深度學習模型在醫院財務預測中的應用

姜玉嬋， 蔡巖

(1.衡水市人民醫院 醫保科(城鄉結算處)， 河北 衡水 053000;2.河北師范大學 軟件學院， 河北 石家莊 050024)

0 引言

隨著我國醫療衛生體制改革的不斷深入，醫療資源的有效整合已經成為當今時代的趨勢。在此背景下，發展較快、較好的醫院開始出現機構規模過大、財務管理復雜等問題，導致醫院的財務監管效率低下[1]，無法滿足可持續性發展的需求。

機器學習技術作為計算機領域的熱門方向，一直和金融財務領域有著緊密結合和應用。使用合理的機器學習技術可以解決金融財務行業的高效自動化數據分析問題，為管理人員提供有價值的預測信息，從而為健康的機構運營提供可靠性的預警[2-4]。例如，楊蘊毅等[5]提出來利用Z-Score指標決策樹來構建財務風險預警模型，提前3年預測財務危機的準確率達75.37%。陳妮[6]提出通過C4.5決策樹挖掘算法來對企業運營資金流向預測分析研究，相比傳統的ID3決策樹算法獲得了更高的準確性。蔡歡等[7]基于遺傳算法和最小二乘支持向量機的財務危機預測模型，有效驗證了機器學習技術在財務預測中的有效性。然而，使用上述傳統機器學習技術對財務狀況進行預測時仍舊存在準確度不夠理想，特別是對于復雜數據樣本的長期預測問題。

因此，為了對醫療機構提供更加準確、有效的財務預測，本文提出構建基于深度信念網絡的先進度學習方法構建預測模型。在20家大中型醫療機構的近10年財務數據上進行了實驗分析。結果驗證了深度信念網絡模型在各項評價標準上均取得了較好的預測結果，驗證了其可行性。

1 數據預處理與樣本生成

為了繼續有效地預測分析，需要先對醫療結構財務系統中給的各種表格和報表數據進行解析與提取，主要采用的是數據清洗，從而生成后續所需的逗號分隔值(Comma-Separated Values，CSV)格式數據。

1.1 數據清洗

針對醫療機構中支出經費完整度不高且重疊較多的問題，本文采用的數據清洗分成4個步驟。

(1) 缺失值清洗：設置缺失判斷閥值為80%，并以此為標準先對原始數據進行挑選，剔除掉超過該閥值的特征列，并用“0”值填充區缺失值。

(2) 格式內容清洗：對導入數據的存儲格式進行統一，例如時間統一為“2019-02-21”。

(3) 重復內容清洗：接著再次對數據進行篩選，將內容重復度較高的多個特征列進行刪除，僅保留其中一個，從而有利于降維。

(4) 非需求數據清洗：將數據中不在預測時間跨度中的無關數據進行刪除，并僅保留最小時間跨度為1個月的樣本數據。

經過上述4個步驟后，將處理后的數據全部另存為所需的CSV格式。

1.2 特征選擇

對數據樣本中每列的特征需要合理選擇，以便在體現所需預測關系映射的同時盡量避免出現過擬合，從而加強模型的多樣本泛化能力。

本文采用了L1范數正則化方法進行特征選擇，這是可以有效適用于非線性場景的算法。對所有統計特征的L1范數得分進行計算，本文設置0.6作為選擇閥值，刪除得分小于0.6的特征，從而完成特征選擇過程。最終選出的有效特征如“0.644，分保費用”“0.685，針劑費及手術收入”等。

1.3 歸一化處理

在對財務數據清洗后，還需要對實際的樣本數值進行統一數值范圍，以便統一樣本特征的尺度。本文采用了均值方差歸一化將全部數據樣本進行處理，統一表示為[0,1]之間的數，如式(1)。

(1)

式中，min表示最小特征值;max表示最大特征值。

1.4 滑動樣本生成

由于財務預測是時間周期性的工作，需要設置時間跨度，類似于圖形圖像處理機制中的窗口框架。本文設置2年為時間跨度對數據樣本進行滑動挑選。太短或者太長的時間跨度均對預測的性能有一定的影響，2年是多次實驗的經驗選取值。具體操作過程，如圖1所示。

圖1 滑動樣本生成

2 基于深度信念網絡的預測建模

2.1 深度信念網絡模型

作為一種高效的深度學習算法，深度信念網絡逐漸發展成為主流的技術方向[8-10]。基于統計學原理產生了隨機神經網絡玻爾茲曼機模型，包含一個隱含層和一個可見層，如圖2所示。

