蟻群聚類算法預(yù)測(cè)分娩方式的研究

摘 要：預(yù)測(cè)產(chǎn)婦能否順利分娩，確定采用何種分娩方式在產(chǎn)科臨床中具有非常重要的意義。文章提出了基于蟻群聚類算法輔助決策的方法，通過(guò)孕婦和胎兒的相關(guān)指標(biāo)建議采用相應(yīng)的分娩方式。對(duì)降低難產(chǎn)率和剖宮產(chǎn)率有顯著的意義。

關(guān)鍵詞：蟻群算法；人工智能；分娩方式

中圖分類號(hào)：TP301.6

在臨床工作中，對(duì)于具有絕對(duì)剖宮產(chǎn)指征的孕婦，大部分在足月臨產(chǎn)前就進(jìn)行了剖宮產(chǎn)，而沒有明顯異常狀況的孕婦進(jìn)入了產(chǎn)程試產(chǎn)。大部分產(chǎn)婦能順利經(jīng)陰分娩，但總有相當(dāng)部分產(chǎn)婦因各種原因產(chǎn)程停滯改行剖宮產(chǎn)。如此一來(lái)不僅增加了醫(yī)患糾紛幾率，也使本可自然分娩的孕婦要求改行剖宮產(chǎn)，從而增加剖宮產(chǎn)率。如何預(yù)測(cè)和合理安排分娩方式，是產(chǎn)科工作者面臨的一個(gè)難題[1]。

蟻群算法（ant colony optimization，ACO），又稱螞蟻算法，是一種用來(lái)尋找最優(yōu)解決方案的機(jī)率型技術(shù)。它由Marco Dorigo于1992年在他的博士論文中引入，其靈感來(lái)源于螞蟻在尋找食物過(guò)程中發(fā)現(xiàn)路徑的行為。其主要特點(diǎn)就是：通過(guò)正反饋、分布式協(xié)作來(lái)尋找最優(yōu)路徑。這是一種基于種群尋優(yōu)的啟發(fā)式搜索算法。它充分利用了生物蟻群能通過(guò)個(gè)體間簡(jiǎn)單的信息傳遞，搜索從蟻巢至食物間最短路徑的集體尋優(yōu)特征，以及該過(guò)程與旅行商問(wèn)題求解之間的相似性。得到了具有NP難度的旅行商問(wèn)題的最優(yōu)解答。同時(shí)，該算法還被用于求解Job-Shop調(diào)度問(wèn)題、二次指派問(wèn)題以及多維背包問(wèn)題等，顯示了其適用于組合優(yōu)化類問(wèn)題求解的優(yōu)越特征。

本文對(duì)蟻群算法預(yù)測(cè)分娩方式的問(wèn)題進(jìn)行了一些研究，希望通過(guò)分娩前的相關(guān)數(shù)據(jù)信息和分娩方式之間的規(guī)律，為臨床工作提供參考。

1 蟻群算法基本原理

蟻群算法受生物界中螞蟻覓食的行為啟發(fā)而來(lái)，據(jù)昆蟲學(xué)家的觀察和研究，發(fā)現(xiàn)生物界中的螞蟻有能力在沒有任何可見提示下找出從蟻穴到食物源的最短路徑，并且能夠隨環(huán)境的變化而變化地搜索新的路徑，產(chǎn)生新的選擇。螞蟻之所以能夠智能地覓食，依靠的是一種相當(dāng)簡(jiǎn)單的生理機(jī)制：螞蟻在覓食走過(guò)的路徑上釋放一種螞蟻特有的分泌物——信息激素（Pheromone）。螞蟻個(gè)體之間正是通過(guò)這種信息激素進(jìn)行信息傳遞，從而能相互協(xié)作，螞蟻在覓食過(guò)程中，當(dāng)它們碰到一個(gè)還沒過(guò)的路口時(shí)，就隨機(jī)地挑選一條路徑前行，同時(shí)釋放出與路徑長(zhǎng)度有關(guān)的信息素。螞蟻?zhàn)叩穆窂皆介L(zhǎng)，則釋放的信息量越小。當(dāng)后來(lái)的螞蟻再次碰到這個(gè)路口的時(shí)候，選擇信息量較大路徑的概率相對(duì)較大，這樣便形成了一個(gè)正反饋機(jī)制。最優(yōu)路徑上的信息量越來(lái)越大，而其他路徑上的信息量卻隨著時(shí)間的流逝而逐漸消減，當(dāng)一些路徑通過(guò)的螞蟻越多，則留下的信息激素軌跡（trail）也就越多，使得后來(lái)更多的螞蟻選擇該路徑的概率也越高，于是該路徑的信息素越強(qiáng)，最終整個(gè)蟻群回找出最優(yōu)路徑。同時(shí)蟻群還能夠適應(yīng)環(huán)境的變化，當(dāng)蟻群的運(yùn)動(dòng)路徑上突然出現(xiàn)障礙物時(shí)，螞蟻也能很快地重新找到最優(yōu)路徑。

