基于粗糙集理論的MRI設(shè)備掃描序列指標(biāo)體系的優(yōu)化

趙 婷，王鵬莉，張魯玉，魯 評(píng)，張曉楠，程敬亮，田慶豐，孫 亮

1)鄭州大學(xué)公共衛(wèi)生學(xué)院社會(huì)醫(yī)學(xué)與衛(wèi)生事業(yè)管理學(xué)教研室 鄭州 450001 2)鄭州大學(xué)第一附屬醫(yī)院磁共振科 鄭州 450052

人類(lèi)認(rèn)知具有不確定性，粗糙集理論是處理這種不確定性的一種數(shù)學(xué)理論[1]，它以出色的處理模糊和不確定知識(shí)的能力成為數(shù)據(jù)挖掘研究中的有力工具[2]。近些年，粗糙集理論開(kāi)始被更多地應(yīng)用于多指標(biāo)綜合評(píng)價(jià)，涉及社會(huì)、經(jīng)濟(jì)、科技等多個(gè)領(lǐng)域，輔助科學(xué)決策[3]。運(yùn)用粗糙集理論進(jìn)行綜合評(píng)價(jià)，首先無(wú)需依賴(lài)先驗(yàn)信息就可以得出決策規(guī)則，通過(guò)少量指標(biāo)數(shù)據(jù)即可推理出評(píng)價(jià)對(duì)象的分類(lèi)結(jié)果，評(píng)價(jià)過(guò)程簡(jiǎn)潔。其次利用粗糙集屬性約簡(jiǎn)功能可以從大量指標(biāo)中提取出核心指標(biāo)，優(yōu)化指標(biāo)體系。當(dāng)前MRI設(shè)備可提供眾多掃描序列，但哪些掃描序列對(duì)綜合評(píng)價(jià)MRI設(shè)備性能起關(guān)鍵作用是一個(gè)值得探討的問(wèn)題。我們利用ROSETTA 粗糙集數(shù)據(jù)分析工具集對(duì)MRI掃描序列這一維度的指標(biāo)進(jìn)行屬性約簡(jiǎn)，并根據(jù)粗糙集權(quán)重確定方法計(jì)算各個(gè)指標(biāo)的權(quán)重，剔除冗余指標(biāo)，從而得到優(yōu)化的MRI設(shè)備掃描序列指標(biāo)，報(bào)道如下。

1 資料與方法

1.1資料來(lái)源本研究數(shù)據(jù)來(lái)源于國(guó)家重點(diǎn)研發(fā)計(jì)劃課題“基于大數(shù)據(jù)的MRI綜合評(píng)價(jià)體系構(gòu)建”，課題組通過(guò)文獻(xiàn)分析法、頭腦風(fēng)暴法、專(zhuān)題小組討論形成MRI綜合評(píng)價(jià)指標(biāo)體系專(zhuān)家咨詢(xún)表。運(yùn)用德?tīng)柗品ㄔ谌珖?guó)東北、華北、華中、華南、華東、西北、西南七大區(qū)域范圍內(nèi)選取10個(gè)省份的58名專(zhuān)家，采用函詢(xún)的形式向?qū)＜野l(fā)放咨詢(xún)表，由58名專(zhuān)家對(duì)各指標(biāo)的重要性和可行性進(jìn)行評(píng)分，經(jīng)兩輪咨詢(xún)確定了MRI綜合評(píng)價(jià)指標(biāo)體系[4]。本文選取臨床功能評(píng)價(jià)(一級(jí)指標(biāo))下掃描序列(二級(jí)指標(biāo))這一維度的59個(gè)指標(biāo)(三級(jí)指標(biāo))進(jìn)行分析。

1.2研究方法基于ROSETTA軟件對(duì)59個(gè)三級(jí)指標(biāo)決策表進(jìn)行屬性約簡(jiǎn)，以58位專(zhuān)家對(duì)二級(jí)指標(biāo)重要性和可行性評(píng)分之和作為決策變量，用粗糙集權(quán)重確定方法計(jì)算屬性權(quán)重。運(yùn)用該算法對(duì)掃描序列指標(biāo)下的各三級(jí)指標(biāo)進(jìn)行分析，計(jì)算出各自的權(quán)重，得到簡(jiǎn)化的三級(jí)指標(biāo)體系。

1.2.1 ROSETTA粗糙集數(shù)據(jù)分析工具集 ROSET-TA是一個(gè)基于粗糙集理論框架的表格邏輯數(shù)據(jù)分析工具包，具有數(shù)據(jù)導(dǎo)入導(dǎo)出、補(bǔ)全、離散化、知識(shí)約簡(jiǎn)、過(guò)濾、分類(lèi)、規(guī)則生成以及獲取等價(jià)類(lèi)、上下近似集等功能。包括了計(jì)算核和圖形用戶(hù)界面，是一種完整、靈活和先進(jìn)的粗糙集軟件[5]。核是信息系統(tǒng)中不可或缺的部分，是表達(dá)知識(shí)必不可少的重要的屬性集，包含在該信息系統(tǒng)的任一簡(jiǎn)化形式之中[6]。從直觀上講，核可以理解為關(guān)鍵信息，是指相對(duì)于某種性質(zhì)而言的獨(dú)立屬性，若去掉該屬性，則性質(zhì)發(fā)生改變。

1.2.2 粗糙集權(quán)重確定方法 粗糙集屬性重要度和權(quán)重確定方法是從條件屬性集的全體出發(fā)，計(jì)算去除某個(gè)條件屬性后對(duì)形成的正域大小的變化來(lái)決定條件屬性的重要度和權(quán)重。這種基于粗糙集理論的屬性重要度確定方法能計(jì)算出由ROSETTA軟件屬性約簡(jiǎn)得到的核屬性集，彌補(bǔ)了該軟件計(jì)算權(quán)重的不足。具體定義[7]如下。

