深度學(xué)習(xí)模型在醫(yī)院財務(wù)預(yù)測中的應(yīng)用

姜玉嬋， 蔡巖

(1.衡水市人民醫(yī)院 醫(yī)?？?城鄉(xiāng)結(jié)算處)， 河北 衡水 053000;2.河北師范大學(xué) 軟件學(xué)院， 河北 石家莊 050024)

0 引言

隨著我國醫(yī)療衛(wèi)生體制改革的不斷深入，醫(yī)療資源的有效整合已經(jīng)成為當今時代的趨勢。在此背景下，發(fā)展較快、較好的醫(yī)院開始出現(xiàn)機構(gòu)規(guī)模過大、財務(wù)管理復(fù)雜等問題，導(dǎo)致醫(yī)院的財務(wù)監(jiān)管效率低下[1]，無法滿足可持續(xù)性發(fā)展的需求。

機器學(xué)習(xí)技術(shù)作為計算機領(lǐng)域的熱門方向，一直和金融財務(wù)領(lǐng)域有著緊密結(jié)合和應(yīng)用。使用合理的機器學(xué)習(xí)技術(shù)可以解決金融財務(wù)行業(yè)的高效自動化數(shù)據(jù)分析問題，為管理人員提供有價值的預(yù)測信息，從而為健康的機構(gòu)運營提供可靠性的預(yù)警[2-4]。例如，楊蘊毅等[5]提出來利用Z-Score指標決策樹來構(gòu)建財務(wù)風(fēng)險預(yù)警模型，提前3年預(yù)測財務(wù)危機的準確率達75.37%。陳妮[6]提出通過C4.5決策樹挖掘算法來對企業(yè)運營資金流向預(yù)測分析研究，相比傳統(tǒng)的ID3決策樹算法獲得了更高的準確性。蔡歡等[7]基于遺傳算法和最小二乘支持向量機的財務(wù)危機預(yù)測模型，有效驗證了機器學(xué)習(xí)技術(shù)在財務(wù)預(yù)測中的有效性。然而，使用上述傳統(tǒng)機器學(xué)習(xí)技術(shù)對財務(wù)狀況進行預(yù)測時仍舊存在準確度不夠理想，特別是對于復(fù)雜數(shù)據(jù)樣本的長期預(yù)測問題。

因此，為了對醫(yī)療機構(gòu)提供更加準確、有效的財務(wù)預(yù)測，本文提出構(gòu)建基于深度信念網(wǎng)絡(luò)的先進度學(xué)習(xí)方法構(gòu)建預(yù)測模型。在20家大中型醫(yī)療機構(gòu)的近10年財務(wù)數(shù)據(jù)上進行了實驗分析。結(jié)果驗證了深度信念網(wǎng)絡(luò)模型在各項評價標準上均取得了較好的預(yù)測結(jié)果，驗證了其可行性。

1 數(shù)據(jù)預(yù)處理與樣本生成

為了繼續(xù)有效地預(yù)測分析，需要先對醫(yī)療結(jié)構(gòu)財務(wù)系統(tǒng)中給的各種表格和報表數(shù)據(jù)進行解析與提取，主要采用的是數(shù)據(jù)清洗，從而生成后續(xù)所需的逗號分隔值(Comma-Separated Values，CSV)格式數(shù)據(jù)。

1.1 數(shù)據(jù)清洗

針對醫(yī)療機構(gòu)中支出經(jīng)費完整度不高且重疊較多的問題，本文采用的數(shù)據(jù)清洗分成4個步驟。

(1) 缺失值清洗：設(shè)置缺失判斷閥值為80%，并以此為標準先對原始數(shù)據(jù)進行挑選，剔除掉超過該閥值的特征列，并用“0”值填充區(qū)缺失值。

(2) 格式內(nèi)容清洗：對導(dǎo)入數(shù)據(jù)的存儲格式進行統(tǒng)一，例如時間統(tǒng)一為“2019-02-21”。

(3) 重復(fù)內(nèi)容清洗：接著再次對數(shù)據(jù)進行篩選，將內(nèi)容重復(fù)度較高的多個特征列進行刪除，僅保留其中一個，從而有利于降維。

(4) 非需求數(shù)據(jù)清洗：將數(shù)據(jù)中不在預(yù)測時間跨度中的無關(guān)數(shù)據(jù)進行刪除，并僅保留最小時間跨度為1個月的樣本數(shù)據(jù)。

