講義ch15 實務論文反饋教學應用類神經網路於中老年人糖尿病鑑別(nssse2014) by insight ewpg

實務論文反饋教學應用類神經網路於中老年人糖尿病鑑別

摘要 2

 本文運用「類神經網路」針對中年及銀髮族一般健康檢

查報告中，與糖尿病有所關聯的健檢數據，進行分析，透過類神經網路，可鑑別出患有糖尿病的受檢人，讓未發現本身可能已是糖尿病的受檢人，可以因鑑別後的結果，提早使其接受完善的糖尿病治療。而已患有糖尿病的病患，可透過篩選後的結果，得知自己的病情控制的情況是否良好，並將其資料提供給醫生或醫護人員針對病情的問題點給與適當的治療。本文透過「類神經網路」提供醫療人員中老年人更準確的糖尿病鑑別。

2014/5/28

II.類神經網路 3

類神經網路由許多平行運算的簡單單元所組成。它類似於生物神經系統。在自然界中，類神經網路功能大多數由在單元間的連結所決定。藉由調整在連結單元間上的加權值，來訓練類神經網路去執行一個特定的功能。經由訓練和調整類神經網路，使得一個特別的輸入導引至一個特定的目標輸出。基於輸出和目標的比較來調整網路，直到網路輸出符合目標[8]。 2014/5/28

II.類神經網路 4

輸入：利用類神經網路的特性，從「國民營養健康狀況變遷調查」[9]的健檢項目中，共有25項檢查項目，包含可篩選檢驗出的疾病內容有糖尿病、肝腎疾病、高血壓、高血脂、代謝疾病等，挑選其中與糖尿病相關的9個檢測項目，使用超過1900筆的檢驗數據來進行訓練。

2014/5/28

II.類神經網路 5

輸出：利用健檢的結果，初步進行對於與確定患有糖尿病、可能患有糖尿病，及無患有糖尿病進行篩選。將已患有和可能患有糖尿病，列為「1」，而無患有糖尿病，則為「0」。

2014/5/28

III.類神經測試 6

利用MATLAB/NNTOOL的工具程式，以不同的神經元數來進行訓練及模擬。內容組別

類神經結構

訓練組數

均方根RMS

一

9-10-1

1000

0.0866

二

9-15-1

1000

0.1531

三

9-25-1

1000

0.0534

四

9-30-1

1000

0.0805

五

9-40-1

1000

0.0737

測試組數 300 600 900 300 600 900 300 600 900 300 600 900 300 600 900

成功率 (%) 93.06 94.45 93.99 94.05 92.35 92.46 93.72 94.02 93.13 94.05 95.62 95.79 93.39 94.62 94.35

2014/5/28

IV.分析結果與討論 7

透過各組測試的數據進行分析與討論。從五個組別中來看，第二組從均分根來看，很明顯的比其他組別的差距大上許多，從圖一來看，在進行測試時，訓練(Training) 結果所呈現的圖形並不佳，雖然在測試(Test)及驗證(Validation)圖形分析十分接近理想測試結果，但在整體(All)圖形上，結果偏差較大，所以，這一組的測試並不是非常成功。因此，在結果分析中，就不做與第二組評比的分析。

第二組：類神經結構(9-15-1)

IV.分析結果與討論從兩種不同的訓練樣本來測試成功率(準確率)來進行對比分析。 8 從類神經結構中，可以發現雖訓練筆數相同，測試組數亦不變，但呈現出來的結果卻是有些許差距，從第三組的訓練結果可以看得出來，它的均方根 (RMS)準確度雖比第一組高，但在測試的時候，不同比數，所測出來的結果並沒有比第一組的成功率來的穩定。第一組：類神經結構(9-10-1)

第三組：類神經結構(9-25-1)

2014/5/28

IV.分析結果與討論 9

 從第四組來看，類神經結構(9-40-1)中，訓練(Training)呈現的圖形是接近45度角的狀態，而測試(Test)及驗證(Validation)圖形也是類似的結果，因此，整體(All)圖形上，結果呈現是接近理想的狀況。  但從類神經結構(9-30-1)中(第三組)，測試(Test) 圖形幾乎貼近45度角狀態，雖然驗證 (Validation)圖形的狀況並未比第四組的驗證(Validation)圖形來的好，但在整體(All) 圖形，也與第四組的結果類似。  因此我們可以推測出，穩定的測試(Test)結果，能使成功率較穩定。測試出來的結果，也更為準確。故在多組的類神經網路測試下，較為建議採用9-30-1的類神經網路結構。

