人工神经网络在类风湿关节炎诊断中的应用
图3 113例样本训练结果从训练得到的图形可以看出，63例类风湿关节炎患者中有54例训练结果都在目标输出值1附近，而且非常靠近1。只有9例稍微偏离了目标输出值1，由于输出结果均在0.5～1.5的范围内，可以认为训练结果与实际相吻合。类似的在50例正常对照组中，有47例输出结果都在目标值0的附近，输出值都在0～0.5之间，训练结果与实际也相吻合。而编号为64、75、92的3例样本，其输出值大于0.5，明显大于目标输出值0，样本训练结果有错误。综上所述，训练集中113例样本有110训练正确，训练正确率达到97.4%。
经过训练可以得到一个能反映类风湿关节炎疾病情况的神经网络模型。把预测集样本的数据导入到训练好的神经网络中去，进行预测，预测的结果如图4。
图4 37例样本预测结果从上图的输出结果可以看出，在20例类风湿关节炎样本的预测中，19例样本的输出结果主要集中在目标输出值1附近，没有超出0.5～1.5的范围，可以视为预测结果与实际相符合，而编号为1的样本，其输出值小于0.5，偏离了目标输出值1，预测结果错误。另外17例正常对照组中，15例预测结果与实际相符合，而编号为27、33号的样本其输出值大于0.5，明显偏离目标输出值0，预测不正确。所以对于预测的总体样本来说，34例预测正确，准确率为91.9%，灵敏度为94.7%，特异度为86.7%。
训练集和预测集的样本，经BP神经网络运算，其结果如表1所示。表1 BP神经网络测试样本的计算结果
3 讨论
由表1可知,2例预测有误的样本，它们来源于预测集的正常对照组中。同样在训练阶段，运算有误的3例样本也全都来源于训练集的正常对照组中。由此可见，运算有误的样本在训练集和预测集之间存在一种对应关系，即神经网络对样本训练的错误率越高，其预测的准确率就越低。同时，一些样本的训练和预测结果也出现了较大范围的波动，没有集中在目标值为1和0的这两条直线上。出现这种结果的原因可能是：有些样本数据偏倚，训练样本总数又不是很多，从而导致这些数据偏倚的样本所占的比例较大，在总体中表现出来的作用也就较强。因此加大训练样本的数量，选择数据偏倚较少或者更有代表性的样本来学习训练，神经网络就能更准确的反映疾病自身情况，同时网络所包含的病因与疾病间相映射的函数关系也就更具有普遍性。
对疾病诊断过程而言，人工神经网络能够模拟专家级医师诊断疾病的思维过程和获得诊断疾病的相关知识。此后对疾病进行预测时就可以避免医师对疾病诊断的主观性及思维定势，因此能提高疾病诊断的客观性。尽管临床上也存在一些疾病患者，往往因为诊断数据的缺失，给医师诊断带来了很多的困难或是误诊，然而神经网络具有的容错性质以及能根据训练得来的知识和处理问题的经验，对上述缺失的数据等这种复杂的问题，做出合理的判断与推理，从而为病人做出较正确的诊断。
在疾病诊断方面， 按照1987年美国风湿病协会修订的类风湿关节炎诊断标准，对一些不典型，早期的类风湿关节炎常常不能作出正确的诊断，特异性也低，往往造成误诊。然而基于人工神经网络类风湿关节炎的诊断方法，通过对37例样本的预测，预测结果表明：本方法对类风湿关节炎的诊断，其准确率为91.9%，灵敏度为94.7%，特异度为86.7%，可作为疾病诊断的一种新方法。当然，实验中也存在一些问题有待于进一步研究,如输入变量的选择及其数据处理，网络初始权重的计算，网络训练的最佳原则，隐含层数的设计等等。随着研究的进一步深入，人工神经网络必将得到临床工作者的认同并为疾病研究带来诸多的便利。
【参考文献】
1 顾福荣,张义东,施锦杰.抗CCP抗体、抗RA33抗体、抗Sa 抗体和RF联合检测对类风湿性关节炎诊断的意义.江西医学检验,2007,25(1):24～25.
2 Matsuo K,Xiang Y,Nakamura H,et al.Identification of novel eitrullinated autoantigens of synovium in rheumatoid arthritis using a proteomie approach.Arthritis Res Ther,2006,8(6):1～3.
3 Harrison MJ,Paget SA. Anti2CCP antibody testing as a diagnostic and prognostic tool in rheumatoid arthritis.QJM,2007,100(4):193～201.
4 王青青.类风湿性关节炎的诊断与治疗.全科医学临床与教育.2008,6(2):92～94.
5 孙文恒,王炜,周文策.人工神经网络技术在胰腺癌诊断中的应用.兰州大学学报,2008,44(7)：224～227.
6 宋烨,杨本付,人工神经网络及其在疾病诊断中的应用,中华医学实践杂志,2006,5(3):275～277.
7 王俊杰,陈景武.BP神经网络在疾病预测中的应用.理理医药学杂志,2005,21(3):259～262.
8 华贻军,洪明晃.人工神经网络在临床医学中的应用.实用医学杂志，2005,21(3):330～332.
9 胡勇,王娟,王群兴.抗环瓜氨酸肽抗体和RF对类分关节炎的诊断价值.华中医学杂志,2008,32(32):31～32.