孫嘉晨

摘要：在信息化時代隨著大數(shù)據(jù)滲透到人類生產(chǎn)生活中的各個環(huán)節(jié)，醫(yī)療產(chǎn)業(yè)在人工智能技術(shù)中具有廣泛應(yīng)用和發(fā)展前景，研究人工智能技術(shù)在醫(yī)療科技中的應(yīng)用具有重大現(xiàn)實意義。文章通過使用基本SQL結(jié)構(gòu)化語句訪問和處理數(shù)據(jù)庫，配合數(shù)據(jù)庫軟件共同工作，使得處理醫(yī)療數(shù)據(jù)更加快捷。檢索出數(shù)據(jù)后，建立不同分類模型，運用樸素貝葉斯、支持向量機和決策樹三種算法完成分類任務(wù)，觀察調(diào)整參數(shù)后對算法性能的影響，并通過分類器輸出的結(jié)果比較三種算法預(yù)測的準確率、召回率和速度。最后總結(jié)分析出不同疾病最適合的算法。該算法兼顧數(shù)據(jù)處理的精確率與速度，結(jié)果可靠，可為醫(yī)療數(shù)據(jù)處理提供參考。

關(guān)鍵詞：人工智能;SQL結(jié)構(gòu)化語言;樸素貝葉斯算法;決策樹;支持向量機;醫(yī)療科技

中圖分類號：R - 05;TP18

文獻標(biāo)識碼：A

文章編號：1672 - 9129（ 2018） 12 - 0107 - 03

1 引言

全球人工智能行業(yè)發(fā)展迅速的今天，人工智能技術(shù)的應(yīng)用在各個行業(yè)逐漸興起，帶來了許多實際的商業(yè)價值，而在數(shù)據(jù)基礎(chǔ)方面較為突出的醫(yī)療領(lǐng)域與人工智能的結(jié)合已然變?yōu)槭袌鲫P(guān)注的焦點。由于醫(yī)療數(shù)據(jù)的海量性、多樣性、診斷性、時間性、不規(guī)范性和隱私性等，處理醫(yī)療大數(shù)據(jù)的任務(wù)繁瑣、難操作、不夠精準，將人工智能技術(shù)引入醫(yī)療領(lǐng)域，可以將其應(yīng)用在智能藥物研發(fā)、智能診療和智能健康管理系統(tǒng)等方面，從而大大提升醫(yī)生的診療效率和準確度、醫(yī)藥研發(fā)的速度等。本文主要在醫(yī)療數(shù)據(jù)的檢索和分類上進行實驗探究，首先根據(jù)醫(yī)生的不同要求編寫基本的SQL結(jié)構(gòu)化語句，取回和更新數(shù)據(jù)庫中的數(shù)據(jù)，檢索出患者的電子病歷和基本信息，針對數(shù)據(jù)結(jié)果形成圖表，方便醫(yī)生參考與統(tǒng)計。接著分別運用樸素貝葉斯算法、支持向量機和決策樹三種常見的機器學(xué)習(xí)算法。其中樸素貝葉斯算法是基于貝葉斯定理和條件獨立假設(shè)的分類方法，使后驗概率最大化，期望風(fēng)險最小化;支持向量機是從先行可分情況下的最有分類面發(fā)展而來，把低維線性不可分的數(shù)據(jù)通過核函數(shù)映射到了高維空間;決策樹是運用分類的一種樹結(jié)構(gòu)，其中每個內(nèi)部節(jié)點代表某個類或類的分布。三種算法各有特點，我們需要應(yīng)用算法實驗來證明不同數(shù)據(jù)集最適合的運算方法。

2 SQL實驗

SQL指結(jié)構(gòu)化查詢語言，即訪問和處理數(shù)據(jù)庫的計算機語言，使我們有能力訪問關(guān)系數(shù)據(jù)庫。SQL語句主要用于取回和更新數(shù)據(jù)庫中的數(shù)據(jù)，配合數(shù)據(jù)庫軟件共同工作。

SQL語句的四種基本類型有增（INSERT）、刪（DELET）、改（UP-DATE）和查（SELECT）。本次試驗中，我們運用到了以下幾種基本語句：“Select * from”用來檢索所有行和列，“Order hy”語句的作用是排序檢索數(shù)據(jù)，而“Where”語句用于過濾數(shù)據(jù)。主要運用到三種函數(shù)：“COUNT函數(shù)”返回匹配指定條件的行數(shù)，“SUM函數(shù)”返回數(shù)值列的總數(shù)，“AVC函數(shù)”返回數(shù)值列的平均值。

2.1 醫(yī)療統(tǒng)計分析基礎(chǔ)

（1）統(tǒng)計卒中篩查數(shù)據(jù)表中總共包含多少檔案：

SELECT acid，COUNT （acid）| FROM archivescases

篩查結(jié)果為：acid=3887781，COUNT（acid）=10000。

（2）統(tǒng)計卒中篩查數(shù)據(jù)表中男性數(shù)量

SELECCT asex， COUNT （acid） FROM archivescases

aSex='男'

