基于BP神經網絡的腦卒中患者分類方法研究

吳 潔，曲 暢，王 華

（1.北華大學 電氣信息工程學院，吉林 吉林 132012；2.長春理工大學 電子信息工程學院，吉林 長春 130022；3.上海電子信息職業(yè)技術學院 計算機應用系，上海 201411）

基于BP神經網絡的腦卒中患者分類方法研究

吳 潔1，曲 暢2，王 華3

（1.北華大學 電氣信息工程學院，吉林 吉林 132012；2.長春理工大學 電子信息工程學院，吉林 長春 130022；3.上海電子信息職業(yè)技術學院 計算機應用系，上海 201411）

人工神經網絡的應用逐漸廣泛，已經發(fā)展到各個前沿領域，在神經專家系統(tǒng)、模式識別、智能控制、組合優(yōu)化、預測等領域得到成功應用。文章通過對經過PCA算法降維預處理后的數據進行BP神經網絡數據分類，比較和分析數據經BP神經網絡、RBF神經網絡、ANFIS神經網絡后的分類誤差。經實驗分析，BP神經網絡、RBF神經網絡、ANFIS神經網絡分類誤差分別為0.000 5，971.935，0.025 3，傳統(tǒng)BP神經網絡更適合文章中所采集的腦卒中患者數據分類。

BP神經網絡；腦卒中；分類方法；信息處理

人工神經網絡是一種新型信息處理系統(tǒng)，它在進行信息處理過程中應用類似于人的大腦神經突觸的相互聯接結構，人工神經網絡特有的非線性適應性信息處理能力、良好的容錯等特性，使其克服了傳統(tǒng)人工智能方法對于如模式識別、語音識別、非結構化信息處理等方面的缺陷，并在非線性映射、聯想記憶、分類識別和優(yōu)化設計等方面有良好的應用前景與效果[1]。通過實驗對PCA算法預處理降維后的腦卒中患者運動數據進行數據分類，分析和比較經BP神經網絡、RBF神經網絡、模糊神經網絡分類誤差。

1 BP神經網絡算法原理

反向傳播（Back Propagation，BP）神經網絡是一種采用誤差反向傳播的多層前饋神經網絡，其實現的基本思想是采用信號的正向傳播同時誤差反向傳播的方式，網絡的輸入和輸出是一種非線性映射關系，通常由輸入層、隱含層、輸出層構成。在信號的正向傳播過程中，數據由輸入層進入網絡，經過隱含層的處理，最終在輸出層輸出。若網絡輸出不是期望的輸出，則將輸出層的輸出誤差作為調整網絡參數的信號進行反向傳播，根據誤差信號不斷調整網絡中的連接權值和閾值，知道網絡輸出達到可以接受的精度[2]。

（1）初始化。隨機選取各層突觸的連接權值與閾值，選取的分布通常選擇均值為0的均勻分布。

（2）訓練樣本的呈現。向網絡呈現出一個回合的訓練樣本，對以某種形式排列的每個樣本進行訓練時，按順序進行前向計算和反向計算。

（3）前項計算。在該回合中設一個訓練樣本是，為輸入向量，為期望響應向量。不斷地經由網絡一層一層地前進，對于層的神經元如圖1所示。

圖1 神經元j細節(jié)的信號流

式中，m=m0—神經元j在網絡的第一隱層的所有輸入的數量；

所以第l層的神經元j的輸出信號可以表示：

（4）反向計算。計算網絡的局域梯度δ，定義為：

根據廣義delta規(guī)則優(yōu)化調整網絡中第lfalse層的各個突觸的權值：

式中η—學習率參數，通常取0到1之間的某一固定值

（5）迭代。給網絡輸入新一回合的樣本，根據（3）和（4）分別再次進行計算和反向迭代計算，直到每一回合的均方誤差達到期望值時，認為反向傳播算法收斂。

2 實驗與分析

通過用智能化的可穿戴式無線傳感器采集腦卒中后遺癥患者做簡單運動時7個關節(jié)部位產生的三維加速度和三維角速度數據，三維加速度Ax，Ay和Az，三維角速度Wx，Wy和 Wz，實驗的采樣頻率為102.4 Hz，這7個傳感器分別佩戴在患者的以下7個部位：前額、胸部、腰部、右手腕、左手腕、右小腿、左小腿。本文所用數據為高維數據，含有一定的冗余性和高階相關性，因此利用主成分分析法（Principal Component Analysis，PCA）對采集數據進行預處理以消除冗余和噪聲并降低數據維數。