2 蟻群算法描述

以TSP問(wèn)題為例，蟻群算法描述如下：

（1）將m只螞蟻隨機(jī)分配到n個(gè)城市中去。

（2）位于城市c上的螞蟻k以概率Pk（c，s）選擇一條從城市c到城市s的道路，其中Jk（c）表示螞蟻k還沒有訪問(wèn)的城市列表；表示邊（c，s）上的信息素濃度，啟發(fā)函數(shù)，這兩個(gè)參數(shù)反映了信息素和啟發(fā)函數(shù)的相對(duì)重要性。

（3）當(dāng)所有螞蟻完成環(huán)游，按下述公式進(jìn)行信息素更新是信息素?fù)]發(fā)因子，其中Lk是第k只螞蟻的環(huán)游長(zhǎng)度。

（4）看是否滿足結(jié)束條件，如不滿足則轉(zhuǎn)到第二步。

3 蟻群聚類算法基本原理

蟻群聚類算法是基于蟻穴清理行為的聚類算法。在諸多聚類算法中，蟻群算法是一種較新且較高效率的算法。蟻群算法在數(shù)據(jù)挖掘聚類中的應(yīng)用所采用的生物原型為蟻群的蟻穴清理行為和蟻群覓食行為。在蟻群蟻穴清理行為中，蟻群會(huì)將蟻穴中分布分散的螞蟻尸體堆積成相對(duì)集中的幾個(gè)大堆。在聚類分析中，將這些分散分布的螞蟻尸體視為待分析的數(shù)據(jù)集合，而最終堆積而成的大堆則對(duì)應(yīng)于最終的聚類結(jié)果。在蟻群的覓食行為中，螞蟻依據(jù)一定的概率選擇覓食路徑，使得螞蟻所尋找的路徑呈現(xiàn)多樣化狀態(tài)。在基于蟻群覓食行為的聚類分析中，將數(shù)據(jù)視為具有不同屬性的螞蟻，而將聚類結(jié)果視為食物源，所不同的是，此時(shí)認(rèn)為存在多個(gè)食物源。這樣各個(gè)螞蟻通過(guò)一定的概率實(shí)現(xiàn)移動(dòng)，并聚集在不同的食物源而實(shí)現(xiàn)聚類。這種聚類方法是J.L.Deneubourg于1991年最早提出的，而后E.Lumer和B.Faieta將該模型應(yīng)用到了數(shù)據(jù)分析領(lǐng)域。

設(shè)t時(shí)刻某只螞蟻在地點(diǎn)r處發(fā)現(xiàn)數(shù)據(jù)對(duì)象Oi，對(duì)象Oi與其鄰域內(nèi)對(duì)象Oj的平均相似度表示為：

（1）

其中，α為相似度參數(shù)，ν為螞蟻的移動(dòng)速度，νmax為該螞蟻的最大移動(dòng)速度，Neights×s（r）為地點(diǎn)r處以s為邊長(zhǎng)的正方形區(qū)域，d（Oi，Oj）為數(shù)據(jù)對(duì)象Oi和Oj的空間距離.常用的距離度量方法有歐氏距離和余弦函數(shù)法，其中以余弦函數(shù)法最為常用，本文采用余弦函數(shù)法度量：

d（Oi，Oj）=1-sim（Oi，Oj） （2）

sim（Oi，Oj）為數(shù)據(jù)對(duì)象Oi和Oj的相似度，用兩個(gè)對(duì)象的屬性向量余弦夾角相似度度量，即

（3）

m為對(duì)象的屬性數(shù)，Oi，k為對(duì)象i的第k個(gè)屬性值.數(shù)據(jù)對(duì)象越相似，則sim（Oi，Oj）的值越趨近于1，反之則趨近于0。

