BP人工神经网络技术在穴位按摩分娩镇痛法的分析报告

徐燕1唐霄1蒋秋燕2蒋满州3

（1广西科技情报研究所广西南宁530022)

(2广西中医学院第一附属医院广西南宁530023)

(3南宁壮都生物科技有限公司广西南宁530003)

【中图分类号】R245.9【文献标识码】A【文章编号】1672-5085(2010)08-0019-02

【摘要】目的探讨ANN（BP）人工神经网络技术用于评估穴位按摩在分娩镇痛过程中的意义。方法根据人工神经网络原理，进行BP网络建模并进行训练，直到均方误差(MSE)<10-8。选择足月顺产者300例，进行穴位按摩法镇痛治疗，使用训练好的BP网络对治疗结果进行统计分析，用SPSS10.0统计软件分析，比较两种统计分析方法的优缺点。结果两种方法方差分析P=0.590，均值比较差异无统计学意义。线性相关系数0.997(P<0.001)，两种方法计算结果高度相关。结论BP神经网络可以用于评估治疗结果，为探索建立人工神经网络穴位按摩分娩镇痛模型提供技术依据。

【关键词】BP神经网络穴位按摩分娩镇痛

【Abstract】Objective:ToinvestigatethesignificanceofANN(BP)artificialneuralnetworktechnologyfortheassessmentofacupuncturepointmassageduringlaboranalgesia.Methods:Accordingtoprincipleofartificialneuralnetwork,establishBPnetworkmodelandtoconducttraining,untilthemeansquareerror(MSE)<10-8.Choose300casesoffull-termcis-middle-classtocarryoutpointmassageanalgesictherapy,usingthetrainedBPnetworkstatisticalanalysisoftreatmentresults,andtheSPSS10.0statisticalsoftwareanalysis,comparativeadvantagesanddisadvantagesoftwomethodsofstatisticalanalysis.Results:TwomethodsvarianceanalysisP=0.590,meandifferencewasnotstatisticallysignificant.Linearcorrelationcoefficientof0.997(P<0.001),theresultsarehighlyrelevantintwoways.Conclusion:BPneuralnetworkcanbeusedtoassesstreatmentoutcomes,inordertoexploretheestablishmentofartificialneuralnetworkmodelofmassagetoprovidetechnicalbasisforlaboranalgesia.

【Keywords】BPneuralnetworkacupuncturepointmassagelaboranalgesia

探讨ANN（BP）人工神经网络技术用于评估穴位按摩在分娩镇痛过程中的作用，对符合纳入观察标准、足月分娩者300例，在分娩过程中通过穴位按摩法镇痛，同时使用训练好的BP网络对治疗结果进行统计分析，报告于下：

1资料与方法

1.1病例选择

选择2008年1月至2009年9月就诊于我院两所附属医院的足月顺产患者共300例，其中初产妇210名，经产妇90名，平均年龄（28±1.8）岁。随机分为两组：对照组150例,不进行穴位按摩，按常规分娩进行，观察组150例，采用人工神经网络穴按摩镇痛法，两组产妇均为单胎头位，孕周为37～41周，产妇骨盆内测量无异常，无严重合并症，产妇年龄、胎儿大小等无显著差异，具有可比性。

1.2观察指标

通过对两组产妇在宫缩压及镇痛效果、产程时间、产科质量、新生儿等影响的对照观察。分娩镇痛效果评定标准：参考参考WHO疼痛程度分级标准。（Ⅳ级疼痛判断法）[1]，按WHO标准及临床表现对产痛评估分四级。Ⅰ级：无痛，腰酸，稍感不适；Ⅱ级：腰酸痛，可忍受，微汗或不出汗，能正常生活，睡眠基本不受影响；Ⅲ级：明显腰酸痛伴出汗，呼吸急促，仍可忍受；Ⅳ级：强烈腰腹疼痛，不能忍受，喊叫，辗转翻身，不能睡眠。疗效评定：显效：产痛强度评分减少≥3分，或者综合评分≥40分。有效：评分减少2分，或者综合评分20～40分。无效：评分减少0～1分，或者综合评分20分以下。

1.3BP神经网络建模

①工具：使用数学软件Matlab（版本710）及Matlab神经网络工具箱。②网络结构：根据已被证明的理论，采用一个S型隐含层加上一个线性输出层的三层网络的输出，可以逼近任何连续函数。选择输入层神经元数2个，一个隐含层，神经元数6个，激励函数为对数S型函数，输出层神经元数1个，激励函数为线性函数。③训练样本:输入数据包括年龄（21～40岁）和按摩前后产痛评估的得分以及观察组与对照组的最终结果进行分析，使用Matlab软件在上述范围内生成网络输入数据。根据输入数据，运用方程计算网络训练需要的输出层数值，即输出数据。每组输入和输出数据一一对应，形成训练样本。训练样本做归一化处理[2]。④网络训练：采用快速BP算法。目标误差要求10～8以下。

