基于BP神经网络的脑卒中患者分类方法研究

吴 洁，曲 畅，王 华

（1.北华大学 电气信息工程学院，吉林 吉林 132012；2.长春理工大学 电子信息工程学院，吉林 长春 130022；3.上海电子信息职业技术学院 计算机应用系，上海 201411）

基于BP神经网络的脑卒中患者分类方法研究

吴 洁1，曲 畅2，王 华3

（1.北华大学 电气信息工程学院，吉林 吉林 132012；2.长春理工大学 电子信息工程学院，吉林 长春 130022；3.上海电子信息职业技术学院 计算机应用系，上海 201411）

人工神经网络的应用逐渐广泛，已经发展到各个前沿领域，在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。文章通过对经过PCA算法降维预处理后的数据进行BP神经网络数据分类，比较和分析数据经BP神经网络、RBF神经网络、ANFIS神经网络后的分类误差。经实验分析，BP神经网络、RBF神经网络、ANFIS神经网络分类误差分别为0.000 5，971.935，0.025 3，传统BP神经网络更适合文章中所采集的脑卒中患者数据分类。

BP神经网络；脑卒中；分类方法；信息处理

人工神经网络是一种新型信息处理系统，它在进行信息处理过程中应用类似于人的大脑神经突触的相互联接结构，人工神经网络特有的非线性适应性信息处理能力、良好的容错等特性，使其克服了传统人工智能方法对于如模式识别、语音识别、非结构化信息处理等方面的缺陷，并在非线性映射、联想记忆、分类识别和优化设计等方面有良好的应用前景与效果[1]。通过实验对PCA算法预处理降维后的脑卒中患者运动数据进行数据分类，分析和比较经BP神经网络、RBF神经网络、模糊神经网络分类误差。

1 BP神经网络算法原理

反向传播（Back Propagation，BP）神经网络是一种采用误差反向传播的多层前馈神经网络，其实现的基本思想是采用信号的正向传播同时误差反向传播的方式，网络的输入和输出是一种非线性映射关系，通常由输入层、隐含层、输出层构成。在信号的正向传播过程中，数据由输入层进入网络，经过隐含层的处理，最终在输出层输出。若网络输出不是期望的输出，则将输出层的输出误差作为调整网络参数的信号进行反向传播，根据误差信号不断调整网络中的连接权值和阈值，知道网络输出达到可以接受的精度[2]。

（1）初始化。随机选取各层突触的连接权值与阈值，选取的分布通常选择均值为0的均匀分布。

（2）训练样本的呈现。向网络呈现出一个回合的训练样本，对以某种形式排列的每个样本进行训练时，按顺序进行前向计算和反向计算。

（3）前项计算。在该回合中设一个训练样本是，为输入向量，为期望响应向量。不断地经由网络一层一层地前进，对于层的神经元如图1所示。

图1 神经元j细节的信号流

式中，m=m0—神经元j在网络的第一隐层的所有输入的数量；

所以第l层的神经元j的输出信号可以表示：

（4）反向计算。计算网络的局域梯度δ，定义为：

根据广义delta规则优化调整网络中第lfalse层的各个突触的权值：

式中η—学习率参数，通常取0到1之间的某一固定值

（5）迭代。给网络输入新一回合的样本，根据（3）和（4）分别再次进行计算和反向迭代计算，直到每一回合的均方误差达到期望值时，认为反向传播算法收敛。

2 实验与分析

通过用智能化的可穿戴式无线传感器采集脑卒中后遗症患者做简单运动时7个关节部位产生的三维加速度和三维角速度数据，三维加速度Ax，Ay和Az，三维角速度Wx，Wy和 Wz，实验的采样频率为102.4 Hz，这7个传感器分别佩戴在患者的以下7个部位：前额、胸部、腰部、右手腕、左手腕、右小腿、左小腿。本文所用数据为高维数据，含有一定的冗余性和高阶相关性，因此利用主成分分析法（Principal Component Analysis，PCA）对采集数据进行预处理以消除冗余和噪声并降低数据维数。

