楊雨諾，張國林，孫科學,2,3，成謝鋒,2,3

(1.南京郵電大學 電子與光學工程學院，江蘇 南京 210023；2.南京郵電大學 信息電子技術國家級虛擬仿真實驗教學中心，江蘇 南京 210023；3.射頻集成與微組裝技術國家地方聯(lián)合工程實驗室，江蘇 南京 210023)

0 引 言

心音模式識別是信息科學和人工智能的一個交叉應用領域，作為一種自然信號，心音信號應用于聽診輔助治療已經有相當悠久的歷史。它是醫(yī)療領域中一種重要的人體生理信號，具備獨特性和可采集性且不容易被模仿或復制[1-2]。

深度學習是機器學習的一種延伸，其基礎概念在2006年和2007年由Geoffrey Hinton提出并發(fā)表于《Sciences》，深度學習是受到人類大腦結構啟發(fā)的一種基于對數(shù)據(jù)進行表征學習的神經網(wǎng)絡算法加之模型深度的增加發(fā)展。類似一張圖片的觀察值可以通過各種方式來表示，例如以更加抽象的方式表示為指定形狀的區(qū)域、一系列邊，或者單個像素強度值的向量。如果使用人臉識別或面部表情識別[3]等特定的表示方法，則會讓實例中的學習任務更加高效。深度學習的一個顯著優(yōu)勢是其可以通過非監(jiān)督式和半監(jiān)督式的特征學習及分層特征提取高效算法來替代效率相對低的手工提取方法[4]。

深度學習框架現(xiàn)在已經出現(xiàn)了很多種形式，例如深度神經網(wǎng)絡、卷積神經網(wǎng)絡和深度置信網(wǎng)絡和遞歸神經網(wǎng)絡，在圖像處理和計算機視覺、語音識別與自然語言處理、音頻識別與生物信息學等領域均取得了很好的應用效果。

文中分析了深度學習算法和深度信任網(wǎng)絡在心音識別方面的應用，并以深度信任網(wǎng)絡作為模型[5]，結合進程擇優(yōu)算法構建一種基于深度學習網(wǎng)絡的心音信號分析識別平臺。為了完成深度學習網(wǎng)絡模塊的設計，首先解決心音傳感器的無線通信問題，制作了無線心聲檢測裝置。通過心音深度學習網(wǎng)絡的構建實現(xiàn)了一種可拓展的心音智能分析實驗平臺。

1 設計思路及原理

心音采集模塊的設計思路是循環(huán)結構與順序結構相結合。具體為當一路心音信號采集成功后，將得到的心音信號首先通過小波去噪進行處理[6-8]。之后使用LabVIEW軟件中已有的FFT譜分析控件與功率譜控件將經過處理的心音信號的FFT譜與功率譜各自顯示在計算機前面板上。到此即完成了一路信號的采集與分析工作。

在上述工作完成后，還可以搭建心音身份識別系統(tǒng)的搭建[9-11]，只需要添加數(shù)據(jù)處理模塊和身份識別模塊即可。通過使用低頻加強型梅爾倒譜系數(shù)和頻域分段相關系數(shù)的算法，可以在數(shù)據(jù)處理模塊中完成心音信號的特征參數(shù)提取，通過矢量化歐氏距離和S1、S2信號最小相關距離對采集的信號進行確認識別以實現(xiàn)識別模塊的功能。

研究平臺流程如圖1所示。

圖1 系統(tǒng)流程

將心音采集器采集的心音信號經過去噪，包絡截取放大，周期心率計算及頻域分析等步驟實現(xiàn)采集模塊的功能。將采集模塊得到的數(shù)據(jù)傳入到心音識別模塊，其主要由數(shù)據(jù)處理模塊和身份識別模塊組成，信號的特征提取由數(shù)據(jù)處理模塊完成，并在處理完成后建立特征數(shù)據(jù)庫；身份識別模塊對心音信號特征數(shù)據(jù)的分類識別通過兩種算法完成，識別率使用決策層融合算法來提高。采集模塊采集到的數(shù)據(jù)不需要像傳統(tǒng)方法一樣進行預處理，可以直接傳輸?shù)缴疃葘W習模塊以組成深度學習研究的平臺。

