人工神经网络与灰色理论模型在传染病中的应用

陈会枝　孟伟伟　贺付成

1)郑州大学第一附属医院检验科　郑州　450052　2)郑州大学第二附属医院输血科　郑州　450002



人工神经网络与灰色理论模型在传染病中的应用

陈会枝1)孟伟伟2)贺付成1)

1)郑州大学第一附属医院检验科郑州4500522)郑州大学第二附属医院输血科郑州450002

【摘要】目的探究人工神经网络模型(ANN)及灰色理论在乙型肝炎(乙肝)、丙型肝炎(丙肝)及梅毒三种流行性疾病诊断中的应用。方法对2011-2013年郑州第一附属医院三种流行性疾病进行统计，建立BP神经网络及GM(1，1)预测发病模型。结果建立了拓扑结构为1-5-1的BP神经网络及GM(1，1)模型，并对预测效果进行了验证对比。结论人工神经网络模型对三种流行病的预测精确度高于灰色理论，具有很好的预测效果。

【关键词】乙型肝炎；丙型肝炎；梅毒；人工神经网络；灰色理论

世界大约有三分之一的人口有乙肝病毒感染史，中国是拥有乙型肝炎病毒携带者最多的国家，约占世界总人口的10%[1]。我国也是丙肝的中高度流行区，而丙肝感染者约一半以上会发展为慢性肝炎。梅毒是由梅毒螺旋体引起的慢性的系统性性传播疾病，近年来发病率逐渐升高，对人们的生活质量造成巨大的影响。

近年来，人工神经网络不断地应用于医学研究领域，取得良好效果[2-4]。本文将BP神经网络及灰色理论应用于乙肝、丙肝及梅毒三种传染病的预测，并通过建立预测模型来对比BP神经网络及灰色理论预测流行性传染病的可行性。

1资料与方法

1.1一般资料对2011-2013年在郑州大学第一附院就诊的门诊病人的传染病检测结果(乙肝、丙肝、梅毒)进行统计，乙肝的检测人数共95 254例，男32 667例，女62 587例，丙肝的检测人数共97 838例，男33 837例，女64 001例，梅毒的检测人数共57 050例，男15 035例，女42 015例。

1.2资料统计对统计资料进行汇总，分别计算男性和女性于2011-2013年在乙肝、丙肝和梅毒三种疾病中的年发病率和月发病率，对年发病率绘制成表格。

1.4GM(1，1)模型构建GM(1，1)建模中，假设原始数据为Xo(i)=[x0(1)，x0(2)，……，x0(n)]，为了克服原始数据较强的随机性，因此在预测中将原始数据做1-AGO处理，即x1(t)=x1(t-1)+x0(t)。根据灰色理论的相关假设可得时间响应方程，求出参数向量后，将其代入公式，即得到预测模型，灰色模型实际是累加生成数模型，因此得到预测值后需用减运算还原。

1.5预测模型构建

1.5.1构建BP神经网络对三种流行病进行预测：基于2011-01—2013-12的每个月份时间为输入层，各个月份的发病率为输出层构建基于观察的BP神经网络预测模型，选择2011-01—2012-12每个月份为训练样本的输入层参数，再选择2013-01-2013-12每个月份为预测样本的输入层参数，各个月份的发病率为输出层，将输入和输出层归一化。

1.5.2构建灰色理论模型对三种流行病进行预测：通过上述方式可以计算2013-01—12乙肝、丙肝及梅毒三种流行病的G(1，1)模型，见表1。

表1　三种流行病预测GM(1，1)模型

2结果

2.1三种流行性传染病的发病概况和趋势概况2011-2013年男性乙型肝炎病毒表面抗原检测阳性率分别为5.16%、5.49%、4.72%，女性阳性率为4.29%、4.09%、3.84%，男性丙型肝炎病毒抗体检测阳性率分别为0.91%、1.11%、0.78%，女性阳性率为0.98%、0.97%、0.62%，男性梅毒螺旋体抗体检测阳性率分别为0%、0.15%、0.99%，女性阳性率为0%、0.02%、0.85%。三种流行性传染病的发病概况，见表2。

表2　三种流行性传染病的发病概况

2.2两种模型对三种流行性传染病的预测根据2011-2012年的发病情况，使用BP神经网络和GM(1，1)模型分别对2013年各月份男性和女性的三种流行性传染病发病状况做预测，并与2013年统计数据作对比。

