支持向量机在细菌性阴道炎诊断中的应用

李杰 云南国土资源职业学院素质教育中心

沈栩竹 昆明冶金高等专科学校公共课部

1 引言

细菌性阴道炎（BV）是一种女性阴道菌群生态失衡引起的疾病，在临床妇科门诊中较为常见。目前在临床方面，通过对患者的阴道分泌物的综合症状判别来诊断BV。而在研究中，对革兰氏染色涂片打分来诊断BV。然而，BV的致病因素非常复杂，许多患者的症状并不明显。因此，采用更有效的诊断方法是十分必要的。通过阴道内的菌群来对BV进行诊断可认为是一种很复杂的非线性函数逼近过程，要能成功进行分类诊断，有必要采用能捕捉非线性变化规律的方法。支持向量机在理论上具有逼近全局最优的能力，对小样本和高维数据的处理能力较强。鉴于此，我们研究支持向量机作为分类器在女性细菌性阴道炎诊断中的应用。

2 支持向量机的原理

为了解决该优化问题，需引入Lagrange函数，并且转化为其对偶问题进行求。

3 基于支持向量机的BV诊断

把支持向量机用于BV疾病的诊断，数据来自于其他研究者的实验数据，网上下载地址:www.pnas.org/lookup/suppl/doi:10.1073/pnas.1002611107/-/DCSupplemental。样本数据是对阴道细菌的16rsDNA片段测序后获得的OTU（操作分类单元）数据。样本总数共计396个，其中97个样本判定患有BV疾病。每个样本中有282个细菌物种[6]。对数据预处理进行归一化操作，并选取多项式核函数。从BV和非BV样本中各取90%的样本组成训练集，剩余的样本组成测试集。总共进行100次，使用matlab 2016计算平台，编程实现调用了matlab自带的svmtrain和svmclassify 函数。结果如表1所示。从表1可以看出支持向量机针对本文中的数据集有较高的学习和测试准确率。因为支持向量机能通过核函数把非线性分类问题转化为线性可分问题，寻找到全局最优解。从而，支持向量机在具有小样本和非线性的分类问题中表现卓越。而在医疗诊断中，个体差异大，收集到的样本数量少，给疾病的诊断带来很大的困难。

而我们的研究表明，支持向量机在利用阴道菌群来诊断BV疾病的应用中有很大的潜力。

表 1 训练和测试的结果

4 结论

本研究表明利用支持向量机作为分类器来对女性的BV疾病进行诊断，准确率比较高。由于支持向量机在分类问题中的泛化能力较强，对样本的数据维度有较好的适应性，在其他医学疾病中的诊断也将会有很大的应用潜力。

[1] Fredricks, D. N., Fiedler, T. L., & Marrazzo, J. M.Molecular identification of bacteria associated with bacterial vaginosis[J]. New England Journal of Medicine,2005,353(18),1899-911.

[2] Amsel, R., Totten, P. A., Spiegel, C. A., Chen,K. C., Eschenbach, D., Holmes, K. K. Nonspecific vaginitis. Diagnostic criteria and microbial and epidemiologic associations[J]. American Journal of Medicine, 1983,74(1):14-22

[3] Nugent, R. P., Krohn, M. A., & Hillier, S. L.Reliability of diagnosing bacterial vaginosis is improved by a standardized method of gram stain interpretation[J]. Journal of Clinical Microbiology, 1991,29(2): 297

[4] Sain, S. R. The Nature of Statistical Learning Theory.Springer, 1995

[5] 阎威武,邵惠鹤.支持向量机分类器在医疗诊断中的应用研究[J].计算机仿真, 2003，20(2)：69-70