基于深度學習的乳腺癌預測*

袁夢絢

（南京醫科大學附屬婦產醫院 南京 210004）

1 引言

用深度學習的方法提高健康醫療行業的效率，一直是社會關注的焦點，也是近些年來各大公司爭相進入的熱點之一。醫療行業擁有天然的大數據，為深度學習在醫療行業的應用提供了非常廣泛的空間［1］。

目前深度學習方法可以自主學習圖像中不同深度的特征，取得了比用傳統方法提取特征更好的效果［2］。基于深度學習的方法與經驗，本文探索了使用前饋神經網絡，通過分析乳房塊FNA的數字化圖像，抽取反映細胞核的特征數據，預測乳腺癌是良性還是惡性。

本文使用深度學習方法對乳腺癌的良惡性預測取得了較好的結果，這種通過無創傷方式進行乳腺癌的預測具有潛在的價值［3］。

2 數據集

本文從569張FNA數字化圖像中，計算出反應細胞核每個特征的平均值、標準誤差、最大值，從而產生30個特征。所有特征的特征值使用4位有效數字重新編碼，分為惡性腫瘤和良性腫瘤兩類，包括357例良性，212例惡性。

2.1 數據集中數據的分布

圖1 顯示了數據集中惡性和良性特征的區域分布。惡性診斷是均勻分布的，而良性診斷具有正態分布。當其值超過750時，更容易做出惡性診斷。

圖1 數據集中惡性與良性特征的區域分布圖

2.2 數據集的處理

本文將357例良性，212例惡性作為劃分數據集的原本。通過數據變形劃分訓練集和測試集。其中訓練集共456例，包括良性286例，惡性170例。測試集共113例，包括良性71例，惡性42例。

3 預測方法與模型

3.1 預測方法

3.1.1 深度學習框架的選擇

本文使用TensorFlow框架，TensorFlow是一個采用數據流圖，用于數值計算的開源軟件庫［4］。圖2就是TensorFlow數據流圖，結點在圖中表示數學操作，線表示節點間相互聯系的多維數據數組，也就是張量［5］。

圖2 TensorFlow數據流圖

TensorFlow是Google在總結了前身DistBelief的經驗教訓上形成的，它不僅便攜、高效、可擴展，還能在不同的計算機上運行［6］。

3.1.2 前饋神經網絡

前饋神經網絡是最簡單樸素的神經網絡，又稱多層向前神經網絡［7］。如圖3所示是一個典型的前饋神經網絡模型。在前饋神經網絡中，各神經元從輸入層開始，接收前一級輸入，并輸出到下一級，直到輸出層。中間兩層稱為隱藏層，看不見其輸入或輸出的數據［8］。整個網絡中無反饋。

圖3 典型的前饋神經網絡模型

3.2 模型設計

本文構建了1個輸入層、4個隱藏層、1個輸出層的前饋神經網絡。

3.2.1 初始化

初始化對訓練有重大影響［9］。初始化能決定算法是否收斂，如果初始化不合適，初始值過大可能會在前向傳播時產生爆炸的值；初始值過小將導致丟失信息。

本文使用截斷的正態分布進行初始化［10］，均值μ設為0.0，標準差σ設為0.15。如果產生的正態分布的值與均值的差值大于0.3（兩倍標準差），即產生的值在區間（μ-2σ，μ+2σ）之外那就重新生成。

3.2.2 批量化

深度學習的數據量大，高維也是其重要特征，這就說明了在訓練過程中不適合使用全量的方法，本文使用小批量梯度下降法進行批量化處理，每次訓練用訓練集的一部分，既能使用向量化、矩陣化優化算法，又能比較快速地找到最小值［11］。其更新參數更快，有利于收斂，避免了局部最優。小批量值k一般取值10～500之間。

假設每次取出樣本數為k，初始化參數向量w f(xi，w)為輸入xi時所預測的輸出，Loss是每個樣本的損失函數，yi是輸入xi的期望輸出，則小批量梯度下降法計算公式為

小批量梯度下降法的算法具體如下。

3.2.3 激活函數的選擇

激活函數的主要作用是給神經網絡提供非線性建模的能力，如果沒有激活函數，神經網絡再復雜也只能處理線性可分的問題［12］。

本文的隱藏層使用ReLU作為激活函數［13］：

ReLU的函數圖像如圖4所示。從圖中可以看出，在這個函數原點左側斜率為0，原點右側斜率為1，這是一個非線性的函數。當網絡層數比較多，ReLU不會發生梯度消失或爆炸的情況。

圖4 ReLU的函數圖像

本文的輸出層使用Sigmoid作為激活函數［14］：

Sigmoid的函數圖像如圖5所示。對乳腺癌預測為良性還是惡性，實際上是一個二分類問題，Sig?moid廣泛應用于二分類的輸出層，其可以將輸出映射到（0，1）區間內，函數單調連續，求導非常容易。

圖5 Sigmoid函數圖像

3.2.4 損失函數的選擇

在深度學習訓練模型的過程中，其實就是一個優化損失函數的過程。損失函數用來衡量模型的好壞，損失函數值越小說明模型和參數越符合訓練樣本［15］。

本文使用交叉熵作為損失函數［16］，假設有n個訓練數據，a是預測的輸出，y是期望輸出，則交叉熵損失函數為

3.2.5 優化

傳統梯度下降算法對學習率這個超參數極其敏感，本文使用Adam自適應優化算法，動態調整學習率，可以根據不同情況來自動調整［17］。

Adam利用梯度的一階矩估計和二階矩估計動態調整每個參數的學習率，在經過偏置矯正后，每一次迭代學習都有一個確定的范圍，使得參數比較平穩。以下給出了Adam的算法。

4 預測結果

本文方法也可以用于其他癌癥的預測，隨著國內外相關數據集不斷豐富和公開，模型訓練的樣本會不斷增加，可以使用不同方法針對數據集，來提高預測準確率。本文的數據集可以繼續擴展，基于本文的方法，可以更好地泛化模型［18］。

我們對模型進行5次迭代進行訓練預測模型最終訓練精度為96.27%，測試精度為99.92%。5次迭代結果如表1所示。

表1 迭代輪數與訓練精度和測試精度

表2 迭代輪數與訓練損失和測試損失

迭代次數與損失值和精度的對應關系如圖6所示。可見，隨著訓練次數的不斷增加，模型精度越來越高，損失值越來越小。5次迭代為更大規模的迭代提供了非常好的范本，使用本文的方法可以得到比較理想的結果。

圖6 訓練次數和精度、損失值的關系

5 結語

乳腺癌早期的診斷對于患者后續治療具有重要意義，本文從乳房塊細針抽吸（FNA）數字化圖像分析數據，提取出30個特征。使用深度學習Ten?sorFlow框架，搭建前饋神經網絡得到了一系列結果。結果表明，本模型對乳腺癌良性惡性分類具有較好的效果，對醫療行業的乳腺癌預測方面具有潛在的應用價值。