第四組：類神經結構(9-30-1)

第五組：類神經結構(9-40-1)

2014/5/28

V. 結論 10

 本文透過不同的類神經網路結構，並使用不同的健檢數

據進行多次測試，以類神經網路結構(9-30-1)的組合所測驗出的結果較為穩定且理想。以亂數且不分性別的中老年人數據資料分別用不同筆數於類神經網路結構(930-1)進行測試訓練，可以發現到這樣的結構下所做的糖尿病鑑別成功率較高。  本文的成果，可運用在糖尿病的鑑別上，使用上也較方便且迅速，能作為醫療人員有效的輔助參考，具有實用價值。

2014/5/28

台灣

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

國立金門大學

應用類神經網路於中老年人糖尿病鑑別江昭龍 a,*、李蕙舫 b 南開科技大學電子工程系(所) a, b

摘要 —本文運用「類神經網路」針對中年及銀髮族一般健康檢查報告中，與糖尿病有所關聯的健檢數據，進行分析，透過類神經網路，可鑑別出患有糖尿病的受檢人，讓未發現本身可能已是糖尿病的受檢人，可以因鑑別後的結果，能提早使其接受完善的糖尿病治療。而已患有糖尿病的病患，可透過篩選後的結果，得知自己的病情控制的情況是否良好，並將其資料提供給醫生或醫護人員針對病情的問題點給與適當的治療。本文利用「類神經網路」可提供醫療人員一種對於中老年人是否罹患糖尿病有效及準確的鑑別方式。1 關鍵詞：醫療資訊、類神經、糖尿病。

一、前言根據 2012 年衛生福利部國民健康署統計國人十大主要死因依序為(1)惡性腫瘤；(2)心臟疾病（高血壓性疾病除外）；(3)腦血管疾病；(4)肺炎；(5)糖尿病；(6)事故傷害；(7)慢性下呼吸道疾病；(8)高血壓性疾病；(9) 慢性肝病及肝硬化；(10)腎炎、腎病症候群及腎病變 [1]，及從行政院衛生署國民健康局與中華民國糖尿病學會共同編著「糖尿病防治手冊」中提到自 2002 年起，糖尿病一直是名列前頭的國人十大主要死因[2]，糖尿病也會帶來其他合併症，如腦血管疾病、心臟疾病等。而嚴重的糖尿病患者還會面臨因病情惡化的關係，導致失明、截肢或陷入長期洗腎等狀況。隨著醫療知識及生活水平日漸提高，大眾開始對於預防勝於治療的觀念加重，對於定期的身體健康檢查也開始重視，但繁瑣的身體健檢費用也相對的昂貴，並不是每個人都願意支付高額的經費，進行這類的健康檢查。大部份的人會透過學校、公司、健保成人預防保健，來進行定期的身體健康檢查。一般來說，普遍性的健檢內容包括臨床一般檢查(如身高、體重、脈搏等)，血液常規檢驗、尿液常規檢驗、肝功能檢查、糖尿病檢查、腎臟功能檢驗、血脂肪檢驗等，其中，尿液常規檢驗與糖尿病檢查，可以讓受檢人得知目前自己的身體狀況，過程簡易不繁雜，快速又實用。本文採用人工智慧理論中「類神經網路」來建立類神經醫療模型，透過這組系統，代入一般大眾定期健檢後的數據，進行篩選，有效幫助民眾實踐「提早發現，早期治療」的理念，也讓受檢者可以透過這套系統，看懂檢驗結果，同時，可以快速提供醫護人員對受檢者進行說明，並可以作為協助醫師專業診斷的輔助參考。

