基于信息發(fā)掘的觸診成像乳腺癌自動診療模型和方式

基于信息發(fā)掘的觸診成像乳腺癌自動診療模型和方式

張旭東, 孫圣力, 王洪超

北京大學軟件與微電子學院，北京 100089

北京先通康橋藥物科技有限企業(yè)，北京 101300

摘要：為了輔助醫(yī)護職員借用觸診成像技巧判斷乳腺癌，提出了觸診成像乳腺癌自動診療模型和方式。采取乳腺癌初期篩查及危害評價的臨床信息，以觸診成像診療結(jié)果為對照信息，通過抉擇樹等機械學習算法并且投票法，對乳腺腫瘤的良惡本質(zhì)進行判斷。應用SMOTE算法對信息進行解決，創(chuàng)建了診療模型和方式，智能完結(jié)對乳腺腫瘤本質(zhì)的診療。試驗結(jié)果標明，乳腺癌準確篩查的確切性到達98%，提出的方式擁有較好的運用價值。

要害詞： 自動診療 ; 臨床信息 ; 機械學習 ; SMOTE算法

論文引用體例：

張旭東, 孫圣力, 王洪超. 基于信息發(fā)掘的觸診成像乳腺癌自動診療模型和方式. 大信息[J], 2019, 5(1): 68-76

ZHANG X D, SUN S L, WANG H C. Intelligent diagnosis model and method of palpation imaging breast cancer based on data mining. Big data research[J], 2019, 5(1): 68-76

1 引言

近年來，乳腺癌已變成威逼女性健康的惡性重病，發(fā)病年紀集中于45~55歲，發(fā)病率則緊隨年紀的增長呈升高態(tài)勢。提升眾多婦女的乳腺健康思想，強化和標準乳腺癌篩查工作，以便早診早治，針對減低乳腺癌滅亡率至關(guān)首要。在乳腺癌篩查中應以較少的人力、物力獲得較大的社會效率，即選取靈敏、經(jīng)濟的探測措施，制訂最好的篩查計劃。

鑒于觸診成像在大范圍人群篩查中表現(xiàn)出的迅速高效的獨到優(yōu)勢，本文結(jié)合機械學習有關(guān)技巧，采取乳腺觸診診療儀采集的臨床信息，進行診療模型訓練，以乳腺癌臨床病理診療結(jié)果為判讀規(guī)范，創(chuàng)建了一套基于觸診成像的乳腺癌自動診療方式，以實行乳腺癌的自動化判斷，從而提升大范圍人群乳腺癌篩查的效益。

在醫(yī)療行業(yè)，大信息的獲得及運用至關(guān)首要。大一些信息是通過文獻、臨床信息、構(gòu)造化信息、非構(gòu)造化信息登科三方信息庫等渠道獲得的。醫(yī)療信息存在下列特征和問題。首先，醫(yī)療信息擁有明顯的特殊性及高難性，要在短時間內(nèi)沉淀少量有價值的信息，難度和本錢較高；其次，醫(yī)療信息通常面對不平衡信息集的問題，樣件品種不平衡會造成全部信息集難以有效地應用，信息不能闡揚其最大效能。因而，從不同渠道獲得信息后，應進行信息沖洗，保證信息品質(zhì)，并在信息轉(zhuǎn)換、從新建構(gòu)后，將信息存入信息庫以供應用。醫(yī)療自動診療旨在輔助醫(yī)療機構(gòu)或醫(yī)師個體借用數(shù)據(jù)技巧對醫(yī)學信息進行采集、治理及解析。本文通過沉淀有關(guān)醫(yī)學常識，借用信息沖洗、信息加強等方法提高信息的價值，并應用有關(guān)機械學習算法進行乳腺癌預判，創(chuàng)建了一套觸診成像乳腺癌自動診療方式。

2 乳腺癌自動診療建模過程

筆者參加的乳腺觸診成像健康體檢人群乳腺癌初期篩查研發(fā)項目沉淀了多家醫(yī)院的臨床信息。本文基于這類信息，以觸診成像診療結(jié)果為對照信息，進行有關(guān)的預判研發(fā)。一切觸診成像被診療為乳腺癌的陰性標本均經(jīng)過病理診療驗證，在乳腺癌樣件信息中隨機選取3個信息集（分別表達為信息集1、信息集2、信息集3），信息量分別為13 428條、1 554條、902條，合計15 884條信息樣件。

綜合參考各方面原因和臨床信息的特征，應用機械學習中常用的抉擇樹、神經(jīng)網(wǎng)絡、追隨向量機（support vector machine,SVM）、邏輯回歸及貝葉斯網(wǎng)絡5種算法，再結(jié)合多種投票法，進行乳腺腫瘤的形式預判和判斷。

信息在經(jīng)過預解決等有關(guān)操控后，應用合成個別類過采樣技巧（synthetic minority over-sampling technique, SMOTE），將陰性樣件進行合理范疇的增量，以處理不平衡信息集問題。對模型進行測驗及改善，選取最好分類模型和方式，并綜合借用確切率、召回率等指標，評價分類模型的好壞，獲得高端量的乳腺診療模型，提高整體輔助診療程度。

