朱兆坤 李金寶

1(齊魯工業(yè)大學(山東省科學院)山東省人工智能研究院 濟南 250014)

2(黑龍江大學計算機科學技術(shù)學院 哈爾濱 150080)

3(黑龍江大學軟件學院 哈爾濱 150080)

阻塞性睡眠呼吸暫停(obstructive sleep apnea, OSA)是最常見的睡眠呼吸障礙，被國際睡眠障礙分類劃分為第二大類別睡眠障礙[1]，它通常是指睡眠過程中上呼吸道氣流周期性的部分或完全缺失[2].根據(jù)Senaratna等人[3]的統(tǒng)計，OSA在成人中占比在6%～17%之間，男性比例明顯高于女性且會隨著年齡的增長出現(xiàn)的比例會越高，在高齡人群中男性與女性OSA的占比分別高達90%與78%.當OSA發(fā)生時，體內(nèi)二氧化碳水平升高，促使患者頻繁蘇醒，影響睡眠質(zhì)量，導致容易困倦和疲勞[4].OSA也是導致高血壓、充血性心力衰竭、中風、糖尿病等醫(yī)學疾病的一個重要因素[5].因此，早期檢測與治療OSA是十分必要的.多導睡眠儀(polysomnography, PSG)是診斷OSA的黃金標準.使用PSG診斷OSA時，需要患者到專業(yè)的睡眠實驗室，在睡眠過程中佩戴多個傳感器，并在專業(yè)人員的指導下完成心電信號(electrocardiograph, ECG)、呼吸信號(respiration)和血氧飽和度信號(blood oxygen saturation, SpO2)等多種生理信號的采集.這些信號將會被睡眠專家人工分析與打分，形成最終的診斷結(jié)果.使用PSG檢測OSA存在耗時、花費高，以及檢測過程中會給患者帶來不舒適感等缺點，因此，有超過85%的OSA患者沒有得到及時的診斷與治療[5].

OSA發(fā)生時上呼吸道部分或完全阻塞，導致人體吸入氧氣量減少，必須加大力度吸氣，致使胸腔內(nèi)負壓不斷增大，進而破壞睡眠過程中心血管系統(tǒng)的穩(wěn)定狀態(tài)，產(chǎn)生心率不齊、心率過緩和心率突變等不良現(xiàn)象.ECG是一種常用的檢測OSA的單通道信號.隨著科學技術(shù)的發(fā)展，越來越多的智能設備如智能手環(huán)、智能手表等可以通過非侵入式的方式獲取到ECG信號，讓患者能在家庭環(huán)境下以較低的成本、較舒適地完成OSA的檢測.因此，有很多使用ECG信號檢測OSA的方法被提出.

這些方法大致可以分為兩大類別：1)傳統(tǒng)機器學習方法[6-10];2)深度學習方法[11-13].傳統(tǒng)機器學習方法通常從ECG信號中提取時域、頻域和非線性等特征并利用支持向量機(support vector machine, SVM)等分類器對特征進行分類，在低噪聲的ECG信號和小數(shù)據(jù)集上有著較好的檢測效果.但傳統(tǒng)機器學習方法提取的特征在高噪聲的ECG信號和不同個體上的差異較大，因此，在高噪聲的ECG信號和大規(guī)模數(shù)據(jù)集上表現(xiàn)較差.深度學習方法通常以ECG信號或從ECG信號中提取的淺層特征信號作為輸入，對低噪聲的短片段ECG信號有著較好的檢測效果.而長片段ECG信號由于含有較多的QRS波群(QRS complex)，每個波群具有相同的結(jié)構(gòu)，使長片段ECG信號之間高度相似，致使長片段中OSA表現(xiàn)并不顯著.因此深度神經(jīng)網(wǎng)絡直接學習原始ECG信號容易出現(xiàn)不收斂和擬合度較低的現(xiàn)象.而現(xiàn)有利用淺層特征信號的方法一般只使用RR間隔(RR interval, RRI)作為神經(jīng)網(wǎng)絡的輸入，只能學習到心率的變化規(guī)律，忽略了ECG信號中的其他信息，如QRS波群電壓變化規(guī)律、呼吸氣流變化規(guī)律等，也沒有考慮預處理方法對實驗結(jié)果的影響，導致OSA檢測效果較差.