本研究由國科會贊助，計畫編號 NSC 100-2632-E-252-001-MY3。

二、糖尿病的定義 2.1 關於糖尿病碳水化合物、醣類及澱粉類等食物皆是人體活動需要的能量來源，當人體本身失去了將攝取的營養轉化為能量的時候，就表示罹患了糖尿病。在醫學上，糖尿病稱為「diabetes mellitus」。糖尿病的特徵為血液中出現持續不正常的高糖份(醫學界稱為「高葡萄糖血漿」， elevated plasmaglucose)。罹病最主要的特徵為多食(易飢餓)，多尿(排尿次數多)，多喝(異常口渴)及體重異常減輕，有這種種的症狀發生時，那就表示可能罹患糖尿病。糖尿病常被視為新陳代謝失調。正常人的身體中，碳水化合物轉換成葡萄糖和其它單醣是透過胃和小腸。葡萄糖會藉由血液循環將能量帶入身體的各個部位，比如肝臟、肌肉和脂肪細胞，然後可立即的轉換為能量，或是儲存起來供以後使用。這些能量透過身體機能的運作轉為動力，讓人體可以不斷維持正常體溫。一個患有糖尿病的人，身體上的運作機能一樣可以將碳水化合物轉換成糖份，透過血液將能量傳送出去，但葡萄糖無法進入細胞，整個新陳代謝的系統就完全停頓了。因糖尿病患者的身體，可能有以下兩種的情形發生：一種是體內的胰島素無法分泌，或者是分泌不足。另一種是胰臟分泌出來的腺素無法正常運作。以上的情形，任何一種發生了，都會造成新陳代謝系統失常。也因為這樣葡萄糖就無法透過血液運送產生能量了。糖尿病分為兩大類型，如下： (1)第一類型糖尿病：在醫學界上被稱為青少年型糖尿病(juvenile diabetes)，因醫生認為此種疾病只會發生在兒童或青少年身上，而後，醫生又發現雖大多數的病例是於二十歲以下的病人身上發現，但任何年齡層的人都有可能患有第一類型糖尿病。這類型的病患也容易患有併發症的機會是非常高的，比如高血糖症 (hyperglycemia，血糖太多)或低血糖症(hypoglycemia，血糖太少)，這兩種併發症。第一類型的病患也可能會發生丙酮酸血症的危險。專家們認為第一類型糖尿病為自體免疫(autoimmune)問題的疾病，屬於遺傳性。所以通常第一類型糖尿病的病人需要依賴注射胰島素來維持他們體內糖份的新陳代謝。 (2)第二類型糖尿病：這類型的疾並被稱為不需依賴胰島素之糖尿病(non-insulin-dependent diabetes)，正式名稱為成人型糖尿病(adult-onset diabetes)，或是成熟性糖尿病(maturity-onset diabetes)。但專家們指出年齡並不是

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

這種類型糖尿病可靠的指標，任何年齡都可能患有這類的疾病。第二類型糖尿病大多發生在中年以上的成人身上。這類的病人之中有五分之四有體重過重的現象，大部份都是在糖尿病之前，體重就已過重。一般來說，長期性的肥胖者對碳水化合物有高度的吸收能力，相對體內葡萄糖的新陳代謝作用就變成是很沉重的負擔。同時，肥胖會造成細胞表面的胰島素受體(receptor)反抗胰島素，而降低體內胰島素的敏感度，使得這些細胞無法從血液中攝取葡萄糖，而導致糖尿病。第一類型與第二類型糖尿病症狀相似，包括：頻尿、易渴、易餓、經常感覺疲勞、視力模糊不清、下肢有麻痺或刺痛或有灼熱的感覺、傷口癒合很緩慢或有發炎的情形、性器官上男性會發生陽痿、女性會有黴菌感染的情形。這些許多癥狀往往非常輕微，或是看起來像是其他疾病，甚至有些病例是沒有任何癥兆出現。不過有的癥狀可能要等上好幾年才會顯現出來。其實除了第一類型糖尿病和第二類型糖尿病以外，還有其他因葡萄糖異常的類型，雖說稱不上糖尿病，但有可能是糖尿病先期癥兆，如：糖尿病的高危險群患者 (increased for diabetes) 、葡萄糖耐性異常 (impaired glucose tolerance)，次發性糖尿病(secondary diabetes)以及妊娠期糖尿病(gestational diabetes)[3]。 2.2 糖尿病檢測方式糖尿病檢測最主要的方法是透過血糖量測，一般正常值的血糖應如表Ⅰ所示：表I 血糖量測基準值時間/血糖值飯前空腹飯後 2 小時晚上睡前

