基于bp神經(jīng)網(wǎng)絡(luò)的醫(yī)療風險評估模型研究

《基于bp神經(jīng)網(wǎng)絡(luò)的醫(yī)療風險評估模型研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于bp神經(jīng)網(wǎng)絡(luò)的醫(yī)療風險評估模型研究馮雪武朱鳴溫曉紅鮑鷹馮文明(浙江省湖州市第一人民醫(yī)院信息科浙江湖州313000)【中圖分類號］R319［文獻標識碼】A【文章編號】1672-5085(2012)16-0032-031引言所謂醫(yī)療風險，是指在醫(yī)療服務(wù)過程中，發(fā)生因醫(yī)療失誤或過失導致的病人死亡、傷殘以及軀體組織、牛理功能和心理健康受損等不安全事件的風險。應(yīng)該看到，醫(yī)療行為本身就存在高技術(shù)、高風險的特點。雖然醫(yī)學科學發(fā)展迅猛，但遠沒有達到盡善盡美的程度。防范醫(yī)療風險，確保醫(yī)療安全成為衛(wèi)牛醫(yī)療體制改革的重要內(nèi)容之一。醫(yī)療風險防范，一方面要保證病人的人身安全不因醫(yī)療失誤或過失而受到危害，即預(yù)防

2、不安全事件；另一方面，避免因發(fā)牛事故和醫(yī)源性醫(yī)療糾紛而造成醫(yī)院及當事醫(yī)務(wù)人員承受風險，包括經(jīng)濟風險、法律責任風險、人身風險等。在對醫(yī)療風險進行分析評估時，影響醫(yī)療風險的因素很多，而且各因素影響的程度也不同，評價結(jié)果難以用恰當?shù)臄?shù)學解析表達式來表示，屬于非線性分類問題。人工神經(jīng)網(wǎng)絡(luò)是近年來信息科學與技術(shù)研究領(lǐng)域中一門令人矚目的新興學科，它借鑒了神經(jīng)科學的基木成果，是基于模仿人類大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)，具有廣泛的應(yīng)用前景。人工神經(jīng)網(wǎng)絡(luò)的基木特征為非線性映射、學習分類和實時優(yōu)化，因此它為模式識別、非線性分類等研究開辟了新的途徑。我們引用人工神經(jīng)網(wǎng)絡(luò)理論，并以醫(yī)療、護理及管理上

3、的多項指標為依據(jù)，研究建立基于BP神經(jīng)網(wǎng)絡(luò)的醫(yī)療風險分析評估模型，從而為現(xiàn)代醫(yī)療衛(wèi)牛機構(gòu)對醫(yī)療風險評估體系的研究提供較大的參考價值。2醫(yī)療風險預(yù)測體系2.1評估目的開展對住院病人醫(yī)療風險評估工作，主要從三方面進行：醫(yī)療質(zhì)量，護理質(zhì)量以及管理質(zhì)量。目的是為了對住院病人可能存在的醫(yī)療風險進行客觀、合理的階段性評價，使醫(yī)務(wù)人員獲得住院病人綜合、全面的反饋信息，以便于及時調(diào)整診療方案，提高醫(yī)療服務(wù)質(zhì)量。2.2評估對象評估對象分別為在院住院病人。2.3評估指標對醫(yī)療風險進行分析評價的指標體系如表1所示。表1醫(yī)療風險評估指標體系3BP神經(jīng)網(wǎng)絡(luò)的基本原理BP(Back-Propagation)神經(jīng)網(wǎng)絡(luò)