篩查結(jié)果為：aSex=男，COUNT（ acid） =4996。

（3）統(tǒng)計卒中篩查數(shù)據(jù)表中女性數(shù)量

aSex， CcUNT（acid）

archivescases

aSex='女'

篩查結(jié)果為：aSex=女，COUNT（ acid） =5004。

（4）分別統(tǒng)計卒中篩查數(shù)據(jù)表中年齡在“20 - 60”，“60以上和20以下”的人數(shù)

SELECT COUNT （acid）

archiverceses

acAge=20 AND acAge<=60|

SELECT COUNT（acid）

archivescases

acAge<20 OR| acAge>60

統(tǒng)計結(jié)果分別為：COUNT（acid） =5790;COUNT（ acid） =4210。

2.2 醫(yī)療統(tǒng)計分析提高

（1）使用一條語句統(tǒng)計卒中篩查數(shù)據(jù)表中各有多少男性和女性，并畫出圖形比較，如圖1所示。

SELECT aSex，COUNT （acid） FROM archivescases

aSex|

（2）使用一條語句統(tǒng)計卒中篩查數(shù)據(jù)表中受教育程度的人數(shù)分布，并畫出圖形比較

SELECT acEdu， COUNT （acid）

archivescases GROUP BY acEdu|

統(tǒng)計結(jié)果為：acEdu=“小學(xué)，初中，高中，本科，碩士，未填”，相對應(yīng)COUNT（acid）分別為“4837，2485，923，347，3，1405”，餅形統(tǒng)計圖如圖2所示。

（3）統(tǒng)計男性中吸煙人數(shù)

1 SELECT

2 dangerfactors.dfSmoking，

3 COUNT （dangerfactors，acid）

4 FROM

5 archivescases，

6 dangerfactors

7WHERE

8 archivescases. acid = dangerfactors. acid

9 AND archivescases.aSex ='男'

10 AND dangerfactors.dfSmoking='1'| 統(tǒng)計結(jié)果為：男性中吸煙人數(shù)為：1024。

（4）統(tǒng)計女性中高血壓人數(shù)

1 SELECT

2 dangerfactors.dfHypertension，

3 COUNT （dangerfactors.acid）

4 FROM

5 archivescases，

6 dangerfactors

7 WHERE

8 archivescases.acid = dangerfactors. acid

9 AND archivescases.aSex ='女'

10 AND dangerfactors.dfHypertension='1'|

統(tǒng)計結(jié)果為：女性中高血壓人數(shù)為：1153。

2.3 醫(yī)療統(tǒng)計分析實際應(yīng)用

統(tǒng)計既往腦卒中在各個年齡段的分布（按照10歲作為一個年齡段）

1 SELECT B.dfStroke，sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 0 AND 39 THEN 1 ELSE 0 END） AS '[0-39l'，

2 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 40 AND 49 THEN 1 ELSE 0 END）AS '[40.49l'，

3 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 50 AND 59 THEN 1 ELSE 0 END ） AS '[50-59]'，

4 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 60 AND 69 THEN 1 ELSE 0 END ） AS '[60-69]'，

5 sum（CASE WHEN CAST（A，acAge AS DECIMAL） BETWEEN 70 AND 79 THEN 1 ELSE 0 END ） AS '[70-79]'，

6 sum（CASE WHEN CAST（A，acAge AS DECIMAL） >80 THEN 1 ELSE 0 END ） AS '[>80]' FROM dangerfactors B join archivescases A on B，acid=A，acid where B，dfStroke='l' ; 統(tǒng)計結(jié)果為：[0 -39] =0;[40 -49] =18;[50 -59]=56;[60 -69]=135;[70-79] =64;[>80] =14.

3 人工智能算法

3.1 樸素貝葉斯算法。貝葉斯算法是基于貝葉斯定理和條件獨立假設(shè)的分類方法，通過聯(lián)合概率建模，運用貝葉斯定理求解后驗概率，將后驗概率最大者對應(yīng)的類別作為預(yù)測類別，因為后驗概率最大化，使期望風(fēng)險最小化。

樸素貝葉斯算法相關(guān)公式為：

P（Y∣X）=PP（X，Y）/P（X）=P（X∣Y）P（Y）/∑YP（X∣Y）P（Y） P（X=x∣Y=ck）=n∏j=1 P（Xj=xj∣Y=Ck）j=1，2，…K

式中，j表示數(shù)據(jù)特征向量的維數(shù)，Ck表示第k個類別。樸素貝葉斯算法由訓(xùn)練集樣本數(shù)據(jù)計算得到先驗概率分布P（Y= Ck）和條件概率分布P（X= XI Y=Ck），從而計算可得聯(lián)合概率分布P（X，Y）[1]。

3.2 決策樹。決策樹是運用分類的一種樹結(jié)構(gòu)，其中每個內(nèi)部節(jié)點代表某個類或類的分布，貪心算法是決策樹的基本算法，算法計算的基本步驟為[2-3]：