正常人的血糖值 70-100 mg/dL 小於 140 mg/dL 小於 120 mg/dL

糖尿病病人應控制值 90-130 mg/dL 小於 180 mg/dL 110-150 mg/dL

除了血糖的檢測之外，尿酮也是一個檢測是否患有糖尿病的方式。當我們的身體缺乏胰島素的時候，在糖分無法進入細胞轉換為熱能，就得分解脂肪作為燃料，在分解脂肪的過程中，會釋放酸性物質叫做“酮體＂，酮體由尿中排出即為尿酮，因此，當出現尿酮即表示糖尿病控制不好。這項檢查施作的時間點在(1)有噁心、嘔吐等症狀時(2) 遇有外傷、感染症、或大手術時(3) 早上空腹血糖濃度超過 250 mg/dL 時或任意時間血糖大於 300 mg/dL[4]。 2.3 關於中老年人的糖尿病特色隨著年齡增高而增加，年紀一旦超過 40 歲，100 人中有 5~12 人會出現糖尿病。台灣地區的糖尿病患者，尤其中老年病人，近幾年有增加的趨勢。據 1997 年行政院衛生署委託辦理完成之，國民營養調查發現，糖尿病的盛行率在 45 歲以上的人口為 11%，65 歲以上則增為 22%[12]。主要原因可能是飲食習慣的改變，大家吃得多、運動少和體重增加的緣故[10]。根據美國第二次全國健康與營養調查(NHANES II)和佛拉明罕(Framingham)

台灣

國立金門大學

報告，體重過重或肥胖者，糖尿病罹患率是正常體重者兩倍，以腰臀圍比例偏高者，所謂中廣型的身材更容易得糖尿病。 65 歲以上糖尿病盛行率約為 20%，而多數銀髮族自己並不知道本身患有糖尿病。因年紀愈大，胰島素作用愈差，胰島素分泌也漸漸減少。瘦的老年糖尿病人是因胰島素分泌不足，胖的病人則是胰島素功能不足。在醫學臨床上，老年人患有糖尿病，常因無明顯的症狀或僅有非特異性症狀，而這些症狀常被醫師或病人本身解釋為正常老化現象。典型糖尿病三多症狀在老年人糖尿病常不出現，因此容易遭到病情誤判的情形。多尿的症狀在老年糖尿病常較輕微，因為老年人腎臟的葡萄糖閾值較高，縱使有症狀也常被誤為膀胱無力，前列腺肥大；多喝的症狀也較輕微，除老人腎臟葡萄糖閾值較高外，老人的渴感機轉也較遲頓。一般老年人的食慾較差，因此縱使得了糖尿病，多吃的症狀也不明顯。至於體重減輕，和疲倦的症狀也容易被忽視，因此老年人糖尿病常為 “ 未診斷糖尿病＂ (Undiagnosed diabetes) 或延遲診斷，所以，在發生急性併發症譬如糖尿病高血糖高滲透壓非酮酸性昏迷後才診斷，或診斷時已有明顯的糖尿病併發症或相關疾病如神經病變，視力模糊，腎功能不全，心臟衰竭，腦血管，心血管或周邊血管疾病等 [12]。根據一項美國的調查，成年人糖尿病的初發病例中約有 80%是肥胖的人。而中老年人容易得糖尿病的原因(1) 有糖尿病家族史；(2)肥胖，特別是中央型肥胖；(3)高血壓；(4)高三酸甘油酯血症；(5)活動力不足的老年人。老年糖尿病人死亡率較同年齡層高 2.5 倍，70%死於心血管疾病，老年糖尿病人的其他罹病率也較同年齡層高 2~3 倍。罹患糖尿病的老年人與同年齡層比較，老年糖尿病人罹患高血壓、肥胖和高膽固醇血症的盛行率較多。所以也較容易併發大小血管併發症[11]。 2.4 糖尿病其它併發症糖尿病在國人十大死因中一直無法退去的主要原因可能是來自生活品質提高，國人攝取營養過量，又經常將甜份含量高或鈉含量高的食品飲料吃進肚裡，導致身體無法正常進行新陳代謝，疾病因此接踵而來，所以患有糖尿病的患者，常常會因為飲食控制不確實，而引發其它併發症狀。腎臟方面的疾病是較常發生的併發症之一，腎臟病的初期，因高血糖造成腎絲球過濾速率增加，使得腎絲球肥大及增生，腎絲球基底膜開始出現病變，血中一些有用的蛋白質會漏出至小便中排出，因此，出現早期糖尿病腎病變的尿蛋白。當較後期時，腎臟的過濾功能逐漸損害，無法清理如尿素，及肌酸酐類的身體中有害物質時，就會造成血中尿素氣，肌酸酐的上升，最後導致腎臟功能衰竭[5]。除了腎臟病之外，另一項糖尿病併發症為心血管疾病。膽固醇過高對身體本身是個警訊，因為膽固醇不溶於水，為了在體內運送膽固醇到全身各處時，必須由脂