定義1：給定知識(shí)庫(kù)K=(U，R) 對(duì)于每一個(gè)子集X?U和一個(gè)等價(jià)關(guān)系R∈ind(K)，稱(chēng)子集RX=∪{Y∈U/R|Y?X}為X的R下近似集。X的R下近似集也稱(chēng)為X的R正域，即POSR(X)=RX。

定義2：屬性ai在條件屬性集合C={a1，ai，…，an}中對(duì)決策屬性D的重要性為

2 結(jié)果

屬性約簡(jiǎn)后得到136個(gè)核，這136個(gè)核包含了三級(jí)指標(biāo)的關(guān)鍵信息，以每個(gè)三級(jí)指標(biāo)所對(duì)應(yīng)的二級(jí)指標(biāo)的值作為決策屬性形成136個(gè)決策表，再應(yīng)用重要度定義計(jì)算每個(gè)屬性在決策表中的重要度，通過(guò)權(quán)重定義計(jì)算每個(gè)決策表中的屬性權(quán)重。

表1 決策表

類(lèi)似地，將其余的135個(gè)核形成135個(gè)決策表，運(yùn)用相同的方法得到各對(duì)應(yīng)決策表的各指標(biāo)的權(quán)重。經(jīng)匯總整理計(jì)算各指標(biāo)權(quán)重的均值，以均值作為該指標(biāo)的最終權(quán)重。計(jì)算結(jié)果見(jiàn)表2。

表2 MRI設(shè)備掃描序列維度各指標(biāo)的權(quán)重

3 討論

粗糙集的優(yōu)點(diǎn)是不需要決策者根據(jù)以前的經(jīng)驗(yàn)人為地給出權(quán)重，這就避免了人為確定權(quán)重而產(chǎn)生的主觀誤差，相較于層次分析法和模糊綜合評(píng)價(jià)法更具有客觀性和適用性。此外，粗糙集理論主要針對(duì)數(shù)據(jù)分析中的不精確性、模糊性和不確定性，屬性約簡(jiǎn)是粗糙集理論的核心之一[8]。社區(qū)衛(wèi)生服務(wù)評(píng)價(jià)指標(biāo)體系的優(yōu)化[9]、輸變電工程造價(jià)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的優(yōu)化[10]均應(yīng)用了粗糙集的屬性約簡(jiǎn)理論，這進(jìn)一步地說(shuō)明了有效約簡(jiǎn)指標(biāo)體系是粗糙集最為顯著的優(yōu)勢(shì)。

基于德?tīng)柗茖?zhuān)家咨詢(xún)法構(gòu)建的MRI設(shè)備掃描序列指標(biāo)體系中指標(biāo)過(guò)多，不便應(yīng)用于實(shí)際評(píng)價(jià)，因此需要進(jìn)行屬性約簡(jiǎn)。我們基于粗糙集的指標(biāo)體系優(yōu)化及權(quán)重確定方法，利用粗糙集的優(yōu)勢(shì)，有效處理專(zhuān)家評(píng)分這一主觀指標(biāo)，利用ROSETTA 粗糙集數(shù)據(jù)分析工具集客觀地對(duì)指標(biāo)體系進(jìn)行約簡(jiǎn)，根據(jù)粗糙集屬性重要度原理，由約簡(jiǎn)得到的核屬性客觀地確定指標(biāo)權(quán)重。本研究結(jié)果顯示，自旋回波序列T1WI、STIR脂肪抑制T2WI、時(shí)間飛躍法磁共振血管成像(平掃)、對(duì)比增強(qiáng)磁共振血管成像、磁共振動(dòng)態(tài)增強(qiáng)掃描和彌散加權(quán)成像這6個(gè)掃描序列指標(biāo)權(quán)重為0，提示不宜用于區(qū)分MRI設(shè)備性能；實(shí)際臨床工作中此6個(gè)也是MRI設(shè)備最基本、最常用的指標(biāo)。多b值彌散加權(quán)成像(IVIM)和灌注加權(quán)成像指標(biāo)權(quán)重也為0，提示這2個(gè)也不宜用于MRI設(shè)備優(yōu)劣的評(píng)價(jià)；這兩個(gè)指標(biāo)只在個(gè)別高場(chǎng)強(qiáng)MRI設(shè)備中使用，沒(méi)有區(qū)分度。研究結(jié)果說(shuō)明在整個(gè)評(píng)價(jià)體系中刪除這8個(gè)指標(biāo)并不影響最終決策變量的分布，因此可以在總的評(píng)價(jià)體系中去掉這8個(gè)指標(biāo)。

綜上所述，我們認(rèn)為粗糙集作為MRI設(shè)備掃描序列指標(biāo)體系構(gòu)建的一種研究方法，可以有效約簡(jiǎn)指標(biāo)體系。針對(duì)具有多個(gè)指標(biāo)且運(yùn)用于實(shí)踐的指標(biāo)體系，可采取此方法實(shí)現(xiàn)優(yōu)化。應(yīng)用粗糙集理論時(shí)首先應(yīng)注意所選樣本數(shù)據(jù)的代表性，避免產(chǎn)生計(jì)算權(quán)重的片面性；其次要注意使用適當(dāng)?shù)臄?shù)據(jù)離散化方法，避免對(duì)數(shù)據(jù)冗余情況的誤判。實(shí)際應(yīng)用過(guò)程中可以將粗糙集理論與層次分析法、模糊綜合評(píng)判等評(píng)價(jià)方法相結(jié)合，以更好地實(shí)現(xiàn)指標(biāo)體系的優(yōu)化。