基于支持向量機(jī)的呼吸器肺炎檢測(cè)算法

摘 要：針對(duì)重癥監(jiān)護(hù)室病人接受呼吸器插管治療后，肺炎感染狀況無(wú)法得到實(shí)時(shí)監(jiān)控和診斷的問(wèn)題，提出了一種基于支持向量機(jī)模型的呼吸器肺炎檢測(cè)方案。使用電子鼻裝置采集未注射抗生素病人的呼出氣體作為實(shí)驗(yàn)數(shù)據(jù)，建立了支持向量機(jī)肺炎檢測(cè)模型，利用交叉驗(yàn)證和受試者工作特征曲線對(duì)模型的穩(wěn)定性和準(zhǔn)確性進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明，支持向量機(jī)模型對(duì)呼吸器肺炎感染檢測(cè)是非常穩(wěn)定、有效的，為醫(yī)師早期用藥提供科學(xué)有效的參考。

關(guān)鍵詞：呼吸器肺炎；支持向量機(jī)；交叉驗(yàn)證；受試者工作特征曲線

中圖分類(lèi)號(hào)：TP391.4

文獻(xiàn)標(biāo)識(shí)碼： A

呼吸器肺炎（Ventilator-associated Pneumonia， VAP）[1]的傳統(tǒng)診斷方法中，痰液檢查只有40%的病人能夠得到診斷；藉由血液培養(yǎng)方式只有20%的病人有陽(yáng)性反應(yīng)[2]；氣管鏡檢查和皮胸部穿刺檢查診斷可信度較高，卻為侵襲式檢測(cè)方式，致病風(fēng)險(xiǎn)度高，易造成病患死亡；X光檢查可以確診病人是否感染肺炎，卻無(wú)法判別感染肺炎的菌種[3]。

近年來(lái)，隨著醫(yī)學(xué)的發(fā)展進(jìn)步，非侵襲式檢測(cè)及診斷方法不斷研究發(fā)展，呼吸氣體診斷越來(lái)越受到醫(yī)學(xué)界的重視，且將其視為非侵襲式診斷的重要方式之一。本研究提出基于支持向量機(jī)（Support Vector Machine， SVM）模型的VAP檢測(cè)算法。通過(guò)使用電子鼻采集病人呼吸氣體，建立SVM模型對(duì)病人是否感染肺炎進(jìn)行實(shí)時(shí)有效預(yù)測(cè)，最后計(jì)算SVM模型的受試者工作特征曲線下面積，對(duì)模型的準(zhǔn)確度進(jìn)行評(píng)估。

1 相關(guān)工作

施崇鴻等[4]提出可以藉由病患身體發(fā)散出來(lái)的揮發(fā)性有機(jī)化合物進(jìn)行其組成成分的分析，作為診斷病患是否感染肺炎的依據(jù)。王家銘[5]使用K個(gè)最鄰近點(diǎn)分類(lèi)器（K-nearest Neighbor Classifier，KNN）進(jìn)行肺炎辨識(shí)，肺炎菌種的辨識(shí)度約75%。在上述的肺炎檢測(cè)研究中，電子鼻已廣泛應(yīng)用于呼吸氣體的采集與檢測(cè)，但VAP的檢測(cè)準(zhǔn)確率均有待提高，數(shù)據(jù)分析方法也有待進(jìn)一步完善。如何能夠快速、精準(zhǔn)地檢測(cè)ICU病人是否感染VAP，是當(dāng)前肺炎臨床診斷治療的重要研究課題。

2 實(shí)驗(yàn)數(shù)據(jù)和方法

2.1實(shí)驗(yàn)數(shù)據(jù)

本研究使用Cyranose-320型電子鼻裝置對(duì)病患進(jìn)行呼出氣體數(shù)據(jù)采集，肺炎氣體數(shù)據(jù)來(lái)源為臺(tái)北醫(yī)學(xué)大學(xué)醫(yī)院。為防止因醫(yī)師實(shí)施治療導(dǎo)致肺炎致病細(xì)菌發(fā)生變異，本研究采集未注射抗生素病人的呼吸氣體作為實(shí)驗(yàn)數(shù)據(jù)。數(shù)據(jù)采集從病患的胸腔和呼吸器吐氣端口兩個(gè)位置進(jìn)行。首先將轉(zhuǎn)接頭連接氣管插管，然后將采集管兩端分別接在轉(zhuǎn)接頭的抽氣口以及500 CC的負(fù)壓瓶后開(kāi)始抽氣，每個(gè)病人皆在兩個(gè)部位各取樣5瓶氣體。為確保病患安全，取樣過(guò)程皆由專業(yè)醫(yī)護(hù)人員進(jìn)行，取樣時(shí)間限制在10 s。