台灣

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

肪酸與蛋白質將膽固醇包起來，形成脂蛋白膽固醇。所謂的低密度脂蛋白膽固醇，就是壞的膽固醇，它在血中的濃度愈高，容易發生血管栓塞，心血管疾病、腦中風發生的機會便愈大。相反地，高密度脂蛋白膽固醇則有保護作用，是用於將全身的膽固醇運回肝臟代謝。於是降低了心血管疾病、腦中風發生的機會。大部份糖尿病的病友較屬於體型中廣或是過重的情形，因此，在身體裡的膽固醇含量，會比一般體型的人來得較多。對於患有糖尿病較久的病友來說，或多或少都有末稍循環或神經病變的問題，若從事較激烈的運動，可能會產生不利的後果，又如果下肢血液循環不甚良好，會因步行較久而引起缺氧現象，而發生疼痛的現象。另外，糖尿病也使得神經感覺變的比較遲鈍，故受傷的機會也慢慢增高。有時明顯的神經病變可造成腳部痛覺不敏感，且傷口不易癒合，進而發生受傷而不知，延誤治療[6]。

三、研究方法本文運用一般健檢資料中整理出糖尿病相關的檢測項目，透過類神經網路，來判斷受檢人本身是否罹患糖尿病。在「國民營養健康狀況變遷調查」[9]中，提到目前國內中老年人較容易罹患的糖尿病、中風、心血管疾病都是在代謝症候群裡可以發現這些疾病的端倪。依行政院衛生暑 2006 年之判定標準中，列出腰圍、血壓、高密度脂蛋白膽固醇、空腹血糖值、三酸甘油脂，以上五項中，若有包含三項或以上即可判定為代謝症候群[9]。

國立金門大學

1. 空腹血糖：是診斷代謝症候群的基準，數值過高會引發糖尿病、肝病、肥胖等。數值過低時，則導致高胰島素症、腎症腺功能不全等。 2. 血中尿素氮：數值偏高時，產生腎衰竭或腎炎等功能障礙、脫水、腸胃道出血、糖尿病、蛋白質攝取過量等。數值偏低時，則會有肝臟損傷、尿崩症等。 3. 肌酸酐：與血中尿素氮同時檢驗，數值偏高會出現腎衰竭等腎功能障礙、脫水、巨人症或尿道閉塞等疾病。偏低則會肌肉萎縮症、尿崩症等。 4. 總膽固醇、高密度脂蛋白膽固醇、低密度脂蛋白膽固醇：當數值出現異常時，會產生脂肪肝、閉塞性黃疸、甲狀腺機能減退、腎病症候群、糖尿病等。 5. 三酸甘油脂：數值過高，可能導致肥胖、糖尿病、腎病症候群等。 6. 尿糖：呈現陽性反應時，會出現糖尿病、腎臟病、荷爾蒙異常等症狀。 7. 尿蛋白：陽性反應出現時，可能患有腎炎、糖尿病、痛風、結石、血液相關疾病等。相關檢測項目基準值，如表Ⅱ：表Ⅱ 相關檢測項目篩檢項目空腹血糖(mg/dL) 血中尿素氦(mg/dL) 肌酸酐(mg/dL)

基準值 110mg/dl 以下 8~23mg/L 男：1.1mg/dl 以下女：0.8mg/dl 以下 120~220mg/dl 35~150mg/dl 40mg/dl 以下 140mg/dl 以下陰性(-) 陰性(-)

