基于BP神經(jīng)網(wǎng)絡(luò)的乳腺癌良性惡性診斷方法

基于BP神經(jīng)網(wǎng)絡(luò)的乳腺癌良性惡性診斷方法張倩，劉紅星遼寧工程技術(shù)大學(xué)理學(xué)院，遼寧阜新（123000）摘要：腫瘤是影響人類生命健康的一個(gè)殺手，多年來，腫瘤的早期準(zhǔn)確診斷都是一個(gè)難題，尤其對于腫瘤的良性和惡性的診斷也是比較困難的醫(yī)學(xué)問題。本文采用BP神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練500個(gè)乳腺癌患者的9個(gè)醫(yī)學(xué)指標(biāo)，并調(diào)整隱層節(jié)點(diǎn)的數(shù)量，達(dá)到網(wǎng)絡(luò)的快速收斂和較高的準(zhǔn)確率，對于解決乳腺癌的良性和惡性的早期診斷，給出了一定的參考方法關(guān)鍵詞：腫瘤；乳腺癌；醫(yī)學(xué)診斷；專家系統(tǒng)引言疾病是威脅人類的一大殺手，對于各種疾病，我們所采取的措施的早發(fā)現(xiàn)早診斷早治療，但是由于技術(shù)上的原因，我們可能有能力把疾病扼殺在萌芽之中，但是我們沒有辦法準(zhǔn)確的檢測和診斷疾病，比如癌癥。疾病的診斷越來越受到專家的重視，從而產(chǎn)生了各種疾病診斷的新方法。本文通過采集乳腺癌的9個(gè)判別數(shù)據(jù)，通過建立BP神經(jīng)網(wǎng)絡(luò)并對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，達(dá)到盡早的判斷乳腺癌的良性和惡心，并達(dá)到較高的準(zhǔn)確率。疾病特點(diǎn)乳癌最早的表現(xiàn)是患乳出現(xiàn)單發(fā)的、無痛性并呈進(jìn)行性生長的小腫塊。腫塊位于外上象限最多見，其次是乳頭、乳暈區(qū)和內(nèi)上象限。因多無自覺癥狀，腫塊常是病人在無意中（如洗澡、更衣）發(fā)現(xiàn)的。少數(shù)病人可有不同程度的觸痛或刺激和乳頭溢液。腫塊的生長速度較快，侵及周圍組織可引起乳房外形的改變，出現(xiàn)一系列體征。如：腫瘤表面皮膚凹陷；鄰近乳頭的癌腫可將乳頭牽向癌腫方向；乳頭內(nèi)陷等。癌腫較大者，可使整個(gè)乳房組織收縮，腫塊明顯凸出。癌腫繼續(xù)增長，形成所謂“桔皮樣”改變。這些都是乳腺癌的重要體征。乳癌發(fā)展至晚期，表面皮膚受侵犯，可出現(xiàn)皮膚硬結(jié)，甚者皮膚破潰形成潰瘍。癌腫向深層侵犯，可侵入胸筋膜、胸肌，致使腫塊固定于胸壁而不易推動(dòng)。乳癌的淋巴轉(zhuǎn)移多表現(xiàn)為同側(cè)腋窩淋巴結(jié)腫大，初為散在、無痛、質(zhì)硬，數(shù)目較少，可被推動(dòng)；以后腫大的淋巴結(jié)數(shù)目增多，互相粘連成團(tuán)，與皮膚或腋窩深部組織粘連而固定。少數(shù)病人可出現(xiàn)對側(cè)腋窩淋巴結(jié)轉(zhuǎn)移。乳癌的遠(yuǎn)處轉(zhuǎn)移，至肺時(shí)，可出現(xiàn)胸痛、氣促、胸水等；椎骨轉(zhuǎn)移時(shí)，出現(xiàn)患處劇痛甚至截癱；肝轉(zhuǎn)移時(shí)，可出現(xiàn)黃疸、肝腫大等。需要注意的是，某些特殊形式的乳癌（如炎性乳癌和乳頭濕疹樣癌），其發(fā)展規(guī)律和臨床表現(xiàn)與一般乳癌有所不同。BP神經(jīng)網(wǎng)絡(luò)模型3.1BP網(wǎng)絡(luò)介紹BP（BackPropagation）網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層(hidelayer)和輸出層(outputlayer)[1][2]。3.2BP算法步驟初始化依據(jù)實(shí)際問題（輸入變量和輸出變量的個(gè)數(shù)）給出網(wǎng)絡(luò)連接結(jié)構(gòu)，隨機(jī)的設(shè)置所以連接權(quán)值為任意小[3]。提供訓(xùn)練樣本如果輸入變量為個(gè)，輸出變量為個(gè)，則每個(gè)訓(xùn)練樣本形式為。這里是輸入為時(shí)的期望輸出。計(jì)算實(shí)際輸出利用非線性函數(shù)（1）逐級計(jì)算各層節(jié)點(diǎn)（不包括輸入層）的輸入值，令最后的輸出為[3]。權(quán)值調(diào)整用遞歸方法從輸出節(jié)點(diǎn)開始返回到隱層節(jié)點(diǎn)，按下式調(diào)整權(quán)值（2）這里是上層第節(jié)點(diǎn)的輸出。若是輸出層節(jié)點(diǎn)，則，若是隱層節(jié)點(diǎn)，則，其中是節(jié)點(diǎn)所在層次的下層次的所有節(jié)點(diǎn)。有時(shí)為了收斂速度快些，可增加一個(gè)沖量項(xiàng)，是權(quán)值變得平滑些[3]，即（3）（5）返回第二步，重復(fù)執(zhí)行，直到達(dá)到滿意飛誤差。模型建立與求解4.1數(shù)據(jù)解釋對于乳腺癌的良性和惡心的判斷共采集了9個(gè)指標(biāo)作為輸入數(shù)據(jù)，表1為11個(gè)屬性的簡單說明。