陳會(huì)枝　孟偉偉　賀付成

1)鄭州大學(xué)第一附屬醫(yī)院檢驗(yàn)科　鄭州　450052　2)鄭州大學(xué)第二附屬醫(yī)院輸血科　鄭州　450002

?

人工神經(jīng)網(wǎng)絡(luò)與灰色理論模型在傳染病中的應(yīng)用

陳會(huì)枝1)孟偉偉2)賀付成1)

1)鄭州大學(xué)第一附屬醫(yī)院檢驗(yàn)科鄭州4500522)鄭州大學(xué)第二附屬醫(yī)院輸血科鄭州450002

【摘要】目的探究人工神經(jīng)網(wǎng)絡(luò)模型(ANN)及灰色理論在乙型肝炎(乙肝)、丙型肝炎(丙肝)及梅毒三種流行性疾病診斷中的應(yīng)用。方法對(duì)2011-2013年鄭州第一附屬醫(yī)院三種流行性疾病進(jìn)行統(tǒng)計(jì)，建立BP神經(jīng)網(wǎng)絡(luò)及GM(1，1)預(yù)測(cè)發(fā)病模型。結(jié)果建立了拓?fù)浣Y(jié)構(gòu)為1-5-1的BP神經(jīng)網(wǎng)絡(luò)及GM(1，1)模型，并對(duì)預(yù)測(cè)效果進(jìn)行了驗(yàn)證對(duì)比。結(jié)論人工神經(jīng)網(wǎng)絡(luò)模型對(duì)三種流行病的預(yù)測(cè)精確度高于灰色理論，具有很好的預(yù)測(cè)效果。

【關(guān)鍵詞】乙型肝炎；丙型肝炎；梅毒；人工神經(jīng)網(wǎng)絡(luò)；灰色理論

世界大約有三分之一的人口有乙肝病毒感染史，中國(guó)是擁有乙型肝炎病毒攜帶者最多的國(guó)家，約占世界總?cè)丝诘?0%[1]。我國(guó)也是丙肝的中高度流行區(qū)，而丙肝感染者約一半以上會(huì)發(fā)展為慢性肝炎。梅毒是由梅毒螺旋體引起的慢性的系統(tǒng)性性傳播疾病，近年來(lái)發(fā)病率逐漸升高，對(duì)人們的生活質(zhì)量造成巨大的影響。

近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)不斷地應(yīng)用于醫(yī)學(xué)研究領(lǐng)域，取得良好效果[2-4]。本文將BP神經(jīng)網(wǎng)絡(luò)及灰色理論應(yīng)用于乙肝、丙肝及梅毒三種傳染病的預(yù)測(cè)，并通過(guò)建立預(yù)測(cè)模型來(lái)對(duì)比BP神經(jīng)網(wǎng)絡(luò)及灰色理論預(yù)測(cè)流行性傳染病的可行性。

1資料與方法

1.1一般資料對(duì)2011-2013年在鄭州大學(xué)第一附院就診的門(mén)診病人的傳染病檢測(cè)結(jié)果(乙肝、丙肝、梅毒)進(jìn)行統(tǒng)計(jì)，乙肝的檢測(cè)人數(shù)共95 254例，男32 667例，女62 587例，丙肝的檢測(cè)人數(shù)共97 838例，男33 837例，女64 001例，梅毒的檢測(cè)人數(shù)共57 050例，男15 035例，女42 015例。

1.2資料統(tǒng)計(jì)對(duì)統(tǒng)計(jì)資料進(jìn)行匯總，分別計(jì)算男性和女性于2011-2013年在乙肝、丙肝和梅毒三種疾病中的年發(fā)病率和月發(fā)病率，對(duì)年發(fā)病率繪制成表格。

1.4GM(1，1)模型構(gòu)建GM(1，1)建模中，假設(shè)原始數(shù)據(jù)為Xo(i)=[x0(1)，x0(2)，……，x0(n)]，為了克服原始數(shù)據(jù)較強(qiáng)的隨機(jī)性，因此在預(yù)測(cè)中將原始數(shù)據(jù)做1-AGO處理，即x1(t)=x1(t-1)+x0(t)。根據(jù)灰色理論的相關(guān)假設(shè)可得時(shí)間響應(yīng)方程，求出參數(shù)向量后，將其代入公式，即得到預(yù)測(cè)模型，灰色模型實(shí)際是累加生成數(shù)模型，因此得到預(yù)測(cè)值后需用減運(yùn)算還原。