全部建模過程如圖1所示。

圖1 乳腺癌自動診療建模過程

3 信息沖洗與籌備

根據(jù)信息沖洗（data cleaning）的準則，按圖2所示流程進行信息沖洗。

圖2 信息沖洗過程

遠古臨床信息有位子、象限、壓力值、肋骨煩擾、3D峰值、2D色彩、3D峰頂外形、3D外形、3D基底、3D動態(tài)、2D外形、2D動態(tài)色彩散布、血流灌注指數(shù)（PI）診療結(jié)果及病理結(jié)果14個參數(shù)。此中，壓力值及肋骨煩擾兩個參數(shù)對自動診療體系并無明顯牽連，故而剃除。為保證信息的完好性，將36個含有缺失值及62個含有噪音值的信息樣件剔除。各參數(shù)信息缺失量與噪音信息量如圖3所示。

圖3 各參數(shù)信息缺失量與噪音信息量

全部信息集內(nèi)初始的陰性樣件有135個，占一切信息的0.85%。因為陰性信息與陽性信息的比率極不平衡，故而進行了樣件信息的整理。在信息查重時，發(fā)掘消除位子及象限兩個不牽連結(jié)果的參數(shù)后，有168個陽性信息與陰性信息參數(shù)相近。為以免錯失惡性病例狀況的產(chǎn)生，將這168個本來標為陽性而其實為陰性的信息樣件更改為陰性，以提升信息的確切性。查重前后陰性信息數(shù)目見表1。

SMOTE算法通過采樣操控處理類型間比率相差差異的問題。當信息集類型不均衡時，通常采用隨機欠采樣和隨機過采樣兩類方法來解決。本研發(fā)中抽取新值的SMOTE算法示意如圖4所示，依序遍歷信息集中每個合集，直處處理完一切信息為止。最終，將新加大點的合集加至原有信息集的惡性病例類型中，并產(chǎn)生新的信息集。該算法以免了隨機過采樣復制樣件帶來的樣件信息不確切的問題，處理了模型學習到的數(shù)據(jù)過于特別而不足泛化的問題。

圖4 SMOTE算法示意

本研發(fā)依 據(jù)攪渾矩陣的分類指標進行模型定量評價，含蓋確切率（accuracy）、準確度（precision）、召回率（recall）、真陰性率（true positive rate）、F值，此中，召回率又被稱為靈敏度（sensitivity）。機械學習中常用確切率與召回率成為考慮指標，各指標定論如下：TP為將陰性樣件預判為陰性樣件的樣件數(shù)，F(xiàn)N為將陰性樣件預判為陽性樣件的樣件數(shù)，F(xiàn)P為將陽性樣件預判為陰性樣件的樣件數(shù)，TN為將陽性樣件預判為陽性樣件的樣件數(shù)。確切率（準確率）=(TP+TN)/總樣件數(shù)，準確率=TP/(TP+FP)，召回率=TP/(TP+FN),F值=準確率×召回率×2/(準確率+召回率)。

本文應用SMOTE算法進行陰性樣件增量，信息總量為15 790條（陰性信息303條），應用SMOTE算法第1次和第2次解決信息后，陽性樣件與陰性樣件的比率分別為25:1和13:1，比率仍然不平衡。應用SMOTE算法第3次解決信息后，陰性信息加大至2 424條，陽性樣件和陰性樣件比率約為6:1，信息集的樣件品種較先前信息集更合理且平衡。全面結(jié)果見表2。

通過應用SMOTE算法3次解決信息后，近鄰點K值在1到7中選取并較為結(jié)果。近鄰點K值是SMOTE算法中形成新樣件的屬性。經(jīng)過對照發(fā)掘，K=7時展現(xiàn)過擬合的情況，即分類結(jié)果有顯著下跌的形勢，故選取結(jié)果表現(xiàn)最優(yōu)秀的值，即K=6值。

4 模型訓練與預判

隨后進行信息集抽取。乳腺癌分類屬二元分類問題，故將信息內(nèi)容定論為規(guī)范型數(shù)值{N,P}，適合信息集需要。在試驗設計流程中，將信息集劃為訓練集及測驗集兩一些。首先從信息沖洗及查重后的信息集內(nèi)抽取90%的信息成為訓練集；在經(jīng)信息沖洗后的信息集內(nèi)，隨機抽取6份信息構(gòu)成測驗集（A~F），每份抽取10%的信息樣件，特殊測驗集1、特殊測驗集2由兩份單獨的信息集構(gòu)成，進行最終的模型評價。信息散布見表3。

本文選用抉擇樹、神經(jīng)網(wǎng)絡、SVM、邏輯回歸、貝葉斯網(wǎng)絡成為基分類器，基于訓練集進行模型訓練。接著，基于上述分類模型進行乳腺癌預判，并依據(jù)預判結(jié)果進行模型篩選和優(yōu)化。各基分類用具體預判結(jié)果見表4。

