李云，吳水才，袁麗

北京工業(yè)大學(xué) 生命科學(xué)與生物工程學(xué)院，北京 100124

引言

心律失常是一種常見的心血管疾病[1]，嚴(yán)重威脅著中老年人的身體健康，某些心律失常（如心室顫動(dòng)和心動(dòng)過速）會(huì)出現(xiàn)致死現(xiàn)象。心電圖（Electrocardiograph，ECG）能直接反映心臟的電生理活動(dòng)，但心律失常的出現(xiàn)具有偶然性和突發(fā)性，目前比較有效的方法是采用動(dòng)態(tài)心電監(jiān)護(hù)儀記錄30 min或更長時(shí)間的心電信號(hào)，但人工分析較長時(shí)間（＞30 min）的ECG存在效率低、僅憑借醫(yī)生經(jīng)驗(yàn)等問題。隨著信息傳輸技術(shù)和機(jī)器學(xué)習(xí)算法的高速發(fā)展，越來越多的學(xué)者開始使用計(jì)算機(jī)自動(dòng)識(shí)別技術(shù)對心電信號(hào)進(jìn)行分類，在保證分類結(jié)果具有較高準(zhǔn)確率的同時(shí)使心律失常實(shí)時(shí)分類成為可能。

心律失常自動(dòng)分類的主要技術(shù)手段通常是在特征提取[2]（如形態(tài)特征[3]、RR間期[4]、獨(dú)立成分分析[5]、小波特征[6]）的基礎(chǔ)上，利用各種機(jī)器學(xué)習(xí)分類器，如人工神經(jīng)網(wǎng)絡(luò)[6]、支持向量機(jī)[7]、隨機(jī)森林[8]、貝葉斯網(wǎng)絡(luò)[9]和深度學(xué)習(xí)[10]等對心律失常進(jìn)行分類。Knvps等[11]采用經(jīng)驗(yàn)?zāi)Ｊ椒纸鈱CG信號(hào)分解為固有模式函數(shù)，隨后提取樣本熵、變異系數(shù)、奇異值和IMF的頻帶功率作為特征，輸入到基于多項(xiàng)式核函數(shù)的最小優(yōu)化支持向量機(jī)中，結(jié)果表明心律失常分類準(zhǔn)確率高達(dá)99.2%，但此算法只包括了五種特定類型的心電信號(hào)，并沒有涵蓋所有的心律失常。Shadmand等[12]借助Hermit激活函數(shù)（多項(xiàng)式）提取ECG信號(hào)中的形態(tài)特征和RR間期特征形成特征向量，輸入到粒子群算法優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)分類器中，結(jié)果根據(jù)美國醫(yī)療促進(jìn)協(xié)會(huì)（Association for the Advancement of Medical Instrumentation，AAMI）制定的標(biāo)準(zhǔn)將心律失常類型分為五類，平均識(shí)別準(zhǔn)確率達(dá)到97%，但是由于其測試集與訓(xùn)練集含有相同患者的數(shù)據(jù)，因此這種方法泛化能力[13]比較弱，只適用于給每個(gè)個(gè)體建立一個(gè)特異性模型[14]。Oliveira等[15]提出采用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)（Dynamic Bayesian Network，DBN）來解決ECG信號(hào)分類問題，使用DBN基于室性早搏（Premature Ventricular contraction，PVC）構(gòu)建拓?fù)浣Y(jié)構(gòu)，對PVC最大識(shí)別率為99%。以上心電分類研究獲得了較好的分類效果，但是存在識(shí)別種類不全面或者沒有考慮不同患者間心電信號(hào)的差異性問題。

本文提出一種基于極限梯度提升（Extreme Gradient Boosting，XGBoost）模型的心律失常分類方法，考慮到患者間的個(gè)體差異， 將心律類型按照AAMI標(biāo)準(zhǔn)分為四類。首先采用小波中值閾值法對心電信號(hào)去噪，根據(jù)R波峰位置分割心電信號(hào)，提取每個(gè)心拍的投影特征和RR間期相關(guān)特征，輸入到XGBoost分類器中，實(shí)現(xiàn)對心律失常的分類。該算法在MIT-BIH心律失常數(shù)據(jù)庫上進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明心律失常分類平均識(shí)別準(zhǔn)確率達(dá)到94.1%，高于同類文獻(xiàn)[3,5,7]的結(jié)果。

