基于深度學習的醫療輔助診斷數據分析方法

程順達，祝 婕，夏 芳

（河北省中醫院信息中心，河北石家莊 050000）

隨著信息技術的不斷發展，智能化的疾病輔助診斷在解決專業醫師人力缺乏的同時，有效提升了診療效率，這樣能夠促進整體醫療水平的快速提高[1]。醫療輔助設備的廣泛應用，使得醫療輔助數據呈獻出快速的增長趨勢。同時，這些數據中也蘊含了大量有價值的信息，不僅有利于患者康復，更能促進醫療水平的整體提升[2-3]。因此對這些輔助醫療設備數據進行分析處理與應用，是實現醫療智能化的必備條件之一[4]。

傳統的輔助診斷方法主要是利用關聯規則等傳統機器學習算法，但傳統方法存在特征提取不完整等缺陷。雖然能夠獲取特定的病情數據特征，但無法使用更加充分的數據來診斷病情，泛化與自適應的性能較差[5-6]。而深度學習算法可利用海量的醫療數據信息自動獲得深層次和淺層次的特征，且能夠提取人力所無法獲得的數據特征[7]。因此，利用深度學習算法輔助醫療診斷，得到了各國專家學者的廣泛關注并予以研究[8]。

為此，文中提出了基于深度學習的醫療輔助診斷數據分析方法，在利用主成分分析（Principal Component Analysis，PCA）對醫療數據進行預處理后，輸入多層感知器（Multilayer Perceptron，MLP）神經網絡進行分析，以實現準確的醫療診斷，從而為專業醫師提供輔助。

1 數據預處理

在利用深度學習進行醫療數據分析前，需要對其進行預處理，在歸一化處理的基礎上，利用主成分分析（Principal Component Analysis，PCA）方法完成維度的降低。

1.1 歸一化處理

用原始數據對醫療數據進行分析存在一定的難度，所以對數據進行預處理尤為必要，這樣能夠提升方法的分析效率。其中，預處理主要是對數據進行歸一化，即根據相應的規則將數據轉換成（0,1）范圍內的數據，并將有量綱的數據轉換成沒有量綱的數據，從而提升數據分析的準確率，且縮短計算時間[9]。

對原始數據集矩陣每一列的數據進行歸一化處理如下：

1.2 PCA降維處理

眾所周知，疾病的生理指標之間存在著眾多內在聯系，因此難以通過人為因素來判斷。而PCA 作為一種較為經典的降維算法，其核心思想是經過降維的方法將較多個變量轉換成幾個主要成分進行匯總分析[10]。其中的主要成分可展現原始變量大多數的信息，因此這些主成分所包含的信息并不重疊，同時要求主成分之間不存在相關性。

假設x1,x2,…xi,…,xn是從總體X中抽取的樣本，，k是樣本的維數?？傮wX的協方差矩陣未知，需要通過上述變量進行估計，觀測值矩陣為：

樣本協方差矩陣為：

其中，X的每一行對應一個樣本，每一列對應一個變量。是樣本的平均值，樣本的主成分可以從S中得到。將樣本的觀測值xi代入第j個主成分，得到是樣本xi的第j個主成分。

PCA 中的每個維度均有一個貢獻率，并根據貢獻率的大小選擇相應的特征值。m個主成分的貢獻率之比為：

其中，λ對應正交單位特征向量，主成分的貢獻率反映了其綜合原始變量信息的能力。通常取較小的m(m≤p)，前m個主成分的累積貢獻率應保持在一定的水平(85%～95%)，從而達到降維的目的。

2 基于MLP的醫療診斷數據分析

由于傳統的機器學習方法難以處理大樣本、線性的醫療診斷數據，為此引入了基于深度學習的MLP 神經網絡。將預處理后的數據輸入MLP 模型，以得到診斷分類結果，從而輔助醫師完成病情分析。

2.1 MLP神經網絡

深度學習源于人工神經網絡的研究，含有多個隱藏層的MLP 是一種深度學習結構。其由較多層神經元構成，通常包括一個輸入層、一個或多個隱藏層以及一個輸出層[11-12]。含有兩個隱藏層的MLP 神經網絡模型如圖1 所示。

圖1 MLP神經網絡模型

其中，輸入層用于數據的輸入，設置在神經網絡模型的最前端；隱藏層是系統的核心部分，主要負責復雜的數學計算，位于模型中間部分的一層或多層；輸出層負責輸出數據，該層次的個數與數據類型的數量一致[13-14]。輸入層不需要權值與下一層相連，其他神經元均經過權值與下一個神經元的輸入端相連。

MLP 網絡的第q個數據記作{xq,tq}，其中，xq為K維的輸入向量，tq為G維的目標輸出向量。在輸入層后多加入一個節點xq(K+1)=1 構成輸入量，這一節點的閾值根據隱藏層與輸出層間的權值進行設定，從而將輸入向量轉成K+1 維。