2.3BP神经网络模型与GM(1，1)模型平均绝对误差MAF、预测准确度、标准误差的平均值比较见表3。

表3　BP神经网络模型与GM(1，1)模型对疾病预测的评价

3讨论

由表2所示，乙肝和丙肝逐年降低，梅毒则显著升高，其中三种疾病的阳性率男性群体普遍高于女性群体。由表3可以看出BP神经网络对三种流行性疾病的预测性能最好，可信度可以达到95%以上，BP神经网络模型比GM(1，1)模型预测的准确度更高。

人工神经网络是由生物神经元网络的启发而来，能够进行多因素分析的计算方法，在医学上的应用越来越多[6]。BP神经网络是是目前应用最广泛的神经网络模型之一，是一种多层前反馈网络，单向传播，采用有导师学习方式进行网络训练，具有自组织、自适应和自学习的特性[7]。GM(1，1)模型是灰色预测模型中最常用的含有一个变量的一阶微分方程，近年来在国内的医学文献中有很多报道，多用于疾病的发病率预测。由本次对三种传染病两种性别在1 a中与发病率预测中可以看出，BP神经网络模型比GM(1，1)模型在疾病的预测中具有更大的优势，预测的更加准确。

我国自1992年以来推荐将乙肝疫苗应用于所有新生儿，此计划实施之前约9.8%人口的乙型肝炎病毒表面抗原测试为呈阳性，至2006年一般人群的HBsAg携带率下降到7.2%[8]。根据本数据统计2013年乙肝的表面抗原阳性率男性下降到4.72%，女性下降到3.84%，证明了乙肝疫苗接种计划实施的有效性。同时丙肝的阳性率也下降显著，这与医疗行业的规范化操作密不可分。然而值得警惕的是梅毒螺旋体抗体阳性率的上升，这种性病在我国20世纪末曾几乎消失，然而2013年的男性梅毒螺旋体抗体阳性率达0.99%，女性达0.85%，已经超过此年度丙肝抗体的阳性率，其阳性患者主要集中在青壮年人群，这与外来文化的冲击以及人们的理念密不可分。梅毒主要通过性接触途径传播，我们应该重视并采取相应的手段措施，并密切监控疾病的发展流行状况，而此时通过模型对疾病的发病率做出预测就显的极为重要。

在疾病的预防控制工作中，如果能简单并准确预测出流行病的发病趋势，不仅能够提供直观的参考数据，也为流行病的防控提供了巨大帮助，国家可以及时地采取相关措施，最大限度地控制病情发展。

4参考文献

[1]Tanaka M， Katayama F， Kato H， et al. Hepatitis B and C virus infection and hepatocellular carcinoma inChina： a review of epidemiology and control measures[J]. Journal of epidemiology/Japan Epidemiological Association， 2010， 21(6)： 401-416.

[2]Cai BH， Jiang X. A novel artificial neural network method for biomedical prediction based on matrix pseudo-inversion [J]. Journal of Biomedical Informatics，2014，12(1)：1 528-1 531.

[3]Caocci G，Baccoli R， Vacca A， et al. Comparison between an artificial neural network and logistic cregression in predicting acute graft-vs-host disease after unrelated donor hematopoietic stem cell transplantation in thalassemia patients[J]. Experimental Hematology，2010，38(5)：426-433

[4]Chen CY，Cao WW， Cao Y， et al. Using neural networks to determine the contribution of danshensu to its multiple cardiovascular activities in acute myocardial infarction rats [J]. Journal of Ethnopharmacology，2011，138(1)：128-134.

[5]Baladron C， Aguiar JM， Calavia L， et al. Performance study of the application of artificial neural networks to the completion and predication of data retrieved by underwater sensors[J].Sensors，2012，12(2)：1 468-1 481.

[6] dayhoff JE，DeLeo JM. Artificial neural networks[J]. Cancer， 2001， 91(S8)： 1 615-1 635.

[7]施彦， 韩立群， 廉小亲.神经网络设计方法与实例分析[M].北京：北京邮电大学出版社，2009：20-35.

[8]Luo Z， Li L， Ruan B. Impact of the implementation of a vaccination strategy on hepatitis B virus infections in China over a 20-year period[J]. International Journal of Infectious Diseases，2012，16(2)：e82-e88.

(收稿2015-09-18)

【中图分类号】R774.6

【文献标识码】A

【文章编号】1673-5110(2016)02-0051-02