表1輸入數(shù)據(jù)介紹編號屬性名1細(xì)胞的均勻形狀2細(xì)胞邊緣粘附程度3膽上皮細(xì)胞大小4裸核大小5Bland染色體6正常核仁大小7叢厚度8均勻細(xì)胞大小9有絲分裂程度原始輸出數(shù)據(jù)為1，2，分別代表乳腺癌的惡性和良性，但是在matlab運(yùn)行中對結(jié)果進(jìn)行編碼，采用二進(jìn)制數(shù)描述1,2兩個(gè)數(shù)據(jù)。如下表所示。表2輸入數(shù)據(jù)介紹疾病編號疾病名稱二進(jìn)制編碼1惡性腫瘤012良性腫瘤104.2模型建立模型建立和運(yùn)算的過程采用matlab神經(jīng)網(wǎng)絡(luò)圖形工具箱，BP網(wǎng)絡(luò)形式為9個(gè)輸入節(jié)點(diǎn)，表示判定乳腺癌良性和惡性的9個(gè)指標(biāo)，隱層節(jié)點(diǎn)選擇了5個(gè)數(shù)據(jù)用以比較網(wǎng)絡(luò)效果，輸出結(jié)果為兩個(gè)二進(jìn)制數(shù)據(jù)，用來表示乳腺癌良性和惡性的判定結(jié)果。為了使BP網(wǎng)絡(luò)實(shí)現(xiàn)快速收斂，第一層節(jié)點(diǎn)采用tansig傳遞函數(shù)，使輸入數(shù)據(jù)經(jīng)過第一層節(jié)點(diǎn)之后變?yōu)榈臉?biāo)準(zhǔn)數(shù)據(jù)，第二層節(jié)點(diǎn)采用purelin傳遞函數(shù)，主要是為了使訓(xùn)練速度變快[4][5]。4.3訓(xùn)練過程及結(jié)果測試數(shù)據(jù)選取了500組病人的數(shù)據(jù)，其中良性病人數(shù)據(jù)200條，占總數(shù)據(jù)的40%，惡性病人數(shù)據(jù)300條，占總數(shù)據(jù)的60%。通過網(wǎng)絡(luò)訓(xùn)練，選取不同的隱層節(jié)點(diǎn)，來尋找更好的神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)的仿真采用了15組病人的數(shù)據(jù)進(jìn)行仿真。當(dāng)隱層節(jié)點(diǎn)為5、7、9時(shí)，BP網(wǎng)絡(luò)訓(xùn)練曲線和驗(yàn)證結(jié)果如下所示。表3隱層節(jié)點(diǎn)為5時(shí)原始數(shù)據(jù)和網(wǎng)絡(luò)計(jì)算數(shù)據(jù)原始數(shù)據(jù)網(wǎng)絡(luò)計(jì)算數(shù)據(jù)010.01720.9792101.0334-0.0318010.02230.9761100.95370.0499100.86970.1306100.91130.0937100.91660.0868100.75280.2500100.97050.0327100.98030.0200010.04590.9445100.52960.4655101.0143-0.0159101.0271-0.0267100.87920.1263表4隱層節(jié)點(diǎn)為7時(shí)原始數(shù)據(jù)和網(wǎng)絡(luò)計(jì)算數(shù)據(jù)原始數(shù)據(jù)網(wǎng)絡(luò)計(jì)算數(shù)據(jù)010.01720.9792101.0334-0.0318010.02230.9761100.95370.0499100.86970.1306100.91130.0937100.91660.0868100.75280.2500100.97050.0327100.98030.0200010.04590.9445100.52960.4655101.0143-0.0159101.0271-0.0267100.87920.1263表5隱層節(jié)點(diǎn)為9時(shí)原始數(shù)據(jù)和網(wǎng)絡(luò)計(jì)算數(shù)據(jù)原始數(shù)據(jù)網(wǎng)絡(luò)計(jì)算數(shù)據(jù)01-0.17111.1712101.0481-0.0483010.07560.9244101.1109-0.1112100.99850.0012101.1359-0.1362101.1034-0.1037101.0580-0.0582101.0627-0.0630101.0527-0.053001-0.01531.0153100.65410.3458101.0042-0.0044100.90650.0933101.1830-0.1833圖1隱層節(jié)點(diǎn)為5時(shí)網(wǎng)絡(luò)訓(xùn)練曲線圖2隱層節(jié)點(diǎn)為7時(shí)網(wǎng)絡(luò)訓(xùn)練曲線圖3隱層節(jié)點(diǎn)為9時(shí)網(wǎng)絡(luò)訓(xùn)練曲線4.4網(wǎng)絡(luò)分析為了分析隱層節(jié)點(diǎn)選取數(shù)量對網(wǎng)絡(luò)效果的影響，網(wǎng)絡(luò)訓(xùn)練中隱層節(jié)點(diǎn)一共選取了八次，下表列出了各種隱層節(jié)點(diǎn)選擇數(shù)量和相應(yīng)的訓(xùn)練步數(shù)和準(zhǔn)確率。