1 材料和方法

1.1 數(shù)據(jù)來源

MIT-BIH心律失常數(shù)據(jù)庫由美國麻省理工學(xué)院提供，是研究心律失常分類算法的常用數(shù)據(jù)庫之一，并已被廣泛用于心律失常算法的驗(yàn)證[5,7,16-17]。本研究選擇該數(shù)據(jù)庫作為研究對象，包含47位患者的48條記錄，其中23條記錄（編號(hào)范圍是 100～109、111～119、121～124）是常規(guī)心律失常樣本，25條記錄（編號(hào)范圍是200～203、205、207～210、212～215、217、219～223、228、230～234）是臨床罕見的心律失常情況，每條記錄包含30 min的心電信號(hào)，采樣率為360 Hz。本研究采用AAMI制定的心律失常分類標(biāo)準(zhǔn)，表1給出了MIT-BIH數(shù)據(jù)庫注釋類型與AAMI分類標(biāo)準(zhǔn)的對應(yīng)關(guān)系[18]。

表1 AAMI心律分類標(biāo)準(zhǔn)與MIT-BIH心律注釋對照表

1.2 心律失常算法評(píng)價(jià)方案

目前國內(nèi)外評(píng)價(jià)心律失常分類算法的方式有兩種：一種是被稱為患者內(nèi)的心律分類方式，另一種是患者間的心律分類方式。基于患者內(nèi)的研究[2,4,16]往往在測試集上有較好的分類效果，但訓(xùn)練集和測試集中含有同一個(gè)患者的心電樣本，忽略了不同患者間的心電信號(hào)存在差異性。為了解決這個(gè)問題，de Chazal等[3]提出了患者間的心律分類方式，使訓(xùn)練集和測試集的數(shù)據(jù)樣本來自不同的患者個(gè)體。多項(xiàng)研究[3,5,7]表明，基于患者間的心律分類具有更好的臨床價(jià)值和優(yōu)秀的泛化能力。本研究考慮到患者間的個(gè)體差異，實(shí)現(xiàn)患者間的心律失常自動(dòng)分類，將MIT-BIH數(shù)據(jù)庫中受試者分成兩組，分別為訓(xùn)練集和測試集，去掉數(shù)據(jù)庫中含有起搏心拍的受試者（102、104、107、214），具體見表2。

表2 數(shù)據(jù)集劃分情況

1.3 心律失常檢測方法

本文所提出的心律失常分類方法分為3個(gè)部分，即預(yù)處理、特征提取和特征分類，算法流程如圖1所示。

圖1 心律失常算法流程圖

1.3.1 預(yù)處理

在心電信號(hào)采集過程中往往會(huì)受到噪聲的干擾，這些噪聲主要是基線漂移、肌電干擾和工頻干擾[2]。本研究對心電信號(hào)進(jìn)行小波變換，將心電信號(hào)分解到不同尺度，利用中值閾值法[19]去除不同尺度上的噪聲分量，從而得到心電信號(hào)的有效信息。小波變換的核心是基函數(shù)和分解尺度，本研究為保證信號(hào)的完整性及算法的實(shí)時(shí)性，選擇DB 1（Daubechies 1）小波作為基函數(shù)，分解尺度定為8。首先去除第八層的近似系數(shù)（頻率范圍小于1 Hz）以去除基線漂移，其次對小波分解的一階、二階、三階的細(xì)節(jié)系數(shù)進(jìn)行閾值處理以去除肌電干擾和工頻干擾，其閾值t如公式(1)所示：

其中n為小波系數(shù)向量長度，L為小波分解層數(shù)，K為小波分解當(dāng)前層數(shù)（取值范圍是1～3）， 是噪聲方差，其估計(jì)值見公式(2)：

其中abs是取絕對值，median取中位數(shù)，x為當(dāng)前系數(shù)向量。最后由于肌電干擾接近高斯白噪聲分布，按照模型(3)得到去噪后的小波系數(shù)y。

將小波系數(shù)按照軟閾值的方式進(jìn)重構(gòu)得到有效信號(hào)。圖2是信號(hào)去噪的前后對比圖，可以看出在保證信號(hào)完整性的基礎(chǔ)上，對去噪有明顯的效果。