圖2 玻爾茲曼機模型

在此基礎上，提出了限制玻爾茲曼機原理架構，如圖3所示。

圖3 限制玻爾茲曼機模型

其中，a=(a1,a2,…,anv)T∈Rnv表示可見層的偏置向量;b=(b1,b2,…,bnh)T∈Rnh表示隱含層的偏置向量;W=(wi,j)∈Rnh×nv表示隱含層和可見層之間的權值矩陣。通過生成式堆疊技術，由多個限制玻爾茲曼機最終生產深度信念網絡。

限制玻爾茲曼機通過能量函數引入一系列相關的概率分布函數。對于一組給定的神經元的狀態向量(v,h)，其能量函數表示，如式(2)。

(2)

式中，v表示可見層中神經元的狀態向量;h表示隱含層中神經元的狀態向量;nv表示可見層中所有神經元的總數;nh表示隱含層中所有神經元的總數;θ={ai,bj,wi,j}表示限制玻爾茲曼機架構的調節因子。

通過上述式(2)定義的能量函數，可以得到狀態(v,h)的聯合概率分布，如式(3)。

(3)

式中，Z(θ)表達式，如式(4)。

(4)

式中，Z(θ)表示歸一化參數。設p(v|θ)為可見層向量v的概率分布，則可以通過P(v,h|θ)的邊緣分布對p(v|θ)進行計算[11],如式(5)。

(5)

同樣的方法，我們可以得到隱含層向量h的概率分布p(h|θ),如式(6)。

(6)

通過分析式(5)和(6)，可以看出，為了得到p(v|θ)和p(h|θ)，關鍵步驟是計算歸一化參數Z(θ) 。但是式(4)可知，其計算復雜度較高。但是，由于限制玻爾茲曼機模型的特殊原理(可見層和隱含層是條件獨立的)，當可見層中所有神經元的狀態是已知的時候，隱含層中某個神經單元被激活的概率可以通過式(7)進行計算[12]。

(7)

式中，σ(·)表示Sigmoid激活函數。

因為相同層內所有神經節點之間是無連接的，所以相同層內的所有神經節點的取值和單個節點取值之間的關系，如式(8)、式(9)。

(8)

(9)

圖4 深度生成模型

2.2 深度信念網絡訓練過程

深度信念網絡訓練過程一般分為2個步驟[13]：預訓練階段和微調階段,如圖4所示。

微調階段中歲所需的損失函數,如式(10)。

(10)

3 實驗結果與分析

3.1 實驗環境

為了對本文提出的視頻分類方法進行分析和驗證，進行具體實驗。實驗硬件環境：處理器為Intel Core i7 2.2 GHz;圖形圖像處理設備為GTX970@2 G顯存;內存為8 G。實驗軟件環境：Windows 7操作系統;Matlab7.0仿真軟件。實驗隨機選取了20家大中型醫療機構的近10年財務數據，共2萬多個樣本。其中60%作為訓練集，40%作為測試集。以最直觀的年凈利潤作為財務預測指標，并選取2年為預測時間跨度。

3.2 評估指標

為了對財務預測的性能進行量化評估，本文選取均方根誤差(Root Mean Square Error，RMSE)和擬合優度(R Square，R2)作為評估指標[14-15]。

RMSE的計算方式，如式(11)。

(11)

R2的計算方式,如式(12)。

(12)

3.3 模型的最佳層數分析

當深度網絡中每個隱含層內所有神經節點的總數均是 300 時，深度信念網絡模型在不同網絡層數下的預測實驗結果，如表1所示。

表1 在不同網絡層數下的預測性能比較

從表1可以看出，隨著網絡層數的增加，識別的精確度也隨之提高。但是，網絡層數不是越多越好。當網絡層數為3時識別的性能最好，這說明深度信念網絡中隱含層的層數需要結合具體應用和適用的數據集進行具體分析，以便獲得最佳的網絡層數。

3.4 模型預測性能對比

本文除了深度信念網絡模型之外，還搭建了機器學習方法中的C4.5決策樹[6]、BP神經網絡[3]和最小二乘支持向量機LS-SVM[7]模型以便進行實驗對比。深度信念網絡模型中隱含層層數設定為3層，為不同模型的預測凈利潤實驗結果對比，如表2所示。

表2 預測凈利潤實驗結果對比

從表2可以看出，相比其他模型，深度信念網絡模型具有最大的R2和最小的RMSE結果，說明其取得了最佳的預測結果，完全吻合醫院的經營發展趨勢。

4 總結

本文通過構建深度信念網絡模型實現為醫療機構提供更加準確、有效的財務預測。在20家大中型醫療機構的近10年財務數據上進行了實驗分析。結果驗證了深度信念網絡模型在各項評價標準上均取得了較好的預測結果，驗證了其可行性。但是訓練和測試樣本集中特征的數量(維度)仍較多，后續將考慮使用主成分分析進行更高效的降維，來進一步提升預測模型的性能。