基于感知機算法的心臟病預(yù)測問題

廉翔博

摘要：近年來，隨著科技的發(fā)展和時代的進步，人們的生活水平在不斷的提高，而人們?nèi)粘２灰?guī)律的生活方式和習(xí)慣對身體造成的影響卻逐漸顯現(xiàn)，其中，最為突出的就是心血管類疾病，該病發(fā)病率和死亡率都在逐漸增高。由于醫(yī)療過程的復(fù)雜性，僅通過人工的提取、整合及診斷是否得心臟病，不僅過程繁瑣復(fù)雜，而且準確率和效率方面都不能達到很好的效果。為了解決此類問題，討論是否可以通過計算機來輔助進行心臟病的預(yù)測工作，于是這里利用了機器學(xué)習(xí)的感知機算法來完成，通過分析受測人心血管病相關(guān)特征，利用感知機模型分析實現(xiàn)對該疾病是否發(fā)生來最終完成輔助診斷，此研究能夠給人工診斷提供更高效更便捷的輔助預(yù)測，使其預(yù)測成功概率提高，增強患者存活率。

關(guān)鍵詞：機器學(xué)習(xí);感知機;心臟病預(yù)測;數(shù)據(jù)分析

中圖分類號：F24文獻標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2019.07.040

1引言

1.1心臟病預(yù)測的重要性

隨著社會城市化的深入，居民不健康生活方式的流向，我國心血管?。–VD）越來越多，并且在低收入人群和低齡人群中最為明顯。根據(jù)統(tǒng)計結(jié)果，未來10年我國心血管病患者數(shù)量將繼續(xù)快速增長，我國心血管病患者數(shù)量將繼續(xù)上升。目前，心血管疾病死亡仍是城鄉(xiāng)居民死亡的主要原因，農(nóng)村占45.01%，城市占42.61%，CVD患者數(shù)為2億9000萬，高于腫瘤及其他疾病。

CVD患病人數(shù)的增加，致使我國心腦血管病住院費用年均增速遠高于國內(nèi)生產(chǎn)總值增速，是我國負擔(dān)加重。影響了經(jīng)濟發(fā)展和社會進步以及廣大群眾的心理。如何及時預(yù)測出心臟病加以治療這是一個迫在眉睫的問題。而如今傳統(tǒng)的六種心臟病檢測技術(shù)有著各種弊端導(dǎo)致心臟病預(yù)測不能有效的進行，CVD人數(shù)不能合理的控制在一定范圍內(nèi)。所以推陳出新，利用新的技術(shù)來預(yù)測心臟病是極為重要的。

1.2心臟病檢測技術(shù)現(xiàn)狀

當(dāng)前心臟病常用的檢測方法共有四種。心電圖檢測，多排CT檢查，ECT檢測，超聲心動圖。

心電圖（ECG）時一種經(jīng)過胸腔的，以時間為單位記錄心臟生理活動的一項技術(shù)。它的原理是通過記錄心肌細胞去極化后在皮膚表面記錄小的電變化。然后被記錄成心電圖，心電圖檢測能檢測心律失常，是診斷冠心病的主要方法。他的優(yōu)點在于簡單經(jīng)濟，但這也導(dǎo)致了他的檢測得不精準性。比如檢測結(jié)果正常的患者卻在臨床時發(fā)生了猝死現(xiàn)象常常發(fā)生。

多排CT檢查主要用于先天性心臟病的檢測，是無創(chuàng)性檢查。它的優(yōu)點在于能清晰地顯示冠脈血管病的情況。并且還有著掃描速度優(yōu)勢，完成整個心臟僅需5～10s。更高的圖像分辨率（0.3MM），但同樣，此方法也有著缺點，對細微的血管并不敏感，并且對病人的心率要求高。

