神经网络方法在抑郁症早期筛查中应用的可行性

摇摇

第30卷摇半月刊摇第7期

摇摇摇

中国民康医学

摇摇

MedicalJournalofChinesePeople'sHealth

摇摇摇

Apr,2018

Vol.30摇Semimonthly摇No.7

揖基础研究铱

神经网络方法在抑郁症早期筛查中应用的可行性

杨秀岩1,韩摇丽1,翟丽红2,图摇娅1

揖摘要铱摇目的:探讨神经网络方法在抑郁症早期筛查中应用的可行性。方法:应用神经网络方法构建抑郁症早期筛查模型,收集高校

学生和企业员工两个人群的抑郁症早期筛查数据形成神经网络训练和测试样本,筛选与抑郁症发病密切相关的背景因素,将其作为神经网络的输入变量,将抑郁自评量表评分作为输出变量,分析其临床应用的可行性。结果:神经网络模型对两个人群的量表评分的预测符合率分别为76.03%和73.93%。结论:将神经网络方法应用于抑郁症早期筛查具有较大潜力,值得深入研究。

(1.北京中医药大学,北京摇100029;2.空军总医院)

揖关键词铱摇抑郁症;筛查;模型;神经网络;应用

doi:摇10.3969/j.issn.1672-0369.2018.07.034

中图分类号:摇R749.4+1摇摇摇摇文献标识码:摇B摇摇摇摇文章编号:摇摇1672-0369(2018)07-0075-03

ApplicationfeasibilityofANNmethodindepressionearlyscreening

揖Abstract铱摇Objective:ToinvestigateapplicationfeasibilityofANNmethodindepressionearlyscreening.Methods:Thede鄄

(1.BeijingUniversityofChineseMedicine,Beijing100029,China;2.AirForceGeneralHospital)

YANGXiuyan1,HANLi1,ZHAiLihong2,TUYa1

pressionearlyscreeningmodelswereestablishedbyusingtheartificialneuralnetwork(ANN)method.ThesurveydataofcollegestudentsandenterpriseemployeeswerecollectedastheANNtrainingandtestspecimens.Thepathogenicfactorscloselyrelatedtothescale.Then,theapplicationfeasibilityofANNmethodwasdiscussed.Results:ThepredictivecoincidenceratesofANNmodelstothescoresofHAMDandSDSscalesofthetwogroupswere79.03%and73.93%,respectively.Conclusions:TheANNmethodhasagreatpotentialfordepressionearlyscreening,whichneedsfurtherstudies.

揖Keywords铱Depression;Screening;Model;Neuralnetwork;Application

incidenceofdepressionwerechosenasANNinputvariablesandtheoutputvariableswerethescoresoftheself-ratingdepression

摇摇抑郁症患病率高,社会负担重,但早期识别率低[1]。抑郁症目前筛查条件不足,提高抑郁症的识别率、治疗率,是改善疾病预后、减轻家庭社会负担的前提和重要举措[2]。本文以大样本调研数据为基础,应用人工神经网络方法,针对高校学生、企业员工人群,建立利用症状、病史、功能状态、社会心理等发病背景因素进行抑郁症发病预测以及早期识别的模型,探讨神经网络方法在抑郁症早期筛查中应用1摇数据资料的可行性。

生活事件量表(LES)、大五人格量表(NEO-FFI)、汉密尔顿抑郁量表(HAMD)。采集的资料包括一般人口学资料、病史、量表(生命质量量表、大五人格量表、生活事件量表、抑郁自评量表、汉密尔顿抑郁量2摇预测模型的建立表)。

人工神经网络系统主要工作原理是通过工程技

术手段模拟人体脑部神经结构和功能特征。该系统对众多人脑神经元的模拟是通过其内部大量的非线性并行处理器完成,人脑神经元兴奋活动的突触行为则通过并行处理器间错综灵活的连接关系完成[3]。本研究的神经网络系统由输入层、隐含层和输出层等三层组成,主要任务和功能是形成特需的输入与输出的映射关系进而达到预想的计算功能,网络的输入变量为抑郁发病相关的各种可能因素,输出变量为被试者的抑郁量表评分,通过对已知可2.1摇输入层变量和输出层变量的确定摇将CES-75

能与发病相关因素的分析,预测被试者的抑郁状态。

神经网络模型的训练样本和测试样本数据来自

北京5所高校学生、企业员工共3474例的调查数据。对人群进行资料采集的量表工具包括:自制一般情况调查表、世界卫生组织生存质量简表(WHO鄄QOL-BREF)、流调中心用抑郁自评量表(CES-D)、

基金项目:教育部人文社科一般项目(项目编号:16YJCZH134);国

家自然科学基金(项目编号:61601056)