（1）創(chuàng)建代表數(shù)據(jù)集的單個節(jié)點N。

（2）如果所有樣本都屬于同一個分類C，則該節(jié)點為葉節(jié)點，并以分類C進行標(biāo)記。

（3）否則，選擇屬性列表中最有分類能力的屬性作為測試屬性。

（4）對所選屬性的每個已知值，創(chuàng)建一個分支，并按此將樣本集合劃分為若干個數(shù)據(jù)集。

（5）算法采用相同的過程，遞歸生成各數(shù)據(jù)集上的樣本決策樹。

（6）遞歸劃分過程當(dāng)下列條件之一成立時停止：①給定節(jié)點的所有樣本屬于同一分類;②屬性列表中所有屬性處理完，沒有剩余屬性可用來進一步劃分樣本;③節(jié)點上的數(shù)據(jù)集為空。

3.3 支持向量機。支持向量機是從現(xiàn)行可分情況下的最有分類面發(fā)展而來，把低維線性不可分的數(shù)據(jù)通過核函數(shù)映射到了高維空間，研究的問題主要是求解凸二次規(guī)劃[4]，其基本原理是建立在vc維理論與結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)之上，根據(jù)有限樣本在模型復(fù)雜性和學(xué)習(xí)能力間尋求最優(yōu)折中值，從而獲得最佳推廣能力[5 -6]。

支持向量機是根據(jù)已有訓(xùn)練集

T={（x1，yl），（x2，y2），…（xl，yl），∈（X，Y）l}

尋找實數(shù)空間上的一個實值函數(shù)g（z），以此用函數(shù)f（ xsgn（g（x））推斷任一模式x對應(yīng)y值的問題。

4 基于人工智能算法的醫(yī)療科技應(yīng)用

4.1 實驗步驟。

（1）在乳腺癌數(shù)據(jù)集上完成分類任務(wù)，建立不同分類模型，通過調(diào)整三種算法的參數(shù)對數(shù)據(jù)對象進行分析，并對分類器的輸出結(jié)果進行比較和分析。

（2）記錄調(diào)整的參數(shù)與輸出結(jié)果，制成表格。

（3）預(yù)測的準確率與召回率比較。

準確率=檢索列的相關(guān)文件/所有檢索到的文件總數(shù)

召回率=檢索到的文件總數(shù)/所有相關(guān)的文件總數(shù)

（4）分類速度比較。

（5）分析與討論，得出最適合此疾病的算法。

4.2 人工智能算法在乳腺癌中的應(yīng)用。實驗發(fā)現(xiàn)，樸素貝葉斯算法中，監(jiān)督離散化調(diào)為“false”時，準確率和召回率較高，時間較短，為樸素貝葉斯算法中最適合的調(diào)參方法;而在支持向量機算法中，懲罰系數(shù)為1時準確率和召回率較高，時間較短，我們還發(fā)現(xiàn)將懲罰系數(shù)改為10000時，計算運用時間較長，而懲罰系數(shù)調(diào)為0.0001時，會出現(xiàn)無法運算出結(jié)果的現(xiàn)象;在決策樹算法中，小幅度調(diào)整參數(shù)對結(jié)果并無過大影響，時間都較短，準確率、召回率較高。乳腺癌在樸素貝葉斯、支持向量機和決策樹三種算法中的結(jié)果對比如表1所示。

4.3 人工智能算法在心臟病中的應(yīng)用。在樸素貝葉斯算法中，只將監(jiān)督化離散調(diào)整為false時間較短，其余參數(shù)調(diào)整對實驗結(jié)果影響不大，時間也都較短;在支持向量機算法中，將懲罰參數(shù)調(diào)大實驗時間會過長，不適用于某些有時間需求的醫(yī)療方面;在決策樹算法中，置信系數(shù)為0.1，最少對象數(shù)目5時最為合適。心臟病在樸素貝葉斯、支持向量機和決策樹三種算法中的結(jié)果對比如表2所示。

4.4 結(jié)果分析。根據(jù)前面詳細分析與論述，由表1和表2可知：對于乳腺癌，最適計算方法為決策樹，調(diào)整參數(shù)為“置信系數(shù)0.1，最少對象數(shù)目5”。對于心臟病數(shù)據(jù)集，最適運算方法為支持向量機，調(diào)參為“懲罰系數(shù)1，多項式函數(shù)”。

參考文獻：

[1]鄒曉輝.樸素貝葉斯算法在文本分類中的應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用，2017（ 12）：132 - 133.

[2]王知津，周鵬，韓正彪.基于決策樹算法的競爭對手識別模型研究[J].情報理論與實踐，2016，36（3）：1-5.

[3]王保義.客戶關(guān)系管理中客戶細分的數(shù)據(jù)挖掘[D].西安：西安電子科技大學(xué)，2009.

[4]汪海燕，黎建輝，楊風(fēng)雷.支持向量機理論及算法研究綜述[J].計算機應(yīng)用研究，2014，31（5）：1281 -1286.

[5]張松蘭.支持向量機的算法及應(yīng)用綜述[J].江蘇理工學(xué)院學(xué)報，2016，22 （2）：14 - 21.

[6]黃文，王正林.數(shù)據(jù)挖掘：R語言實戰(zhàn)[M].北京：電子工業(yè)出版社.2014.