1.5預(yù)測(cè)模型構(gòu)建

1.5.1構(gòu)建BP神經(jīng)網(wǎng)絡(luò)對(duì)三種流行病進(jìn)行預(yù)測(cè)：基于2011-01—2013-12的每個(gè)月份時(shí)間為輸入層，各個(gè)月份的發(fā)病率為輸出層構(gòu)建基于觀察的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，選擇2011-01—2012-12每個(gè)月份為訓(xùn)練樣本的輸入層參數(shù)，再選擇2013-01-2013-12每個(gè)月份為預(yù)測(cè)樣本的輸入層參數(shù)，各個(gè)月份的發(fā)病率為輸出層，將輸入和輸出層歸一化。

1.5.2構(gòu)建灰色理論模型對(duì)三種流行病進(jìn)行預(yù)測(cè)：通過(guò)上述方式可以計(jì)算2013-01—12乙肝、丙肝及梅毒三種流行病的G(1，1)模型，見(jiàn)表1。

表1　三種流行病預(yù)測(cè)GM(1，1)模型

2結(jié)果

2.1三種流行性傳染病的發(fā)病概況和趨勢(shì)概況2011-2013年男性乙型肝炎病毒表面抗原檢測(cè)陽(yáng)性率分別為5.16%、5.49%、4.72%，女性陽(yáng)性率為4.29%、4.09%、3.84%，男性丙型肝炎病毒抗體檢測(cè)陽(yáng)性率分別為0.91%、1.11%、0.78%，女性陽(yáng)性率為0.98%、0.97%、0.62%，男性梅毒螺旋體抗體檢測(cè)陽(yáng)性率分別為0%、0.15%、0.99%，女性陽(yáng)性率為0%、0.02%、0.85%。三種流行性傳染病的發(fā)病概況，見(jiàn)表2。

表2　三種流行性傳染病的發(fā)病概況

2.2兩種模型對(duì)三種流行性傳染病的預(yù)測(cè)根據(jù)2011-2012年的發(fā)病情況，使用BP神經(jīng)網(wǎng)絡(luò)和GM(1，1)模型分別對(duì)2013年各月份男性和女性的三種流行性傳染病發(fā)病狀況做預(yù)測(cè)，并與2013年統(tǒng)計(jì)數(shù)據(jù)作對(duì)比。

2.3BP神經(jīng)網(wǎng)絡(luò)模型與GM(1，1)模型平均絕對(duì)誤差MAF、預(yù)測(cè)準(zhǔn)確度、標(biāo)準(zhǔn)誤差的平均值比較見(jiàn)表3。

表3　BP神經(jīng)網(wǎng)絡(luò)模型與GM(1，1)模型對(duì)疾病預(yù)測(cè)的評(píng)價(jià)

3討論

由表2所示，乙肝和丙肝逐年降低，梅毒則顯著升高，其中三種疾病的陽(yáng)性率男性群體普遍高于女性群體。由表3可以看出BP神經(jīng)網(wǎng)絡(luò)對(duì)三種流行性疾病的預(yù)測(cè)性能最好，可信度可以達(dá)到95%以上，BP神經(jīng)網(wǎng)絡(luò)模型比GM(1，1)模型預(yù)測(cè)的準(zhǔn)確度更高。

人工神經(jīng)網(wǎng)絡(luò)是由生物神經(jīng)元網(wǎng)絡(luò)的啟發(fā)而來(lái)，能夠進(jìn)行多因素分析的計(jì)算方法，在醫(yī)學(xué)上的應(yīng)用越來(lái)越多[6]。BP神經(jīng)網(wǎng)絡(luò)是是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，是一種多層前反饋網(wǎng)絡(luò)，單向傳播，采用有導(dǎo)師學(xué)習(xí)方式進(jìn)行網(wǎng)絡(luò)訓(xùn)練，具有自組織、自適應(yīng)和自學(xué)習(xí)的特性[7]。GM(1，1)模型是灰色預(yù)測(cè)模型中最常用的含有一個(gè)變量的一階微分方程，近年來(lái)在國(guó)內(nèi)的醫(yī)學(xué)文獻(xiàn)中有很多報(bào)道，多用于疾病的發(fā)病率預(yù)測(cè)。由本次對(duì)三種傳染病兩種性別在1 a中與發(fā)病率預(yù)測(cè)中可以看出，BP神經(jīng)網(wǎng)絡(luò)模型比GM(1，1)模型在疾病的預(yù)測(cè)中具有更大的優(yōu)勢(shì)，預(yù)測(cè)的更加準(zhǔn)確。