2 基于深度學習的心音智能分析平臺的構建

2.1 深度學習網(wǎng)絡模塊

通過多個受限玻爾茲曼機(restricted Boltzmann machine，RBM)的疊加可以構成深度信念網(wǎng)絡系統(tǒng)，并可以使用梯度下降法和反向傳播算法進行調優(yōu)。RBM的概率模型為：

(1)

E(x,h)=-bTx-cTh-hTwx

(2)

(3)

其中，x為可見層單元；h為隱層單元；Z為配分函數(shù)；E為能量函數(shù)；b和c為偏置；W為可見層單元和隱層單元之間的連接權重。

如果一個RBM網(wǎng)絡的各個隱層單元的狀態(tài)已知，則各個可見層的配置x對于隱層配置h的條件概率為：

(4)

其中，'表示轉置，式4可化簡為：

(5)

由于RBM為一個二分圖，層內沒有邊相連，因而隱層是否激活在給定可見層節(jié)點取值的情況下是條件獨立的。類似地，可見層節(jié)點的激活狀態(tài)在給定隱層取值的情況下也是條件獨立的。因為神經元二進制的特點，故當其被激活后(值為1)的概率分布為：

(6)

或者表示為：

P(hi=1|x)=sigm(ci+wix)

(7)

可見層的概率分布同理為：

P(xi=1|h)=sigm(bi+wih)

(8)

為了獲得理想的模型訓練效果，要讓測試得到的數(shù)據(jù)和模型得到的數(shù)據(jù)盡可能接近。即需要令訓練數(shù)據(jù)的對數(shù)概率和負對數(shù)概率分別最大化和最小化。其中負對數(shù)的數(shù)據(jù)較難獲得。因此，對模型進行抽樣。

抽樣次數(shù)應該盡可能多，在進行抽樣時需要給定可見層狀態(tài)，更新隱層，將隱層得到的數(shù)據(jù)返還給可見層從而更新可見層，依次循環(huán)，即

(9)

整個層會在每次迭代中進行更新。通過對初始化進行隨機處理，可以得到恰當?shù)某闃??？紤]到可實施性，初始化數(shù)據(jù)采用訓練樣本，一次迭代后，將更新的數(shù)據(jù)作為負樣本，這就是對比分歧算法。

對比分歧算法的弊端在于其是通過層之間數(shù)據(jù)對比來使數(shù)據(jù)實現(xiàn)收斂，進而來調整網(wǎng)絡權重，容易導致訓練誤差遞增?？芍疃葘W習系統(tǒng)結構并不是層數(shù)越多越好，其同樣存在一個最優(yōu)解。

深度學習主要具有以下特點[12-14]：

深度神經網(wǎng)絡是具備至少一個隱層的神經網(wǎng)絡，當前的隱層作為更高層的可見層。任一個RBM輸出數(shù)據(jù)和層之間權值的變化情況都僅取決于輸入數(shù)據(jù)，多出的層次為模型提供了更高的抽象層次，因而提高了模型的能力。

實驗表明，通過無監(jiān)督學習算法對網(wǎng)絡結構進行逐層預訓練可以取得較為理想的結果，逐層無監(jiān)督學習回避了有監(jiān)督學習所面臨的梯度傳播問題。深度學習的訓練過程分為自底向上的無監(jiān)督學習和自頂向下的有監(jiān)督學習，主要使用的學習算法包括：遷移學習算法、稀疏編碼對稱機算法、非線性變換算法、自然語音解析算法和深度費希爾映射算法等。

深度學習網(wǎng)絡中底層訓練速度最慢并且還擁有最大的誤差。由于使用隨機初始化的方法，最初的網(wǎng)絡權值隨機分布，初始的訓練誤差會很大且訓練速度也會比較慢。而由于使用了反向傳播，在計算梯度即誤差導數(shù)時，隨著網(wǎng)絡層數(shù)的遞增，梯度的幅值會逐漸減小，整體上權值變化的導數(shù)即趨勢會越來越緩。

