專利名稱：傳染病疫情診斷及危害度分類智能分析模型技術(shù)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是重要傳染病疫情診斷及危險(xiǎn)度預(yù)測(cè)智能模型的構(gòu)建方法。
背景技術(shù)：
傳染病的診斷和治療方法是相對(duì)比較成熟的。對(duì)于自然原因引起的傳染病，只要發(fā)現(xiàn)早，治療及時(shí)，疾病預(yù)后一般良好；對(duì)于人為引起的傳染病(生物武器攻擊或恐怖襲擊)，及早認(rèn)識(shí)和確定攻擊行為是減少傷害、控制疫情蔓延的重要環(huán)節(jié)。因此，探索和建立綜合信息分析系統(tǒng)，提高對(duì)重要傳染病的診斷和危害分類能力是十分重要的。
針對(duì)傳染病的危害性，研究者們一直在探索能準(zhǔn)確預(yù)測(cè)、識(shí)別疫情，判明發(fā)展趨勢(shì)的理論方法，以利于及時(shí)行動(dòng)，采取針對(duì)性對(duì)策。至今，這些模型研究還全部局限在普通數(shù)學(xué)模型的構(gòu)建層次。這些數(shù)學(xué)模型一般具有典型的以數(shù)學(xué)理論為依據(jù)的設(shè)計(jì)和構(gòu)思特點(diǎn)，與實(shí)際事件和相關(guān)量化數(shù)據(jù)有一定距離。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種以實(shí)際疾病案例為依據(jù)，利用計(jì)算機(jī)智能分析軟件建立以臨床癥狀、臨床檢查、實(shí)驗(yàn)室檢驗(yàn)和流行病學(xué)調(diào)查資料為基本分析因子的綜合疫情診斷及危害程度分類的傳染病智能分析模型的構(gòu)建技術(shù)。
傳染病疫情的診斷及危險(xiǎn)度分類智能分析模型的構(gòu)建方法，該方法按以下步驟進(jìn)行(1)關(guān)聯(lián)因子的確定根據(jù)實(shí)際案例資料，選取炭疽病和布病的散發(fā)、流行和人為引發(fā)事件案例。同時(shí)也選取它們的相似病例案例。通過(guò)Pearson和logistic分析，選取相應(yīng)的臨床、實(shí)驗(yàn)室及流行病學(xué)關(guān)聯(lián)指標(biāo)，并將其作為神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)。指標(biāo)包括體溫、呼吸道癥狀、皮膚癥狀、腦膜炎綜合征、敗血癥、消化道癥狀、PCR檢測(cè)結(jié)果、細(xì)菌學(xué)鏡下檢測(cè)(或培養(yǎng))結(jié)果、X光檢測(cè)結(jié)果、WBC、細(xì)菌血清凝集試驗(yàn)結(jié)果、接觸史、職業(yè)分布特征、季節(jié)分布特征、潛伏期、地區(qū)分布、敵情狀況、社會(huì)穩(wěn)定因素、早期抗菌治療效果、同期病人人數(shù)等指標(biāo)。
(2)指標(biāo)量化將上述指標(biāo)進(jìn)行量化，量化分類包括有；無(wú)；陽(yáng)性；陰性；結(jié)果不詳；全部陰性；全部陽(yáng)性；陽(yáng)性率大于50％(＞50％)；陰性率大于50％(＞50％)；賦值范圍為0-10。
(3)疾病診斷及危險(xiǎn)度分類分類數(shù)目為2-10個(gè)。包括傳染病種類；散發(fā)自然原因引起的流行；人為原因引起的流行；其他疾病等。
(4)模型設(shè)計(jì)根據(jù)Metlab計(jì)算機(jī)軟件中前饋神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))工具箱構(gòu)建智能模型根據(jù)關(guān)聯(lián)指標(biāo)的多少，輸入層為6-14個(gè)節(jié)點(diǎn)(神經(jīng)元)；隱層1-6個(gè)節(jié)點(diǎn)(神經(jīng)元)；輸出層1-5個(gè)節(jié)點(diǎn)(神經(jīng)元)。輸入層和隱層采用正切Sigmoid函數(shù)為計(jì)算取值；輸出層用purelin線性函數(shù)為計(jì)算取值。