圖2 心電信號(hào)去噪對比圖

特征提取之前需要對心電信號(hào)進(jìn)行切片分割。本研究的目的是心律失常分類，因此直接通過MIT-BIH心律失常數(shù)據(jù)庫標(biāo)記的R峰位置分割信號(hào)。一個(gè)完整的心電周期包括P波、PR間期、QRS波、ST段、T段和QT間期。不同波群反應(yīng)心臟不同的活動(dòng)情況[4]，P波代表了從竇房結(jié)到房室結(jié)、從右心房到左心房的去極化過程，通常間隔小于80 ms，PR間期反映了電脈沖從竇房結(jié)傳遞到房室結(jié)的時(shí)間，間隔為120～200 ms，QRS波群反映了左右心室的快速去極化過程，寬度一般為80～100 ms，ST段是連接QRS波和T波的一段區(qū)域，代表了心室去極化之后的一段時(shí)間。QT間期指從QRS波開始到T波結(jié)束的一段時(shí)間，間隔通常小于440 ms。根據(jù)QRS波形的特征，R峰前200 ms和R峰后440 ms一般能包含心拍的一個(gè)完整周期，因此我們?nèi)峰前80、后160個(gè)點(diǎn)形成特征片段。

1.3.2 特征提取

1.3.2.1 高斯隨機(jī)矩陣

高斯隨機(jī)投影矩陣提供了一種有效的方法來減少波形特征的數(shù)量。Shadmand等[12]也證明了隨機(jī)投影矩陣在對數(shù)據(jù)進(jìn)行50%的壓縮比例情況下，重建的信號(hào)與原始信號(hào)幾乎重合，均方誤差為0.0005，表明投影特征包含了原始心電的大部分有效信息。

在投影變換式(4)中，數(shù)據(jù)域X通過高斯隨機(jī)矩陣 變換到壓縮域Y，N為原始數(shù)據(jù)X的維度，M是壓縮后數(shù)據(jù)Y的維度。M決定了分類器的運(yùn)行性能，Chen等[20]對M值進(jìn)行了試驗(yàn)，在M為30的時(shí)候既能保證運(yùn)行效率且使準(zhǔn)確率最大化，因此本文的M值初始化為30。

1.3.2.2 RR間期

RR間期表示心臟活動(dòng)的頻率，包含了心臟活動(dòng)的動(dòng)態(tài)特征信息。文獻(xiàn)[15]表明RR間期可以檢測和分類某些類型的心律失常如室性早搏、心室顫動(dòng)和傳導(dǎo)阻滯等。

本文計(jì)算心電的平均RR間期、前RR間期和后RR間期作為心電的動(dòng)態(tài)信息特征。前RR間期是當(dāng)前R波峰位置與前一R波峰位置之間的距離；后RR間期是當(dāng)前R波峰位置與后一R波峰位置之間的距離，這兩個(gè)特征代表了心電信號(hào)的瞬時(shí)特征。由于MIT-BIH數(shù)據(jù)庫中每條記錄的長度在30 min，計(jì)算平均RR間期是不現(xiàn)實(shí)的，因此取當(dāng)前R波峰之前的10個(gè)RR間隔的平均距離計(jì)算為平均RR間期，其優(yōu)點(diǎn)是能立即計(jì)算出當(dāng)前節(jié)拍的平均RR間期，保證實(shí)時(shí)特征提取。圖3統(tǒng)計(jì)了4種心電類型的3種RR間期情況，每個(gè)類別隨機(jī)獲取了100個(gè)RR間期，心電類型依次為N、S、V、F。從圖中可以看出N、F類的前RR間期與S、V類有明顯的區(qū)別，F(xiàn)類的后RR間期與N、S、V類也有顯著的差異。

圖3 RR間期統(tǒng)計(jì)表

1.3.3 XGboost分類器

XGboost分類器是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中最常用的算法之一。由于其分類效果顯著，計(jì)算復(fù)雜度不高，對輸入要求不敏感，經(jīng)常被用在一些比賽中[10,16]。XGBoost的分布式版本有廣泛的可移植性，支持在多種平臺(tái)上運(yùn)行。XGBoost的基本組成部分是回歸樹（Regression Tree），采用集成思想，將多個(gè)回歸樹進(jìn)行組合達(dá)到準(zhǔn)確的分類效果。其建樹過程為，首先確定初始樹為那么建立第t棵樹時(shí)的預(yù)測模型為：

其中xi是屬于樣本集中第i個(gè)樣本，fk表示第K棵樹，表示樣本xi的預(yù)測結(jié)果。在建立模型過程中不斷優(yōu)化目標(biāo)損失函數(shù)，使其最小，如(6)：

其中γ、λ分別表示懲罰系數(shù)，T表示樹的葉子結(jié)點(diǎn)數(shù)，w為葉子結(jié)點(diǎn)的取值。XGBoost通過將使用二階泰勒公式展開得：