ICU中常見(jiàn)的肺炎病菌有5種：克雷伯氏菌、鮑氏不動(dòng)桿菌、大腸桿菌、葡萄球菌以及綠膿桿菌[6]。在本研究中，雖然采集了多種肺炎菌種氣體數(shù)據(jù)，但多數(shù)菌種數(shù)據(jù)數(shù)量皆過(guò)少。因此，只取用樣本數(shù)量較多的綠膿桿菌數(shù)據(jù)作為VAP檢測(cè)指標(biāo)氣體，數(shù)據(jù)共計(jì)3780筆。

2.2 SVM演算方法

SVM是由Cortes C等[7]根據(jù)統(tǒng)計(jì)學(xué)理論所提出的一種新的機(jī)器學(xué)習(xí)方法，主要應(yīng)用于特征的分類(lèi)以及回歸。SVM是基于一群已經(jīng)分類(lèi)好的數(shù)據(jù)，通過(guò)訓(xùn)練得到一組分類(lèi)模型，對(duì)于日后尚未分類(lèi)的數(shù)據(jù)，能夠根據(jù)先前訓(xùn)練出來(lái)的模型去預(yù)測(cè)尚未分類(lèi)數(shù)據(jù)的所屬類(lèi)別[8]。

SVM模型的主要參數(shù)包括懲罰系數(shù)C和核函數(shù)參數(shù)σ [9]。SVM算法中參數(shù)的選擇對(duì)SVM的學(xué)習(xí)性能非常重要，合理的參數(shù)值可以使SVM具有更高的訓(xùn)練精度以及更強(qiáng)的泛化能力。因此，本研究將首先篩選出最優(yōu)化的C和σ參數(shù)組合，并在最優(yōu)化的C和σ參數(shù)組合下建立SVM模型，以期模型有更好的分類(lèi)性能。根據(jù)林智仁[10]的建議，C和σ的取值范圍一般為2-5，2-4，...，24，25。

為了選擇最優(yōu)化的C和σ參數(shù)組合，SVM模型建立過(guò)程如圖1所示。

（1）首先，將整個(gè)數(shù)據(jù)集分為三部分：80%的訓(xùn)練數(shù)據(jù)集、10%的驗(yàn)證數(shù)據(jù)集和10%的測(cè)試數(shù)據(jù)集。感染肺炎數(shù)據(jù)標(biāo)記為“Infection”，未感染肺炎數(shù)據(jù)標(biāo)記為“Non-infection”。

（2）針對(duì)不同的C和σ參數(shù)組合，SVM模型不斷更新核函數(shù)進(jìn)行訓(xùn)練和驗(yàn)證。當(dāng)驗(yàn)證結(jié)果的準(zhǔn)確率最大時(shí)，表示SVM模型的分類(lèi)誤差最小，從而得到最優(yōu)化的參數(shù)組合，模型停止訓(xùn)練。

（3）確定模型結(jié)構(gòu)，并使用測(cè)試數(shù)據(jù)集對(duì)模型進(jìn)行測(cè)試。測(cè)試數(shù)據(jù)集主要用來(lái)測(cè)試模型的泛化性能，防止過(guò)度訓(xùn)練現(xiàn)象的出現(xiàn)。

2.3 交叉驗(yàn)證

使輸入值所對(duì)應(yīng)的實(shí)際輸出值等于或者近似等于目標(biāo)輸出值，是SVM預(yù)測(cè)模型的最終目標(biāo)。然而在模型訓(xùn)練過(guò)程中，訓(xùn)練數(shù)據(jù)可以匹配得非常好，但是當(dāng)輸入新的未知的數(shù)據(jù)集合時(shí)，SVM模型預(yù)測(cè)表現(xiàn)卻很差，這種現(xiàn)象稱為過(guò)度訓(xùn)練。為了避免過(guò)度訓(xùn)練現(xiàn)象的發(fā)生，使用交叉驗(yàn)證方法來(lái)評(píng)估SVM模型的泛化性能。K次交叉驗(yàn)證是應(yīng)用最廣泛的驗(yàn)證形式[11，12]。把數(shù)據(jù)集分割成K個(gè)子集，一個(gè)單獨(dú)的子集用來(lái)驗(yàn)證模型，其他K-1個(gè)樣本子集用來(lái)訓(xùn)練模型，交叉驗(yàn)證重復(fù)K次，每個(gè)子樣本驗(yàn)證一次，平均K次的結(jié)果或者使用其它結(jié)合方式，最終得到一個(gè)單一預(yù)測(cè)值。