作者简介:杨秀岩(1981-),女,北京中医药大学中医学院,助理研究

员。邮箱:yangxiuyan5979@163.com

D、NEO-FFI、LES、WHOQOL-BREF、HAMD等量表的总评分、各条目计分、各因子积分,作为输入层变

2018年4月

摇摇

第30卷摇半月刊摇第7期

摇摇摇

中国民康医学

摇摇

MedicalJournalofChinesePeople'sHealth

摇摇摇

Apr,2018

Vol.30摇Semimonthly摇No.7

2.2摇系统实现摇本实验所建模型运行环境改为2.2.1摇新建网络,对网络模型和网络参数进行选择和确认摇研究中使用三层前向BP网络,S型正切函数作为隐层传递函数,网络输出值范围为[0,1],选择S型对数函数作为输出层传递函数,9、19、2分别作2.2.2摇初始化摇Dotprod作为网络每层的权值函数,netsum为输入函数,层的初始化以Nguyen-Wid鄄row准则为标准。为三层神经元节点数。

MATLAB,基本步骤包括以下四个。

量;将CES-D评分作为输出层变量。情况,见图2a、2b。

图2a摇针对高校学生的网络模型对影响因素与CES-D

评分的映射关系的拟合结果

2.2.3摇网络学习和训练摇学习算法选择动量下降方法,训练选取Levenberg-MarquardtBP训练函数进行。

2.2.4摇仿真测试摇本研究中将3474例调查数据分为训练样本和测试样本:高校学生数据2352例分成24组,每组98例,每次训练23组样本,1组用于测试网络,反复24次,分析24次结果,用于评价1122例分成22组,每组51例,每次训练21组,1组用于测试网络,反复22次,分析22次结果,用于评价该系统的输入与输出的映射关系。

该系统的输入与输出的映射关系;企业员工数据

图2b摇针对企业员工的网络模型对影响因素与CES-D

评分的映射关系的拟合结果

2.3摇结果

2.3.1摇网络训练结束时,达到目标误差10-8,此时的训练均方误差=8.83171e-009。通过对训练好的网络进行仿真,得到网络队输入与输出关系的拟合

人群高校学生企业员工

相关系数0.820.77

平均相对误差(%)

7.386.89

2.3.2摇预测的量表评分与实际的量表评分的关系,线性回归分析结果见表5。

表5摇预测值与实际值的线性回归分析结果

符合率(%)79.0373.93

F值210.43155.21

自由度4646

3摇讨论

3.1摇神经网络方法的应用摇神经网络是人工智能

能准确的结果[6]。传统的回归分析适合于低维变量和变量线性可分的情况,而对于变量之间有相互影响、多维、非线性的情形并不合适,此时人工神经3.2摇本研究结果分析摇本实验由于样本量较少,并未得到十分精确的神经网络预测效果,分析原因为未能对特征的相关性进行分析和进一步挖掘原本特征数据的联系性。下一步可深入挖掘在抑郁症预测中有贡献的特征和特征间相关性,利用以往更多的抑郁症案例数据来训练和测试,能够降低过拟合,还可以加权特征使最后的结果才能更有说服力,提高准确度。

同时通过对大样本的学习和训练来最大限度的

(下转第82页)

网络将提供更准确的预测值[7]。

的一个分支,主要优势在于解决复杂非线性问题,目前已经应用于工程、经济、医学等多个领域。人工神经网具有多种模型和领域,每个模型都具有其擅长的领域,但值得注意的是,每种模型也具有其技术限制,不能适合于所有的问题[4,5]。因此,在选取神经据此选择适合具体应用的神经网络模型,才能达到最高性能的实现。

摇摇已知人工神经网络方法的预测准确性高于回归方程,原因可能为神经网络更擅长在大样本数据中在一定程度上能克服数据本身的误差,以得到尽可76

寻找规律,能够对输入的一系列数据进行综合分析,网络系统模型时应了解其技术特点、优势及局限性,

2018年4月

摇摇

第30卷摇半月刊摇第7期

摇摇摇

中国民康医学

摇摇

MedicalJournalofChinesePeople'sHealth

摇摇摇

Apr,2018

Vol.30摇Semimonthly摇No.7

反应。

参考文献

[1]摇于礼建,徐立群,邬晓东,等.参慈胶囊对GP方案治疗晚期非

小细胞肺癌的免疫功能及血液学毒性的影响[J].实用医学杂志,2017,33(21):3655-3657.

[2]摇李康,李秋华.中药联合化疗改善晚期非小细胞肺癌患者生活

质量临床观察[J].辽宁中医杂志,2016,43(3):523-526.生出版社,2007:152-153.

[3]摇孙燕,石远凯.临床肿瘤内科手册[M].第5版.北京:人民卫[4]摇王容容,王其美,赵晔,等.中药防护治疗方案联合化疗治疗非

小细胞肺癌临床研究[J].中华中医药杂志,2017,32(8):3828-3832.

[7]摇孙艳,李升伟.健脾理气法联合化疗治疗中晚期非小细胞肺癌

临床观察[J].新中医,2017,49(3):111-113.

[8]摇艾小叶,葛磊,阿达来提·牙生,等.中药联合化疗治疗晚期非

小细胞肺癌的疗效观察[J].辽宁中医杂志,2016,43(8):1690-1691.

[9]摇刘庆春,王爱民,刘德传,等.健脾益气中药联合化疗治疗晚期

1186-1188.