經(jīng)過上述4個步驟后，將處理后的數(shù)據(jù)全部另存為所需的CSV格式。

1.2 特征選擇

對數(shù)據(jù)樣本中每列的特征需要合理選擇，以便在體現(xiàn)所需預(yù)測關(guān)系映射的同時盡量避免出現(xiàn)過擬合，從而加強模型的多樣本泛化能力。

本文采用了L1范數(shù)正則化方法進行特征選擇，這是可以有效適用于非線性場景的算法。對所有統(tǒng)計特征的L1范數(shù)得分進行計算，本文設(shè)置0.6作為選擇閥值，刪除得分小于0.6的特征，從而完成特征選擇過程。最終選出的有效特征如“0.644，分保費用”“0.685，針劑費及手術(shù)收入”等。

1.3 歸一化處理

在對財務(wù)數(shù)據(jù)清洗后，還需要對實際的樣本數(shù)值進行統(tǒng)一數(shù)值范圍，以便統(tǒng)一樣本特征的尺度。本文采用了均值方差歸一化將全部數(shù)據(jù)樣本進行處理，統(tǒng)一表示為[0,1]之間的數(shù)，如式(1)。

(1)

式中，min表示最小特征值;max表示最大特征值。

1.4 滑動樣本生成

由于財務(wù)預(yù)測是時間周期性的工作，需要設(shè)置時間跨度，類似于圖形圖像處理機制中的窗口框架。本文設(shè)置2年為時間跨度對數(shù)據(jù)樣本進行滑動挑選。太短或者太長的時間跨度均對預(yù)測的性能有一定的影響，2年是多次實驗的經(jīng)驗選取值。具體操作過程，如圖1所示。

圖1 滑動樣本生成

2 基于深度信念網(wǎng)絡(luò)的預(yù)測建模

2.1 深度信念網(wǎng)絡(luò)模型

作為一種高效的深度學(xué)習(xí)算法，深度信念網(wǎng)絡(luò)逐漸發(fā)展成為主流的技術(shù)方向[8-10]?；诮y(tǒng)計學(xué)原理產(chǎn)生了隨機神經(jīng)網(wǎng)絡(luò)玻爾茲曼機模型，包含一個隱含層和一個可見層，如圖2所示。

圖2 玻爾茲曼機模型

在此基礎(chǔ)上，提出了限制玻爾茲曼機原理架構(gòu)，如圖3所示。

圖3 限制玻爾茲曼機模型

其中，a=(a1,a2,…,anv)T∈Rnv表示可見層的偏置向量;b=(b1,b2,…,bnh)T∈Rnh表示隱含層的偏置向量;W=(wi,j)∈Rnh×nv表示隱含層和可見層之間的權(quán)值矩陣。通過生成式堆疊技術(shù)，由多個限制玻爾茲曼機最終生產(chǎn)深度信念網(wǎng)絡(luò)。

限制玻爾茲曼機通過能量函數(shù)引入一系列相關(guān)的概率分布函數(shù)。對于一組給定的神經(jīng)元的狀態(tài)向量(v,h)，其能量函數(shù)表示，如式(2)。

(2)

式中，v表示可見層中神經(jīng)元的狀態(tài)向量;h表示隱含層中神經(jīng)元的狀態(tài)向量;nv表示可見層中所有神經(jīng)元的總數(shù);nh表示隱含層中所有神經(jīng)元的總數(shù);θ={ai,bj,wi,j}表示限制玻爾茲曼機架構(gòu)的調(diào)節(jié)因子。

通過上述式(2)定義的能量函數(shù)，可以得到狀態(tài)(v,h)的聯(lián)合概率分布，如式(3)。

(3)

式中，Z(θ)表達式，如式(4)。

(4)

式中，Z(θ)表示歸一化參數(shù)。設(shè)p(v|θ)為可見層向量v的概率分布，則可以通過P(v,h|θ)的邊緣分布對p(v|θ)進行計算[11],如式(5)。

(5)

同樣的方法，我們可以得到隱含層向量h的概率分布p(h|θ),如式(6)。

(6)

通過分析式(5)和(6)，可以看出，為了得到p(v|θ)和p(h|θ)，關(guān)鍵步驟是計算歸一化參數(shù)Z(θ) 。但是式(4)可知，其計算復(fù)雜度較高。但是，由于限制玻爾茲曼機模型的特殊原理(可見層和隱含層是條件獨立的)，當可見層中所有神經(jīng)元的狀態(tài)是已知的時候，隱含層中某個神經(jīng)單元被激活的概率可以通過式(7)進行計算[12]。

