基于神經(jīng)網(wǎng)絡的急性胸痛疾病輔助診斷系統(tǒng)設計

周密

摘 ?要：探討B(tài)P神經(jīng)網(wǎng)絡對五種典型急性胸痛疾病的診斷準確性，搭建神經(jīng)網(wǎng)絡，選取120例胸痛病歷作為訓練集，訓練神經(jīng)網(wǎng)絡，用20個新樣本預測網(wǎng)絡性能，結果表明，BP神經(jīng)網(wǎng)絡診斷準確率較高，利用BP神經(jīng)網(wǎng)絡實現(xiàn)急性胸痛疾病的初步診斷具有可行性。

關鍵詞：急性胸痛疾病;BP神經(jīng)網(wǎng)絡;診斷

中圖分類號：R734.2 ? ? ? ?文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2020）01-0102-02

Abstract： This paper discusses the accuracy of BP neural network in the diagnosis of five typical acute chest pain diseases， builds neural network， selects 120 cases of chest pain medical records as training set， trains neural network， and predicts the network performance with 20 new samples. The results show that the accuracy of BP neural network diagnosis is high， and it is feasible to use BP neural network to realize the preliminary diagnosis of acute chest pain diseases.

Keywords： acute chest pain diseases; BP neural network; diagnosis

引言

近年來，人工智能在醫(yī)學領域有了廣泛的應用研究，主要體現(xiàn)在臨床診斷、疾病預后以及臨床決策分析等方面。神經(jīng)網(wǎng)絡通過對神經(jīng)元的建模和聯(lián)接，具有自適應、自學習能力，能夠完成任何從輸入到輸出的非線性映射。研究表明，急診科中急性胸痛患者所占比例為5%到20%[1]，而且某些急性胸痛疾病例如急性肺栓塞、心肌梗死、主動脈夾層等發(fā)病急，救治時間窗窄，致死率高。這就對急診醫(yī)生的快速準確診斷提出更高的要求。本文旨在設計一種急性胸痛疾病智能診斷系統(tǒng)，利用神經(jīng)網(wǎng)絡實現(xiàn)對五種典型胸痛疾病（自發(fā)性氣胸、急性肺栓塞、心絞痛、心肌梗死、主動脈夾層）的輔助診斷，進而為醫(yī)生提供一種客觀、準確的初步診斷結果，輔助醫(yī)生的確診診斷。

1 系統(tǒng)設計與實現(xiàn)

1.1 系統(tǒng)整體設計流程

主要工作包括五種胸痛疾病樣本的采集、基于神經(jīng)網(wǎng)絡的診斷模型的建立以及診斷系統(tǒng)的搭建。系統(tǒng)診斷設計流程如圖1所示。

1.2 樣本的采集

從某醫(yī)院的電子病歷系統(tǒng)中篩選，采集140例完整病歷，其中確診為自發(fā)性氣胸、急性肺栓塞、心絞痛、心肌梗死的病歷數(shù)均為30例， 確診為主動脈夾層的病例數(shù)為20例。對每種疾病下的病歷進行調(diào)查，結合醫(yī)療專家臨床經(jīng)驗，提取和這五種疾病相關的癥狀、體征、實驗室檢查、心電圖特點等特征共54種，作為神經(jīng)網(wǎng)絡的輸入。

1.3 人工神經(jīng)網(wǎng)絡診斷模型

本系統(tǒng)實現(xiàn)的是對于自發(fā)性氣胸、急性肺栓塞、心絞痛、心肌梗死、主動脈夾層這五種急性胸痛疾病的智能診斷，所以也就相當于對五種疾病的分類。BP神經(jīng)網(wǎng)絡具有強大的分類功能，建立基于BP神經(jīng)網(wǎng)絡的急性胸痛疾病診斷模型，利用采集的樣本數(shù)據(jù)訓練該神經(jīng)網(wǎng)絡，使系統(tǒng)能夠?qū)ι鲜鑫宸N急性胸痛疾病進行分類是診斷典型急性胸痛疾病的一種較好方法。利用MATLAB神經(jīng)網(wǎng)絡工具箱實現(xiàn)該神經(jīng)網(wǎng)絡的仿真建模。