深度學習網(wǎng)絡可以與任意一種分類器結合。與BP(back propagation)神經網(wǎng)絡的結合是現(xiàn)階段相對更理想的解決方案。在BP神經網(wǎng)絡中，信號是前向傳播，而誤差則是反方向傳播，其組成是一種多層結構的前饋神經網(wǎng)絡。

2.2 深度信任網(wǎng)絡

深度信任網(wǎng)絡(deep belief networks，DBN)是一種包含多層隱層單元的概率生成模型，可視為進行數(shù)據(jù)分類的多層簡單學習模型。深度信任網(wǎng)絡可以作為預訓練部分并提供初始權值，隨后提供反向傳播等算法進行調優(yōu)。深度信任網(wǎng)絡結構中的每一層都是標準的受限玻爾茲曼機，可以通過無監(jiān)督逐層訓練。

深度信任網(wǎng)絡是有監(jiān)督學習和無監(jiān)督學習的結合，這是由于BP神經網(wǎng)絡在深度學習網(wǎng)絡結構中作為最后一層，使得等級最高的隱層可以充當分類器的一部分，整體網(wǎng)絡以反向神經網(wǎng)絡進行訓練。BP神經網(wǎng)絡可以通過這種方法提供訓練成功率，加快收斂速度[15]。

深度信任網(wǎng)絡訓練步驟為：

(1)初始化一個多層的深度學習網(wǎng)絡，通過對比分歧算法對訓練數(shù)據(jù)進行訓練，并得到網(wǎng)絡各層的權值。對比分歧算法提供了一種最大似然的近似值，可以作為學習受限玻爾茲曼機的權重。

(2)搭建一個人工神經網(wǎng)絡，其節(jié)點數(shù)和隱層層數(shù)要和深度學習網(wǎng)絡保持一致，將通過深度學習網(wǎng)絡得到的權值賦予人工神經網(wǎng)絡的各個隱層。

(3)使用BP算法調試神經網(wǎng)絡，并構建一個符合要求的深度信任網(wǎng)絡。

與BP神經網(wǎng)絡的特點相同，深度信任網(wǎng)絡同樣擁有自組織性，對輸入的數(shù)據(jù)不作任何限制。深度信任網(wǎng)絡同時解決了BP神經網(wǎng)絡所具有的收斂速度偏慢的不足，理論上隨著隱層層數(shù)的增加，深度學習網(wǎng)絡可以更高效地學習到深層次特征，從而使系統(tǒng)的整體性能和網(wǎng)絡效率同時得到提高。然而BP神經網(wǎng)絡容易產生局部最優(yōu)解的弊端還無法得到很好的解決，與此同時，由于隱層層數(shù)的增加和訓練時使用層與層數(shù)據(jù)進行比較的原因，誤差也會逐層傳遞。因此主要的難點就是隱層層數(shù)以及隱層節(jié)點數(shù)應該如何設置以獲得理想的深度信任網(wǎng)絡性能。

2.3 心音識別模塊設計

心音識別模塊實現(xiàn)了待測心音與數(shù)據(jù)庫標準心音的最佳匹配功能，細節(jié)上又分為心音識別模塊和共振峰展示模塊。以下分別對兩個模塊進行介紹。

(1)心音識別模塊。

該模塊先載入待識別的心音文件和數(shù)據(jù)庫中的標準心音文件，分別對它們進行預加重和分幀加窗等的預處理，接著提取它們的MFCC特征參數(shù)，之后利用DTW匹配算法將得到的特征參數(shù)進行模式匹配，得到兩者的幀平均匹配距離，記錄下每次匹配的結果，最后比較所有距離，選取匹配距離最小的標準心音文件作為最終的匹配結果。系統(tǒng)的工作流程如圖2所示。

