基于Keras的LSTM模型的心肌梗死患者發(fā)病預測

劉志雄，潘媛媛，2

（1.皖南醫(yī)學院醫(yī)學信息學院，安徽蕪湖 241002；2.皖南醫(yī)學院健康大數(shù)據(jù)挖掘與應用研究中心，安徽蕪湖 241002）

1 相關問題提出

心肌梗死（AMI）是冠狀動脈急性、持續(xù)性缺血缺氧所引起的心肌壞死。約半數(shù)以上的急性心肌梗死患者，在起病前1—2天或1—2周有前驅癥狀，其前驅癥狀需要得到患者以及家屬重視，最常見的是原有的心絞痛加重，心絞痛發(fā)作時間延長，或患者對硝酸甘油效果變差；或一些繼往無心絞痛者，突然出現(xiàn)長時間心絞痛或出現(xiàn)不規(guī)律的頻繁心絞痛癥狀。心肌梗死可并發(fā)心律失常、導致患者休克或心力衰竭，其癥狀嚴重，常可危及生命?；颊咭坏┐_診心肌梗死，病情難以控制或無法預測其發(fā)病時間，導致患者傷亡高。中國近年來心絞痛患者人數(shù)呈明顯上升趨勢，且40歲以下中年人群發(fā)病率呈逐年上升趨勢，每年新發(fā)至少50萬，現(xiàn)有患者至少200萬，心肌梗死作為老年人常見病，其發(fā)病率高，發(fā)病后會對患者造成不可逆的傷害。

關于疾病發(fā)生預測的研究一直是各領域研究的熱點，目前國內(nèi)的心肌梗死疾病預測大多數(shù)針對預后治療和疾病死亡率，2020年有學者通過Logistic回歸分析急性ST段抬高型心肌梗死患者（STEMI）PCI術后6月發(fā)生不良心血管事件（MACE）的危險因素[2]；在心肌梗死領域，學者通過獲取Holter文件、心率變異SDNN及超聲心動圖檢測的左室射血分數(shù)、左室舒張末期直徑的參數(shù)，對患者進行隨訪，采用變量回歸分析得到室性早搏后竇性心律震蕩現(xiàn)象的減弱或消失是急性心肌梗死后患者死亡的獨立預測指標[3]；在疾病預測領域也有學者采用回顧性分析，探討SYNTAX積分和Gensini評分對急性ST段抬高心肌梗死（STEMI）患者遠期預后的預測價值[4].

基于深度學習的模型正在革命性地改變部分領域，它能夠解決涉及大量快速變化的高維數(shù)據(jù)[5]。深度學習模型的搭建也成為熱門應用。神經(jīng)網(wǎng)絡與預測臨床事件的遞歸神經(jīng)網(wǎng)絡（RNN）模型被發(fā)現(xiàn)相對于其他傳統(tǒng)的方法更準確，但不容易解釋。長短時記憶網(wǎng)絡（LSTM）是近年來應用于臨床數(shù)據(jù)的一種遞歸神經(jīng)網(wǎng)絡，用于學習醫(yī)學概念的低維表示，并對特定臨床措施活動的時間序列進行分類處理，LSTM對于時間序列的處理準確度高，模型更易被大眾接受，因此，LSTM現(xiàn)在被廣泛應用于時間序列分析預測。相比較RNN而言，LSTM可以保存數(shù)據(jù)更久，其時間梯度損失較慢，LSTM使得計算機對語言的處理不再停留在簡單的字面匹配層面，而是進一步深入到語義理解的層面。

心肌梗死涵蓋人體系統(tǒng)范圍廣、病因復雜，因此，針對心肌梗死的研究進展一直比較緩慢，并且心肌梗死的研究主要集中于病理學、臨床醫(yī)學、生物化學和分子生物學等醫(yī)學或生命學領域，計算機科學領域的研究相較不多。本項目將基于LSTM算法，關注在未確診病情狀況下，通過對患者出現(xiàn)心肌梗死早期癥狀進行研究，預測患者患有心肌梗死的概率。

2 基于Keras的LSTM模型

長短期記憶網(wǎng)絡（Long—Short Term Memory,LSTM）在1997年提出的。LSTM模型是RNN模型的一種。LSTM由于其設計特點，適合對時間序列進行建模預測，如文本數(shù)據(jù)、圖片數(shù)據(jù)、時間序列數(shù)據(jù)。RNN模型在處理長期記憶時[6]，存在嚴重的梯度消失問題，因此RNN模型很難處理長序列的數(shù)據(jù)或RNN模型在處理長序列的數(shù)據(jù)時準確度斷崖式下降。為了解決這一問題，從RNN模型上衍生出了LSTM模型，它解決了常規(guī)RNN模型的梯度消失問題，使得模型在進行長序列數(shù)據(jù)預測時，能夠表現(xiàn)出更好的效果，因此LSTM模型受到了廣泛的應用。