針對以上問題，本文提出一種基于多特征融合心電信號的長短期記憶循環(huán)神經(jīng)網(wǎng)絡(long short-term memory recurrent neural network, LSTM-RNN)[14]檢測OSA.使用從ECG信號中提取的淺層特征信號替代原始ECG信號作為輸入.與原始ECG信號相比，淺層特征信號具有更明顯的時序變化和更短的信號長度，使其在較長片段和含有較高噪聲的ECG信號上的表現(xiàn)優(yōu)于原始ECG信號.由于單個特征信號只能從一個側(cè)面反映ECG信號的變化.因此，我們將多個淺層特征信號融合，同時從多個側(cè)面捕捉ECG信號的變化，并針對淺層特征信號提出了一種預處理方法，在最大化單個淺層特征信號分類效果的基礎(chǔ)上進行融合，獲得更好的分類效果.最后，利用LSTM-RNN在時間序列信號上的優(yōu)異表現(xiàn)和對較大數(shù)據(jù)集有較好的泛化能力的特點，在融合后的多個淺層特征信號上學習深層特征.

本文的主要貢獻有2個方面:

1) 提出一種基于多特征信號信息融合的LSTM-RNN，通過融合多種從原始ECG信號中提取的淺層特征信號作為神經(jīng)網(wǎng)絡的輸入，提高模型在長片段和較高噪聲ECG信號上的分類準確率;

2) 提出一種針對淺層特征信號的預處理方法，解決神經(jīng)網(wǎng)絡在訓練過程中容易不收斂和分類準確率較低的問題.

1 相關(guān)工作

Fig. 1 The comparision of original and denoising ECG signal圖1 原始ECG信號與去噪后的ECG信號對比

傳統(tǒng)機器學習方法常用于片段ECG信號上的OSA分類.Cartwright[5]通過提取QRS波群主成分和呼吸心率互信息，結(jié)合RRI的標準差和序列相關(guān)系數(shù)，使用最小二乘支持向量機(least squares support vector machine， LS-SVM)對提取的特征進行分類，在基于片段ECG信號的OSA分類上得到了85%的分類準確率；Varon等人[6]從ECG信號中提取RRI并從中推導出瞬時心率(instantaneous heart rate， IHR)，計算IHR多個頻帶的能量作為特征并使用二次分類器進行分類，在基于片段ECG信號的OSA分類上得到了84.7%的準確率；Babaeizadeh等人[7]利用Hermite基函數(shù)近似QRS波群，使用Hermite擴張系數(shù)和RRI的均值、標準差和總能量作為特征，并使用LS-SVM對特征進行分類，在基于片段ECG信號的OSA分類問題上得到了84%的分類準確率；Martín-González等人[10]從ECG信號中提取RRI，并從中提取了多種線性與非線性特征，包括倒頻譜系數(shù)、濾波器組和去趨勢波動分析，使用邏輯回歸(logistic regression, LR)等對特征進行分類，在基于片段ECG信號的OSA分類問題上得到了84%的分類準確率.傳統(tǒng)機器學習方法在低噪聲的ECG片段上取得了較好的效果，但在含有較高噪聲的ECG信號和較大數(shù)據(jù)集上因特征值差異較大，分類效果并不理想.

深度學習方法使用神經(jīng)網(wǎng)絡從信號中學習特征，使用的信號包括原始ECG信號以及從ECG中提取的淺層特征等.Cheng等人[11]利用RNN檢測OSA，通過從ECG中提取的RRI進行分類，在基于整晚ECG信號的OSA記錄篩選上得到了97.8%的準確率，但沒有給出ECG片段分類的結(jié)果.Li等人[12]使用2階段的學習方法：第1個階段使用2層堆疊的稀疏自編碼器(sparse autoencoder， SAE)從RRI中學習特征表示；第2個階段使用人工神經(jīng)網(wǎng)絡(artificial neural network, ANN)和SVM對從SAE得到的特征進行分類，并利用隱Markov模型(hidden Markov model, HMM)對2種分類器的結(jié)果進行綜合，在基于片段ECG信號的OSA分類問題上得到了84.7%的分類準確率.Urtnasan等人[13]利用卷積神經(jīng)網(wǎng)絡(convolutional neural network， CNN)針對10 s的滑動窗口ECG信號提取特征，然后進行分類，在基于整晚ECG信號的OSA記錄篩選上得到了90.8%的分類準確率，但在長片段的ECG信號上因OSA發(fā)生與不發(fā)生之間差異較小表現(xiàn)不佳，CNN網(wǎng)絡容易出現(xiàn)不收斂或擬合度較低的問題.此外，使用原始ECG信號作為神經(jīng)網(wǎng)絡的輸入時對ECG信號的質(zhì)量要求較高，對含有較高噪聲的ECG信號表現(xiàn)較差.