對于第q個數據而言，第l個隱藏層的輸出表示如下：

其中，f(·) 是Sigmoid 激勵函數，ωih是連接輸入層與隱藏層之間的權值。

對于第q個數據樣本、G維的輸出向量，第i個輸出yq(i)可表示為：

其中，ωoi為輸入層與輸出層直接相連的權重，ωoh為隱藏層與輸出層間的權重。

2.2 醫療輔助診斷數據分析方法

對診斷數據進行PCA 降維后，即可獲得可有效表示醫療數據的特征值，且對模型參數進行實驗訓練[15-16]。實驗數據大致包括兩種類型：即訓練集與測試集。利用訓練集對MLP 神經網絡進行參數訓練，然后用測試集對所提分析方法進行評估。

用于醫療輔助診斷數據分析的MLP 神經網絡模型由輸入層、隱藏層1～3、輸出層組成，如圖2 所示。

圖2 基于MLP的醫療輔助診斷數據分析模型

其中，輸入層的輸入數據為經PCA 處理后的醫療數據，且留存了原有的屬性維度；隱藏層有3 層，1～3 神經元數目依次為32、16、16；輸出層的神經元數目與醫療數據類型數目一致；分類層利用Softmax分類器實現分類，并采用ReLU 激活函數。此外，所提數據分析模型利用交叉熵損失函數和Adam 方法進行參數訓練，以獲得最優的分析模型參數。

3 實驗結果與分析

實驗中采用Python 語言并使用Keras 深度學習庫，實驗硬件環境為Windows 10 操作系統，使用診斷平均準確率（Average Precision，AP）、損失值（Loss）兩個指標對所提方法進行評價。

實驗數據主要包括兩個數據庫，即病患的體檢數據庫和診斷信息庫。其中體檢庫包含了所有體檢數據信息，診斷庫包含了病患的所有診斷信息。兩個數據庫由病患的就診卡號進行關聯，經過病患的體檢信息便可判斷其是否生病。該實驗中，共包含52 389 名病患的體檢與診斷數據信息，并從兩張表中提取出實驗需要的數據集，同時將其按8：2 劃分為訓練集和測試集。

將所提MLP 神經網絡的學習率設置為0.001，動量因子為0.99，RMSProp 參數設置為0.999，最大迭代次數設置為20 000。

3.1 參數分析

實驗中，利用5 折交叉驗證評價所提方法的性能。由于神經網絡的總層數及隱藏層的層數對MLP網絡性能影響較大。為了選擇最佳配置，對不同神經網絡層數及每層不同隱藏神經元數目進行實驗，結果如表1 所示。

從表1 中可看出，隱藏單元數為64 個的4 層神經網絡取得了最佳的診斷準確率，為85.9%。因此將所提方法中的MLP 網絡的神經網絡層次設為4，隱藏層單元數為64 個。

表1 診斷準確率

3.2 診斷數據分析性能

操作特性（Receiver Operating Characteristic，ROC）曲線是根據真陽性率（True Positive Rate，TPR）與假陽性率（False Positive Rate，FPR）進行繪制的。其中，ROC 對角線可視為數據隨機分析效果，若所提方法的ROC 曲線處于對角線的下部，則說明其性能較差。所提方法的ROC 曲線如圖3 所示。

圖3 ROC曲線

從圖3 中的ROC 曲線可看出，所提方法在訓練集和測試集上表現均較優，具備較高的分析準確率。

3.3 性能對比分析

為了論證所提方法的性能，將其與文獻[6]、文獻[11]、文獻[14]中的方法進行對比分析，損失值對比結果如圖4 所示。

圖4 損失值對比結果

從圖4 中可看出，相比于其他對比方法，所提方法的損失值最低，接近53。由于其利用PCA 降維，計算量降低，因此在4 000 次時實現收斂。文獻[11]結合神經元和前向神經網絡進行醫療診斷，數據量較大，收斂速度慢，且損失值較高；文獻[14]利用卷積神經網絡，雖然損失值有所降低，但模型復雜，收斂速度較慢。

同樣，所提方法與文獻[6]、文獻[11]、文獻[14]中的方法在診斷平均準確率上的對比結果如圖5所示。

圖5 平均準確率對比結果

從圖5 中可看出，所提方法的平均準確率約為85%，均優于其他對比方法，因為其采用MLP 分析PCA 獲得的數據特征，準確率得到進一步保證。文獻[6]采用反向傳播網絡判別疾病類型，方法簡單但準確率較低。文獻[11]結合神經元和前向神經網絡、文獻[14]采用卷積神經網絡進行醫療診斷，診斷準確率均有所提高，但由于缺乏數據的預處理，數據分析性能較弱。

4 結束語

文中在醫療數據處理中融入功能強大的深度學習算法，并提出了基于MLP 的醫療輔助診斷數據分析方法。在對醫療診斷數據進行預處理的基礎上，利用MLP 神經網絡處理獲得的數據特征，以實現診斷分類。此外，基于Python 軟件平臺的實驗結果表明，當MLP 網絡的神經網絡層次設為4，隱藏層單元數為64 時，診斷準確率最佳，且所提方法的ROC 曲線較接近1。其平均準確率與損失值分別為85%和53，能夠為專業醫師提供精準的輔助診斷。

由于PCA 中可能存在正負主成分因子，這樣會造成評估函數效果減弱，且影響計算效率。所以在未來的研究中，可采用例如深度自編碼器等模型進行數據降維處理。