1.4BP网络预测值

将选择的实际患者数据输入训练好的BP网络，得到对应的数值，采用由充分连接的三层单元组成的反向传播神经网络，其网络拓扑结构包括输入层、隐含层和输出层[3]。输入层单元数m=8，隐含层单元数n=7，输出层单元数P=2。为了适应网络的输入特点，先将原始数据进行归一化处理：Si=Xi/(Xmax-Xmin)，（Si为归一化后数值，Xi为原始数据值，Xmax、Xmin分别为原始数据集中的极大、极小值）。学习速率r=0.6，最大迭代次数n=3000，动量因子(mc)=0.90，预期误差(MSE)≤1×10-8。输出神经元对照组和观察组的输出值分别设定为“0”和“1”，判别时以≥0.5者为对照组，＜0.5者为观察组。随机从对照组中抽取50例，观察组中抽取50例作为训练集，余作为预测集。在经历200次迭代后，误差MSE≤1×10-8，达到预期效果，停止训练[4]。在对预测集中的对照组100例和观察组100例病例进行判别。

1.5统计学方法

SPSS10.0统计软件，计量资料采用均值±标准差（x-±s）表示，BP神经网络和常规统计学结果的比较采用方差分析和线性回归分析。（训练完毕BP神经网络的权值和阀值见表1）。

2结果

常规统计学与BP神经网络计算结果：300例患者SPSS10.0软件与BP神经网络评估学位按摩的疗效结果，分别为（59.412±30.268），（58.787±29.496）。两种方法方差分析结果P=0.590，均值比较差异无统计学意义。

3讨论

人工神经网络是由大量简单的处理单元组成的非线性、自适应、自组织系统，是在现代神经科学研究成果的基础上，试图通过模拟人类神经系统对信息进行加工、记忆和处理的方式，设计出的一种具有人脑风格的信息处理系统[5]。BP神经网络由输入层、隐含层、输出层组成，每层有若干个节点（神经元），每个节点通过连接权重接受来自其他节点的信息，通过输入输出转换函数输出信息。它是一个功能强大的神经网络模拟软件包，适于以确立一组变量间是否存在相关性为目的的探索性分析[6]，其灵敏度分析可以敏锐地识别指标的重要性，忽略不重要、意义重复的指标，而保留具有关键意义的指标[7]。

本文通过BP人工神经网络及统计学方法对研究结果进行分析，从表1发现BP网络和SPSS10.0软件统计，结果分别为（58.787±29.496）、（59.412±30.268），这两种方法，数值差异无统计学意义，两者计算结果高度相关。观察组与对照组的各数据无统计学差异，说明穴位按摩在分娩过程中的镇痛作用具有积极意义，值得进一步研究，因其安全，无毒副作用，有望推广应用，为广大产妇减轻痛苦。

BP神经网络技术具有强大的非线性数据处理能力，可以用于穴位按摩镇痛分娩的评估，为探索更优的评估方程，提供了一种不同于常规统计学的方法。本研究使用人工神经网络技术，统计使用穴位按摩对分娩疼痛的镇痛效果、产程时间、按摩的范围、速度、力度、时间、按摩前后产妇的感受、宫缩期、间歇期宫缩压力等及对产科质量的影响，将各相关因素的最优资料，最终形成一个信息软件。

参考文献

[1]谭冠先主编.疼痛诊疗学.[M].北京:人民卫生出版社,2000:4-10.

[2]段芳,徐亮,黄新.人工神经网络在医学中的应用[J].九江医学,2008,23(2):90-92.

[3]刘婧,刘弘.人工神经网络模型的对比分析及应用研究[J].信息技术与信息2007,2(7):75-77.

[4]李敬民,盛林叶.基于人工神经网络的自适应系统研究[J].软件导刊,2009,8(7):76-77.

[5]阎平凡,张长水.人工神经网络与模拟进化计算.第二版.[M].北京:清华大学出版社,2005:3-6.

[6]黄亚明,何钦成,王孝宁等.基于神经网络的卫生科技人员科研业绩评价[J].中国卫生统计,2004,21(2):14-16.

[7]ABriefOverview.http://www.statsoft.com/products/stat_nn.Html(AccessedDec.6,2004).