中南大学湘雅医院证实——可用人工神经网络法进行中医证型分类研究

本报湖南讯 目前，中南大学湘雅医院中西医 结合研究所科研人员，比较了两种反向传播(BP)网络测试方法在抑郁症5种中医证型分类中的作用。 抑郁症属情感性精神障碍，随着生活节奏的加快，社会竞争曰益增强，其发病率呈递增趋势。抑郁症属中医学“郁证”范畴，其中医证型分类众说纷纭，莫衷一是。研究人员采用反向传播(BP)网络对抑郁症中医证候临床流行病学调查数据进行分析．从而达到对抑郁症中医证型进行分类的目的。 研究人员在湖南、天津、北京、哈尔滨、深圳、广西、福建、贵州8个调查点进行抑郁症中医证候I临 床流行病学调查，将1731例抑郁症患者分为5个证型：肝郁气滞证(A组，588例)、肝郁脾虚证(B组，487例)、心脾两虚证(C组，254例)、肝郁痰阻证(D组，264例)、肝肾阴虚证(E组，138例)。研究人员采用两种BP网络测试方法，一是交叉训练测试法(将1731例抑郁症患者随机分成两组，轮流进行训练和测试)，二是Round-Robin法(从1731例抑郁症中抽取1例测试，1730例训练，测试完成后，该例患者加入训练集，从训练集中另取l例测试．如此循环更替，直至完成1731例样本的测试)。 研究结果显示，BP网络两种测试方法训练总体敏感度分別为97．9％和98．2％，测试总体敏感度分別为72．7％及74．2％。认为BP网络两种测试方法均能较好地区分抑郁症5种中医证型，在中医证型分类识别中有一定价值。Round-Robin法敏感度略高于交叉训练测试法，但差异无显著性。 研究人员介绍说，BP网络是对非线性函数进行权值训练的多层前向网络，它主要用于函数逼近。模式识別，分类及数据压缩。其训练过程由两部分组成，即信息的正向传递与误差的反向传播过程。网络在对样本的训练过程中识別输入与输出之间的复杂非线性关系，提取其规律性特征。若在输出层未能得到期望的输出值，网络就不断修正权值，缩小实际输出与理想输出之间的差距，直至全局最小化状态．训练过程结束。由于人工神经网络具有非线性、容错性等特征，目前已广泛应用于医学领域，如对肿瘤的分期等。 研究人员指出，此次研究数据来源于流行病学调查，数据量大，且研究对象为抑郁症5种中医证型，各中医证型之间既具有某些共同症状如情绪抑郁等。又具有各自的特征性症状。因此数据间呈非线性关系，常规统计学分析难以反映全部的数据特征，而人工神经网络则可通过函数转换实现非线性映射的功能；同时，人工神经网络可对信息进行分布存储，在学习过程中若出现部分信息不完全时，它仍能恢复正确完整的信息。因此，人工神经网络尤其适合分析这种来自流行病学调查的大量复杂样本。 研究人员认为，在对中医证型的识別过程中，人工神经网络从训练样本中提取每个证型的规律性特征，然后通过这些规律性特征识別测试样本。对交叉训练测试法来说，BP网络通过对一半样本的学习，掌握样本的规律性特征，通过该特征识別测试样本。该方法的优点是计算速度快，仅需几秒钟就可同步完成5种中医证型的样本训练与识別，较经典的统计学方法分步运算更显优势.但由于只对其中半数样本进行训练，无法获取全部样本的规律性特征．因此敏感度偏低。而Round-Robin法网络对1730例样本进行训练，提取了大部分样本的特征，因此，与前一种方法比较，其敏感度稍高，缺点是训练时间过长。总之，人工神经网络是一种很好的分类识別工具，与中医证候分型一样具有非线性、模糊性等特征.因此，利用人工神经网络的方法进行中医辨证，有利于提高其科学性。

(如果您认为转载内容侵犯了您的权益，请及时联系我们，本网站将在收到信息核实后24小时内删除相关内容。)