韓 亮，蔡文濤，蒲秀娟，羅統(tǒng)軍，黃 謙

（1.重慶大學(xué)微電子與通信工程學(xué)院，重慶 400044；2.生物感知與智能信息處理重慶市重點實驗室，重慶 400044）

1 引言

胎兒電子監(jiān)護能反映胎兒健康狀況，便于各類胎兒疾病的早期診斷與及時治療，從而降低圍產(chǎn)兒的發(fā)病率［1］.目前在臨床中使用最多的胎兒電子監(jiān)護技術(shù)是胎心宮縮圖［2］，但利用胎心宮縮圖難以獲取可靠的瞬時胎兒心率變異信息［3］.胎兒心電信號（Fetal Electro-CardioGram，F(xiàn)ECG）能無創(chuàng)地對胎兒健康狀況進行長期連續(xù)監(jiān)護，并實時提供高精度的胎兒心率信息，具有廣闊應(yīng)用前景.

非侵入式FECG 采集方法置電極于孕婦體表，能長期連續(xù)監(jiān)護胎兒健康狀況［4］.但采用該方法從母體腹壁獲得的FECG 受到以母體心電（Maternal ElectroCardioGram，MECG）成分為主的各種干擾的污染［5］.FECG和MECG 成分在時域和頻域都大部分重疊在一起，且MECG 成分的時域幅度和頻域能量均遠大于FECG，因此，如何從母體腹壁混合信號中有效抑制MECG 成分是一個巨大挑戰(zhàn).

基于非侵入式采集方法的FECG 信號提取方法分為組合源方法和腹部源方法［6］.組合源方法需置電極于母體胸部和腹部，主要包括自適應(yīng)濾波［7］、人工神經(jīng)網(wǎng)絡(luò)［8］、支持向量機［9］等.腹部源方法僅需置電極于母體腹部，便于臨床應(yīng)用，主要包括模版相減法［10］、卡爾曼濾波［11］、小波變換［12］、盲源分離［13］等.

應(yīng)用于FECG 提取的機器學(xué)習(xí)方法通常使用均方誤差（Mean Squared Error，MSE）損失函數(shù)作為目標(biāo)函數(shù)，將輸出信號與目標(biāo)信號差值作為FECG.但是，MSE損失函數(shù)僅表示輸出信號與目標(biāo)信號之間的均方誤差最小，并不意味著FECG 的質(zhì)量最好.LightGBM［14，15］是一種基于梯度提升決策樹的集成學(xué)習(xí)模型，常用于分類和回歸等機器學(xué)習(xí)任務(wù).Outram［16］將互相關(guān)分析用于估計FECG 的信噪比，其信噪比越高，說明FECG 質(zhì)量越好.為此，本文提出一種使用信噪比正則化Light-GBM 的FECG 提取方法.針對原始母體腹壁混合信號，先使用傳統(tǒng)濾波方法進行噪聲抑制；再使用FastICA 從中分離得到MECG 估計和FECG估計；構(gòu)建信噪比正則化LightGBM 模型并使用該模型估計殘留于FECG 估計中的MECG 成分，將其抑制后最終獲得高質(zhì)量的FECG.

2 腹部源FECG提取基本原理

2.1 FECG采集

基于非侵入式采集方法的FECG 提取方法分為組合源方法和腹部源方法，如圖1所示.

圖1 FECG采集示意圖

其中，腹部源方法僅需采集母體腹壁混合信號，主要分為兩類：一類是模版相減法，針對心電信號在時域中的特點，利用母體腹壁混合信號的相關(guān)信息生成其中包含的MECG 成分模板，然后將其抑制；另一類是盲源分離法，該方法基于空間技術(shù)，通過使用相關(guān)源信號的空間分布信息提取FECG.針對原始母體腹壁混合信號，運用這兩大類腹部源方法能夠提取FECG，但其中仍殘留有MECG成分等噪聲.

2.2 FECG提取原理

為從母體腹壁混合信號中提取高質(zhì)量的FECG，本文提出一種使用信噪比正則化LightGBM 的FECG 提取方法，如圖2所示.