(5)模型訓(xùn)練及測(cè)定即進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和仿真。設(shè)定訓(xùn)練樣本和檢測(cè)(驗(yàn)證)樣本；模型訓(xùn)練300-1000步；要求符合率為80％-100％。
此模型實(shí)用于炭疽病，布魯氏菌病、鼠疫、霍亂、傷寒、細(xì)菌性痢疾、細(xì)菌性食物中毒、鉤端螺旋體病、流行性出血熱、流行性感冒、傳染性非典型肺炎、登革熱、森林腦炎、乙型腦炎、天花、黃熱病、Q熱、斑疹傷寒、肉毒桿菌毒素中毒、葡萄球菌腸毒素中毒、瘧疾等。
利用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)構(gòu)建的疾病分析模型具有獨(dú)特的信息存儲(chǔ)方式、良好的容錯(cuò)性、進(jìn)行大規(guī)模非線性信息處理、強(qiáng)大的自組織、自學(xué)習(xí)和自適應(yīng)能力等特點(diǎn)。從實(shí)用性和準(zhǔn)確性方面具有明顯的創(chuàng)新特色。
本發(fā)明所涉及的疾病案例資料可從中國(guó)期刊網(wǎng)專題全文數(shù)據(jù)庫(kù)、ScienceDirect(Elsevier)數(shù)據(jù)庫(kù)、醫(yī)院病案室、疾病控制中心調(diào)查資料檔案室獲得；計(jì)算機(jī)軟件Metlab和SPSS為市售產(chǎn)品。
下面結(jié)合炭疽病實(shí)施例對(duì)發(fā)明做進(jìn)一步說(shuō)明。
(1)資料檢索及篩選通過(guò)中國(guó)期刊網(wǎng)專題全文數(shù)據(jù)庫(kù)和ScienceDirect(Elsevier)數(shù)據(jù)庫(kù)，收集1994年-2005年報(bào)道的炭疽病、流行性感冒、急性皮炎、腦膜炎、豬鏈球菌、傳染性非典型肺炎等近60例散發(fā)及暴發(fā)案例。根據(jù)研究要求，篩選出39例(見(jiàn)表1)，其中25例炭疽案例、3例可疑炭疽案例和11例非炭疽病(癥狀相似)案例。其中人為引發(fā)炭疽案2例為1979年前蘇聯(lián)Sverdlovsk地區(qū)炭疽事件和2001年美國(guó)炭疽事件。在這些案例中，分層隨機(jī)選擇2/3作為建模訓(xùn)練樣本，另外1/3作為模型驗(yàn)證樣本。
(2)資料整理分類及分析根據(jù)醫(yī)學(xué)知識(shí)，研究小組集體討論，選取與炭疽病相關(guān)的臨床、實(shí)驗(yàn)室及流行病學(xué)19個(gè)分析指標(biāo)，包括體溫、肺部癥狀、皮膚癥狀、腦膜炎癥狀、敗血癥癥狀、腹部癥狀、PCR檢測(cè)結(jié)果、病原體鏡下檢查(或培養(yǎng))結(jié)果、微生物血清學(xué)檢測(cè)結(jié)果、胸部X線檢測(cè)結(jié)果、WBC、接觸史、職業(yè)特征、季節(jié)特征、潛伏期、地區(qū)特征、敵情、早期抗菌效果和患者人數(shù)等。根據(jù)相關(guān)指標(biāo)的“陽(yáng)性”(含百分比例)、“陰性”(含百分比例)、結(jié)果不詳、符合程度(是/否)、病人總數(shù)等結(jié)果分別進(jìn)行定量賦值。依照癥狀、體癥、檢測(cè)結(jié)果、流行病學(xué)特征的典型程度變化，定量賦值范圍為0-2。同時(shí)，將疾病發(fā)生及危害程度設(shè)定5個(gè)類型。包括人為炭疽(賦值1)、自然暴發(fā)(賦值2)、自然散發(fā)(賦值3)、可疑炭疽(賦值4)和其它相似疾病(賦值5)等。
炭疽病及危害程度與臨床、實(shí)驗(yàn)室及流行病學(xué)相關(guān)指標(biāo)的相關(guān)性分析采用統(tǒng)計(jì)學(xué)軟件SPSS10.0中的Pearson分析程序進(jìn)行分析。將其中顯著性關(guān)聯(lián)指標(biāo)作為模型的輸入層節(jié)點(diǎn)(神經(jīng)元)。