在基分類器屬性較優(yōu)的條件下，本文將神經(jīng)網(wǎng)絡[15]由本來的單一隱含層調(diào)節(jié)為兩個隱含層，提升了網(wǎng)絡的分類本領(lǐng)。構(gòu)造優(yōu)化前后的結(jié)果對照見表5。

在上述基分類器模型預判的根基上，再進行預判算法和模型的優(yōu)化選取。

組合分類技巧是最首要的提升分類器準確度的方式。將通過多個分類器得出的結(jié)果成為終極判定的根據(jù)，進而以免單一分類器構(gòu)成的判定偏差或片面性數(shù)據(jù)，以優(yōu)化分類成效。本文提出的乳腺癌組合預判診療方式的解決過程如圖5所示。

圖5 乳腺癌組合預判診療方式過程

通過上述試驗，筆者發(fā)掘抉擇樹、SVM及神經(jīng)網(wǎng)絡3種算法在乳腺癌自動診療體系中展現(xiàn)很好的結(jié)果，故將貝葉斯網(wǎng)絡及邏輯回歸兩類算法剃除，僅保留抉擇樹、SVM及神經(jīng)網(wǎng)絡3種算法。由表6能夠得悉，僅以3種算法成為模型，其確切率及準確率都有明顯提高。

在以3種算法成為模型的根基上，筆者建立了一類基于投票選取的組合預判優(yōu)化方式。在本文乳腺癌預判診療的方式中，設計了4種投票組非法，含蓋一票確認法、兩票確認法、多票確認法和加權(quán)投票法A。因優(yōu)化的模型中唯獨3種算法，多票確認法與兩票確認法的結(jié)果相近，因此刪除了多票確認法。

表7結(jié)果顯現(xiàn)，在率先確保召回率的條件下，加權(quán)投票法A與一票確認法結(jié)果相近。綜合參考先前階段的試驗對照，選取加權(quán)投票法A成為優(yōu)化后模型的投票方式。

5 試驗結(jié)果和解析

將應用SMOTE算法的次數(shù)設為3、近鄰點K設為6，采取3種算法（抉擇樹、SVM、神經(jīng)網(wǎng)絡）及加權(quán)投票法A進行終極的訓練并建模。隨機測驗集A~F、特殊信息集1和特殊信息集2對訓練集模型驗證的結(jié)果見表8。

圖6的結(jié)果是8份測驗集的平均結(jié)果，含蓋召回率、準確率、確切度及F值4項結(jié)果。表8結(jié)果顯現(xiàn)，8份測驗集的確切率達97%，闡明模型對信息的判定本領(lǐng)較高。另外，隨機測驗集A~F、特殊信息集1和特殊信息集2的召回率皆達100%，即一切陰性樣件都能被準確地判定出去，闡明預判方式的判定結(jié)果擁有優(yōu)良的臨床輔助診療運用價值。

圖6 測驗集平均結(jié)果

6 完畢語

本文建立了基于觸診成像的乳腺癌自動診療模型，給出了5種首要分類算法，通過信息預解決、樣件調(diào)優(yōu)等操控，整理出訓練和測驗信息集。在此信息集的根基上，抽取訓練集與測驗集，通過訓練集訓練，創(chuàng)建分類模型及組合投票器，終極判定結(jié)果?；诤笃陬A備與調(diào)查工作，在確保信息品質(zhì)的條件下，應用特殊信息進行試驗，終極結(jié)果在召回率與確切度指標上表現(xiàn)優(yōu)秀。鑒于醫(yī)療診療模型的結(jié)果聯(lián)系重要，筆者后期將連續(xù)追加新信息構(gòu)成新的信息集，不停對模型進行訓練，使模型愈加完美，以期供應愈加高效的臨床診療工具。

作家介紹

張旭東（1991- ），男，北京大學軟件與微電子學院碩士生，首要研發(fā)方向為深度學習、計算機視覺等。

孫圣力（1979- ），男，北京大學軟件與微電子學院副老師，首要研發(fā)方向為大信息治理、信息發(fā)掘、圖信息庫、聰慧醫(yī)療等。

王洪超（1968- ），男，就任于北京先通康橋藥物科技有限企業(yè)，首要研發(fā)方向為乳腺觸診成像技巧的開 發(fā)和臨床運用研發(fā)。

《大信息》期刊

《大信息（Big Data Research，BDR）》雙月刊是由中華人民共和國產(chǎn)業(yè)和數(shù)據(jù)化部主管，人民郵電出版社主辦，華夏計算機學會大信息顧問委員會學術(shù)引導，北京信通傳媒有限責任企業(yè)出版的中理科技中心期刊。

關(guān)心《大信息》期刊微信公眾號，獲得更多內(nèi)容

往期文章回首

信息安全管理的幾個根本問題

“全息數(shù)字人”——健康醫(yī)療 大信息運用的新形式

醫(yī)療信息管理——建立高端量醫(yī)療大信息自動解析信息根基

基于深度學習的異構(gòu)時序事情患者信息表達學習框架

人工自動在醫(yī)學影像中的研發(fā)與運用