楊佳琦　張銀娟(承德醫(yī)學院　河北　承德　067000)

應用BP神經(jīng)網(wǎng)絡預測西非三國埃博拉出血熱疫情

楊佳琦張銀娟
(承德醫(yī)學院河北承德067000)

摘要目的:為研究BP( Back Propagation)神經(jīng)網(wǎng)絡模型在疾病預測中的應用價值，并為埃博拉出血熱的防治工作提供理論依據(jù)。方法:應用BP神經(jīng)網(wǎng)絡模型對2014年至今西非三國埃博拉出血熱流行趨勢進行預測。以西非三國2014年3月至12月埃博拉出血熱疫情資料建立預測模型，預測2015年1月西非三國埃博拉出血熱疫情水平。結果:外推預測平均誤差率為0. 05998，預測準確度為94. 00%。結論: BP神經(jīng)網(wǎng)絡模型可用于西非三國此次埃博拉出血熱疫情的預測。

關鍵詞疾病預測; BP神經(jīng)網(wǎng)絡;埃博拉

埃博拉出血熱是由埃博拉病毒( Ebola virus，EBOV)所引起的一種急性出血性傳染病，主要通過患者的血液和排泄物傳播，臨床表現(xiàn)主要為急性起病、發(fā)熱、肌痛、出血、皮疹和肝腎功能損害，病死率極高，對人類健康危害巨大。2014年該病于非洲地區(qū)爆發(fā)，感染及死亡人數(shù)均創(chuàng)歷史新高，其防治成為重要課題。近年來，BP神經(jīng)網(wǎng)絡在醫(yī)藥衛(wèi)生研究領域中得到越來越多的重視和應用。本文將BP神經(jīng)網(wǎng)絡應用于非洲埃博拉出血熱流行趨勢的預測，以建立埃博拉出血熱的神經(jīng)網(wǎng)絡預測模型，為埃博拉出血熱的防治工作提供理論依據(jù)。

1.　材料與方法

1. 1資料來源世界衛(wèi)生組織官方網(wǎng)站、中國疾病控制中心官方網(wǎng)站、美國疾病控制中心官方網(wǎng)站2014年3月至今為止埃博拉出血熱流行資料。神經(jīng)網(wǎng)絡的實現(xiàn)選用MATLAB軟件。

1. 2預測內容及方法以西非三國2014年3月至12月埃博拉出血熱疫情資料建立預測模型，預測2015年1月西非三國埃博拉出血熱疫情水平。

1. 3BP神經(jīng)網(wǎng)絡模型原理及方法

1. 3. 1原理神經(jīng)網(wǎng)絡是一種運用類似生物神經(jīng)系統(tǒng)工作原理進行信息處理的數(shù)學模型。BP( Back Propagation)神經(jīng)網(wǎng)絡是近年來應用較多的神經(jīng)網(wǎng)絡之一，是一種按誤差逆向傳播算法進行學習的多層前饋網(wǎng)絡，通過誤差的反向傳播不斷調整各層神經(jīng)元連接權值，以保證網(wǎng)絡輸出誤差達到最小或小到可接受的范圍內［1］。其預測過程的工作原理大致為:將歷史數(shù)據(jù)或已知數(shù)據(jù)作為網(wǎng)絡的訓練數(shù)據(jù)對網(wǎng)絡進行訓練，訓練數(shù)據(jù)一般應分為網(wǎng)絡輸入數(shù)據(jù)和期望輸出數(shù)據(jù)兩部分，神經(jīng)網(wǎng)絡在訓練過程中通過學習擬合網(wǎng)絡輸入數(shù)據(jù)與期望輸出數(shù)據(jù)之間的映射關系或規(guī)律，訓練結束后(即輸出誤差達到要求)，神經(jīng)網(wǎng)絡將最優(yōu)的連接方式和連接權值保存下來，當再次輸入符合該規(guī)律的新的數(shù)據(jù)時，神經(jīng)網(wǎng)絡將按保存下來的連接方式和連接權值對其予以處理、運算，并最終推測出預測值，完成預測工作［2］。

1. 3. 2結構本文采取3層的BP神經(jīng)網(wǎng)絡，分別為輸入層、隱層、輸出層，每層設神經(jīng)元若干。

1. 3. 3網(wǎng)絡輸入、期望輸出數(shù)據(jù)以西非三國(幾內亞、利比里亞、塞拉利昂) 2014年3月至11月埃博拉出血熱累積報告病例數(shù)作為網(wǎng)絡輸入數(shù)據(jù)，以2014年12月累積報告病例數(shù)作為期望輸出數(shù)據(jù)，對網(wǎng)絡進行訓練。網(wǎng)絡訓練好后對西非三國2015年1月埃博拉出血熱累積報告病例數(shù)進行預測。