將經過PCA算法預處理后的數據作為網絡的輸入，對運動數據ω≤50°，50°＜ω≤90°，90°＜ω≤130°，130°＜ω≤150°，ω＞150°分別相應的0，0.25，0.5，0.75，1.0作為網絡輸出[5]，分別建立BP神經網絡、RBF神經網絡、ANFIS神經網絡，將數據分類得到各神經網絡分類誤差，如圖2所示。BP神經網絡采用S型函數作為神經元的傳遞函數，隱含層神經元個數為9。如圖3所示，RBF神經網絡采用高斯函數作為徑向基函數，由于處理的數據較大，故本文采用廣義徑向基函數網絡。ANFIS神經網絡采用梯度下降與最小二乘相結合的混合算法，輸入隸屬函數為gbellmf型隸屬函數。

圖2 BP神經網絡分類誤差

圖3 RBF神經網絡分類誤差

如表1所示，結果表明，BP神經網絡、RBF神經網絡、ANFIS神經網絡分類誤差分別為0.000 5，971.935，0.025 3。RBF神經網絡其訓練誤差過大，不能作出正確判斷，并且建模訓練所需內存遠遠大于模糊神經網絡；ANFIS神經網絡由于網絡性能限制，輸入網絡的數據維數較小，不能完全包含元數數據特征，雖然其分類誤差較小，但不適合處理本文所采集到的數據。BP神經網絡分類誤差較RBF神經網絡、ANFIS神經網絡有明顯優(yōu)勢。

3 結語

本文通過實驗對PCA算法預處理降維后的數據利用神經網絡進行數據分類，比較BP神經網絡、RBF神經網絡、ANFIS神經網絡對數據的分類誤差，并分析各神經網絡對采集數據的適合程度，結果表明，傳統(tǒng)BP神經網絡對PCA預處理后的腦卒中患者運動數據具有良好的數據分類效果。

表1 神經網絡分類誤差比較

[1]常虹，張冰.神經網絡在結構損傷識別中的應用研究[J].吉林建筑大學學報，2014（1）：23-25.

[2]劉潔，王麗芳. EDA與BP結合優(yōu)化神經網絡[J].太原科技大學學報，2014（1）：28-33.

[3]楊麗麗，白艷萍，苗靜，等. 基于BP神經網絡的中學考試成績分類[J]. 機電技術，2011（3）：40-41.

[4]KUMAR P，NIGAM S P，KUMAR N. Vehicular traffic noise modeling using artificial neural network approach[J]. Transportation Research Part C：Emerging Technologies，2014（40）：111-122.

[5]陸明，邱貴興，翁習生. 關節(jié)角度測量結果準確性及可重復使用性評價[J].中國組織工程研究與臨床康復，2008（30）：5845-5848.

Research on classification method of patients with cerebral apoplexy based on BP neural network

Wu Jie1, Qu Chang2, Wang Hua3
（1.Electrical and Information Engineering College of Beihua University, Jilin 132012, China; 2.Electronics and Information Engineering College of Changchun University of Science and Technology, Changchun 130022, China; 3.Computer Application Department of Shanghai Technical Institute of Electronics ＆ Information, Shanghai 201411, China）

The application of artificial neural network is gradually widely, which has developed to the frontier fields such as the neural expert system, pattern recognition, intelligent control, combination optimization, forecasting and other fields. This article mainly used the data after PCA algorithm dimension reduction pretreatment. Comparing and analyzing the data classification error though the BP neural network, RBF neural network and ANFIS fuzzy neural network. Through experimental analysis, the classification error respectively is 0.000 5, 971.935, 0.0 253 by BP neural network, RBF neural network and ANFIS neural network, traditional BP neural network is more suitable for data classification of cerebral apoplexy patients collected in this paper.

BP neural network; cerebral apoplexy; classification method; information processing

吉林市科技計劃項目；項目編號：201537112。

吳潔（1981— ），女，吉林吉林，講師。