支持向量機(jī)在細(xì)菌性陰道炎診斷中的應(yīng)用

李杰 云南國土資源職業(yè)學(xué)院素質(zhì)教育中心

沈栩竹 昆明冶金高等專科學(xué)校公共課部

1 引言

細(xì)菌性陰道炎（BV）是一種女性陰道菌群生態(tài)失衡引起的疾病，在臨床婦科門診中較為常見。目前在臨床方面，通過對患者的陰道分泌物的綜合癥狀判別來診斷BV。而在研究中，對革蘭氏染色涂片打分來診斷BV。然而，BV的致病因素非常復(fù)雜，許多患者的癥狀并不明顯。因此，采用更有效的診斷方法是十分必要的。通過陰道內(nèi)的菌群來對BV進(jìn)行診斷可認(rèn)為是一種很復(fù)雜的非線性函數(shù)逼近過程，要能成功進(jìn)行分類診斷，有必要采用能捕捉非線性變化規(guī)律的方法。支持向量機(jī)在理論上具有逼近全局最優(yōu)的能力，對小樣本和高維數(shù)據(jù)的處理能力較強(qiáng)。鑒于此，我們研究支持向量機(jī)作為分類器在女性細(xì)菌性陰道炎診斷中的應(yīng)用。

2 支持向量機(jī)的原理

為了解決該優(yōu)化問題，需引入Lagrange函數(shù)，并且轉(zhuǎn)化為其對偶問題進(jìn)行求。

3 基于支持向量機(jī)的BV診斷

把支持向量機(jī)用于BV疾病的診斷，數(shù)據(jù)來自于其他研究者的實驗數(shù)據(jù)，網(wǎng)上下載地址:www.pnas.org/lookup/suppl/doi:10.1073/pnas.1002611107/-/DCSupplemental。樣本數(shù)據(jù)是對陰道細(xì)菌的16rsDNA片段測序后獲得的OTU（操作分類單元）數(shù)據(jù)。樣本總數(shù)共計396個，其中97個樣本判定患有BV疾病。每個樣本中有282個細(xì)菌物種[6]。對數(shù)據(jù)預(yù)處理進(jìn)行歸一化操作，并選取多項式核函數(shù)。從BV和非BV樣本中各取90%的樣本組成訓(xùn)練集，剩余的樣本組成測試集?？偣策M(jìn)行100次，使用matlab 2016計算平臺，編程實現(xiàn)調(diào)用了matlab自帶的svmtrain和svmclassify 函數(shù)。結(jié)果如表1所示。從表1可以看出支持向量機(jī)針對本文中的數(shù)據(jù)集有較高的學(xué)習(xí)和測試準(zhǔn)確率。因為支持向量機(jī)能通過核函數(shù)把非線性分類問題轉(zhuǎn)化為線性可分問題，尋找到全局最優(yōu)解。從而，支持向量機(jī)在具有小樣本和非線性的分類問題中表現(xiàn)卓越。而在醫(yī)療診斷中，個體差異大，收集到的樣本數(shù)量少，給疾病的診斷帶來很大的困難。

而我們的研究表明，支持向量機(jī)在利用陰道菌群來診斷BV疾病的應(yīng)用中有很大的潛力。

表 1 訓(xùn)練和測試的結(jié)果

4 結(jié)論

本研究表明利用支持向量機(jī)作為分類器來對女性的BV疾病進(jìn)行診斷，準(zhǔn)確率比較高。由于支持向量機(jī)在分類問題中的泛化能力較強(qiáng)，對樣本的數(shù)據(jù)維度有較好的適應(yīng)性，在其他醫(yī)學(xué)疾病中的診斷也將會有很大的應(yīng)用潛力。

[1] Fredricks, D. N., Fiedler, T. L., & Marrazzo, J. M.Molecular identification of bacteria associated with bacterial vaginosis[J]. New England Journal of Medicine,2005,353(18),1899-911.

[2] Amsel, R., Totten, P. A., Spiegel, C. A., Chen,K. C., Eschenbach, D., Holmes, K. K. Nonspecific vaginitis. Diagnostic criteria and microbial and epidemiologic associations[J]. American Journal of Medicine, 1983,74(1):14-22

[3] Nugent, R. P., Krohn, M. A., & Hillier, S. L.Reliability of diagnosing bacterial vaginosis is improved by a standardized method of gram stain interpretation[J]. Journal of Clinical Microbiology, 1991,29(2): 297

[4] Sain, S. R. The Nature of Statistical Learning Theory.Springer, 1995

[5] 閻威武,邵惠鶴.支持向量機(jī)分類器在醫(yī)療診斷中的應(yīng)用研究[J].計算機(jī)仿真, 2003，20(2)：69-70