基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)超聲診斷方法的研究

毛 杰 冷曉妍* 李丹丹 李 琳 董來君

目前，超聲診斷工作主要是應(yīng)用多普勒超聲成像技術(shù)，將患者就診部位以圖像形式反饋給診斷醫(yī)生，醫(yī)生根據(jù)圖像黑白對(duì)比度識(shí)別出病理狀態(tài)。而圖像處理技術(shù)可以應(yīng)用人工智能算法，將圖像特征提取出來，通過與專家?guī)靸?nèi)的專家知識(shí)對(duì)比可以完成一次診斷。神經(jīng)網(wǎng)絡(luò)是人工智能的一種算法，可以應(yīng)用在不同行業(yè)。在此是借用神經(jīng)網(wǎng)絡(luò)理論，拓展應(yīng)用到超時(shí)診斷工作，不僅可以降低醫(yī)生的勞動(dòng)強(qiáng)度，提高診斷效率，還可以將診斷經(jīng)驗(yàn)保存在數(shù)據(jù)庫內(nèi)，實(shí)現(xiàn)專家知識(shí)的共享。本研究旨在研制提升超聲診斷水平的神經(jīng)網(wǎng)絡(luò)超聲診斷軟件系統(tǒng)，以提高超聲診斷效率，降低診斷誤判率。

1 反向傳播前饋神經(jīng)網(wǎng)絡(luò)

1.1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

反向傳播(back propagation，BP)前饋神經(jīng)網(wǎng)絡(luò)是近年來應(yīng)用較廣的一種人工智能學(xué)習(xí)算法，在圖像處理及預(yù)報(bào)預(yù)測(cè)領(lǐng)域均有良好的應(yīng)用。一般神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層及輸出層[1-2]3層結(jié)構(gòu)組成，各層之間通過神經(jīng)突出(節(jié)點(diǎn))進(jìn)行連接，同一層節(jié)點(diǎn)間不做連接，不同層節(jié)點(diǎn)間通過單向連接線進(jìn)行連接。人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)見圖1。

圖1 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 工作機(jī)制

BP神經(jīng)網(wǎng)絡(luò)是由給定的樣本訓(xùn)練得到相應(yīng)的網(wǎng)絡(luò)連接權(quán)重，再將目標(biāo)樣本輸入得到相應(yīng)輸出的一個(gè)過程，其中訓(xùn)練完成的網(wǎng)絡(luò)權(quán)重不再變化。神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程即獲取權(quán)重過程，一般采用誤差反向傳播和最速梯度法獲取[3]。

1.2.1 信號(hào)前向傳播過程

樣本數(shù)據(jù)首先由輸入層輸入神經(jīng)網(wǎng)絡(luò)，由權(quán)重矩陣進(jìn)行修正后，再經(jīng)激勵(lì)函數(shù)變換后輸出至隱含層，隱含層經(jīng)過同樣變換過程將結(jié)果輸出至輸出層[4-5]。

1.2.2 誤差反向傳播過程

輸出層數(shù)據(jù)與目標(biāo)值進(jìn)行比較，若誤差不滿足設(shè)計(jì)需求，則經(jīng)相應(yīng)權(quán)重修正后反向傳播至輸入層，依次修正輸入層、隱含層及輸出層的網(wǎng)絡(luò)權(quán)重。反復(fù)計(jì)算誤差，直至誤差滿足設(shè)計(jì)需求。

1.3 網(wǎng)絡(luò)設(shè)計(jì)

輸入層節(jié)點(diǎn)數(shù)一般由問題指標(biāo)個(gè)數(shù)確定，隱含層個(gè)數(shù)一般根據(jù)經(jīng)驗(yàn)確定，輸出層節(jié)點(diǎn)個(gè)數(shù)由所需分類數(shù)量確定，其中隱含層節(jié)點(diǎn)個(gè)數(shù)經(jīng)驗(yàn)[6]計(jì)算為公式1和公式2：

2 應(yīng)用層設(shè)計(jì)

本研究所述診斷方法是對(duì)超聲采集的圖像進(jìn)行特征提取后，由訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷的一個(gè)過程[7-8]。應(yīng)用層設(shè)計(jì)主要完成特征圖像保存(數(shù)據(jù)庫設(shè)計(jì))、神經(jīng)網(wǎng)絡(luò)集成和Web服務(wù)器設(shè)計(jì)3部分。

2.1 數(shù)據(jù)庫設(shè)計(jì)

數(shù)據(jù)庫主要用于保存專家提供的圖像數(shù)據(jù)、分析結(jié)果及用戶信息等內(nèi)容。數(shù)據(jù)庫通常包括層次式數(shù)據(jù)庫、網(wǎng)絡(luò)式數(shù)據(jù)庫和關(guān)系式數(shù)據(jù)庫(MySQL)3種，最常用的數(shù)據(jù)庫模型有關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫兩種。

MySQL作為一種常用的關(guān)系型數(shù)據(jù)庫，具有數(shù)據(jù)分類性強(qiáng)、合并簡單等優(yōu)點(diǎn)，因此本研究采用MySql 2008進(jìn)行數(shù)據(jù)存儲(chǔ)。通過設(shè)計(jì)相應(yīng)的存儲(chǔ)過程，實(shí)現(xiàn)對(duì)數(shù)據(jù)庫的操作。數(shù)據(jù)庫結(jié)構(gòu)設(shè)計(jì)中的彩超輔助診斷系統(tǒng)，主要用于協(xié)助醫(yī)師進(jìn)行病理診斷，因此需設(shè)計(jì)病理分類表、特征圖像存儲(chǔ)表、權(quán)重參數(shù)存儲(chǔ)表和用戶信息表，各表格內(nèi)容包括：①病理分類表，內(nèi)容為ID、病理分類、專家姓名和日期；②特征圖像存儲(chǔ)表，內(nèi)容為ID、圖像、病理分類ID、專家姓名和日期；③權(quán)重參數(shù)存儲(chǔ)表，內(nèi)容為ID、權(quán)重、病理分類、訓(xùn)練專家和日期；④用戶信息表，內(nèi)容為ID、用戶姓名、用戶密碼、等級(jí)和日期。