3.1 認識類神經網路「類神經網路(Neural network)」興起於 1950 年代，由魯森伯雷特(Rosenblatt)提出感知機的模式，而開起了類神經網路的研究發展史。直到 1980 年代，魯哈特 (Rumelhart) 、希爾頓 (Hinton) 、威廉 (Williams) 三位學者，以類神經網路的架構，提出一種將輸出誤差，利用網路「倒傳遞演算法(Back-propagation)」解決數學上 Exclusive-OR(XOR)的問題。之後的二十年，類神經網路研究已成功應用於樣本識別、機器學習、診斷、探勘、決策等領域上[7]。類神經網路由許多平行運算的簡單單元所組成。它類似於生物神經系統。在自然界中，類神經網路功能大多數由在單元間的連結所決定。藉由調整在連結單元間上的加權值，來訓練類神經網路去執行一個特定的功能。經由訓練和調整類神經網路，使得一個特別的輸入導引至一個特定的目標輸出。基於輸出和目標的比較來調整網路，直到網路輸出符合目標[8]。

另外「國民營養健康狀況變遷調查」[9]的報告中也針對各接受施測對象記錄身高體重，可依 BMI 公式計算出該對象之 BMI 值是否超標，過度的肥胖容易引發其他疾病，如：高血壓、糖尿病、血脂肪異常等疾病，因涉及疾病的成因較廣，故不納入本文輸入項目之中。

3.2 輸入利用類神經網路的特性，從「國民營養健康狀況變遷調查」[9]的健檢項目中，共有 25 項檢查項目，包含可篩選檢驗出的疾病內容有肝腎疾病、高血壓、高血脂、代謝疾病等，其中挑選出與糖尿病相關的 9 個檢測項目，使用超過 1900 筆的檢驗數據來進行訓練。

3.4 類神經測試利用 MATLAB/NNTOOL 的工具程式，以不同的神經元數來進行訓練及模擬。本次測試使用 1900 筆檢驗數據當中隨機的 1000 筆資料當作為訓練樣本，並把其他非訓練組的資料當作測試組，分別以隨機選取測試組當中的 300、600 及 900

總膽固醇(mg/dL) 三酸甘油脂(mg/dL) 高密度脂蛋白膽固醇(mg/dL) 低密度脂蛋白膽固醇(mg/dL) 尿糖尿蛋白

3.3 輸出利用健檢的結果，初步進行對於與確定患有糖尿病、可能患有糖尿病，及無患有糖尿病進行篩選，將已患有和可能患有糖尿病，列為「1」，而無患有糖尿病，則為「0」。

台灣

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

筆，送入訓練過後的類神經程式內進行測試。分析結果如表Ⅲ所示。表Ⅲ 類神經的分析結果內容組別

類神經結構

訓練組數

均方根 RMS

一

9-10-1

1000

0.0866

二

9-15-1

1000

0.1531

三

9-25-1

1000

0.0534

四

9-30-1

1000

0.0805

五

9-40-1

1000

0.0737

測試組數

成功率 (%)

300 600 900 300 600 900 300 600 900 300 600 900 300 600 900

93.06 94.45 93.99 94.05 92.35 92.46 93.72 94.02 93.13 94.05 95.62 95.79 93.39 94.62 94.35

從兩種不同的訓練樣本來測試成功率(準確率)來進行對比分析。從類神經結構中，可以發現雖訓練筆數相同，測試組數亦不變，但呈現出來的結果卻是有些許差距，從第三組的訓練結果可以看得出來，它的均方根(RMS)準確度雖比第一組高，但在測試的時候，不同比數，雖然訓練(Training)和測試(Test)的結果佳，但驗證(Validation) 圖形(圖三: 類神經結構(9-25-1), Validation: R=0.88935) 卻顯得差距較大，所以測出來的結果並沒有比第一組 (圖二: 類神經結構(9-10-1) , Validation: R=0.92863)的成功率來的穩定。

四、類神經分析結果與討論透過各組測試的數據進行分析與討論。從五個組別中來看，第二組從均分根來看，很明顯的比其他組別的差距大上許多，從圖一來看，在進行類神經結構(9-15-1) 測試時，訓練(Training)結果所呈現的圖形並不佳，雖然在測試(Test)及驗證(Validation)圖形分析十分接近理想測試結果，但在整體(All)圖形上，結果偏差較大，所以，這一組的測試並不是非常成功。因此，在結果分析中，就不做與第二組評比的分析。