本文從長片段ECG信號中提取多個淺層特征信號，并將它們?nèi)诤献鳛長STM-RNN的輸入，使LSTM-RNN同時學習特征信號的時序變化和各個特征信號之間的關(guān)系，獲得更多的深層特征，提高網(wǎng)絡對較高噪聲ECG信號的OSA檢測準確率和對較大數(shù)據(jù)集的泛化能力.

2 數(shù)據(jù)預處理

2.1 數(shù)據(jù)去噪

原始ECG信號中存在基線漂移問題，影響R峰位置的計算.造成基線漂移的噪聲信號頻率范圍在0～1.5 Hz之間，本文使用小波變換方法去除ECG信號基線漂移.對信號進行小波分解，可以得到細節(jié)系數(shù)(detail coefficient)Cd和近似系數(shù)(approximate coefficient)Ca兩個部分，分別包含高頻部分與低頻部分.本文使用的ECG信號的頻率為100 Hz，因此需要對該信號的近似系數(shù)使用小波迭代分解6次，得到0～1.5 Hz的噪聲信號Ca,6.將Ca,6中所有系數(shù)值置0后再逐層進行小波重構(gòu)，可以得到去噪后的ECG信號.本文使用的小波為db6小波[15]，對ECG信號的去噪效果如圖1所示.

Fig. 2 Comparision on ECG, RRI, RAMP and EDR between normal breathing and OSA圖2 正常呼吸片段與OSA片段在ECG，RRI，RAMP，EDR上的對比

2.2 特征信號提取與預處理

本文從ECG信號中提取RRI，R峰幅值信號(R peaks amplitude， RAMP)和由心電信號導出的呼吸信號(ECG-derived respiration， EDR)三種淺層特征信號.首先對ECG信號使用Pan-Tompkins[16]算法檢測R峰位置并計算RRI.RAMP取R峰位置左右各25個值中的最大值.通過R峰幅值和QRS波群主成分可以重構(gòu)EDR信號[17].RRI體現(xiàn)心率的變化，RAMP體現(xiàn)QRS波群電壓的變化，EDR信號體現(xiàn)呼吸氣流的變化.這3種從ECG中提取的淺層特征信號能夠從不同側(cè)面反映OSA發(fā)生時信號的變化.我們通過融合這3種信號增加淺層特征信息，有利于LSTM-RNN學習到更多的深層特征.通過實驗我們發(fā)現(xiàn)，對淺層特征信號上使用常規(guī)的數(shù)據(jù)預處理方法如最小-最大標準化和z-score標準化等，神經(jīng)網(wǎng)絡容易出現(xiàn)不收斂的問題.上述的預處理方法將信號數(shù)值標準化在較小數(shù)值范圍內(nèi)，縮小了信號在時間序列上的變化.為了解決該問題，我們提出一種有效的預處理方法：對特征信號減去均值后放大值域范圍，減去均值可以使信號在正負區(qū)間內(nèi)分布均勻，放大值域范圍可以擴大信號在時間序列上的變化.對信號的擴大倍數(shù)主要取決于該信號的初始值域范圍.因為LSTM-RNN中使用tanh作為神經(jīng)網(wǎng)絡的激活函數(shù)，tanh在-3～3的范圍內(nèi)變化明顯.當我們將信號的初始值域擴大后，信號的時序變化能夠在神經(jīng)網(wǎng)絡中有效地傳遞，使網(wǎng)絡更好地學習特征，具體的實驗細節(jié)見4.2節(jié).對淺層特征信號進行預處理后，還需要將3種淺層特征信號的采樣頻率統(tǒng)一，使它們能夠融合成一個多維的數(shù)據(jù)作為神經(jīng)網(wǎng)絡的輸入.RRI信號體現(xiàn)心率的變化，一般人的心跳在每秒4次以下；RAMP使用R峰幅值作為采樣點，采樣頻率與RRI信號相同；EDR信號體現(xiàn)呼吸信號的變化，一般呼吸信號頻率低于0.5 Hz.所以，我們將RRI，RAMP和EDR信號的采樣頻率統(tǒng)一至4 Hz，可以最大程度保留淺層特征信號中的信息，并防止因為采樣頻率過高使信號的細節(jié)變化被放大，導致特征信號中保留過多的無用信息.對RRI和RAMP信號，采用二次樣條插值方法將采樣頻率提高至4 Hz.對EDR信號，采用隨機下采樣方法將采樣頻率降至4 Hz.圖2給出了OSA片段和正常呼吸片段在原始ECG信號和從原始ECG信號中提取的RRI，RAMP，EDR信號的對比.對比圖2(a)與圖2(b)，可以看出在長片段ECG信號上正常呼吸和OSA的ECG信號差異不明顯.而對比圖2(c)與圖2(f)、圖2(d)與圖2(g)、圖2(e)與圖2(h)這3組，可以看出淺層特征信號在正常呼吸和OSA的差異較大，更有利于神經(jīng)網(wǎng)絡從中提取深層特征.