圖2 使用信噪比正則化LightGBM的FECG提取方法

2.3 信噪比正則化LightGBM 模型

LightGBM［14］是對梯度提升決策樹的高效實現(xiàn)框架，在不損失預(yù)測準(zhǔn)確率的前提下具有更快的訓(xùn)練速度、更高的效率和更低的內(nèi)存消耗.LightGBM 用于解決回歸問題，通常采用MSE 損失函數(shù)作為目標(biāo)函數(shù)，其定義如下：

其中，L(θ)表示損失函數(shù)，xi表示輸入向量，yi表示相應(yīng)的目標(biāo)值，f(xi；θ)表示在輸入向量xi和網(wǎng)絡(luò)參數(shù)θ條件下的LightGBM網(wǎng)絡(luò)的輸出.

由2.2 節(jié)的分析可知：MSE 損失函數(shù)不能直接表征提取得到的FECG 的質(zhì)量.為此，本文在傳統(tǒng)LightGBM模型的目標(biāo)函數(shù)中增加FECG 的信噪比作為正則項，構(gòu)建信噪比正則化LightGBM模型，其目標(biāo)函數(shù)優(yōu)化為

其中，L(θ)為損失函數(shù)，本文選擇MSE 損失函數(shù)，其定義如式（6）所示；R(θ)為正則項，表示FECG 的信噪比，其定義如式（8），即

其中，f(xi；θ)表示在輸入向量xi和網(wǎng)絡(luò)參數(shù)θ條件下的LightGBM 網(wǎng)絡(luò)的輸出，(yi-f(xi；θ))表示FECG 估計.λ為加權(quán)系數(shù)，用于控制損失項和正則項的權(quán)重.

根據(jù)式（7）和式（8），信噪比正則化LightGBM 模型優(yōu)化后的目標(biāo)函數(shù)為

由于胎兒心電信號信噪比越高表示FECG 質(zhì)量越好，所以λ取負(fù)值.改進后的目標(biāo)函數(shù)的最小化同時反映了MECG成分的最優(yōu)估計和FECG的最佳質(zhì)量.

2.4 FECG信噪比

FECG信噪比的計算方法如下［18］.

步驟1使用傳統(tǒng)QRS檢測算法［19］確定FECG 的R峰位置.以R峰位置為基準(zhǔn)將FECG 分為等長的L段，每段均含有一個完整的QRS 波群.構(gòu)建一個K行L列的矩陣MK×L，其中，K為每段采樣點數(shù).

步驟2基于互相關(guān)系數(shù)估計的信噪比如下：

步驟3基于特征值分析估計的信噪比如下：

其中，λi是矩陣MTM的特征值，λ1是矩陣MTM的最大特征值.

SNRcor和SNRsvd越高，說明FECG 質(zhì)量越高.在高信噪比條件下，SNRcor和SNRsvd都具有很高的估計精度，但是，在低信噪比條件下，SNRcor的估計精度要明顯優(yōu)于SNRsvd，這是由于SNRcor估計方法不依賴信號成分的精確估計［16］.因此，本文選擇SNRcor作為信噪比正則化LightGBM模型的正則項.

3 FECG提取方法

4 實驗結(jié)果與分析

4.1 實驗數(shù)據(jù)

本文使用PhysioNet 2013 挑戰(zhàn)賽［20］SET-A 中的7 組真實腹部源心電數(shù)據(jù)進行實驗，每組數(shù)據(jù)中包含4路腹壁混合信號，其采樣頻率為1 000 Hz，采集時間為1 min.在A15中截取一段長為2 000個采樣點（40～42 s）的數(shù)據(jù)繪制于圖3（縱坐標(biāo)表示相對幅度，橫坐標(biāo)表示采樣點）.

圖3 A15(40～42 s)預(yù)處理后數(shù)據(jù)

在圖3 中，虛線框1～3 分別顯示了MECG 成分與FECG部分重疊、不重疊和完全重疊的情況.

4.2 性能評價方法

主觀評價通過觀察FECG 波形是否理想和MECG成分殘留情況來分析FECG提取方法的性能.

客觀評價方法如下.

（1）臨床評價指標(biāo)

使用傳統(tǒng)QRS 檢測算法［19］確定提取得到的FECG的R 峰位置，并依據(jù)PhysioNet 2013 挑戰(zhàn)賽［20］SET-A 給定的FECG 的R 峰的標(biāo)準(zhǔn)位置，計算靈敏度（Se）、陽性預(yù)測值（PPV）和F1分?jǐn)?shù)［21，22］：

其中，TP（True Positive）、FP（False Positive）和FN（False Negative）分別表示正確檢測的、錯誤檢測的和漏檢的FECG 的R 峰位置個數(shù).靈敏度（Se）、陽性預(yù)測值（PPV）和F1分?jǐn)?shù)的值越高，表示性能越好.