2.1 LSTM網(wǎng)絡

LSTM模型的結構相對于RNN較為復雜，LSTM模型的細胞結構是隊列結構，LSTM模型是若干個細胞串聯(lián)而成，在進行模型訓練或數(shù)據(jù)預測時，數(shù)據(jù)從第一個細胞進入，在細胞內(nèi)存在激活函數(shù)，遺忘門等細胞內(nèi)容，數(shù)據(jù)被當前細胞處理之后，將得到一個輸出結果并將輸出結果傳遞至下一個細胞，下一個細胞將對傳入的數(shù)據(jù)進行同樣的處理，直至最后一個細胞將最終結果輸出。在訓練LSTM模型的過程中，數(shù)據(jù)通過細胞后，得出最終結果，LSTM模型會將該結果與真實結果進行比對，同時LSTM會通過比對的結果，對細胞內(nèi)部的參數(shù)進行調(diào)整、優(yōu)化，使LSTM模型下一次輸出的結果與真實結果更加相近。但訓練過程中，為了防止出現(xiàn)結果過擬合，LSTM模型會在每次訓練時，會使用正則化防止過擬合。LSTM模型細胞結構如圖1所示。

1）細胞狀態(tài)

LSTM模型每個細胞都擁有自己的細胞狀態(tài)，細胞狀態(tài)為LSTM訓練過程中，該細胞輸出的值，在數(shù)據(jù)完整地通過一次所有細胞，細胞狀態(tài)會根據(jù)此次結果進行更新優(yōu)化，細胞狀態(tài)的優(yōu)化調(diào)整直至訓練結束或細胞狀態(tài)達到最佳。

2）遺忘門

遺忘門是控制是否遺忘信息的“決策機構”。遺忘門為當前細胞輸入內(nèi)容，即為上一細胞的輸出結果。細胞并不能直接處理上一個細胞的輸出結果，在實際的模型中，細胞的輸入以及細胞的輸出具有很大的差異，遺忘門會對上一細胞的輸出結果進行函數(shù)變換，將上一個細胞的結果轉化成可用的細胞輸入。遺忘門的公式如式（1）所示。ht,xt為兩個向量合并，Wf為函數(shù)的權重，σ是細胞的激活函數(shù)（sigmoid函數(shù)），bf是函數(shù)偏置量。

3）輸入門

輸入門由兩個部分組成，第一部分使用了sigmoid激活函數(shù)，輸出為it。第二部分為使用了tanh激活函數(shù)，輸出為at。輸出門的公式如式（2）與式（3）所示。

公式中Wi,Ui,Ua,Wa為權重，bf為函數(shù)的偏置量。

4）細胞狀態(tài)更新

細胞狀態(tài)更新是輸出門之前重要的一環(huán)，遺忘門與輸入門的結果都會作用于細胞狀態(tài),細胞狀態(tài)的更新將決定該模型的優(yōu)劣，當訓練結束后，細胞狀態(tài)停止更新。細胞狀態(tài)更新公式如式（4）與式（5）所示。?為Hadamard積，Ct-1為前一時刻細胞狀態(tài)，Ct為當前時刻細胞狀態(tài)。

5）輸出門

輸出門分為兩個部分，第一部分如式（6）所示，第二部分如式（7）所示。輸出門最終結果為當前時刻的輸出。

2.2 基于Keras的LSTM神經(jīng)網(wǎng)絡模型

Keras是基于TensorFlow框架和Theano的深度學習庫，是由Python語言編寫而成的神經(jīng)網(wǎng)絡API，Keras具有很多優(yōu)勢：原型快速且簡易，對初學者友好；模塊化結構，Keras內(nèi)模型獨立，損失函數(shù)，優(yōu)化函數(shù)，激活函數(shù)模塊可根據(jù)需求直接進行調(diào)用，數(shù)據(jù)處理效果理想；模型擴展性好，添加新模塊容易，只需要仿照現(xiàn)有的模塊編寫新的類或函數(shù)；模型與Python協(xié)作性好，Keras無需單獨的模型配置文件，模型內(nèi)容在代碼可以直接體現(xiàn)，因此模型調(diào)試擴展很方便。

3 心肌梗死的LSTM模型實現(xiàn)

利用LSTM模型實現(xiàn)對心肌梗死的發(fā)病預測，將數(shù)據(jù)集劃分為訓練集與測試集，通過訓練集訓練LSTM模型，多次訓練得出最優(yōu)的訓練模型，再用測試集測試訓練出的LSTM模型，得出模型對心肌梗死患者發(fā)病預測的準確率，選擇準確度最高的模型，模型準確率是判斷模型優(yōu)劣的重要指標。

3.1 數(shù)據(jù)介紹

該數(shù)據(jù)集包括Age，Sex，Cp等等14個標簽，該標簽內(nèi)容呈時間序列，時間間隔為3個月。數(shù)據(jù)部分如表1所示，數(shù)據(jù)部分標簽的意義如下。