我國(guó)自1992年以來(lái)推薦將乙肝疫苗應(yīng)用于所有新生兒，此計(jì)劃實(shí)施之前約9.8%人口的乙型肝炎病毒表面抗原測(cè)試為呈陽(yáng)性，至2006年一般人群的HBsAg攜帶率下降到7.2%[8]。根據(jù)本數(shù)據(jù)統(tǒng)計(jì)2013年乙肝的表面抗原陽(yáng)性率男性下降到4.72%，女性下降到3.84%，證明了乙肝疫苗接種計(jì)劃實(shí)施的有效性。同時(shí)丙肝的陽(yáng)性率也下降顯著，這與醫(yī)療行業(yè)的規(guī)范化操作密不可分。然而值得警惕的是梅毒螺旋體抗體陽(yáng)性率的上升，這種性病在我國(guó)20世紀(jì)末曾幾乎消失，然而2013年的男性梅毒螺旋體抗體陽(yáng)性率達(dá)0.99%，女性達(dá)0.85%，已經(jīng)超過(guò)此年度丙肝抗體的陽(yáng)性率，其陽(yáng)性患者主要集中在青壯年人群，這與外來(lái)文化的沖擊以及人們的理念密不可分。梅毒主要通過(guò)性接觸途徑傳播，我們應(yīng)該重視并采取相應(yīng)的手段措施，并密切監(jiān)控疾病的發(fā)展流行狀況，而此時(shí)通過(guò)模型對(duì)疾病的發(fā)病率做出預(yù)測(cè)就顯的極為重要。

在疾病的預(yù)防控制工作中，如果能簡(jiǎn)單并準(zhǔn)確預(yù)測(cè)出流行病的發(fā)病趨勢(shì)，不僅能夠提供直觀的參考數(shù)據(jù)，也為流行病的防控提供了巨大幫助，國(guó)家可以及時(shí)地采取相關(guān)措施，最大限度地控制病情發(fā)展。

4參考文獻(xiàn)

[1]Tanaka M， Katayama F， Kato H， et al. Hepatitis B and C virus infection and hepatocellular carcinoma inChina： a review of epidemiology and control measures[J]. Journal of epidemiology/Japan Epidemiological Association， 2010， 21(6)： 401-416.

[2]Cai BH， Jiang X. A novel artificial neural network method for biomedical prediction based on matrix pseudo-inversion [J]. Journal of Biomedical Informatics，2014，12(1)：1 528-1 531.

[3]Caocci G，Baccoli R， Vacca A， et al. Comparison between an artificial neural network and logistic cregression in predicting acute graft-vs-host disease after unrelated donor hematopoietic stem cell transplantation in thalassemia patients[J]. Experimental Hematology，2010，38(5)：426-433

[4]Chen CY，Cao WW， Cao Y， et al. Using neural networks to determine the contribution of danshensu to its multiple cardiovascular activities in acute myocardial infarction rats [J]. Journal of Ethnopharmacology，2011，138(1)：128-134.

[5]Baladron C， Aguiar JM， Calavia L， et al. Performance study of the application of artificial neural networks to the completion and predication of data retrieved by underwater sensors[J].Sensors，2012，12(2)：1 468-1 481.

[6] dayhoff JE，DeLeo JM. Artificial neural networks[J]. Cancer， 2001， 91(S8)： 1 615-1 635.

[7]施彥， 韓立群， 廉小親.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法與實(shí)例分析[M].北京：北京郵電大學(xué)出版社，2009：20-35.

[8]Luo Z， Li L， Ruan B. Impact of the implementation of a vaccination strategy on hepatitis B virus infections in China over a 20-year period[J]. International Journal of Infectious Diseases，2012，16(2)：e82-e88.

(收稿2015-09-18)

【中圖分類號(hào)】R774.6

【文獻(xiàn)標(biāo)識(shí)碼】A

【文章編號(hào)】1673-5110(2016)02-0051-02