表6隱層節(jié)點(diǎn)數(shù)量與網(wǎng)絡(luò)性能網(wǎng)絡(luò)名隱層節(jié)點(diǎn)數(shù)訓(xùn)練步數(shù)準(zhǔn)確率備注Net151193.3%Net2613100%Net3712100%Net481393.3%Net5912100%Net61010100%數(shù)據(jù)區(qū)分不明顯Net7111393.3%Net81211100%數(shù)據(jù)區(qū)分不明顯從表6可以看出當(dāng)隱層節(jié)點(diǎn)為11的時(shí)候，訓(xùn)練步數(shù)最多，準(zhǔn)確率相對不高，實(shí)際應(yīng)用隱層節(jié)點(diǎn)不應(yīng)該選取11。當(dāng)隱層節(jié)點(diǎn)選取10和12的時(shí)候，雖然訓(xùn)練的次數(shù)相對較小，準(zhǔn)確率也很高，但是從仿真結(jié)果可以看出，當(dāng)節(jié)點(diǎn)選取10和12的時(shí)候，仿真數(shù)據(jù)區(qū)分不明顯，及原始數(shù)據(jù)為（0,1）的時(shí)候，仿真數(shù)據(jù)可能是（0.49,0.51），很難進(jìn)行區(qū)分，所以選取10和12也不好。我們可以選擇隱層節(jié)點(diǎn)為6和7的神經(jīng)網(wǎng)絡(luò)，，雖然訓(xùn)練次數(shù)相對較多，但是準(zhǔn)確率很大，同時(shí)隱層節(jié)點(diǎn)數(shù)不多，網(wǎng)絡(luò)不復(fù)雜。實(shí)際應(yīng)用中，可以選取隱層節(jié)點(diǎn)為6和7的神經(jīng)網(wǎng)絡(luò)。總結(jié)本文采用BP神經(jīng)網(wǎng)絡(luò)對乳腺癌的500病理數(shù)據(jù)進(jìn)行了訓(xùn)練，使網(wǎng)絡(luò)快速收斂并達(dá)到了很高了準(zhǔn)確率。本文通過BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用，給出了乳腺癌診斷中對于良性和惡心的較好的診斷方法，對于腫瘤的早起準(zhǔn)確診斷給出了較好的模型。同時(shí)文章對于神經(jīng)網(wǎng)絡(luò)的隱藏節(jié)點(diǎn)數(shù)進(jìn)行比較，給出了一個(gè)較好的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)運(yùn)用于醫(yī)學(xué)能很高的提高醫(yī)學(xué)診斷的速度和精確度，但是對于訓(xùn)練數(shù)據(jù)的選取，不同的應(yīng)用會(huì)有不同的要求，所以，提取訓(xùn)練數(shù)據(jù)也是應(yīng)用的一個(gè)重點(diǎn)。參考文獻(xiàn)張德豐.《MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)》[M]，北京：機(jī)械工業(yè)出版社，2008。姜啟源，謝金星，葉俊.《數(shù)學(xué)建模（第三版）》[M]，北京：高等教育出版社，2003.08。郭嗣琮.《信息科學(xué)中的軟計(jì)算方法》[M]，沈陽：東北大學(xué)出版社，2001。叢爽.《面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用》[M]，安徽：中國科學(xué)技術(shù)大學(xué)出版社，2009.6。馮定玉.《神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)》[M]，北京：科學(xué)出版社，2006。馬秋野.《臨床常見腫瘤診斷與治療》[M]，北京：中國科學(xué)技術(shù)出版社，2008。方志沂.《乳腺癌》[M]，北京：北京大學(xué)醫(yī)學(xué)出版社，2007。王頎之.《乳腺癌篩選與診斷技術(shù)手冊》[M]，廣州：廣東科技出版社，2009。BasedonBPNeuralNetworkDiagnosisofbenignandmalignantbreastZhangQian，LiuHongxingDepartmentofBasicScience,LiaoningTechnicalUniversity,Fuxin123000AbstractTumorsthataffectthehealthofakillerofhumanlife,overtheyears,earlyaccuratediagnosisoftumorsisadifficultproblem,especiallyforbenignandmalignanttumorsisdifficulttodiagnosemedicalproblems.Inthispaper,BPneuralnetwork,throughtrainingof500medicalpatientswithbreastcancernineindicators,andadju