基于上述交叉驗(yàn)證方法，本研究采用六折交叉驗(yàn)證，將整個(gè)數(shù)據(jù)集隨機(jī)分為六等份，一部分作為測(cè)試數(shù)據(jù)集，剩下的五個(gè)部分作為訓(xùn)練數(shù)據(jù)集。該過(guò)程重復(fù)六次，從而生成具有不同測(cè)試數(shù)據(jù)的六個(gè)數(shù)據(jù)集（數(shù)據(jù)集1，數(shù)據(jù)集2，…，數(shù)據(jù)集6）。

2.4 受試者工作特征曲線分析

受試者工作特征曲線（The Receiver Operating Characteristic Curve， ROC）分析已廣泛應(yīng)用于分類(lèi)器性能的評(píng)估[13]。本研究中，ROC曲線分析也用于評(píng)估SVM肺炎檢測(cè)模型的辨識(shí)性能。ROC曲線下面積（The Area Under the ROC Curve， AUC）是分類(lèi)器性能的主要指標(biāo)[14]。當(dāng)AUC等于1.0時(shí)表示分類(lèi)器是完美的；當(dāng)AUC小于0.5時(shí)表示辨識(shí)方法完全不起作用，在實(shí)際運(yùn)用中基本上不會(huì)出現(xiàn)[15]。為了直觀描述SVM模型的準(zhǔn)確度，計(jì)算SVM模型的準(zhǔn)確度（Accuracy， ACC）、靈敏度（Sensitivity， SEN）、陽(yáng)性預(yù)測(cè)值（Positive Predictive Value，PPV），它們是非常重要的呼吸器肺炎診斷指標(biāo)。

3 實(shí)驗(yàn)結(jié)果與分析

根據(jù)上述SVM模型建模方法及流程，建立SVM分類(lèi)器模型，首先針對(duì)模型進(jìn)行最優(yōu)化的參數(shù)選擇。重復(fù)訓(xùn)練過(guò)程以得到最佳化的參數(shù)組合，如表1所示。當(dāng)C= 4，σ= 8時(shí)，SVM模型的肺炎辨識(shí)率最高，達(dá)到0.846。

為了評(píng)估SVM肺炎檢測(cè)模型的泛化能力，使用測(cè)試數(shù)據(jù)集對(duì)模型進(jìn)行交叉測(cè)試。SVM模型交叉驗(yàn)證的結(jié)果如表2所示，SVM模型的ACC平均值為0.8789±0.0359（平均值±標(biāo)準(zhǔn)差），SEN平均值為0.9202±0.0556，PPV平均值為0.8513±0.0409。ACC、SEN、PPV三個(gè)指標(biāo)的平均值大且標(biāo)準(zhǔn)差值小說(shuō)明SVM肺炎辨識(shí)模型是穩(wěn)定可靠的。

為了評(píng)估SVM模型的分類(lèi)性能，對(duì)SVM模型的ROC曲線進(jìn)行分析，并計(jì)算ROC曲線下AUC，如表2所示。模型的曲線下面積AUC平均值為0.9419±0.0350。ROC曲線下面積AUC在0.9以上且標(biāo)準(zhǔn)差較小，說(shuō)明SVM分類(lèi)器具有很好的分類(lèi)效果，是非常不錯(cuò)的分類(lèi)模型。

4 結(jié)語(yǔ)

本研究中，使用SVM演算方法建立了有效辨識(shí)肺炎感染的檢測(cè)模型。SVM模型兩個(gè)重要參數(shù)C和σ的取值范圍為2-5，2-4，...，24，25，并在最優(yōu)化參數(shù)組合下進(jìn)行模型訓(xùn)練和測(cè)試，測(cè)試結(jié)果類(lèi)似于“局部最優(yōu)化”，而實(shí)際上C和σ參數(shù)并不局限于此特定區(qū)間。同時(shí)，SVM模型使用的核函數(shù)為徑向基函數(shù)，它是SVM分類(lèi)模型中使用最多的核函數(shù)，而SVM常用的核函數(shù)還包括齊次多項(xiàng)式函數(shù)、非齊次多項(xiàng)式函數(shù)、雙曲正切函數(shù)等。未來(lái)工作中，將擴(kuò)大SVM模型重要參數(shù)的取值范圍，并使用不同核函數(shù)建立模型，以期SVM模型有更好的肺炎辨識(shí)表現(xiàn)。同時(shí)，將繼續(xù)使用更高階的演算方法建立模型，包括“Weka”、MATLAB等軟件，并整合多種演算方法，以使肺炎辨識(shí)模型的準(zhǔn)確率更高，穩(wěn)定性更好。