3 LSTM-RNN模型

RNN[18-20]網(wǎng)絡具有記憶能力，可以高效率對序列的非線性特征進行學習.LSTM-RNN是一種被廣泛使用的RNN模型，通常由多個LSTM單元串聯(lián)構(gòu)成，每個LSTM單元中由記憶單元Cell、遺忘門、輸入門和輸出門構(gòu)成，Cell是LSTM單元的主體，門主要通過一個sigmoid函數(shù)和一個點乘讓信息有選擇地通過.LSTM-RNN常被應用于捕捉數(shù)據(jù)的長期與短期時間依賴，門控單元使其擁有較強的泛化能力，在時間序列數(shù)據(jù)上有著較好的表現(xiàn).

本文使用LSTM-RNN學習經(jīng)過融合的多特征淺層信號，同時捕捉特征信號在時間序列上的變化規(guī)律和多個特征信號在同一時刻的關(guān)系，LSTM-RNN模型如圖3所示.我們將3個淺層特征信號依據(jù)時間串聯(lián)成一個多通道輸入數(shù)據(jù)，使用3個串聯(lián)的LSTM塊從多通道輸入提取深層特征，設置LSTM塊的時間步長為1.

Fig. 3 The proposed LSTM-RNN model圖3 本文使用的LSTM-RNN模型

第3個LSTM塊僅返回最后一個時刻的輸出，減少深層特征個數(shù)，降低參數(shù)量.在3個串聯(lián)的LSTM塊后，使用4層全連接網(wǎng)絡對深層特征進行分類.使用二元交叉熵作為損失函數(shù)：

(1)

其中,Px代表LSTM-RNN對ECG片段x的預測值，Yx代表ECG片段x的真實標簽.LSTM-RNN網(wǎng)絡輸入維度、輸出維度與具體參數(shù)詳見4.3節(jié).

4 實驗結(jié)果與分析

4.1 實驗設置

1) 數(shù)據(jù)集.本文使用PhysioNet的Apnea-ECG數(shù)據(jù)集作為訓練數(shù)據(jù)與測試數(shù)據(jù)[21-23]，該數(shù)據(jù)集由菲利普斯大學提供，是一個被廣泛使用的基于ECG信號檢測OSA的公開數(shù)據(jù)集.Apnea-ECG數(shù)據(jù)集中共有70條ECG記錄，PhysioNet將其劃分為2個子數(shù)據(jù)集：訓練集與測試集，其中每個數(shù)據(jù)集有35條記錄.每條ECG記錄的每分鐘都帶有一個標簽A或N，A代表非正常呼吸，N代表正常呼吸，該標簽由睡眠專家標注.訓練集和測試集分別有17 045個和17 268個被標注的ECG片段，我們?nèi)サ魯?shù)據(jù)集中R峰無法檢測和RRI<30或RRI>180的異常片段，篩選后訓練集和測試集分別保留15 961個和15 938個片段.