非小细胞肺癌临床疗效[J].临床军医杂志,2017,45(11):

[10]摇程权,傅华洲.中药复方辅助治疗非小细胞肺癌研究进展[11]摇薛美平,刘丽坤,郭燕蓉,等.中医药维持治疗小细胞肺癌的

临床研究[J].世界中西医结合杂志,2017,12(9):1271-1274.

[J].辽宁中医药大学学报,2016,18(1):141-144.

[5]摇赵延军,黄丽.中医辩证联合化疗治疗晚期非小细胞肺癌的疗

效观察[J].实用癌症杂志,2017,32(7):1149-1151,1155.[6]摇方志红,李天苗,詹迎江,等.中医药干预对非小细胞肺癌患者

1676-1678.

[12]摇徐蔚杰,李和根,蒲煜琴,等.中医药治疗晚期非小细胞肺癌

的回顾性研究[J].上海中医药大学学报,2017,31(5):27-31.

生存期影响的回顾性分析[J].时珍国医国药,2017,28(7):

编辑:王冰

詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬(上接第74页)

[2]摇ZgheibA,Pelletier-Bonnier魪,LevrosLCJr,etal.Selective

JAK/STAT3signallingregulatestranscriptionofcolonystimula鄄stromalcells[J].Cytokine,2013,63(2):187-193.

tingfactor-2and-3inConcanavalin-A-activatedmesenchymal

[3]摇KamezakiK,ShimodaK,NumataA,etal.RolesofStat3and

ERKinG-CSFsignaling[J].StemCells,2005,23(2):252-263.

differentiationofmurinemyeloidprecursor32D/G-CSF-Rcells[7]摇WuY,ChenYY,ChenYZ.ExpressionofG-CSFRIVisoformin

ExpHematol,2014,22(4):899-902.[J].JVisExp,2018,21:132.

adultacutemyeloidleukemiaanditsclinicalsignificance[J].J

[8]摇KutlayS1,BeksacM,DalvaK,etal.Thedetectionofflowcyto鄄

metricG-CSFreceptorexpressionanditseffectontherapyina鄄795.

cutemyeloidleukemia[J].LeukLymphoma,2003,44(5):791-[9]摇HuangH,ZhangQ,LiuJ,etal.GranulocyteColonyStimulating

Factor(G-CSF)AcceleratesWoundHealinginHemorrhagic[J].MedSciMonit,2017,23:2644-2653.

ShockRatsbyEnhancingAngiogenesisandAttenuatingApoptosis

[4]摇JeonGW,SungDK,JungYJ,etal.Granulocytecolonystimula鄄

tingfactorattenuateshyperoxia-inducedlunginjurybydown-MedJ,2011,52(1):65-73.

modulatinginflammatoryresponsesinneonatalrats[J].Yonsei[5]摇范志松,左静,李勇.实体肿瘤中G-CSF和G-CSFR的表达及

1145-1147.

作用的研究进展[J].临床与实验病理学杂志,2015,31(10):

[6]摇ZjablovskajaP,DanekP,KardosovaM,etal.Proliferationand

编辑:王冰

詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬詬(上接第76页)

避免和减少神经网络模型的误差。若在设想初期将知识库的专家系统作为基础来建立神经网络预测方法,并对神经网络方法的应用范围进行扩展[8]。综上,该项研究是医学与工程结合应用的偿试,也是大规模医学数据的深度挖掘利用,本研究结果表明,将神经网络方法应用于高校学生和企业员工两个人群的抑郁症早期筛查具有较大潜力,值得深入研究。

参考文献

[1]摇刘雷,周仁来.一个测量抑郁症的重要神经指标:静息额叶脑

电活动的不对称性[J].心理科学进展,2015,23(6):1000-1008.

[3]摇CanadianTaskForceonPreventiveHealthCare.Recommenda鄄

tionsonscreeningfordepressioninadults[J].CMAJ,2013,185(9):775-782.

[4]摇汤彦丰,张卓勇,范国强,等.中草药大黄的近红外光谱和人工

1348-1351.

神经网络鉴别研究[J].光谱学与光谱分析,2004,24(11):

[5]摇吴君,杨太珠,林江莉,等.基于人工神经网络的足月胎儿体重

预测方法[J].生物医学工程学杂志,2005,22(5):922-925.[6]摇胡林,胡刚,吴海燕,等.低温简单晶体摩尔熵的回归方程及人

工神经网络表达[J].安徽大学学报(自然科学版),1999,23(4):94-100.

[7]摇臧廷朋,温广瑞,廖与禾,等.基于稳健回归分析的转子系统不

平衡量识别[J].振动、测试与诊断,2016,36(1):126-130.京中医药大学学报(社会科学版),2017,18(1):47-52.[8]摇王冬燕,吕航.神经网络方法在医学统计预测中的应用[J].南

[2]摇耿莹,王刚.我国初级医疗机构中进行抑郁筛查的必要性和需

692-694.

要注意的问题[J].中国神经精神疾病杂志,2013,39(11):

编辑:王冰

82