ECT檢測，及放射性核素檢查，其原理是把放射性藥物注射入人體，在代謝之后，探測臟器內(nèi)，病變組織和正常組織之間的濃度差異，然后通過計算機在成像。優(yōu)點為可以了解到心肌梗塞的范圍以及是否具有可逆性。缺點為費用昂貴，不能早期發(fā)現(xiàn)病變。

超聲心動圖是利用物理學(xué)上的超聲測距原理檢查心臟和大血管的解剖結(jié)構(gòu)和狀態(tài)的一種技術(shù)。顯示的是狀態(tài)和時間的曲線，這個曲線即為超聲心動圖。超聲心動圖主要用于了解心室壁的動作心臟瓣膜活動情況等，費用較低。缺點為，對冠脈準確性較低，也不能早期發(fā)現(xiàn)病變。

1.3論文創(chuàng)新點

與現(xiàn)有的四種檢測方法不同的是本文采用的感知機預(yù)測系統(tǒng)。感知機預(yù)測系統(tǒng)實際上使用的是機器學(xué)習(xí)。通過現(xiàn)有的數(shù)據(jù)構(gòu)建一個模型，然后利用這個模型再預(yù)測出病人是否會得心臟病。就未來而言，機器學(xué)習(xí)取代傳統(tǒng)是一個趨勢，但目前來說，機器學(xué)習(xí)與傳統(tǒng)檢測方法的準確率不分伯仲。所以本文是用機器學(xué)習(xí)來輔助傳統(tǒng)檢測，使其準確率更高，使效率最大化，這是本文的創(chuàng)新點。

2機器學(xué)習(xí)概述及數(shù)據(jù)分析

2.1機器學(xué)習(xí)

本文的心臟病預(yù)測系統(tǒng)需要用到機器學(xué)習(xí)，它是人工智能的一個主要分支，同時也是一門多領(lǐng)域交叉學(xué)科，涉及概率論，統(tǒng)計學(xué)等。它是用來使人工智能模擬人類學(xué)習(xí)的重要手段。機器學(xué)習(xí)主要分為兩個方面：第一個是“訓(xùn)練”，即通過各種現(xiàn)有的“學(xué)習(xí)資料”使它產(chǎn)生經(jīng)驗，建構(gòu)模型。比如之前的圍棋比賽中，Alphago就是事先通過各種棋譜和對手的數(shù)據(jù)信息進行學(xué)習(xí)訓(xùn)練。根據(jù)訓(xùn)練所需要學(xué)習(xí)資料數(shù)量的不同，會導(dǎo)致后來的“決策”準確率不同。第二個便是“決策”，決策是利用“訓(xùn)練”已經(jīng)構(gòu)建好的模型進行實時計算，如果說“訓(xùn)練”是長期的學(xué)習(xí)過程，那么“決策”就是考場上的現(xiàn)場發(fā)揮。比如Alphago已經(jīng)訓(xùn)練完成，在和人類比賽時，就是把實時獲得的數(shù)據(jù)通過模型“決策”出對應(yīng)的數(shù)據(jù)，比如該走哪一步之類的?！皼Q策”的正確率都由“訓(xùn)練”所構(gòu)建的模型決定。

比如已有數(shù)據(jù)X1和對應(yīng)的一個數(shù)據(jù)Y1經(jīng)過訓(xùn)練后可以得到一個函數(shù)模型，然后再導(dǎo)入模擬的數(shù)據(jù)X2即可通過該模型進行決策得到對應(yīng)數(shù)據(jù)Y2。而交叉驗證是用來判斷分類器性能的一種統(tǒng)計學(xué)方法，原理為將已有的一批數(shù)據(jù)集分為兩個子集，分別是訓(xùn)練集跟測試集 。訓(xùn)練集用來建立模型，測試集用來測試該模型的精準度。訓(xùn)練集內(nèi)元素的數(shù)量要大于測試集的元素，較為常見的為七三分、八二分等。要求訓(xùn)練集和測試集要做到均勻分配，但一般很難做到徹底均勻，所以經(jīng)常用的是隨機分配。在學(xué)習(xí)各種復(fù)雜度不同的模型時，選擇測試集具有最小誤差、最大正確率的模型，即分類正確的樣本在測試集中得所占比例。