由于肺炎病患數(shù)據(jù)資料有限，本研究中以綠膿桿菌作為肺炎檢測(cè)的指標(biāo)氣體進(jìn)行肺炎感染預(yù)測(cè)。而常見(jiàn)的肺炎病菌有5種：克雷伯氏菌、鮑氏不動(dòng)桿菌、大腸桿菌、葡萄球菌以及綠膿桿菌。按致病菌種的不同，肺炎又可分為病毒性肺炎、細(xì)菌性肺炎、支原體肺炎、真菌性肺炎以及其他非感染因素所引發(fā)肺炎等。未來(lái)工作中，將收集更多的病患數(shù)據(jù)資料，建立病患資料數(shù)據(jù)庫(kù)，不斷完善傳感器的功能和制成，對(duì)多種不同肺炎致病菌進(jìn)行辨識(shí)，并測(cè)試系統(tǒng)的強(qiáng)健性和適應(yīng)性，不斷完善模型的結(jié)構(gòu)和功能。

參考文獻(xiàn)：

[1]Chastre J， Fagon J Y. Ventilator-associated pneumonia[J]. Amer. J. Resp. Crit. Care Med， 2002， 16（5）： 867-903.

[2]Morehead R， Pinto S. Ventilator-associated pneumonia[J].Arch.Intern. Med， 2000， 16（4）： 1926-1936.

[3]Koenig S M，Truwit J D. Ventilator-Associated Pneumonia： Diagnosis， treatment， and prevention[J]. Clin. Microbiol. Rev， 2006， 19（11）： 637-657.

[4]施崇鴻， 鄭桂忠. 以電子鼻系統(tǒng)芯片早期預(yù)測(cè)及同步診斷使用人工呼吸器病患的肺炎菌種[R]//科技部補(bǔ)助專題研究計(jì)劃成果報(bào)告.新竹：新竹科技園， 2015： 45-55.

[5]王家銘. 利用樣式識(shí)別實(shí)現(xiàn)電子鼻肺炎偵測(cè)[D]. 新竹： 國(guó)立清華大學(xué)， 2013.

[6]Gibson T D， Prosser O， Hulbert J N. Detection and simultaneous identification of microorganisms from head space samples using an electronic nose[J]. Sensors and Actuators B： Chemical， 2007， 11（2）： 413-422.

[7]Cortes C，Vapnik V. Support vector networks[J]. Machine Learning， 1995， 20（5）： 273-297.

[8]Drucker H， Burgers C， Kaufman L. Support vector regression machines[J]. Advanced in neural information processing system， 1996，28（7）：779-784.

[9]Freund Y，Schapire R E. A decision-theoretic generalization of on-line learning and an application to boosting[J]. Journal of computer and System Sciences， 2017， 5（7）： 22-31.

[10]Ho C H， Lin C J. Large-scale linear support vector regression[J]. Journal of machine learning research， 2012， 13（26）： 3323-3348.

[11]Prechelt L. Automatic early stopping using cross validation： quantifying thecriteria[J]. Neural networks， 2013， 11（5）： 761-767.

[12]Rodríguez J D， Pérez A， Lozano J A. Sensitivity analysis of k-fold cross validation in prediction error estimation[J]. IEEE Trans. Pattern Anal. Mach.Intell， 2010， 32（3）： 569-575.

[13]Downey T J， Maker D J. Price R K. Using the receiver operating characteristic to assess the performance of neural classifiers[J]. Int. Joint Conf. Neural Networks， 2009， 5（12）： 3642-3646.

[14]Dougherty S，Boweyer K W， Kranenburg C. ROC curve evaluation of edge detector performance[J]. Proc. Int. Conf. Image Processing， 2008， 2（13）： 525-529.

[15]DeLeo J M， Rosenfeld S J. Essential roles for receiver operating characteristic （ROC） methodology in classifier neural network applications[J]. Proc. Int. Conf. Image Processing， 2011， 4（3）： 2730-2739.

（責(zé)任編輯：曾 晶）