面向甲狀腺疾病診斷的指標(biāo)維度最小化應(yīng)用研究

肖欽文

（四川大學(xué)計算機學(xué)院，成都610065）

0 引言

（1）甲狀腺疾病

人類甲狀腺是位于頸部甲狀軟骨下方，氣管兩旁，形似蝴蝶的腺體。對于脊椎動物是非常重要的內(nèi)分泌器官。甲狀腺通過產(chǎn)生多種激素來影響身體的細胞核組織，以此調(diào)節(jié)人體的新陳代謝[2]。三碘甲狀腺原氨酸（Triiodothyronine，T3）和四碘甲狀腺原氨酸（Tetraiodo?thyronine，Thyroxine，T4）在產(chǎn)生蛋白質(zhì)和整體能量來調(diào)節(jié)體溫方面發(fā)揮非常重要的作用[3]。

甲狀腺功能減退（Hypothyroidism）和甲狀腺功能亢進（Hyperthyroidism）是兩種與甲狀腺激素產(chǎn)生有關(guān)的兩種基本甲狀腺疾病類型。腺體產(chǎn)生的甲狀腺激素水平低于人體所需就會導(dǎo)致甲狀腺功能減退，患者的癥狀表現(xiàn)為感到極度疲勞、沮喪、健忘和體重增加[4]。嚴重情況會引起粘液性水腫昏迷甚至死亡。T3、T4激素分泌紊亂導(dǎo)致的甲狀腺功能減退肯呢個導(dǎo)致卵巢癌，卵巢癌患者的死亡率達54%，是最致命的婦科疾病。當(dāng)腺體分泌的甲狀腺激素水平過高就會導(dǎo)致甲狀腺功能那個亢進，也稱甲亢。甲亢會導(dǎo)致身體能量消耗速度過快，癥狀通常表現(xiàn)為煩躁不安、神經(jīng)質(zhì)、肌肉乏力、體重減輕、睡眠障礙和實力問題[5]。嚴重情況下會引起更復(fù)雜的問題，例如心肌病、骨質(zhì)疏松癥、心力衰竭和孕婦的幾種妊娠并發(fā)癥[1]。

目前國內(nèi)對于甲狀腺疾病的檢查途徑通常有血清甲狀腺激素測定（TT4、TT3、FT4、FT3）、血清促甲狀腺激素測定（TSH）、甲狀腺自身抗體測定、甲狀腺球蛋白測定、甲狀腺球蛋白測定、降鈣素測定、尿碘測定、TRH刺激測定、甲狀腺細針穿刺和細胞學(xué)檢查、甲狀腺核素檢查、甲狀腺正帶腦子發(fā)射斷層顯像（PET）、甲狀腺超聲檢查以及計算機X線斷層攝像（CT）和核磁共振顯像（MRI）。

一次甲狀腺超聲檢查的價格在120-200元人民幣，同時輔助的甲狀腺功能檢查根據(jù)不同醫(yī)生不同要求會檢查3項-7項，價格通常為150-350元人民幣。被診斷為甲亢的患者每4-6周需要進行一次復(fù)查，甲減患者在調(diào)整藥物劑量期間每個月需要復(fù)查一次，藥劑穩(wěn)定后每3-6個月需要復(fù)查一次。除了檢查費用和頻率較高產(chǎn)生的經(jīng)濟成本之外，甲狀腺疾病的診斷效果在很大程度上還取決于醫(yī)生的水平。國內(nèi)在甲狀腺領(lǐng)域經(jīng)驗豐富的醫(yī)生主要集中于大城市和三甲醫(yī)院，在較偏的地區(qū)無論是醫(yī)療人員還是設(shè)備都還有所欠缺。