1. 4精度檢驗為了檢驗模型的預測效果。采用絕對誤差，平均誤差率以及預測準確度檢驗其擬合和預測效果。

平均誤差率=平均絕對誤差/實際值的均值預測準確度= ( 1－平均誤差率)×100%

2.　結果

2. 1西非三國埃博拉出血熱疫情資料整理將西非三國2014年3月至今為止埃博拉出血熱流行資料按月統(tǒng)計累積報告病例數(shù)，結果見表1。

2. 2BP神經(jīng)網(wǎng)絡模型經(jīng)過大量實驗，最終確定輸入層神經(jīng)元數(shù)為3，隱層神經(jīng)元數(shù)為8，輸出層神經(jīng)元數(shù)為1;以線性函數(shù)為功能函數(shù)。此時網(wǎng)絡輸入數(shù)據(jù)為2014年3月至11月數(shù)據(jù)，輸入數(shù)據(jù)P為P =［112 8 0; 221 13 0; 281 12 16; 390 51 158; 460 329 533; 648 1378 1026; 1074 3458 2021; 1667 6535 5338; 2155 7635 7109］，期望輸出數(shù)據(jù)為2014年12月數(shù)據(jù)，期望輸出數(shù)據(jù)T為T =［2707 8018 9446］，并對數(shù)據(jù)進行歸一化處理，歸一化處理后進行網(wǎng)絡的訓練，訓練誤差達到要求，網(wǎng)絡訓練完成。以訓練好的網(wǎng)絡預測西非三國2015年1月埃博拉出血熱累積報告病例數(shù)，此時以2014年4月至12月數(shù)據(jù)為輸入數(shù)據(jù)，此時輸入數(shù)據(jù)命名為P2，P2 = ［221 13 0; 281 12 16; 390 51 158; 460 329 533; 648 1378 1026; 1074 3458 2021; 1667 6535 5338; 2155 7635 7109; 2707 8018 9446］，經(jīng)歸一化處理后輸入網(wǎng)絡，運行網(wǎng)絡得到預測結果，將結果反歸一化，得到最終預測結果}:西非三國2015年1月埃博拉出血熱累積報告病例數(shù)預測值為幾內亞3260例、利比里亞8390例、塞拉利昂9770例。

2. 3預測效果經(jīng)計算，本文針對西非三國2015年1月埃博拉出血熱累積報告病例數(shù)的預測，

平均誤差率為0. 05998，預測準確度為94. 00%，具體指標見表2。

3.　討論

3. 1埃博拉出血熱屬于接觸性傳播疾病，2014年于西非爆發(fā)，給非洲人民帶來重大生命健康危害，其防治工作成為關注重點，目前針對該病的特效藥物及疫苗兩方面的研究進展并不喜人，預防工作困難重重，如能對其病例出現(xiàn)的數(shù)量進行預判，對合理分配醫(yī)療力量與資源，及時展開治療、隔離等工作均有積極意義。本文立意于此，進行研究，建立了西非三國埃博拉出血熱累積報告病例數(shù)的BP神經(jīng)網(wǎng)絡預測模型，預測準確度較高，達94%，預測效果較好，表明BP神經(jīng)網(wǎng)絡可用于西非三國埃博拉出血熱疫情的預測。今后研究應致力于完善預測方法、提高外推預測能力及對爆發(fā)情況的預測等方面，以達到更好的預測效果［5］。

3. 2BP神經(jīng)網(wǎng)絡在醫(yī)學研究中的應用日漸增多，因其具有擬合非線性映射的能力，故具有更廣的應用范圍，在疾病預測方面已取得較多應用成果。本文所建立的BP神經(jīng)網(wǎng)絡仍以時間序列模型為基礎，通過歷史數(shù)據(jù)的處理來掌握其發(fā)生規(guī)律，在網(wǎng)絡學習過程中對網(wǎng)絡結構的不斷調整，逐步完善網(wǎng)絡模型的建立。針對網(wǎng)絡結構的選擇，目前尚無絕對規(guī)律可循，一般都需研究者自行探索，針對不同問題或同一問題的不同期數(shù)據(jù)都需重新調整網(wǎng)絡。網(wǎng)絡的擬合效果與數(shù)據(jù)質量的優(yōu)劣緊密相關，欲取得較好的預測效果，數(shù)據(jù)的選擇、整理至關重要［6］。本文所用數(shù)據(jù)來自世界衛(wèi)生組織、中國疾控中心、美國疾控中心官方網(wǎng)站，真實性有所保證。

參考文獻

［1］Bing Wang，Steve Valentine，Manolo Plasencia，et al. Artificial neural networks for the prediction of peptide drift time in ion mobility mass spectrometry［J］. BMC Bioinformatics，2010，( 182) : 1－11.

［2］Haykin S.神經(jīng)網(wǎng)絡原理(葉世偉等譯)［M］.第2版.機械工業(yè)出版社，2004:59.

［3］歐陽玉梅，馬志強，方若森.基于MATLAB的遺傳神經(jīng)網(wǎng)絡的設計于實現(xiàn)［J］.信息技術，2008，( 6) :73－80.

［4］飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡理論與MATLAB7實現(xiàn)［M］.第1版.電子工業(yè)出版社，2005:83.

［5］段瓊紅，聶紹發(fā)，仇成軒，等.應用BP神經(jīng)網(wǎng)絡預測前列腺癌流行趨勢［J］.中國公共衛(wèi)生，2010，16( 3) :193－195.

［6］王俊杰，陳景武. BP神經(jīng)網(wǎng)絡在疾病預測中的應用［J］.數(shù)理醫(yī)藥學雜志，2008，21( 3) :259－262.

【中圖分類號】R183

【文獻標識碼】B

【文章編號】1009－6019( 2015) 12－0031－01

作者簡介:楊佳琦，男，承德醫(yī)學院預防醫(yī)學教研室，碩士學歷。