其中，gi、hi表示在第i個(gè)樣本下泰勒展開式的一階導(dǎo)數(shù)、二階導(dǎo)數(shù)，通過(8)可以得到是關(guān)于wj的一元二次方程，因此能夠找到使取值最小的wj。為簡化公式，定義，那么當(dāng)：

通過以上步驟完成第t棵樹的建立。XGBoost模型在工作時(shí)需要設(shè)置三類參數(shù)。分別是通用參數(shù)、Booster參數(shù)和學(xué)習(xí)目標(biāo)參數(shù)。通用參數(shù)包括基礎(chǔ)模型的設(shè)置和多線程控制等；Booster參數(shù)是設(shè)置基礎(chǔ)模型的參數(shù)，以樹形結(jié)構(gòu)為例，包括學(xué)習(xí)率、樹的最大深度、最大葉子數(shù)量等；學(xué)習(xí)目標(biāo)參數(shù)包括定義目標(biāo)損失函數(shù)、樹的復(fù)雜度和隨機(jī)數(shù)的種子。在本研究中基礎(chǔ)模型選擇了樹形結(jié)構(gòu)，目標(biāo)損失函數(shù)為負(fù)對數(shù)似然函數(shù)（Mlogloss），Booster參數(shù)的調(diào)整通過訓(xùn)練集驗(yàn)證來確定，具體參數(shù)設(shè)置如表3。

表3 XGboost模型參數(shù)

2 結(jié)果與分析

2.1 算法評(píng)價(jià)指標(biāo)

本文計(jì)算靈敏度（Sensitivity，Se）、真陽性檢測率（Positive Predictive Value，+P）、準(zhǔn)確率（Accuracy，Acc）作為衡量分類器的性能指標(biāo)。其計(jì)算方法如公式(11)(12)(13)所示，其中TP表示真陽性數(shù)量，F(xiàn)P為假陽性數(shù)量，TN為真陰性數(shù)量，F(xiàn)N為假陰性數(shù)量。

2.2 結(jié)果分析

AAMI規(guī)定了心律失常分類檢測算法的評(píng)估標(biāo)準(zhǔn)，一般通過混淆矩陣表示算法測試結(jié)果，實(shí)驗(yàn)結(jié)果如表4中矩陣所示，表中橫軸表示真實(shí)標(biāo)簽數(shù)據(jù)情況，縱軸表示預(yù)測標(biāo)簽情況，對角線上的數(shù)據(jù)表示準(zhǔn)確的預(yù)測值，混淆矩陣中給出了N、S、V和F類的分類情況。為了體現(xiàn)算法的優(yōu)越性，在使用同樣的訓(xùn)練集和數(shù)據(jù)集的情況下，與已有研究[3,5,7]的結(jié)果進(jìn)行了比較，結(jié)果見表5。

表4 實(shí)驗(yàn)結(jié)果

表5 試驗(yàn)結(jié)果對比

從表5中可以看出，本算法在全局準(zhǔn)確度和N、V類的靈敏度方面有較好的表現(xiàn)。N、V類的陽性預(yù)測值略低于之前的研究，然而S類的陽性預(yù)測值、靈敏度普遍不高，其原因可能有兩點(diǎn)，一是訓(xùn)練數(shù)據(jù)相對較少，其次S類中的室上性早搏與N類的波形極其相似。值得說明的是，由于不同個(gè)體之間心電信號(hào)存在著差異，因此基于患者間的評(píng)估方案有很高的臨床價(jià)值。本文平均識(shí)別準(zhǔn)確率達(dá)到94.1%，S類陽性預(yù)測值、V類靈敏度進(jìn)一步提高，因此本文方法對于心律失常分類研究有很高的參考價(jià)值。

3 結(jié)論

本文針對動(dòng)態(tài)心電監(jiān)護(hù)中數(shù)據(jù)量大、人工分析效率低及準(zhǔn)確率難以保證等問題，提取心電信號(hào)的投影特征和RR間期特征，訓(xùn)練了一個(gè)XGBoost模型，成功將心律類型按照AAMI標(biāo)準(zhǔn)分為4類。經(jīng)過MIT-BIH心律失常數(shù)據(jù)庫的驗(yàn)證，本方法的平均識(shí)別準(zhǔn)確率高達(dá)94.1%，可作為醫(yī)護(hù)人員診斷心臟疾病的參考依據(jù)。另外，XGBoost模型速度快、準(zhǔn)確率高，可分布式部署，能集成到當(dāng)前流行的Hadoop、spark數(shù)據(jù)處理框架之中，使得本方法可快速移植到服務(wù)器軟件平臺(tái)。