2) 實驗環(huán)境.采用ADAM[24]優(yōu)化方法，參數(shù)beta1和beta2分別設置為0.9和0.999，學習率為0.001.實驗環(huán)境為基于Windows 10操作系統(tǒng)、Keras2.0.1深度學習框架，使用GPU進行訓練，配置NVIDIA CUDA10.0與cuDNN7.6.0深度學習庫加速GPU運算，用于訓練和測試的軟件為Python3.6，硬件配置為AMD Ryzen 1800處理器，Nvidia GeForce GTX1080 GPU，DDR4 32 GB內(nèi)存.

3) 評估標準.準確率(accuracy,Acc)、敏感度(sensitivity,Sen)和特異性(specificity,Spe)，計算方法分別為：

(2)

(3)

(4)

其中，真正例(true positive,TP)代表正例中判斷正確的樣本數(shù)量；真負例(true negative,TN)代表負例中判斷正確的樣本數(shù)量；假正例(false positive,FP)代表正例中判斷錯誤的樣本數(shù)量；假負例(false negative,FN)代表負例中判斷錯誤的樣本數(shù)量.準確率越高則說明網(wǎng)絡對樣本的分類效果越好，敏感度越高則說明網(wǎng)絡對正樣本的識別效果越好，特異性越高則說明網(wǎng)絡對負樣本的識別效果越好.

4.2 原始ECG信號作為輸入時的分類效果

使用長片段原始ECG信號時，LSTM-RNN在訓練中損失基本無下降，訓練結(jié)果如圖4所示.

Fig. 4 Training result of denoising ECG by LSTM-RNN圖4 去噪ECG信號使用LSTM-RNN的訓練結(jié)果

在前26輪訓練過程損失無明顯下降，造成這一結(jié)果的原因是ECG信號中的QRS波群具備一定的結(jié)構(gòu)，導致傳統(tǒng)的LSTM-RNN無法從結(jié)構(gòu)型的信號中學習有效的特征.本文提出的基于多特征信號融合的方法使用從ECG信號中提取的特征信號作為輸入，這些信號沒有特定的結(jié)構(gòu)，不需要針對信號本身設計相應的網(wǎng)絡模型.

4.3 不同預處理方法對分類結(jié)果的影響

在神經(jīng)網(wǎng)絡中，最常用的數(shù)據(jù)標準化方法主要有最小-最大標準化和z-score標準化，計算方法分別為：

(5)

(6)

其中，xmin為淺層特征信號的最小值，xmax為淺層特征信號的最大值，xμ為原始淺層特征信號平均值，xσ為原始淺層特征信號的標準差，x為原始淺層特征信號，x*為初始化后的淺層特征信號.

通過實驗發(fā)現(xiàn)，這2種預處理方法因?qū)⑿盘柼幚碇凛^小數(shù)值，使淺層特征信號在時間序列上變化規(guī)律并不明顯，會使LSTM-RNN容易出現(xiàn)不收斂的問題.所以，我們通過減去均值并擴大值域范圍，使淺層特征信號在時間序列上變化規(guī)律更加明顯.具體結(jié)果如表1所示.當我們對3種特征信號不做任何預處理、做最小-最大標準化和z-score標準化時，LSTM-RNN都無法收斂，說明常用的最小-最大標準化和z-score標準化不適用于RRI，RAMP，EDR信號.在不做任何預處理時，信號在正負區(qū)間內(nèi)分布不均勻，使LSTM-RNN無法捕捉到有效的時序變化.做最小-最大標準化時和z-score標準化后，信號在時間序列上的變化被縮小，導致LSTM-RNN無法從微小的變化中學習到有效的變化規(guī)律.我們將所有的特征信號減去均值，使其在正負區(qū)間內(nèi)分布均勻，tanh激活后有更好的數(shù)據(jù)分布.我們對3種特征信號進行不同程度的放大，從10～100 000倍，探究每個特征信號的最優(yōu)放大倍數(shù).RRI因為初始信號值域范圍較大，在不經(jīng)過任何放大時獲得了較好的分類效果.RAMP和EDR初始信號值域范圍較小，在不放大時易出現(xiàn)不收斂現(xiàn)象.RAMP和EDR信號分別放大100倍和10 000倍，得到了最好的分類效果.但對RRI，RAMP，EDR信號繼續(xù)放大后，分類準確率則會有所降低.因為當信號值域范圍過大時，在神經(jīng)網(wǎng)絡中逐層傳遞值域范圍也會較大，但在經(jīng)過tanh函數(shù)激活后的變化較小.另外，我們注意到z-score標準化后擴大100倍的分類結(jié)果低于我們提出的預處理方法，造成這一結(jié)果的原因是RRI，RAMP，EDR在z-score標準化之后縮小了特征信號在事件序列上的差異.