(3)智能模型建立①選用計(jì)算機(jī)軟件Metlab6.1中前饋神經(jīng)網(wǎng)絡(luò)(Back propagationNetwork，BP神經(jīng)網(wǎng)絡(luò))工具箱。其由若干功能單一神經(jīng)元并行分布組成，分為輸入層、隱層和輸出層。網(wǎng)絡(luò)中的信息傳遞是單向的，同一層中的神經(jīng)元之間無(wú)聯(lián)系，而層與層之間多采用全互聯(lián)方式，層間連接權(quán)值表通過(guò)不斷訓(xùn)練學(xué)習(xí)來(lái)調(diào)節(jié)其值，直到實(shí)際輸出和預(yù)期輸出間的誤差達(dá)到可接受的范圍，以便它能夠很好地逼近任何有限間斷點(diǎn)的非線性函數(shù)。
②神經(jīng)元模型建立及網(wǎng)絡(luò)結(jié)構(gòu)形式確定。根據(jù)對(duì)模型的嘗試與調(diào)整，本模型輸入層和隱層采用正切Sigmoid函數(shù)為計(jì)算取值；輸出層用purelin線性函數(shù)為計(jì)算取值。根據(jù)顯著性關(guān)聯(lián)指標(biāo)的指標(biāo)個(gè)數(shù)決定模型的輸入層節(jié)點(diǎn)；根據(jù)試驗(yàn)仿真效果進(jìn)行調(diào)整，隱層設(shè)3個(gè)節(jié)點(diǎn)；根據(jù)研究的要求，輸出層設(shè)1個(gè)節(jié)點(diǎn)。
③建立模型流程。即進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和仿真。用已知的輸入和輸出樣本對(duì)模型開(kāi)展學(xué)習(xí)訓(xùn)練，檢驗(yàn)該網(wǎng)絡(luò)的推廣能力。從神經(jīng)元、網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法等方面著手，改進(jìn)后再檢驗(yàn)。模型成立條件一般為以網(wǎng)絡(luò)模擬輸出值與實(shí)際值符合率達(dá)到80％以上為滿意。
④相關(guān)分析Pearson分析結(jié)果顯示，在19項(xiàng)臨床、實(shí)驗(yàn)室及流行病學(xué)相關(guān)指標(biāo)中，疾病潛伏期、胸部X光檢驗(yàn)結(jié)果、鏡檢結(jié)果、職業(yè)特征等11項(xiàng)指標(biāo)與炭疽病的診斷和流行強(qiáng)度有關(guān)(見(jiàn)表2)。因此將這11個(gè)指標(biāo)作為模型輸入層的節(jié)點(diǎn)?？紤]到“患者人數(shù)”一項(xiàng)指標(biāo)接近顯著性臨界點(diǎn)，而且從理論上看與危險(xiǎn)分類明顯有關(guān)，因此也納入輸入節(jié)點(diǎn)。
⑤網(wǎng)絡(luò)訓(xùn)練在BP神經(jīng)網(wǎng)絡(luò)命令窗口執(zhí)行相應(yīng)的操作指令，依次輸入訓(xùn)練樣本的計(jì)量參數(shù)值，神經(jīng)網(wǎng)絡(luò)按照指令進(jìn)行反復(fù)的學(xué)習(xí)和訓(xùn)練，通過(guò)500步學(xué)習(xí)和訓(xùn)練，曲線變化穩(wěn)定，誤差下降明顯，誤差由6.66959下降到5.051 19×10-11。
⑥模擬結(jié)果網(wǎng)絡(luò)訓(xùn)練結(jié)束后，在程序窗口輸入12驗(yàn)證樣本的量化參數(shù)值，神經(jīng)網(wǎng)絡(luò)通過(guò)學(xué)習(xí)和訓(xùn)練，得出模擬預(yù)測(cè)數(shù)值(見(jiàn)表3)。12個(gè)案例每次模擬預(yù)測(cè)結(jié)果與實(shí)際值的符合率有變化，最大值這91％，最低為66.7％。但全部案例的10次輸出結(jié)果均值與真實(shí)值接近，符合率達(dá)100％。
表1 主要建模和預(yù)測(cè)資料來(lái)源



表2 29例炭疽指標(biāo)與炭疽診斷及危害程度分類的pearson相關(guān)分析

**相關(guān)有非常顯著意義(P＜0.01)*相關(guān)有顯著意義(P＜0.05)
表3 神經(jīng)網(wǎng)絡(luò)模擬預(yù)測(cè)結(jié)果

注表中T為實(shí)際值，人為炭疽(賦值1)、自然暴發(fā)(賦值2)、自然散發(fā)(賦值3)、可疑炭疽(賦值4)和其它相似疾病(賦值5)；A為同一樣本10次網(wǎng)絡(luò)模擬輸出值。
