基于BP神经网络的艾滋病人病情分类研究.pdfVIP

第 1l卷 第 6期 重庆科技学院学报 自然科学版 2009年 12月 基于BP神经网络的艾滋病人病情分类研究 王成敏 向 毅 重庆科技学院，重庆 401331 摘 要 ：以美国艾滋病医疗试验机构ACT 公布的某一段时间内不同时刻艾滋病人CD4细胞数 的5次检查值作为样本， 将归一化处理后的样本数据作为BP神经网络的训练样本 ，病情类别特征编码作为网络输 出。网络训练完成后，将艾 滋病人某一段 时间内不同时刻的5次CD4细胞数归一化后作为网络 的输入 ，输 出病情类别特征编码 。此方法平均分类 识别率高达88％左右 ，说明其对艾滋病人的病情分类 比较成功 ，可 以作为临床医疗 的辅助手段 。 关键词 ：BP学习算法 ；神经网络 ；病情分类 中图分类号：TP183 文献标识码 ：A 文章编号 ：1673—1980 2009 06—0135—04 各国医学界在艾滋病病情分类的问题上 已有研 网络的输入量 ，晚、中、初期对应 的值作为 网络的输 究，并取得了一定成果 。但是 ，艾滋病的多种类型 以 出值 。 及多种相关 因素 ，使得现有的诊断在准确性和实用 BP网络模型 由输入层 、隐含层和输 出层组成 ． 性方面都存在局 限性 ，如建模复杂 困难。由于对艾 其结构图如图1所示 。该算法的学习过程是 由正向传 滋病发病机理不是很清楚，如何建立诊断模型并确 播和反 向传播两个过程组成 。在正向传播过程中输 定新建立的模型在何种程度上与实际情况相吻合仍 入信息从输入层经隐含层逐层处理，并传向输出层 。 是面临的问题 。依赖于某个病例库新建立起来的医 每一层神经元的状态直接影响下一层神经元状态 。 学模型往往具有很强的局 限性 。有时用于新的病例 输入层经隐含层加权处理后传向输 出层 ，经激活函 库时误差可能较大。另外，由于医学方面的原因，我 数运算后得到输出值，与期望值比较得到误差．然后 们收集到的数据可能不完整 ．而现有 的研究方法所 再将误差反向传播 ，沿原来的连接通路返 回，通过逐 建立起的医学模型 由于容错性差 ．对这些不完整 的 层修改各层神经元权值 ，减少误差。重复此过程直到 数据通常都难以处理。以非线性大规模并行分布处 误差满足为止 理为特点的人工神经网络理论突破 了传统的线性处 理模式，以其高度的并行性、良好的容错性和 自适应 隐含层含 能力成为人们研究非线性世界 ，分析某些复杂大系 统的有力工具 。本文研究的是将BP神经网络应用于 艾滋病病人的病情分类上 ，以便于为不 同阶段的病 人对症用药 隐含层 1 BP神经网络病情分类模型的建立 输入层 1．1 神经网络结构的选择原则 图1 用于训练的BP神经网络 艾滋病人的病情分类实质上是找出病人某一段 1．2 隐含层单元数和训练函数的确定 时间内CD4细胞各检测值与晚期 、中期 、初期 的非线 本神经 网络是用一段时间内CD4细胞5次检测 性映射关系。利J~JBP网络的基本原理，构造病情分 值作为输入 ，故设定输入层的神经元的数 目为5，使 类模型，把此时问段 内CD4细胞各检测值作为神经 用一个神经元作为网络 的输出神经元 ，对该神经元 收稿 日期 ：2009—40—13 作者简介：王成敏 1975一 ，女，四川资中人，硕士，重庆科技学院电子信息工程学院讲师，研究方向为神经网络和人工智能。 - 135· 王成敏 ，向毅 ：基于BP神经网络的艾滋病人病情分类研究 输出的结果对应为病情类别特征编码 1，2，3 ．分 发病初期 、晚期 、中期的CD4细胞数 的变化规律如 别对应癌症病人的初 、中、晚期3种情况 。为了减化 图2所示 。 网络的结构 ，本文选用一个隐含层 。学习效果取决 于 网络的结构 ，网络学习越复杂 ，隐含层所需的神 经元个数越多。本文隐含层的神经元数根据以下经 籁 验选取 ： 墓 熹 寸 0 + 1 U 式中：凡，是隐含层神经元个数 ；m是输入层神经元个 数 ；n是输出层神经元个数，0≤ ≤10，为常数。 应用式 1 结合实际，可确定隐含层单元数为 检测时间／周 6个 。本文的训练 函数选用trainlm，此函数 的训练 发病初期CD4细胞数 的特征 速度 比较快 。函数 中的学习速率 和动量 因子Ot的 选取要根据实际情况调整。学习次数为30000次 以内，7／ 0．9，a 0．7；学 习次数为30000～50000 次 ，77 0．6， 0．4；学 习次数在50000～80000以 内，77 0．4，a 0．3；学 习次数在80000以上 ，r／ 0．2， 基 熹 0．1 寸 0 U 2 数据预处理及特征提取 2．1 数据预处理 检测 时间 ／周 BP网络学习