聚類過(guò)程中，螞蟻總是拾起與鄰域最不相似的點(diǎn)，并將其放在與鄰域節(jié)點(diǎn)最為相似的方格中，拾起與丟棄的概率由概率轉(zhuǎn)換函數(shù)決定，可由f（Oi，）的函數(shù)得到，即：

（4）

（5）

其中，Pp、Pd分別為拾起和丟棄概率，k1、k2為閾值常量，f（Oi，）越大則Pp小，Pd越大，反之亦然。

3 基于蟻群聚類算法的分娩方式

3.1 基于蟻群聚類的分娩方式選擇系統(tǒng)的體系結(jié)構(gòu)

本文嘗試采用基于螞蟻覓食原理的蟻群聚類方法，選取揚(yáng)州婦幼生育保健管理信息系統(tǒng)數(shù)據(jù)庫(kù)中孕婦以及其他指標(biāo)作為輸入?yún)?shù)，將分娩方式主要?dú)w類為三種：

（1）陰道產(chǎn)。

（2）產(chǎn)鉗助產(chǎn)。

（3）剖宮產(chǎn)。

基于蟻群聚類算法的分娩方式預(yù)測(cè)系統(tǒng)體系結(jié)構(gòu)如圖1所示：

圖1

3.2 基于蟻群聚類的分娩方式選擇系統(tǒng)實(shí)驗(yàn)數(shù)據(jù)

首先建立實(shí)驗(yàn)數(shù)據(jù)集Test，其中樣本個(gè)數(shù)1000，特征參數(shù)7，聚類個(gè)數(shù)3。本實(shí)驗(yàn)中的研究數(shù)據(jù)全部來(lái)自2012年1月至2013年12月在揚(yáng)州婦幼保健醫(yī)院建卡并且在該院分娩室（或手術(shù)室）分娩的產(chǎn)婦病例。

篩選條件為以下七個(gè)條件：

（1）孕婦年齡。

（2）分娩前體重。

（3）孕婦身高。

（4）胎位。

（5）胎兒心率。

（6）血氧含量。

（7）胎盤及臍帶情況。

這些數(shù)據(jù)經(jīng)過(guò)特征參數(shù)選擇以及預(yù)處理。實(shí)驗(yàn)數(shù)據(jù)采集樣本，來(lái)自揚(yáng)州婦幼生育保健信息管理系統(tǒng)，系統(tǒng)主要運(yùn)行界面如圖2。

圖2

3.3 基于蟻群聚類的分娩方式選擇系統(tǒng)實(shí)驗(yàn)結(jié)果分析

本次實(shí)驗(yàn)的參數(shù)如下設(shè)置：對(duì)數(shù)據(jù)集Test，蟻群類個(gè)數(shù)為3，迭代次數(shù)最大為NC=40，設(shè)螞蟻個(gè)數(shù)為M1=200，局部搜索的個(gè)數(shù)P=3，選取閾值Q1=0.6作為轉(zhuǎn)換概率規(guī)則，信息素的衰減系數(shù)設(shè)為k=0.2，以及局部概率閾值pls=0.04。實(shí)驗(yàn)結(jié)果如表1所示，對(duì)于陰道產(chǎn)聚類正確率為86.6%，對(duì)于剖宮產(chǎn)的正確率為87.5%，產(chǎn)鉗助產(chǎn)的正確率為90%。

4 結(jié)束語(yǔ)

我們選用了取自揚(yáng)州婦幼生育保健管理信息系統(tǒng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行數(shù)據(jù)篩選以及預(yù)處理，并運(yùn)用基于螞蟻覓食原理的蟻群聚類算法來(lái)對(duì)這些數(shù)據(jù)進(jìn)行聚類。實(shí)驗(yàn)結(jié)果表明，通過(guò)該方法預(yù)測(cè)分娩方式效果很好。

參考文獻(xiàn)：

[1]田敬霞.基于人工神經(jīng)網(wǎng)絡(luò)的胎兒體重及孕婦分娩方式預(yù)測(cè)[D].山東大學(xué)，2008.

作者簡(jiǎn)介：張小冬（1976.12-），男，江蘇揚(yáng)州人，工程師，本科，工程碩士，研究方向：數(shù)據(jù)挖掘。

作者單位：揚(yáng)州市婦幼保健院，江蘇揚(yáng)州 225001