表1 數(shù)據(jù)集（部分）

Cp：經(jīng)歷過的胸痛類型（值1：典型心絞痛，值2：非典型性心絞痛，值3：非心絞痛，值4：無癥狀）。

Trestbps：患者的靜息血壓（入院時的毫米汞柱）。

Chol：患者的膽固醇測量值，單位：mg/dl。

3.2 數(shù)據(jù)分析及處理

對各項標簽進行相關性分析，可以得出各個標簽對最終結果的相關性，以此為依據(jù)，可以排除部分無相關性的數(shù)據(jù)，這種做法可以提高模型的準確性，分析結果如圖2所示，其中1代表該標簽與患者患病完全正相關，-1代表該標簽與患者患病完全負相關。

圖2 相關性分析

由圖2知：是否患病和Cp、Thalach、Slope等標簽正相關，和Eang、Oldpeak、Ca、Thal等標簽負相關。選取與患病相關性較高標簽進行下一步處理，同時去掉與患病相關性較低的標簽。進一步處理相關性最較高的標簽與患者患病的關系，Thalach（靜息血壓）與Target關系，如圖3所示。Cp（胸痛類型）與Target關系，如圖4所示。

圖3 Thalach相關性

從圖3中橙色點分布情況可知，Thalach越大，患病的人數(shù)更多。而在運動中產(chǎn)生胸痛的人中（Target值為1）,該類人群存在許多胸痛現(xiàn)象，該類人群心率比較高，大部分集中在120～150之間，對于并沒有心臟病的人群，該人群僅僅心率較高，并未產(chǎn)生胸痛。由圖4知，胸痛類型1、2、3患病概率更大[7]。

圖4 Cp相關性

3.3 模型搭建

使用Keras建立LSTM模型包括數(shù)據(jù)預處理、定義模型、訓練模型、評估模型以及使用模型進行預測。數(shù)據(jù)預處理階段，提取數(shù)據(jù)集中相關性較高的若干特征標簽，為該數(shù)據(jù)集生成DataFrame類型數(shù)據(jù)，作為序列索引，提取出Target用作Y標簽，即結果標簽。對提取出的數(shù)據(jù)進行非空處理，填補缺失的數(shù)據(jù)，并對其中Trestbps、Chol等特征標簽歸一化處理，將數(shù)據(jù)映射至（0，1）范圍內(nèi),如果不對數(shù)據(jù)進行歸一化處理，模型的LOSS將會很大，模型訓練效果也會很不理想。將處理后的數(shù)據(jù)劃分數(shù)據(jù)集，設置標志dataFlag=0.7，標志前數(shù)據(jù)為訓練集，標志后為測試集。xtrain={x1,x2,x3,...x0.8*len}和xtest={x0.8*len+1,...xlen-1xlen}。數(shù)據(jù)處理完成后，定義、構建LSTM神經(jīng)網(wǎng)絡，本次實驗采用了Keras中Sequential層次模型，采用層層線性疊加構架激活函數(shù)為relu函數(shù)，評估函數(shù)為MSE（均方誤差）。輸入處理好的訓練集數(shù)據(jù)進入模型，訓練迭代128次，若訓練損失函數(shù)較低，將提前結束訓練。訓練結束后，對模型進行測試，輸入測試集數(shù)據(jù)進入模型，分析測試結果，得出結果參數(shù)。

3.4 實驗結果分析

本次使用采用了對比實驗，選取卷積神經(jīng)網(wǎng)絡RNN是深度學習常用算法之一，屬于多層前饋網(wǎng)絡，使用訓練完成的LSTM神經(jīng)網(wǎng)絡模型與RNN卷積神經(jīng)網(wǎng)絡模型對同一組數(shù)據(jù)進行預測，對比預測結果。

1）評估標準

使用均方誤差（MSE），檢測模型預測值與真實值之間的差異，MSE公式如式（8）所示。

損失函數(shù)（LOSS），損失函數(shù)可以用來評估模型的預測值和真實值不一致程度，LOSS函數(shù)可以很好地反映該模型訓練結果是否準確。LOSS公式如式（9）所示。

2）實驗結果分析

本節(jié)將通過MSE與LOSS兩種評估方法，去對比LSTM模型與RNN模型對本數(shù)據(jù)集的處理效果。在LSTM模型中，一共訓練了100次，BitchSize為訓練集的長度，優(yōu)化器為Adam。

LSTM模型的MSE為0.332，RNN模型的MSE為0.711。LSTM模型的LOSS為0.0604，RNN模型的MSE為0.351。

表2 實驗結果比對

從實驗評估標準看，LSTM模型的預測精度更高。

4 結束語

本文基于LSTM模型，通過對心肌梗死患者在不同時間的生命體征數(shù)據(jù)進行相關性分析，擇取與心肌梗死發(fā)病相關性較高的若干項標簽數(shù)據(jù)進行訓練。利用LSTM模型對處理后的數(shù)據(jù)進行訓練并對實現(xiàn)心肌梗死發(fā)病預測，得到發(fā)病預測結果。將上述結果與RNN模型預測結果進行對比，對比結果顯示：LSTM模型對心肌梗死發(fā)病預測結果準確更高，模型擬合性更優(yōu)，LSTM模型可用于心肌梗死發(fā)病率預測。