将经过PCA算法预处理后的数据作为网络的输入，对运动数据ω≤50°，50°＜ω≤90°，90°＜ω≤130°，130°＜ω≤150°，ω＞150°分别相应的0，0.25，0.5，0.75，1.0作为网络输出[5]，分别建立BP神经网络、RBF神经网络、ANFIS神经网络，将数据分类得到各神经网络分类误差，如图2所示。BP神经网络采用S型函数作为神经元的传递函数，隐含层神经元个数为9。如图3所示，RBF神经网络采用高斯函数作为径向基函数，由于处理的数据较大，故本文采用广义径向基函数网络。ANFIS神经网络采用梯度下降与最小二乘相结合的混合算法，输入隶属函数为gbellmf型隶属函数。

图2 BP神经网络分类误差

图3 RBF神经网络分类误差

如表1所示，结果表明，BP神经网络、RBF神经网络、ANFIS神经网络分类误差分别为0.000 5，971.935，0.025 3。RBF神经网络其训练误差过大，不能作出正确判断，并且建模训练所需内存远远大于模糊神经网络；ANFIS神经网络由于网络性能限制，输入网络的数据维数较小，不能完全包含元数数据特征，虽然其分类误差较小，但不适合处理本文所采集到的数据。BP神经网络分类误差较RBF神经网络、ANFIS神经网络有明显优势。

3 结语

本文通过实验对PCA算法预处理降维后的数据利用神经网络进行数据分类，比较BP神经网络、RBF神经网络、ANFIS神经网络对数据的分类误差，并分析各神经网络对采集数据的适合程度，结果表明，传统BP神经网络对PCA预处理后的脑卒中患者运动数据具有良好的数据分类效果。

表1 神经网络分类误差比较

[1]常虹，张冰.神经网络在结构损伤识别中的应用研究[J].吉林建筑大学学报，2014（1）：23-25.

[2]刘洁，王丽芳. EDA与BP结合优化神经网络[J].太原科技大学学报，2014（1）：28-33.

[3]杨丽丽，白艳萍，苗静，等. 基于BP神经网络的中学考试成绩分类[J]. 机电技术，2011（3）：40-41.

[4]KUMAR P，NIGAM S P，KUMAR N. Vehicular traffic noise modeling using artificial neural network approach[J]. Transportation Research Part C：Emerging Technologies，2014（40）：111-122.

[5]陆明，邱贵兴，翁习生. 关节角度测量结果准确性及可重复使用性评价[J].中国组织工程研究与临床康复，2008（30）：5845-5848.

Research on classification method of patients with cerebral apoplexy based on BP neural network

Wu Jie1, Qu Chang2, Wang Hua3
（1.Electrical and Information Engineering College of Beihua University, Jilin 132012, China; 2.Electronics and Information Engineering College of Changchun University of Science and Technology, Changchun 130022, China; 3.Computer Application Department of Shanghai Technical Institute of Electronics ＆ Information, Shanghai 201411, China）

The application of artificial neural network is gradually widely, which has developed to the frontier fields such as the neural expert system, pattern recognition, intelligent control, combination optimization, forecasting and other fields. This article mainly used the data after PCA algorithm dimension reduction pretreatment. Comparing and analyzing the data classification error though the BP neural network, RBF neural network and ANFIS fuzzy neural network. Through experimental analysis, the classification error respectively is 0.000 5, 971.935, 0.0 253 by BP neural network, RBF neural network and ANFIS neural network, traditional BP neural network is more suitable for data classification of cerebral apoplexy patients collected in this paper.

BP neural network; cerebral apoplexy; classification method; information processing

吉林市科技计划项目；项目编号：201537112。

吴洁（1981— ），女，吉林吉林，讲师。