4、也稱為后向傳播神經(jīng)網(wǎng)絡(luò)。是一種具有三層或三層以上的階層型神經(jīng)網(wǎng)絡(luò)。典型的網(wǎng)絡(luò)是三層、前饋的階層網(wǎng)絡(luò)，即：輸入層、隱含層(也稱中間層)、輸出層。相鄰層之間的各神經(jīng)元實現(xiàn)全連接，即下一層的每一個神經(jīng)元與上一層的每個神經(jīng)元都實現(xiàn)全連接，而且每層各神經(jīng)元之間無連接。BP算法是通過迭代地處理一組訓練樣本，將每個樣本的網(wǎng)絡(luò)預(yù)測與實際知道的分類標號比較，進行學習。對于每個訓練樣本，修改權(quán)值，使得網(wǎng)絡(luò)預(yù)測值和實際值之間的均方誤差最小。這種修改“后向”進行。即由輸出層，經(jīng)由每個隱藏層，到第一個隱藏層，如此反復(fù)。經(jīng)過一組樣本數(shù)據(jù)進行訓練后，權(quán)將最終收斂，學習過程停止。算法如表2所示。表2BP算法表示4醫(yī)療風

5、險預(yù)測模型構(gòu)建本文介紹以醫(yī)療風險指標體系為依據(jù)，研究建立基于BP神經(jīng)網(wǎng)絡(luò)的醫(yī)療風險預(yù)測模型；模型研究方法相同，不再贅述。BP網(wǎng)絡(luò)的學習過程可分成四個步驟，即“模式順傳播”一&吐；“誤差逆?zhèn)鞑ァ币?gt;“記憶訓練”一>“學習收斂”。為了使模型具有理論價值又有可操作性，根據(jù)實際情況我們進行了如下處理。4.1定義BP網(wǎng)絡(luò)拓撲結(jié)構(gòu)(1)輸入層節(jié)點的選擇前面我們分析了對醫(yī)療風險預(yù)測的指標體系，風險因子的指標為8個(X1-X8),將這8個評價指標作為網(wǎng)絡(luò)的輸入節(jié)點n=8o⑵輸岀層節(jié)點的選擇根據(jù)評價體系要求，我們將評價結(jié)果作為網(wǎng)絡(luò)的輸出，因此取輸出層節(jié)點數(shù)m二1。⑶網(wǎng)絡(luò)隱含層數(shù)的確定在合理的結(jié)

6、構(gòu)和恰當?shù)臋?quán)值條件下，3層BP網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù)，因此，我們選取結(jié)構(gòu)相對簡單的3層BP網(wǎng)絡(luò)。(4)隱藏層節(jié)點的選擇于三層網(wǎng)絡(luò)來說，輸入層和輸出層的節(jié)點數(shù)都可由問題本身定義，主要需要確定的是隱藏層節(jié)點的個數(shù)。目前來說，并沒有確定最佳的隱藏層節(jié)點個數(shù)的理論方法，通常由經(jīng)驗或試驗來確定。例如，由兩個隱藏層節(jié)點開始，逐漸曾加隱藏層節(jié)點的個數(shù)(不超過輸入節(jié)點的個數(shù)〉，直至達到較佳效果；或者以相反的方向進行，先給定一個較大的隱藏層節(jié)點數(shù)，再慢慢減少其個數(shù)。根據(jù)前一種方法，經(jīng)試驗，可以得出隱含層節(jié)點個數(shù)8二5。通過以上分析得到如圖1所示的BP網(wǎng)絡(luò)拓撲結(jié)構(gòu)。4.2BP網(wǎng)絡(luò)學習算法BP神經(jīng)網(wǎng)絡(luò)的學

7、習過程描述如下：(1)初始化權(quán)及學習參數(shù)。網(wǎng)絡(luò)的權(quán)被初始化為很小的隨機數(shù)，例如：由?1.0至01.0,或由-0.551]0.5；每個單元有一個偏置,偏置賦予(-2/n,2/n)之間的隨機數(shù)；學習率為0.9；目標誤差為O.OOlo(2)向前傳播輸入。在這一步，計算隱藏層和輸出層每個單元的凈輸入和輸出。首先，訓練樣本提供給網(wǎng)絡(luò)的輸入層。對于輸入層的單元j,它的輸出等于它的輸入，即對于單元j，Oj=ljo然后，隱藏層和輸出層的每個單元的凈