圖2 心音識別流程

(2)共振峰展示模塊。

心音共振峰展示模塊以圖形化的形式展示了現(xiàn)場待測心音和數(shù)據(jù)庫標準心音共振峰隨時間的變化情況，給用戶直觀的觀察，定性地反映兩者的差異。該模塊首先對現(xiàn)場待測心音和數(shù)據(jù)庫標準心音信號進行預處理，然后分別對它們進行快速傅里葉變換，提取它們的共振峰，通過Android圖表引擎AchartEngine將提取到的共振峰信息以圖形化的形式展示出來。工作流程如圖3所示。

圖3 心音共振峰的流程

3 基于深度學習的心音智能分析平臺的驗證

這里結合進程擇優(yōu)法[15]及深度學習網(wǎng)絡的快速設計方法構建一種可在自然環(huán)境下對心音信號進行分類處理的深度學習網(wǎng)絡。將本實驗室采集得到的800個健康心音信號與800個非健康(包括早搏心音)的心音信號組成數(shù)據(jù)庫，單個信號樣本時長大于等于3 s，采樣頻率均為4 kHz，使用上述樣本時無需任何的預處理操作。傳統(tǒng)心音識別中，心音信號必須先完成一系列繁雜的預處理過程，系統(tǒng)一次性能識別的心音信號數(shù)量也有嚴格限制。然而心音深度學習網(wǎng)絡平臺是面向自然環(huán)境下數(shù)據(jù)量大的心音信號，與傳統(tǒng)實驗方法相比，性能更加優(yōu)越，同時具備一定的工程應用性。

先從數(shù)據(jù)庫中隨機抽取800個樣本進行訓練，將剩余的樣本分為兩個庫進行測試，先后抽取的庫無任何交集以排除可能出現(xiàn)的干擾。

(1)構建一個2～6層，每層有20～300節(jié)點數(shù)的深度學習網(wǎng)絡，由訓練庫數(shù)據(jù)得到的層間重構誤差如表1所示。

表1 層間重構誤差

(2)經過上述操作后可發(fā)現(xiàn)，當每層有超過150個節(jié)點數(shù)時，重構誤差就會從第二層開始逐步增加。因此，將節(jié)點數(shù)部分減少后，每層的重構誤差也隨之降低，當單層節(jié)點數(shù)降至20節(jié)點后，第二層的重構誤差隨之下降到底層的10%以下。

(3)心音深度信任網(wǎng)絡的分類器選擇BP神經網(wǎng)絡。表2為2～6層，20～200節(jié)點數(shù)的心音深度信任網(wǎng)絡訓練誤差表。

表2 心音深度信任網(wǎng)絡的訓練誤差

結合訓練集誤差進行分析，對比可知每層60節(jié)點共三層的網(wǎng)絡結構性能最佳，其訓練誤差是0.022 9。

通過測試庫進行測試，采用最優(yōu)網(wǎng)絡結構對數(shù)據(jù)庫中的兩個測試庫進行測試所得誤差分別為0.107 3和0.097 7，同等測試環(huán)境下60-60-60-60的測試誤差則達到0.112 6和0.117 3，40-40-40(40節(jié)點三層)的測試誤差為0.127 2和0.114 8，100-100-100(100節(jié)點三層)的測試誤差為0.169 8和0.139 8。對比數(shù)據(jù)如表3所示，可以看到60節(jié)點三層的網(wǎng)絡結構準確度最高。

表3 四種網(wǎng)絡結構性能對比

4 結束語

本實驗平臺以LabVIEW語言作為研發(fā)搭建工具，結合MATLAB以及深度學習網(wǎng)絡開發(fā)一種模塊化的實驗平臺，實現(xiàn)對心音的采集、分析、處理并可以拓展到身份識別和深度學習等前沿領域的實驗和探索。心音深度信任網(wǎng)絡的研究對于快速構建一種深度學習網(wǎng)絡，增強在自然環(huán)境下心音識別算法處理大數(shù)據(jù)的性能，具有實際的意義。在以后的研究中還可以在身份識別和深度學習方面進一步優(yōu)化處理，使該平臺更加完善和實用。