗概率最大者對應的類別作為預測類別，因為后驗概率最大化，使期望風險最小化。

樸素貝葉斯算法相關公式為：

P（Y∣X）=PP（X，Y）/P（X）=P（X∣Y）P（Y）/∑YP（X∣Y）P（Y） P（X=x∣Y=ck）=n∏j=1 P（Xj=xj∣Y=Ck）j=1，2，…K

式中，j表示數據特征向量的維數，Ck表示第k個類別。樸素貝葉斯算法由訓練集樣本數據計算得到先驗概率分布P（Y= Ck）和條件概率分布P（X= XI Y=Ck），從而計算可得聯合概率分布P（X，Y）[1]。

3.2 決策樹。決策樹是運用分類的一種樹結構，其中每個內部節點代表某個類或類的分布，貪心算法是決策樹的基本算法，算法計算的基本步驟為[2-3]：

（1）創建代表數據集的單個節點N。

（2）如果所有樣本都屬于同一個分類C，則該節點為葉節點，并以分類C進行標記。

（3）否則，選擇屬性列表中最有分類能力的屬性作為測試屬性。

（4）對所選屬性的每個已知值，創建一個分支，并按此將樣本集合劃分為若干個數據集。

（5）算法采用相同的過程，遞歸生成各數據集上的樣本決策樹。

（6）遞歸劃分過程當下列條件之一成立時停止：①給定節點的所有樣本屬于同一分類;②屬性列表中所有屬性處理完，沒有剩余屬性可用來進一步劃分樣本;③節點上的數據集為空。

3.3 支持向量機。支持向量機是從現行可分情況下的最有分類面發展而來，把低維線性不可分的數據通過核函數映射到了高維空間，研究的問題主要是求解凸二次規劃[4]，其基本原理是建立在vc維理論與結構風險最小原理基礎之上，根據有限樣本在模型復雜性和學習能力間尋求最優折中值，從而獲得最佳推廣能力[5 -6]。

支持向量機是根據已有訓練集

T={（x1，yl），（x2，y2），…（xl，yl），∈（X，Y）l}

尋找實數空間上的一個實值函數g（z），以此用函數f（ xsgn（g（x））推斷任一模式x對應y值的問題。

4 基于人工智能算法的醫療科技應用

4.1 實驗步驟。

（1）在乳腺癌數據集上完成分類任務，建立不同分類模型，通過調整三種算法的參數對數據對象進行分析，并對分類器的輸出結果進行比較和分析。

（2）記錄調整的參數與輸出結果，制成表格。

（3）預測的準確率與召回率比較。

準確率=檢索列的相關文件/所有檢索到的文件總數

召回率=檢索到的文件總數/所有相關的文件總數

（4）分類速度比較。

（5）分析與討論，得出最適合此疾病的算法。

4.2 人工智能算法在乳腺癌中的應用。實驗發現，樸素貝葉斯算法中，監督離散化調為“false”時，準確率和召回率較高，時間較短，為樸素貝葉斯算法中最適合的調參方法;而在支持向量機算法中，懲罰系數為1時準確率和召回率較高，時間較短，我們還發現將懲罰系數改為10000時，計算運用時間較長，而懲罰系數調為0.0001時，會出現無法運算出結果的現象;在決策樹算法中，小幅度調整參數對結果并無過大影響，時間都較短，準確率、召回率較高。乳腺癌在樸素貝葉斯、支持向量機和決策樹三種算法中的結果對比如表1所示。

4.3 人工智能算法在心臟病中的應用。在樸素貝葉斯算法中，只將監督化離散調整為false時間較短，其余參數調整對實驗結果影響不大，時間也都較短;在支持向量機算法中，將懲罰參數調大實驗時間會過長，不適用于某些有時間需求的醫療方面;在決策樹算法中，置信系數為0.1，最少對象數目5時最為合適。心臟病在樸素貝葉斯、支持向量機和決策樹三種算法中的結果對比如表2所示。

4.4 結果分析。根據前面詳細分析與論述，由表1和表2可知：對于乳腺癌，最適計算方法為決策樹，調整參數為“置信系數0.1，最少對象數目5”。對于心臟病數據集，最適運算方法為支持向量機，調參為“懲罰系數1，多項式函數”。

參考文獻：

[1]鄒曉輝.樸素貝葉斯算法在文本分類中的應用[J].數字技術與應用，2017（ 12）：132 - 133.

[2]王知津，周鵬，韓正彪.基于決策樹算法的競爭對手識別模型研究[J].情報理論與實踐，2016，36（3）：1-5.

[3]王保義.客戶關系管理中客戶細分的數據挖掘[D].西安：西安電子科技大學，2009.

[4]汪海燕，黎建輝，楊風雷.支持向量機理論及算法研究綜述[J].計算機應用研究，2014，31（5）：1281 -1286.

[5]張松蘭.支持向量機的算法及應用綜述[J].江蘇理工學院學報，2016，22 （2）：14 - 21.

[6]黃文，王正林.數據挖掘：R語言實戰[M].北京：電子工業出版社.2014.