目前，人工智能與醫(yī)學(xué)相結(jié)合的研究越來越多。一些研究者們正在研究有效的診斷系統(tǒng)輔助醫(yī)生對不同疾病進行診斷，以及如何提高人工智能算法效果來提升診斷系統(tǒng)系統(tǒng)的工作效果的研究都得到了廣泛的關(guān)注并且在一些醫(yī)療機構(gòu)已經(jīng)正式工作了。浙江大學(xué)第一附屬醫(yī)院超聲科引進了一套甲狀腺結(jié)節(jié)人工智能輔助診斷系統(tǒng)。近年來人工智能在醫(yī)療影像方面已經(jīng)取得了豐碩的科研成果，也越來越多的研究者關(guān)注到這個領(lǐng)域，將甲狀腺智能診斷的準(zhǔn)確度一再提高。但是甲狀腺檢測的時候每一次超聲的費用和時間成本都較高，如何減少檢測的時間成本以及費用成本都還沒有比較具體的研究。

（2）特征選擇

在機器學(xué)習(xí)和統(tǒng)計學(xué)中，訓(xùn)練數(shù)據(jù)通常包含許多冗余或無關(guān)的特征，因而移除這些特征并不會導(dǎo)致丟失信息。在本研究中采用的甲狀腺疾病數(shù)據(jù)集包含特征25個。特征選擇與特征提取有所不同。特征提取是從原有的數(shù)據(jù)集中通過原有的特征功能創(chuàng)造新的特征，而特征選擇只返回原有特征中的子集。其算法被認為是搜索技術(shù)和評價指標(biāo)的結(jié)合，前者負責(zé)選出新的特征子集，后者負責(zé)為不同的特征子集打分，再通過比較得出最優(yōu)的特征子集。其好處有：簡化模型，使模型更易被用戶和研究人員理解和使用；縮短訓(xùn)練時間；降低方差等。

1 實驗

1.1 實驗描述

特征選擇方法根據(jù)特征選擇的形式分為三種方法：過濾法（Filter）、包裝法（Wrapper）、嵌入法（Embed?ded）。在此次實驗中采用的是遞歸特征消除（Recur?sive Feature Elimination），屬于包裝法，其主要思想是反復(fù)構(gòu)建模型（如SVM或者回歸模型），然后選出最好（或最差）的特征，接著在剩余的特征上重復(fù)這個過程，直到所有的特征都遍歷到了。RFE的穩(wěn)定性很大程度上取決于在迭代的時候底層采用哪種模型。

圖1 進行特征選擇部分代碼

實驗流程分為三個階段，第一階段為實驗準(zhǔn)備階段，在此階段中完成準(zhǔn)備數(shù)據(jù)集、編寫實現(xiàn)所需程序、設(shè)計實驗方法三個工作。第二階段為實驗階段，其中包括特征提取實驗和人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練。第三階段為實驗效果對比，與其他文獻中別人使用的方法進行對比。

圖2 實驗順序結(jié)構(gòu)

在實驗中分別訓(xùn)練了3-18個特征的分類模型，并且通過其測試結(jié)果與原訓(xùn)練集訓(xùn)練的分類模型測試結(jié)果以及以往的一些診斷系統(tǒng)進行對比。從有7個特征的數(shù)據(jù)子集開始，特征選擇模型篩選出來的子集中就含有比較多的原數(shù)據(jù)。且使用具有7個及以上的特征子集的數(shù)據(jù)集訓(xùn)練出來的模型中，與含有3-6個特征數(shù)量的數(shù)據(jù)集相比，其準(zhǔn)確率并沒有明顯的提高，甚至是出現(xiàn)下跌。在考慮到本研究的最初目的是為了通過減少數(shù)據(jù)集特征數(shù)量來訓(xùn)練出診斷模型能夠幫助患者減少經(jīng)濟時間成本，實驗結(jié)果中只取3-6個特征數(shù)量的數(shù)據(jù)集作為所求特征集合且將其與以前的診斷系統(tǒng)和在不篩選的元數(shù)據(jù)集情況下進行對比。