權(quán)利要求
1.關(guān)聯(lián)因子的確定根據(jù)實(shí)際案例資料，選取傳染病的散發(fā)、流行和人為引發(fā)事件案例。同時(shí)也選取它們的相似病例案例。通過(guò)Pearson和logistic分析，選取相應(yīng)的臨床、實(shí)驗(yàn)室及流行病學(xué)關(guān)聯(lián)指標(biāo)，并將其作為智能模型輸入層節(jié)點(diǎn)。指標(biāo)可以包括體溫、呼吸道癥狀、皮膚癥狀、腦膜炎綜合征、敗血癥、消化道癥狀、PCR檢測(cè)結(jié)果、細(xì)菌學(xué)鏡下檢測(cè)(或培養(yǎng))結(jié)果、X光檢測(cè)結(jié)果、WBC、細(xì)菌血清凝集試驗(yàn)結(jié)果、接觸史、職業(yè)分布特征、季節(jié)分布特征、潛伏期、地區(qū)分布、敵情狀況、社會(huì)穩(wěn)定因素、早期抗菌治療效果、同期病人人數(shù)等。
2.指標(biāo)量化將上述指標(biāo)進(jìn)行量化，量化分類包括有；無(wú)；陽(yáng)性；陰性；結(jié)果不詳；全部陰性；全部陽(yáng)性；陽(yáng)性率大于50％(＞50％)；陰性率大于50％(＞50％)；賦值范圍為0-10。(3)疾病診斷及危害度分類分類數(shù)目為1-10個(gè)。包括傳染病種類；散發(fā)；自然原因引起的流行；人為原因引起的流行；其他疾病等。
3.模型設(shè)計(jì)根據(jù)Metlab計(jì)算機(jī)軟件中前饋神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))工具箱構(gòu)建智能模型根據(jù)關(guān)聯(lián)指標(biāo)的多少，輸入層為6-14個(gè)節(jié)點(diǎn)(神經(jīng)元)；隱層1-6個(gè)節(jié)點(diǎn)(神經(jīng)元)；輸出層1-5個(gè)節(jié)點(diǎn)(神經(jīng)元)。輸入層和隱層采用正切Sigmoid函數(shù)為計(jì)算取值；輸出層用purelin線性函數(shù)為計(jì)算取值。
4.模型訓(xùn)練及測(cè)定即進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和仿真。設(shè)定訓(xùn)練樣本和檢測(cè)(驗(yàn)證)樣本；模型訓(xùn)練300-1000步；要求符合率為80％-100％。此模型實(shí)用于炭疽病，布魯氏菌病、鼠疫、霍亂、傷寒、細(xì)菌性痢疾、細(xì)菌性食物中毒、鉤端螺旋體病、流行性出血熱、流行性感冒、傳染性非典型肺炎、登革熱、森林腦炎、乙型腦炎、天花、黃熱病、Q熱、斑疹傷寒、肉毒桿菌毒素中毒、葡萄球菌腸毒素中毒、瘧疾等。
全文摘要
本發(fā)明公開(kāi)的是傳染病疫情診斷及危害度分類智能分析模型的構(gòu)建方法。此方法首先根據(jù)實(shí)際傳染病案例資料，以臨床、實(shí)驗(yàn)室檢查及流行病學(xué)調(diào)查指標(biāo)為基本因子進(jìn)行統(tǒng)計(jì)學(xué)相關(guān)分析；選取特異關(guān)聯(lián)指標(biāo)，通過(guò)計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)算法構(gòu)建智能分析模型，以及時(shí)判斷傳染病的發(fā)生及危害程度，提高對(duì)傳染病疫情的認(rèn)識(shí)和判斷能力。該模型建成后，應(yīng)用方便簡(jiǎn)單。即使是普通基層醫(yī)務(wù)人員也可根據(jù)現(xiàn)場(chǎng)實(shí)際情況資料的收集和整理，及時(shí)進(jìn)行綜合診斷和危害度判斷。
文檔編號(hào)G06F19/00GK1881227SQ20061005429
公開(kāi)日2006年12月20日 申請(qǐng)日期2006年5月16日 優(yōu)先權(quán)日2006年5月16日
發(fā)明者熊鴻燕, 韓家信, 許斌, 李亞斐, 朱才眾 申請(qǐng)人:中國(guó)人民解放軍第三軍醫(yī)大學(xué)