2.2數(shù)據(jù)收集與分析

心臟病數(shù)據(jù)集（部分）如表1所示。

3利用感知機進行建模

3.1感知機模型

感知機模型原理為使用訓(xùn)練集訓(xùn)練模型，得到一個分類效果最好的超平面。超平面是平面中的直線，空間中的平面的推廣，即維度大于三的n維空間。超平面的方程為：W1*X1+W2*X2+…+WN*XN+B=0。

感知機模型就是f（X）=sign（W·X+B），其中sign是符號函數(shù)。每一個感知機模型，都對應(yīng)著一個超平面w·X+b=0，這個超平面的參數(shù)是（w，b）。其中W為權(quán)重（WEIGHT），b為偏置（BIAS）。

把超平面方程拆開，即為W1*X1+W2*X2+…+WN*XN +B=0，每一個向量X都對應(yīng)一個權(quán)重W。因為一個感知機模型需要輸入許多的元素，因此你還要權(quán)衡每個元素來做出決策。比如到休息時間了，一共有三個元素決定你休不休息。分別是“餓不餓？”“論文寫沒寫完？”“困不困？”我們用X1、X2、X3這三個量來表示這三個元素。如果餓，那么X1賦值0，如果不餓賦值1。如果困，那么X3賦值0，不困X3賦值1。同樣得，如果論文沒寫完，那么X2就賦值1，反之為0。

但是每一個元素的權(quán)重是不同的，比如論文的重要性要遠大于餓不餓與困不困。所以我們設(shè)置W2為5，其余W1W2設(shè)置為1，然后參數(shù)B設(shè)置為- 4。那么這樣的話不管餓不餓還是困不困，只要論文沒寫完，那么最終結(jié)果都大于0，即都在超平面之上。這時候我們就可以把輸出分為兩類：一個是f（X）>0;另一個是f（X）<0。

如果有訓(xùn)練集中某個點（XI，YI），使得YI（W*XI+B）<0，則稱該超平面W*X+B=0對該點分類失敗，此點為誤分類點。因為YI與（W*XI+B）的符號是相等的，所以他們的乘積應(yīng)該恒大于0，所以當(dāng)乘積出現(xiàn)負值時，此點即成為誤分類點。

想要確切了解該模型分類效果的好壞，就得知道誤分類點的值，通過值的大小來判斷。其中誤分類點到超平面的距離公平為：，由此就可以得到損失函數(shù)的定義如下：

此函數(shù)表示所有誤分類點到超平面距離的和。函數(shù)值越大，則代表分類越失敗，由于X是已定的，因此我們只需要反復(fù)調(diào)試w和b的值以使函數(shù)值最小即可。當(dāng)函數(shù)L達到最小值時，此時的參數(shù)w和b就是最理想的感知機模型。

3.2運行結(jié)果分析

尋找到感知機模型之后，便要代入數(shù)據(jù)進行初步預(yù)測，然而初步預(yù)測結(jié)果并不理想。在交叉驗證的處理下，預(yù)測率屢次在0.6左右徘徊，沒有達到預(yù)期效果。其中最好的一次也僅僅達到0.623，因此我們必須尋找到原因然后對數(shù)據(jù)進行調(diào)整。首當(dāng)其沖的自然是數(shù)據(jù)集不夠。我們這個心臟病數(shù)據(jù)集的總數(shù)量僅為303個數(shù)據(jù)，數(shù)據(jù)集少，特征少帶來的便是誤差大，分析結(jié)果有誤，并且容易發(fā)生欠擬合，因此我們我們要對數(shù)據(jù)集進行擴充。第二個原因便是沒有對數(shù)據(jù)集進行預(yù)處理。