1.3.1 樣本數(shù)據(jù)預處理

樣本中的特征向量分為三類來預處理，第一類是針刺樣痛、壓榨樣痛、氣胸史、高血壓病史等按照有無用1、0表示;第二類是左胸痛、右胸痛、心前區(qū)痛、胸骨部痛、胸悶、呼吸困難等按照表現(xiàn)程度用無輕中重表示為0、0.5、0.75、1;第三類年齡、PO2、P（A-a）O2、D-dimer、CTn1、CK-MB 等用實際數(shù)值表示。將這54個特征向量采用歸一化的方法處理后作為BP神經(jīng)網(wǎng)絡的輸入。

1.3.2 網(wǎng)絡拓撲結構

采用三層前饋型BP神經(jīng)網(wǎng)絡，網(wǎng)絡的輸入為提取的54種特征，輸出為自發(fā)性氣胸、急性肺栓塞、心絞痛、心肌梗死、主動脈夾層這五種胸痛疾病，輸出層節(jié)點數(shù)為5，將預測值分界點設為0.5[2]，輸出≥0.5則表示患有該種疾病。根據(jù)經(jīng)驗公式l=+a（n，m是輸入、輸出層節(jié)點數(shù)，l是隱含層節(jié)點數(shù)，a為1到10之間任意值）[3]，確定隱含層節(jié)點數(shù)范圍為[8，18]，故初始值取8，逐漸增加隱含層節(jié)點數(shù)一直到18，觀察比較網(wǎng)絡性能圖，確定最佳節(jié)點數(shù)為10。因此，搭建的BP神經(jīng)網(wǎng)絡模型的拓撲結構就基本確立了，網(wǎng)絡拓撲結構為54-10-5，其中輸入變量54個，輸出變量5個，隱含層層數(shù)為1層，隱含層節(jié)點數(shù)為10。人工神經(jīng)網(wǎng)絡診斷模型的拓撲結構圖如圖2所示。

1.3.3 模型重要參數(shù)

采用newff函數(shù)構建一個BP神經(jīng)網(wǎng)絡。在該函數(shù)下，一些參數(shù)對網(wǎng)絡性能有較大影響。其中，在節(jié)點傳遞函數(shù)的選擇上，隱含層傳遞函數(shù)初步設置為newff函數(shù)默認的tansig函數(shù)，輸出層選取的是分類競爭激活函數(shù)。為了保證診斷的準確性，目標誤差界值設定為1e-6，學習速率選為0.01，訓練函數(shù)選用trainlm。

1.3.4 網(wǎng)絡訓練

從120例樣本中隨機抽取70%、15%、15%訓練、驗證、測試網(wǎng)絡。訓練集中自發(fā)性氣胸、急性肺栓塞、心絞痛、心肌梗死、主動脈夾層例數(shù)分別為25、25、25、25、20。用處理過的樣本數(shù)據(jù)訓練網(wǎng)絡，訓練網(wǎng)絡的過程中確定隱含層節(jié)點數(shù)。

2 實驗結果分析

用20例為測試集評價該系統(tǒng)的應用效果。將確診為自發(fā)性氣胸、急性肺栓塞、心絞痛、心肌梗死的病例分別編號1-5、6-10、11-15、16-20。輸出結果如表1所示。在本次診斷中，存在3例錯誤診斷，故該系統(tǒng)BP神經(jīng)網(wǎng)絡的診斷準確率為85%。

3 結束語

急性胸痛疾病發(fā)病急，進展快。早期評估、準確分診能夠為患者爭取救治時間，本文設計的急性胸痛診斷系統(tǒng)搭建人工神經(jīng)網(wǎng)絡診斷模型，利用BP神經(jīng)網(wǎng)絡實現(xiàn)對這五種疾病的初步診斷，這對于社區(qū)醫(yī)院的首診以及胸痛中心的快速分診有重要意義。實驗測試表明，系統(tǒng)診斷準確率較高，能夠輔助醫(yī)生的診斷提高診斷的準確性。

參考文獻：

[1]王旭東，李曉娜.致死性胸痛的診治[J].中國臨床醫(yī)生雜志，2016，44（2）：1-4.

[2]王克全，張義蘭，鄺雙鑫.肺癌CT診斷中應用模糊神經(jīng)網(wǎng)絡輔助診斷的效果探析[J].深圳中西醫(yī)結合雜志，2015，25（06）：70-71.

[3]劉燦.模糊神經(jīng)網(wǎng)絡及其在醫(yī)學診斷中的應用[J].化學工程與裝備，2010（02）：139-141.