2.2 存儲(chǔ)過程設(shè)計(jì)

對(duì)數(shù)據(jù)庫的操作可通過結(jié)構(gòu)化查詢語言(SQL)進(jìn)行操作，但是通過直接嵌入Web頁面的方式進(jìn)行訪問，存在一定的安全風(fēng)險(xiǎn)，服務(wù)器容易遭受注入型攻擊。為提高網(wǎng)絡(luò)安全性，本研究的診斷系統(tǒng)通過在數(shù)據(jù)庫服務(wù)器設(shè)計(jì)存儲(chǔ)過程，實(shí)現(xiàn)訪問效率及訪問安全的提高。特征圖像保存存儲(chǔ)程序設(shè)計(jì)如下。

專家圖像保存程序：SubmitExpertImage

同時(shí)還設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)權(quán)值讀取存儲(chǔ)過程、專家圖像信息讀取存儲(chǔ)過程以及分析結(jié)果保存存儲(chǔ)過程。

2.3 網(wǎng)絡(luò)服務(wù)器設(shè)計(jì)

網(wǎng)絡(luò)服務(wù)器(web server，W/S)Web端軟件主要用于實(shí)現(xiàn)診斷圖像的神經(jīng)網(wǎng)絡(luò)識(shí)別及圖像處理結(jié)果的顯示和保存功能。因采用C#設(shè)計(jì)頁面具有UI與后臺(tái)邏輯分離的優(yōu)勢(shì)，本系統(tǒng)采用的Web設(shè)計(jì)語言包括Asp.net、Css及JavaScript。

2.3.1 Web前臺(tái)設(shè)計(jì)

Web前臺(tái)主要用于采集診斷圖像、提交特征圖像及診斷結(jié)果顯示等功能。

(1)采集診斷圖像：主要讀取彩超診斷截取的圖像，并將圖像以二進(jìn)制流的形式保存在數(shù)據(jù)庫服務(wù)器內(nèi)。

(2)提交特征圖像：是指高級(jí)別醫(yī)師通過人工診斷確診的圖像，該類圖像主要用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)獲取網(wǎng)絡(luò)權(quán)重。

(3)診斷結(jié)果顯示：特征圖像的提交直接影響人工智能診斷的結(jié)果，同時(shí)，特征圖像越多，特征越明顯，將越有利于減小診斷誤差。

2.3.2 Web后臺(tái)設(shè)計(jì)

Web后臺(tái)主要完成BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練、圖像分類及診斷識(shí)別功能。

(1)神經(jīng)網(wǎng)絡(luò)訓(xùn)練功能：神經(jīng)網(wǎng)絡(luò)訓(xùn)練主要用于實(shí)現(xiàn)通過對(duì)樣本集的處理、獲取網(wǎng)絡(luò)特征參數(shù)的過程。其中涉及樣本預(yù)處理，目的是將特征圖像按照病理分類[9]后，進(jìn)行特征提取，提取結(jié)果直接用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程見圖2。

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖

(2)智能識(shí)別功能：智能識(shí)別過程是指經(jīng)驗(yàn)相對(duì)較少醫(yī)師將采集的超聲圖像導(dǎo)入神經(jīng)網(wǎng)絡(luò)輸入端，經(jīng)訓(xùn)練完成的網(wǎng)絡(luò)處理后得到病理分類結(jié)果的過程。超聲輔助診斷系統(tǒng)診斷流程見圖3。

圖3 超聲輔助診斷系統(tǒng)診斷流程圖

3 超聲輔助診斷驗(yàn)證

通過鑒定授權(quán)確定的專家可在專家知識(shí)庫內(nèi)添加影像數(shù)據(jù)與病理分類，樣本數(shù)據(jù)達(dá)到規(guī)定數(shù)量后可進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練工作。訓(xùn)練完成后，通過提取目標(biāo)圖像特征信息輸入神經(jīng)網(wǎng)絡(luò)，完成分類功能。通過導(dǎo)入某例患者腹部彩超影像，系統(tǒng)自動(dòng)識(shí)別特征值并給出置信區(qū)間。由置信區(qū)間可見，該系統(tǒng)的診斷與人工診斷意見相符，并達(dá)到預(yù)期設(shè)計(jì)目標(biāo)[10-11]。超聲輔助診斷系統(tǒng)應(yīng)用界面見圖4。

4 結(jié)論

圖4 超聲輔助診斷系統(tǒng)應(yīng)用界面

人工智能應(yīng)用于醫(yī)療超聲診斷可明顯提高診斷準(zhǔn)確率、降低誤診率，同時(shí)可將專家知識(shí)進(jìn)行共享，便于經(jīng)驗(yàn)的傳播[12]。本研究系統(tǒng)日后仍需在圖像去噪和圖像特征提取方面進(jìn)行改進(jìn)，減少對(duì)特征樣本的依賴。

隨著人們對(duì)自身健康狀況的關(guān)注，超聲診斷工作日趨加重。應(yīng)用計(jì)算機(jī)技術(shù)、人工智能技術(shù)的BP神經(jīng)網(wǎng)絡(luò)超聲輔助診斷系統(tǒng)不僅可以將超聲診斷經(jīng)驗(yàn)廣泛積累，而且可提高醫(yī)務(wù)工作者的診斷效率，降低醫(yī)務(wù)工作者的勞動(dòng)強(qiáng)度。