基于BP神经网络对睡眠质量影响人体健康状况的研究
来源:用户上传
作者:
摘 要 我们对已收集的病人相关数据进行分类、筛选处理，通过对比不同疾病间睡眠指标的相关系数，基于BP神经网络的分类模型，研究各项指标与诊断结果的相关性。并对结果进行分析、总结，能做到：根据已有数据，对病人的身体状况做出准确的诊断，为各年龄段人群制定适当的睡眠计划，并做出评估。
关键词 逐步回归；BP神经网络；睡眠质量；SPSS
引言
据统计，大多数的现代都市人都有着不同程度的睡眠障碍，而睡眠是生命所必需的过程，它是机体复原、整合和巩固记忆的重要环节。睡眠质量的评价可分为主观评价和客观评价，主观评价又分为白天功能和夜间功能。目前，公认的客观评价标准是多导联睡眠监测，此外，还有夜帽、微动敏感床垫、便携睡眠检测仪等，不过其准确性还尚有待验证。主观评价方面，国内外失眠相关性的量表共约76种，需要根据量表特征与研究需要具体选择[1]。
如何拥有良好的睡眠质量、健康的身体状况，就成为我们今天要研究的课题。所以针对2017年APMCM亚太地区数学建模给出的相关数据，我们对以上各指标进行分析研究，通过控制小指标，来改善睡眠质量、保持身体健康。
1 模型建立
我们对各指标数据进行预处理后，基于逐步回归法建立分析模型[2]，对各指标进行筛选处理，剔除与睡眠质量无关的指标。利用SPSS Statistics软件分析睡眠质量与各指标之间的相关性，初步确定剔除的指标为：精神质指标和置信度。接着，我们基于BP神经网格建立睡眠质量分类模型，通过神经网络对睡眠各项指标与诊断结果的相关性进行研究：
为了更加准确的研究各指标对睡眠质量的影响程度，先对BP神经网络进行训练，其主要步骤[3]如下：
网络的初始化：根据输入、输出序列来确定网络输入层节点以及隐含层节点数，初始化输入层、隐含层和输出层与神经元之间的权值，再初始化隐含层及输出层阈值，给出学习速率和神经元激励函数。
隐函数输出：根据输入的向量，输入层与隐含层间连接权重以及隐含层阈值，计算隐含层的输出。
输入层输出：根据隐含层的输出，连接权值和阈值，并计算BP神经网络的预测输出。
误差分析：根据网络预测的输出和期望输出，计算出网络的预测误差。
权值的更新：根据网络的预测误差，更新网络连接权值。
阈值的更新：根据网络的预测误差来更新网络节点阈值。
接着就是判断算法的迭代是否结束，如果没有结束，则再次返回隐函数输出，继续训练。
训练结束后，便可以使用数据来对其进行验证。
2 模型求解
在BP神经网络预测可行后，便可以将指标数据代入神经网络，根据给出各个指标（性别、精神紧张状态、年龄、性格指标、入睡潜期、睡眠时间、安眠药等）参数准确定位患者患有的疾病。当然，也可以利用新收集的数据来检验此神经网络的可行性。
将诊断结果类型进行分类，排除已有的重复指标。同时，为了防止偏移过大，运用MATLAB软件，根据各诊断结果的相似度，综合分析所有小指标，确定诊断结果的种类。接着，计算出每一类诊断结果中各项睡眠指标的平均值，为了更加直观地看出各类指标与诊断结果的相关性，我们也可以利用相关作图软件对数据进行图形化转换。从三个角度考虑，建立相关性关系：各指标/睡眠质量、诊断结果/睡眠质量、各指标/诊断结果，并利用已经训练好的模型进行求解。最后，对比、分析三类相關性结果，得出各指标与诊断结果的直接关系以及其在结果中所占的影响系数权重，达到预期目标：可以根据指标数据来判断身体状况；再者可以大致为不同年龄段人群制定合理的睡眠计划。
3 研究结果
根据以上内容的分析可发现，各项睡眠指标可直接用于预测患者所诊断的疾病，因而睡眠计划的制定主要是通过改善各项睡眠指标，从而降低各种疾病的发病概率。即通过设立影响睡眠指标的小指标，并通过对小指标的改进，来降低各种睡眠指标的相关系数，以求降低疾病发生率。经过改进，部分睡眠计划如下：
少年及青少年：该人群相关系数中较高的指标是入睡潜期，即入睡到睡眠状态的缓冲阶段，因此对该类人群睡眠计划安排为：白天多做运动，适当缩短午睡时间，睡前放松，晚上10点前入睡，早上6点起，入睡前多放松，以轻松的心态快速进入睡眠状态。
青壮年及壮年：该人群相关系数中较高的指标是入睡潜期，睡眠时间，睡眠效率。因此该人群睡眠计划安排为：多做运动，缩短午睡时间，养成规律性入睡的习惯，适当加长睡眠时间，晚餐以碳水化合物为主，加餐水果；临睡前避免进食任何食物，早上可以适当早起，中午可以休息半小时（不可过长），晚上早睡，睡前可做适量运动，尽量减少安眠药的使用。
中老年及老年：该人群相关系数中较高指标有多个，如睡眠质量、入睡潜期、睡眠时间、睡眠效率、安眠药（人为因素），因此该人群睡眠计划安排为：减少每日安眠药使用量，多运动，养成早睡习惯，适当午睡，白天可以间歇性休息（间歇性休息，间隔时间视情况而定，不宜太长）。
4 结束语
本次研究课题通过建立各指标、睡眠质量和诊断结果三者间的相关性分析模型，再利用BP神经网络分类，得出影响睡眠质量的各类指标与诊断结果之间的关系及相关性强弱。由此，便可以通过改变不同指标的可控范围，来将睡眠质量调节为更好的状态，从而改善人体健康状况。同时，我们还可以做到，根据某个人已有的多指标值所在范围值，较为准确地判断此人所存在的健康问题，并为其制定合理的睡眠计划来改善身体状况。
参考文献
[1] 杨志敏.睡眠质量评价的现状与展望[J].世界睡眠医学杂志，2016， 3（4）：239-241.
[2] 苏倩. 基于逐步回归分析的隐匿性冠心病整体泵功能影响因素研究[D]. 天津：天津医科大学，2015.
[3] 王轶夫，孙玉军，郭孝玉.基于BP神经网络的马尾松立木生物量模型研究[J].北京林业大学学报，2013，35（02）：17-21.
转载注明来源:https://www.xzbu.com/1/view-14768215.htm