1.2 甲狀腺疾病數(shù)據(jù)集

本研究中實驗所使用的數(shù)據(jù)來自加州大學(xué)歐文分校（UCI）機器學(xué)習(xí)存儲庫的甲狀腺疾病數(shù)據(jù)集。此數(shù)據(jù)集在世界范圍內(nèi)的甲狀腺疾病診斷研究中普遍使用，以便實驗結(jié)果與以前使用的診斷系統(tǒng)進行比較。數(shù)據(jù)集包含3163條具有21個特征的記錄，其中每條記錄都顯示用于陽性或者陰性的結(jié)果類屬性[1]。表1列出了甲狀腺疾病數(shù)據(jù)集的部分特征列表以及每個特征的相應(yīng)值。

表1 甲狀腺疾病數(shù)據(jù)集特征及值

1.3 實驗結(jié)果

在此次實驗中，為了驗證之前提出的通過降低甲狀腺相關(guān)數(shù)據(jù)檢測的維度來降低患者在檢查治療過程中的經(jīng)濟成本。甲狀腺疾病數(shù)據(jù)集的處理有兩個階段。一、在數(shù)據(jù)集上使用遞歸式特征消除法（RFE）進行特征選擇選擇訓(xùn)練。通過模型訓(xùn)練，選出來四個數(shù)據(jù)集，其維度分別為3-6。二、使用篩選出來的新的特征子集訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)（ANN）分類模型。在實驗結(jié)果中，新的數(shù)據(jù)集訓(xùn)練的模型準(zhǔn)確度達到97.54%-99.12%。而未經(jīng)處理的原數(shù)據(jù)集訓(xùn)練的模型準(zhǔn)確率是98.13%，所以通過RFE選擇出來的特征子集進行模型訓(xùn)練，再使用該模型進行輔助診斷系統(tǒng)的開發(fā)。其所需要的特征數(shù)據(jù)要比現(xiàn)有的診斷模型數(shù)據(jù)量更少，因此患者在檢查階段需要檢查的指標(biāo)更少，從而能夠?qū)崿F(xiàn)保證準(zhǔn)確率的前提下降低經(jīng)濟成本。

表2選擇出來的特征子集

表3 不同特征數(shù)量模型的準(zhǔn)確率

圖3 其他診斷系統(tǒng)準(zhǔn)確度

2 結(jié)語

本文中對甲狀腺疾病診斷過程中的特征維度最小化進行了討論并且通過實驗數(shù)據(jù)驗證其可能性。文章首先對甲狀腺疾病檢查和診斷過程進行了介紹，隨后討論在整個過程中患者所承擔(dān)的經(jīng)濟成本和時間成本都比較高。接著提出了一種方法，先對甲狀腺疾病的數(shù)據(jù)集進行降維，篩選出部分特征子集再進行人工神經(jīng)網(wǎng)絡(luò)建模進行分類訓(xùn)練。此方法分別篩選出特征數(shù)量為3-6的子集，通過對子集訓(xùn)練所得的模型與原數(shù)據(jù)集所得的模型進行對比，發(fā)現(xiàn)當(dāng)特征數(shù)量為4-6的時候都要比原數(shù)據(jù)集訓(xùn)練的模型準(zhǔn)確度要高。所以證明能夠在保證準(zhǔn)確率的情況下減少特征的維度。所需要的特征數(shù)量減少，患者在進行檢查的時候所需要的指標(biāo)也可以相應(yīng)減少，通過這種方式能夠有效降低患者就醫(yī)的經(jīng)濟成本。此方法不僅可以用在甲狀腺疾病的診斷中，在其他疾病的數(shù)據(jù)集中均可使用。

此次實驗中沒有探討如果具體多少個特征的情況是最好的情況，所以在以后的研究中可以研究特征數(shù)量為多少的時候是最優(yōu)的情況。也可以研究如何對篩選出來的數(shù)據(jù)子集進行處理，或者在分類階段進行優(yōu)化，以達到模型準(zhǔn)確率的進一步提升。同時，研究將此方法應(yīng)用在其他疾病的數(shù)據(jù)集上也是一個有意義的方向。