基于KNN核函數聚類方法在醫學指標分類診斷中的應用

單春宇 徐梅

【摘 要】目的：探討基于KNN（K-Nearest Neighbors， KNN）核函數聚類方法在乙肝病毒分類診斷中的臨床醫學意義和其他疾病診斷的適用性。方法：將收集來自于醫院的93例乙肝患病采用基于KNN核函數分類算法進行聚類，通過SPSS數據初處理和MATLAB編程實現。揭示基于K近鄰核函數在乙肝病毒分類診斷中有重大的意義。結果：通過核函數聚類方法將93例乙肝患者聚成四類，不僅劃分出急性乙肝和慢性乙肝，而且發現HBC IGM也是劃分急慢性乙肝的一個不可缺少的參數。結論：基于K近鄰核函數的分類方法，在診斷對急慢性乙肝疾病劃分有一定幫助，對后期實現計算機輔助分類診斷具有一定的意義。

【關鍵詞】核函數；非參數聚類；K近鄰算法；聚類；乙肝病毒

中圖分類號： R512.62；R735.7 文獻標識碼： A 文章編號：2095-2457（2018）05-0027-003

【Abstract】Objective： To explore the clinical significance of KNN （K-Nearest Neighbors， KNN） clustering method in the diagnosis of hepatitis B virus classification and the applicability of other disease diagnosis. Methods： The collection of 93 patients with hepatitis B from the hospital was clustered based on KNN kernel function classification algorithm. The data was processed by SPSS data processing and MATLAB programming. It is of great significance to reveal the classification diagnosis of hepatitis B virus based on K-nearest neighbor kernel function. Results： 93 cases of hepatitis B patients were clustered into four groups by kernel function clustering method. Not only acute hepatitis B and chronic hepatitis B were classified， but also HBC IGM was found to be an indispensable parameter for the classification of acute and chronic hepatitis B. Conclusion： The classification method based on the K-nearest neighbor kernel function is helpful in the diagnosis of acute and chronic hepatitis B disease， and it has certain significance for the later computer-assisted classification diagnosis.

【Key words】Kernel function； Non-parametric clustering； K-nearest neighbor algorithm； Clustering； Hepatitis B virus

乙肝病毒是一種DNA病毒，非遺傳疾病，主要通過血液和母液等傳播，其中免疫低的人群易被感染。乙肝病毒是我國高發的感染疾病之一，僅次于我國的排名第一的肺結核疾病，死亡率位于狂犬病、艾滋病、肺結核排名位于第四。我國因乙肝導致的肝硬化、肝癌死亡人數約為1.2萬，占全球每年新增乙肝病例人數的一半左右。患有乙肝的患者，沒有特定的藥物治療，增加了家庭的經濟的負擔，在生活中易受到歧視。本文的研究主要使用基于K近鄰核函數聚類，對乙肝患者進行分類，此次分類不僅判斷是否有患有乙肝疾病，還能進一步的對急性乙肝和慢性乙肝進行劃分，并且對后期的乙肝病毒醫學研究提供了許多有用的信息。

1 資料來源

1.1 研究對象

收集于2012年12月之2016年12月某三甲醫院就診含有乙肝病毒93列患者的數據資料。

1.2 檢測指標

抽出患者靜脈血液通過分離血清來檢測，檢測血液中乙肝病毒的血清學標志，包括乙肝表面抗原（HBSAg）、乙肝表面抗體（HBSAb/抗HBs）、e抗原（HBeAg）、e抗體（HBeAb/抗-HBe）、核心抗體（HBcAb/抗-HBc）。其中的乙肝表面抗原（HBSAg）采用ELISA檢測法，檢測儀為瑞士公司生產的，選用上海科華生物有限公司生產的試劑。

2 方法

2.1 原始數據處理

研究對象的數據來自于臨床醫學人工統計的并非電子版本，存在人為的信息登記錯誤導致的或者，以及檢驗過程判斷不夠精準度的地方，為讓最終分析的結果有意義，確保實驗的準確性，要進行必要的采用科學的方法進行初步預處理。預處理包含查錯糾錯、標志數據中的異常案例、轉換、填補缺失值等。

2.2 SPSS具體操作流程如下

2.2.1 對數據進行無量綱化的處理

因為數據量綱不同將影響聚類分析的結果，所以在分析之前要對數據進行無量綱化處理，無量綱化處理的方法有很多種，我們可以根據自己的實際需要進行選擇。