面向甲狀腺疾病診斷的指標維度最小化應用研究

肖欽文

（四川大學計算機學院，成都610065）

0 引言

（1）甲狀腺疾病

人類甲狀腺是位于頸部甲狀軟骨下方，氣管兩旁，形似蝴蝶的腺體。對于脊椎動物是非常重要的內分泌器官。甲狀腺通過產生多種激素來影響身體的細胞核組織，以此調節人體的新陳代謝[2]。三碘甲狀腺原氨酸（Triiodothyronine，T3）和四碘甲狀腺原氨酸（Tetraiodo?thyronine，Thyroxine，T4）在產生蛋白質和整體能量來調節體溫方面發揮非常重要的作用[3]。

甲狀腺功能減退（Hypothyroidism）和甲狀腺功能亢進（Hyperthyroidism）是兩種與甲狀腺激素產生有關的兩種基本甲狀腺疾病類型。腺體產生的甲狀腺激素水平低于人體所需就會導致甲狀腺功能減退，患者的癥狀表現為感到極度疲勞、沮喪、健忘和體重增加[4]。嚴重情況會引起粘液性水腫昏迷甚至死亡。T3、T4激素分泌紊亂導致的甲狀腺功能減退肯呢個導致卵巢癌，卵巢癌患者的死亡率達54%，是最致命的婦科疾病。當腺體分泌的甲狀腺激素水平過高就會導致甲狀腺功能那個亢進，也稱甲亢。甲亢會導致身體能量消耗速度過快，癥狀通常表現為煩躁不安、神經質、肌肉乏力、體重減輕、睡眠障礙和實力問題[5]。嚴重情況下會引起更復雜的問題，例如心肌病、骨質疏松癥、心力衰竭和孕婦的幾種妊娠并發癥[1]。

目前國內對于甲狀腺疾病的檢查途徑通常有血清甲狀腺激素測定（TT4、TT3、FT4、FT3）、血清促甲狀腺激素測定（TSH）、甲狀腺自身抗體測定、甲狀腺球蛋白測定、甲狀腺球蛋白測定、降鈣素測定、尿碘測定、TRH刺激測定、甲狀腺細針穿刺和細胞學檢查、甲狀腺核素檢查、甲狀腺正帶腦子發射斷層顯像（PET）、甲狀腺超聲檢查以及計算機X線斷層攝像（CT）和核磁共振顯像（MRI）。

一次甲狀腺超聲檢查的價格在120-200元人民幣，同時輔助的甲狀腺功能檢查根據不同醫生不同要求會檢查3項-7項，價格通常為150-350元人民幣。被診斷為甲亢的患者每4-6周需要進行一次復查，甲減患者在調整藥物劑量期間每個月需要復查一次，藥劑穩定后每3-6個月需要復查一次。除了檢查費用和頻率較高產生的經濟成本之外，甲狀腺疾病的診斷效果在很大程度上還取決于醫生的水平。國內在甲狀腺領域經驗豐富的醫生主要集中于大城市和三甲醫院，在較偏的地區無論是醫療人員還是設備都還有所欠缺。

目前，人工智能與醫學相結合的研究越來越多。一些研究者們正在研究有效的診斷系統輔助醫生對不同疾病進行診斷，以及如何提高人工智能算法效果來提升診斷系統系統的工作效果的研究都得到了廣泛的關注并且在一些醫療機構已經正式工作了。浙江大學第一附屬醫院超聲科引進了一套甲狀腺結節人工智能輔助診斷系統。近年來人工智能在醫療影像方面已經取得了豐碩的科研成果，也越來越多的研究者關注到這個領域，將甲狀腺智能診斷的準確度一再提高。但是甲狀腺檢測的時候每一次超聲的費用和時間成本都較高，如何減少檢測的時間成本以及費用成本都還沒有比較具體的研究。

（2）特征選擇

在機器學習和統計學中，訓練數據通常包含許多冗余或無關的特征，因而移除這些特征并不會導致丟失信息。在本研究中采用的甲狀腺疾病數據集包含特征25個。特征選擇與特征提取有所不同。特征提取是從原有的數據集中通過原有的特征功能創造新的特征，而特征選擇只返回原有特征中的子集。其算法被認為是搜索技術和評價指標的結合，前者負責選出新的特征子集，后者負責為不同的特征子集打分，再通過比較得出最優的特征子集。其好處有：簡化模型，使模型更易被用戶和研究人員理解和使用；縮短訓練時間；降低方差等。