Table 1 Performance of Different Preprocessing on Feature Signals Based on Per-segment OSA Classification表1 不同預處理方法在片段OSA問題上的分類結(jié)果

4.4 多特征信號融合對分類結(jié)果的影響

我們比較了淺層特征信號單個或多個組合的分類結(jié)果，如表2所示.EDR信號提供了單通道特征的最好的分類結(jié)果，在測試集上的分類準確率達到了81.7%，比RRI和RAMP的分類準確率提高了約2個百分點.當我們?nèi)诤?個特征信號時，都獲得了比單個信號更好的分類準確率，其中RRI與EDR的組合提供了雙通道特征的最好分類準確率，達到了83.7%.當我們?nèi)诤蟁RI，RAMP，EDR信號時，分類準確率達到了85.4%，好于單個特征信號和2個特征信號組合的分類準確率.實驗結(jié)果表明，融合多個特征信號可以提高對OSA分類的準確率.

Table 2 Performance of Different Combination of Feature Signals Based on Per-segment OSA Classification表2 不同特征信號組合在片段OSA問題上的分類結(jié)果

表3給出了實驗中LSTM-RNN獲得最好分類準確率時的模型參數(shù).參數(shù)dropout和Recurrent dropout的設置通過有選擇地激活神經(jīng)元提高模型的泛化能力，但其數(shù)值過大時會導致欠擬合.在LSTM-RNN中不宜使用ReLU激活函數(shù)，因為ReLU激活函數(shù)會忽略負值，縮小信號的時序變化，導致網(wǎng)絡訓練時不收斂.

我們還驗證了本文方法在OSA記錄篩選問題上的準確率，即從所有ECG記錄中篩選出患有OSA的記錄.在Apnea-ECG數(shù)據(jù)庫的35條測試記錄中，采用Apnea-ECG推薦的計算方法，即如果一條ECG記錄中存在100 min以上的OSA片段，則該條ECG記錄為重度OSA患者；存在10～100 min的OSA片段則為輕度OSA患者；存在5 min以下OSA片段則為健康人.

本文方法能夠100%區(qū)分健康人與重度患者.但在5個中度患者中，把一名中度患者錯判為重度患者，這是因為本文方法傾向于把正常片段判斷為OSA片段，我們將在后續(xù)工作中引入混合決策機制解決該問題.

Table 3 Parameters Used in LSTM-RNN表3 LSTM-RNN參數(shù)

4.5 對比分析

我們從已發(fā)表的文獻中選擇了一些與本文使用相同數(shù)據(jù)庫的文獻作對比，如表4所示.已有方法大多使用傳統(tǒng)機器學習方法，對于部分片段擁有很高的準確率，但將其應用于較大數(shù)據(jù)集時，通常不能獲得較好的分類準確率.本文使用LSTM-RNN學習經(jīng)過融合的從ECG信號中提取的多特征淺層特征信號，在分類準確率上達到了85.4%，高于Li等人[12]使用SAE學習RRI的方法，也高于傳統(tǒng)機器學習方法.

Table 4 Comparision for Per-segment Classification Between Our Method and Others表4 本文方法與其他方法在片段分類問題上的比較

5 總 結(jié)

本文提出多特征信號信息融合的LSTM-RNN和一種針對淺層特征信號的預處理方法，通過融合多個突出時序變化后的淺層特征信號作為LSTM-RNN的輸入，使LSTM-RNN能夠?qū)W習到更多更有效的深層特征，提升對含有較高噪聲的OSA片段的分類準確率與較大數(shù)據(jù)集的泛化能力.在Apena-ECG數(shù)據(jù)集基于片段的OSA檢測問題上得到了85.4%的分類準確率.