深度学习(DL)算法在中医药领域的应用探索.pdfVIP

深度学习(DL)算法在中医药领域的应用探索 中国中医科学院陈曦 随着大数据时代的到来，依赖于云计算对大数据的并行处理能力及深度学习(Deep 如何处理“抽象概念”这个亘古难题的方法一一把海量数据投放到算法中，让数据自己说话， 系统会自动从数据中学习并提取特征。 以中国中医科学院临床科研数据共享系统为代表的结构化临床电子病历、古现代文献和 每天都在产生的大量数据。如何能够科学合理有效的利用这些数据进行群体临床效果研究成 为中医跨越式发展的关键。数据挖掘算法的进一步发展，将对这方面的研究起到巨大的推动 作用，尤其是在临床经验挖掘方面，如名老中医临床诊疗经验、临床用药规律分析等，利用 计算机技术对于其内在规律特征及其内部关联性的探讨比人工分析省时省力，结合专家个人 经验认识，可得出用于推广的接近“真实世界的传承经验总结，更好的契合了中国中医科 学院常务副院长刘保延提出的真实世界中医临床科研范式的理念，对于中医药的继承与发展 有着重要的意义。 一、神经网络基本原理 人工神经网络不需要精确的数学模型，没有任何对变量的假设要求，能通过模拟人的智 能行为处理复杂的、不确定的、非线性问题。 1．人工神经元(ArtificialNeuron)模型：人工神经元是神经网络的基本元素，其 原理可以用图1表示，图1中薯u‘是从其他神经元传来的输入信号，％表示从神经元／到 神经元f的连接权值，乡表示一个阈值，也就是截距b。则神经元的输出与输入的关系表示 为： 咒％=∑％_-0，少，=f(neti)。(图略) 图中乃表示神经元的输出，函数厂称为激活函数(Activation 示输入向量，用形表示权重向量，则神经元的输出可以表示为向量相乘的形式：neti=．册， 以利用线性代数的优势对神经网络进行快速求解。 在实际应用中常利用非线性激活函数引入非线性因素，使数据经过变换后成为线性可分， 解决线性模型所不能解决的问题。在进一步的研究中显示，激活函数的选取对整个算法的聚 类分析效果有重要的作用，怎样选取合适的激活函数是整个神经网络建模的关键。 76 由 于非线性函数 Sigmoid 的导 函 数 (0／(曲1) f(x)=击 I士p一 算法要求激活函数可导)。但是这种人工神经网络，只在训练过程有反馈信号，而在分类过 程中数据只能向前传送，直到到达输出层，层间没有向后的反馈信号，因此对于模拟真实情 况有一定的局限性。 2、神经网络模型 所谓神经网络n1就是将许多个单一“神经元”联结在一起，这样，一个“神经元的输 出就可以是另一个“神经元”的输入。例如，图2是一个只有一个隐藏层的简单神经网络， 而图3是有多个隐藏层及多个输出单元的神经网络。 呐‘ 图2简单神经网络 图3多隐藏层神经网络 二、神经网络在目前临床辅助诊断中的应用 在医学研究领域，变量问关系往往非常复杂，为了探测变量问的复杂模式，神经网络正 逐渐变成分析数据的流行工具。前馈网络中的BP神经网络是目前应用比较广泛的一个模型。 它的基本原理是利用BP算法让一个人工神经网络模型从大量训练样本中学习统计规律，从而 对未知事件做预测。该模型多用于临床辅助诊断，用于急性心肌梗塞、甲状腺功能紊乱、乳 腺癌、前列腺癌、宫颈癌、肺癌、卵巢癌、急性肺梗塞等的辅助诊断等乜1；刘关松等口1利用 BP神经网络对中医舌苔图像进行自动分类，试验结果表明，该分类器比现有的舌苔分类方法 识别率更高、分类更细、更符合中医舌诊要求；白云静等H1用于中医证候的非线性建模，采 用改进的共轭梯度学习算法，建立了RA证侯和DN证侯三层前向BP网络模型，并用三倍交叉 法验证该模型的诊断价值。结果显示平均诊断准确率分别为90．72％、92．21％，具有较高的诊 断、预测能力，说明人工神经网络技术是中医证候非线性建模的可行性方法。 BP网络模型虽也被称作多层感知机(Multi—la