1 實驗

1.1 實驗描述

特征選擇方法根據特征選擇的形式分為三種方法：過濾法（Filter）、包裝法（Wrapper）、嵌入法（Embed?ded）。在此次實驗中采用的是遞歸特征消除（Recur?sive Feature Elimination），屬于包裝法，其主要思想是反復構建模型（如SVM或者回歸模型），然后選出最好（或最差）的特征，接著在剩余的特征上重復這個過程，直到所有的特征都遍歷到了。RFE的穩定性很大程度上取決于在迭代的時候底層采用哪種模型。

圖1 進行特征選擇部分代碼

實驗流程分為三個階段，第一階段為實驗準備階段，在此階段中完成準備數據集、編寫實現所需程序、設計實驗方法三個工作。第二階段為實驗階段，其中包括特征提取實驗和人工神經網絡模型訓練。第三階段為實驗效果對比，與其他文獻中別人使用的方法進行對比。

圖2 實驗順序結構

在實驗中分別訓練了3-18個特征的分類模型，并且通過其測試結果與原訓練集訓練的分類模型測試結果以及以往的一些診斷系統進行對比。從有7個特征的數據子集開始，特征選擇模型篩選出來的子集中就含有比較多的原數據。且使用具有7個及以上的特征子集的數據集訓練出來的模型中，與含有3-6個特征數量的數據集相比，其準確率并沒有明顯的提高，甚至是出現下跌。在考慮到本研究的最初目的是為了通過減少數據集特征數量來訓練出診斷模型能夠幫助患者減少經濟時間成本，實驗結果中只取3-6個特征數量的數據集作為所求特征集合且將其與以前的診斷系統和在不篩選的元數據集情況下進行對比。

1.2 甲狀腺疾病數據集

本研究中實驗所使用的數據來自加州大學歐文分校（UCI）機器學習存儲庫的甲狀腺疾病數據集。此數據集在世界范圍內的甲狀腺疾病診斷研究中普遍使用，以便實驗結果與以前使用的診斷系統進行比較。數據集包含3163條具有21個特征的記錄，其中每條記錄都顯示用于陽性或者陰性的結果類屬性[1]。表1列出了甲狀腺疾病數據集的部分特征列表以及每個特征的相應值。

表1 甲狀腺疾病數據集特征及值

1.3 實驗結果

在此次實驗中，為了驗證之前提出的通過降低甲狀腺相關數據檢測的維度來降低患者在檢查治療過程中的經濟成本。甲狀腺疾病數據集的處理有兩個階段。一、在數據集上使用遞歸式特征消除法（RFE）進行特征選擇選擇訓練。通過模型訓練，選出來四個數據集，其維度分別為3-6。二、使用篩選出來的新的特征子集訓練人工神經網絡（ANN）分類模型。在實驗結果中，新的數據集訓練的模型準確度達到97.54%-99.12%。而未經處理的原數據集訓練的模型準確率是98.13%，所以通過RFE選擇出來的特征子集進行模型訓練，再使用該模型進行輔助診斷系統的開發。其所需要的特征數據要比現有的診斷模型數據量更少，因此患者在檢查階段需要檢查的指標更少，從而能夠實現保證準確率的前提下降低經濟成本。

表2選擇出來的特征子集

表3 不同特征數量模型的準確率

圖3 其他診斷系統準確度

2 結語

本文中對甲狀腺疾病診斷過程中的特征維度最小化進行了討論并且通過實驗數據驗證其可能性。文章首先對甲狀腺疾病檢查和診斷過程進行了介紹，隨后討論在整個過程中患者所承擔的經濟成本和時間成本都比較高。接著提出了一種方法，先對甲狀腺疾病的數據集進行降維，篩選出部分特征子集再進行人工神經網絡建模進行分類訓練。此方法分別篩選出特征數量為3-6的子集，通過對子集訓練所得的模型與原數據集所得的模型進行對比，發現當特征數量為4-6的時候都要比原數據集訓練的模型準確度要高。所以證明能夠在保證準確率的情況下減少特征的維度。所需要的特征數量減少，患者在進行檢查的時候所需要的指標也可以相應減少，通過這種方式能夠有效降低患者就醫的經濟成本。此方法不僅可以用在甲狀腺疾病的診斷中，在其他疾病的數據集中均可使用。

此次實驗中沒有探討如果具體多少個特征的情況是最好的情況，所以在以后的研究中可以研究特征數量為多少的時候是最優的情況。也可以研究如何對篩選出來的數據子集進行處理，或者在分類階段進行優化，以達到模型準確率的進一步提升。同時，研究將此方法應用在其他疾病的數據集上也是一個有意義的方向。