比如性別和靜止血壓的特征差距很大，一個僅為個位，一個已經(jīng)在百位以上。差距太大，帶來的便是出錯率較高，所以我們要對這些數(shù)據(jù)進行優(yōu)化處理，使他們?nèi)菀妆粰C器學(xué)習(xí)分析。

3.3系統(tǒng)優(yōu)化處理

基于系統(tǒng)不太理想的預(yù)測效果，這里系統(tǒng)優(yōu)化處理主要是進行數(shù)據(jù)預(yù)處理，有兩種：一是歸一化;二是標(biāo)準化。

歸一化是指把所有數(shù)據(jù)進行線性變化把數(shù)據(jù)映射到[0，1]區(qū)間內(nèi)。歸一化有兩個好處。

一是提升模型的收斂速度。如性別的取值為0-1，而靜止血壓的取值為1-200，假如只有這兩個特征，對其進行優(yōu)化時，會得到一個窄長的橢圓形，導(dǎo)致在梯度下降時，梯度的方向為垂直等高線的方向而走之字形路線，這樣會使迭代很慢，相比之下，歸一化后的迭代就會很快。

二是提升模型的精度。歸一化的另一好處是提高精度，這在涉及到一些距離計算的算法時效果顯著，比如前文提到的計算距離，年齡的取值范圍比較小，涉及到距離計算時其對結(jié)果的影響遠比靜止血壓帶來的小，所以這就會造成精度的損失。所以歸一化很有必要，調(diào)整各個權(quán)重，他可以讓各個特征對結(jié)果做出的貢獻相同。

圖2展示的便是進行標(biāo)準化優(yōu)化處理之后的結(jié)果，雖然數(shù)據(jù)集不變，但是準確率已經(jīng)提高到了0.836，倘若數(shù)據(jù)集進一步擴增，預(yù)測成功率還將會更高，最終接近1。

圖3展示的是進行歸一化處理后的結(jié)果，當(dāng)把特征都映射到（0，1）區(qū)間后，他的準確率也是大幅度提高，達到了0.902。并且經(jīng)過多次測試之后，它的準確率已經(jīng)可以穩(wěn)固在0.9左右?？梢妼?shù)據(jù)進行系統(tǒng)優(yōu)化處理是非常有必要的一步。

最終經(jīng)過反復(fù)的調(diào)試感知機算法的預(yù)測率已經(jīng)遠高于人工預(yù)測率，感知機輔助人工進行預(yù)測已經(jīng)初步成功。

4結(jié)語

隨著時代的發(fā)展，科技的進步。人工智能走進家門，邁入各個崗位是必然趨勢，代替人類工作，成為新的勞動力。而利用感知機的機器學(xué)習(xí)來輔助傳統(tǒng)心臟病檢測也僅僅只是邁了半步。人工智能還在發(fā)展，最后是否會出現(xiàn)真正像人類一樣的存在仍充滿未知，路還很長，我們還在繼續(xù)。

參考文獻

[1]葉雯，劉美南，陳曉宏.感知器算法在臺風(fēng)風(fēng)暴潮災(zāi)情等級評估中的應(yīng)用[J].中山大學(xué)學(xué)報（自然科學(xué)版），2004，（02）：117-120.

[2]李恬，袁宇賓，李波.基于感知器算法的網(wǎng)絡(luò)擁塞控制研究[J].計算機工程與設(shè)計，2009，30（07）：1635-1638.

[3]王娟，王翰虎，陳梅.基于模糊聚類循環(huán)迭代模型的心臟病預(yù)測方法[J].鄭州大學(xué)學(xué)報（理學(xué)版），2007，（04）：137-140.

[4]李會軍，季剛，馬增良，等.一種基于多層感知機網(wǎng)絡(luò)的預(yù)測控制方法[C].中國控制與決策學(xué)術(shù)年會論文集.北京：中國科學(xué)院自動化研究所，2007：151-154.