圖一：類神經結構(9-15-1)

4.1 第一組與第三組結果分析

國立金門大學

圖二：類神經結構(9-10-1)

圖三：類神經結構(9-25-1)

4.2 第四組與第五組結果分析

台灣

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

國立金門大學

上，結果呈現是接近理想的狀況。但從類神經結構(9-30-1)中，如圖五測試(Test) 圖形幾乎貼近 45 度角狀態，雖然驗證(Validation)圖形的狀況並未比圖四的驗證(Validation)圖形來的好，但在整體 (All)圖形，也與圖四的結果類似。因此我們可以推測出，穩定的測試(Test)結果，能使成功率較穩定。測試出來的結果，也更為準確。故在多組的類神經網路測試下，較為建議採用 9-30-1 的類神經網路結構。

結論本文透過不同的類神經網路結構，並使用不同的健檢數據進行多次測試，以類神經網路結構(9-30-1)的組合所測驗出的結果較為穩定且理想。以亂數且不分性別的中老年人數據資料分別用不同筆數於類神經網路結構 (9-30-1)進行測試訓練，可以發現到這樣的結構下所做的糖尿病鑑別成功率較高。本文的成果，可運用在糖尿病的鑑別上，使用上也較方便且迅速，能作為醫療人員有效的輔助參考，具有實用價值。圖四：類神經結構(9-40-1)

致謝本文承國科會 ( 計畫編號 NSC100-2632-E-252-001MY3)支持研究經費謹此致謝。參考文獻

圖五：類神經結構(9-30-1)

雖說第四組與第五組所測出的結果差異並不大，但在測試的組數中，可以看到相同的測組數，在第五組當中，600 組的測試比第四組中 600 組的測試來的穩定，兩組的成功率都是不錯的成果，但就整體來說第四組的測試中，不管是 300 組、600 組或 900 組，所得到的成功率較為理想。從圖四來看，類神經結構(9-40-1)中，訓練(Training) 呈現的圖形是接近 45 度角的狀態，而測試(Test)及驗證 (Validation)圖形也是類似的結果，因此，整體(All)圖形

[1] 衛生福利部國民健康署，行政院衛生署，2013 / 06 / 06 http://health99.hpa.gov.tw/Hot_News/h_NewsDetailN.aspx?T opIcNo=6798 [2] 行政院衛生署國民健康局與中華民國糖尿病學會，糖尿病防治手冊，2003 [3] 牛自健譯，Paula Brisco著，認識糖尿病，1999 [4] 臺中榮總新陳代謝科衛教資訊-血糖、尿糖及尿酮之自我血糖監測， 2011/09/07 [5] 李洮俊醫師，慢性合併症-腎臟病變，全民糖尿病觀測站，2011/12/28 http://www.diabetes.org.tw/wddt_heduc01.jsp?P_TNO=EDU C990070003&P_HCTG=G [6] 王治元醫師，糖尿病醫師的小叮嚀-心血管疾病，全民糖尿病觀測站，2011/12/28 http://www.diabetes.org.tw/wddt_heduc01.jsp?P_TNO=EDU C990070002&P_HCTG=G [7] 蒙以正，Matlab入門與精進，2003/08 [8] 羅華強，MATLAB5.3 SIMULINK3.0範例入門，2001/4 [9] 民國93-97年度國民營養健康狀況變遷調查 [10] 糖尿病手冊 (中華民國糖尿病協會) http://www.dryahoo.org.tw/%E6%AC%A1%E7%B6%B2%E9%A0% 81/%E8%A1%9B%E6%95%99%E8%B5%B0%E5%BB%8A/%E5% 85%A7%E7%A7%91/%E7%B3%96%E5%B0%BF%E7%97%85.ht m

[11] 老年人糖尿病的特色，高醫醫訊， 2 0 0 7 / 0 4 http://www.kmuh.org.tw/www/kmcj/data/9604/8.htm [12] 糖尿病防治手冊 (糖尿病預防、診斷與控制流程指引)，行政院衛生署國民健康局，2003/12

講義ch15 實務論文反饋教學 應用類神經網路於中老年人糖尿病鑑別(nssse2014)

講義ch15 實務論文反饋教學應用類神經網路於中老年人糖尿病鑑別(nssse2014)