(7)

式中，σ(·)表示Sigmoid激活函數(shù)。

因為相同層內(nèi)所有神經(jīng)節(jié)點之間是無連接的，所以相同層內(nèi)的所有神經(jīng)節(jié)點的取值和單個節(jié)點取值之間的關(guān)系，如式(8)、式(9)。

(8)

(9)

圖4 深度生成模型

2.2 深度信念網(wǎng)絡(luò)訓(xùn)練過程

深度信念網(wǎng)絡(luò)訓(xùn)練過程一般分為2個步驟[13]：預(yù)訓(xùn)練階段和微調(diào)階段,如圖4所示。

微調(diào)階段中歲所需的損失函數(shù),如式(10)。

(10)

3 實驗結(jié)果與分析

3.1 實驗環(huán)境

為了對本文提出的視頻分類方法進行分析和驗證，進行具體實驗。實驗硬件環(huán)境：處理器為Intel Core i7 2.2 GHz;圖形圖像處理設(shè)備為GTX970@2 G顯存;內(nèi)存為8 G。實驗軟件環(huán)境：Windows 7操作系統(tǒng);Matlab7.0仿真軟件。實驗隨機選取了20家大中型醫(yī)療機構(gòu)的近10年財務(wù)數(shù)據(jù)，共2萬多個樣本。其中60%作為訓(xùn)練集，40%作為測試集。以最直觀的年凈利潤作為財務(wù)預(yù)測指標，并選取2年為預(yù)測時間跨度。

3.2 評估指標

為了對財務(wù)預(yù)測的性能進行量化評估，本文選取均方根誤差(Root Mean Square Error，RMSE)和擬合優(yōu)度(R Square，R2)作為評估指標[14-15]。

RMSE的計算方式，如式(11)。

(11)

R2的計算方式,如式(12)。

(12)

3.3 模型的最佳層數(shù)分析

當深度網(wǎng)絡(luò)中每個隱含層內(nèi)所有神經(jīng)節(jié)點的總數(shù)均是 300 時，深度信念網(wǎng)絡(luò)模型在不同網(wǎng)絡(luò)層數(shù)下的預(yù)測實驗結(jié)果，如表1所示。

表1 在不同網(wǎng)絡(luò)層數(shù)下的預(yù)測性能比較

從表1可以看出，隨著網(wǎng)絡(luò)層數(shù)的增加，識別的精確度也隨之提高。但是，網(wǎng)絡(luò)層數(shù)不是越多越好。當網(wǎng)絡(luò)層數(shù)為3時識別的性能最好，這說明深度信念網(wǎng)絡(luò)中隱含層的層數(shù)需要結(jié)合具體應(yīng)用和適用的數(shù)據(jù)集進行具體分析，以便獲得最佳的網(wǎng)絡(luò)層數(shù)。

3.4 模型預(yù)測性能對比

本文除了深度信念網(wǎng)絡(luò)模型之外，還搭建了機器學(xué)習(xí)方法中的C4.5決策樹[6]、BP神經(jīng)網(wǎng)絡(luò)[3]和最小二乘支持向量機LS-SVM[7]模型以便進行實驗對比。深度信念網(wǎng)絡(luò)模型中隱含層層數(shù)設(shè)定為3層，為不同模型的預(yù)測凈利潤實驗結(jié)果對比，如表2所示。

表2 預(yù)測凈利潤實驗結(jié)果對比

從表2可以看出，相比其他模型，深度信念網(wǎng)絡(luò)模型具有最大的R2和最小的RMSE結(jié)果，說明其取得了最佳的預(yù)測結(jié)果，完全吻合醫(yī)院的經(jīng)營發(fā)展趨勢。

4 總結(jié)

本文通過構(gòu)建深度信念網(wǎng)絡(luò)模型實現(xiàn)為醫(yī)療機構(gòu)提供更加準確、有效的財務(wù)預(yù)測。在20家大中型醫(yī)療機構(gòu)的近10年財務(wù)數(shù)據(jù)上進行了實驗分析。結(jié)果驗證了深度信念網(wǎng)絡(luò)模型在各項評價標準上均取得了較好的預(yù)測結(jié)果，驗證了其可行性。但是訓(xùn)練和測試樣本集中特征的數(shù)量(維度)仍較多，后續(xù)將考慮使用主成分分析進行更高效的降維，來進一步提升預(yù)測模型的性能。