（2）信噪比指標(biāo)

采用如2.4 節(jié)所述SNRcor和SNRsvd評價提取得到的FECG質(zhì)量.

4.3 本文方法的實驗結(jié)果與分析

本文所有實驗采用的計算機CPU 為Intel Core i7-9700K，CPU主頻為3.60 GHz，內(nèi)存為32 GB，操作系統(tǒng)為Windows 10 專業(yè)版，編程工具為Python和Matlab R2019a，機器學(xué)習(xí)庫使用Scikit-Learn和Lightgbm3.3.0.

采用第3 節(jié)所述的使用信噪比正則化LightGBM 的FECG 提取方法，對4.1 節(jié)所述真實腹部源心電數(shù)據(jù)進行實驗.首先對原始母體腹壁混合信號進行噪聲抑制，然后使用FastICA 分離得到MECG 估計(t)和FECG估計(t)，參數(shù)設(shè)定為源數(shù)量n=4.選取A15第40～42 s的實驗結(jié)果繪制于圖4.

由圖4 可知，信號經(jīng)FastICA 分解后輸出的獨立成分中，前兩個獨立成分為噪聲，第3 個獨立成分含有較好形態(tài)的MECG，選擇其作為MECG 估計(t)，第4 個獨立成分含有較為明顯的FECG，選擇其作為FECG 估計(t).進一步仔細(xì)觀察圖4 中的第4 路信號，可以發(fā)現(xiàn)其中殘留了明顯的MECG 成分和其他噪聲，需要對其進行進一步抑制.

圖4 A15(40～42 s)經(jīng)FastICA分解得到的獨立成分

使用信噪比正則化LightGBM 模型進一步抑制FECG 估計(t)中殘留的MECG 成分.使用網(wǎng)格搜索法進行參數(shù)優(yōu)化后確定的模型參數(shù)見表1.選取A15第40～42 s的實驗結(jié)果繪制于圖5.

圖5 A15(40～42 s)經(jīng)FastICA-信噪比正則化LightGBM提取的FECG

表1 信噪比正則化LightGBM模型參數(shù)

由圖5 可知，與FastICA 分離得到的FECG 估計(t)相比，在MECG 成分與FECG 成分部分重疊、不重疊和完全重疊（虛線框1～3）情況下，經(jīng)FastICA-信噪比正則化LightGBM 均能提取得到的清晰完整的FECG，且其中殘留的MECG成分明顯減少，F(xiàn)ECG質(zhì)量更高.

采用4.2 節(jié)所述客觀評價方法對經(jīng)FastICA和經(jīng)FastICA-信噪比正則化LightGBM 提取得到的FECG 進行計算，結(jié)果分別見表2和表3.

表2 使用FastICA的FECG提取方法的性能評價

表3 使用FastICA-信噪比正則化LightGBM的FECG提取方法的性能評價

由表2和表3 可知，使用FastICA 直接提取的FECG質(zhì)量較低，需進一步抑制其中殘留的MECG 成分和其他噪聲.與使用FastICA 的FECG 提取方法相比，使用FastICA-信噪比正則化LightGBM 提取得到的FECG 的各項性能指標(biāo)均有顯著提升，其中SNRcor平均提高了2.9 dB，SNRsvd平均提高了2.7 dB，PPV 平均提高了10.8%，F(xiàn)1分?jǐn)?shù)平均提高了6.7%，Se 在接近99%的情況下也平均提高了1.3%.這充分表明使用信噪比正則化LightGBM 模型能有效抑制殘留的MECG 成分和其他噪聲，提取高質(zhì)量的FECG.

綜上所述，主觀和客觀性能評價都充分表明本論文提出的使用信噪比正則化LightGBM 的FECG 提取方法能夠從母體腹壁混合信號中提取得到完整清晰的FECG，且其質(zhì)量明顯高于使用FastICA直接提取的FECG.

4.4 對比實驗結(jié)果與分析

為進一步驗證本文提出的使用信噪比正則化LightGBM 的FECG 提取方法，使用4.1 節(jié)所述真實心電數(shù)據(jù)進行實驗，首先對原始母體腹壁混合信號進行噪聲抑制，然后分別進行如下對比實驗.

實驗1：分別使用TFBSS，TFBSS-LightGBM和TFBSS-信噪比正則化LightGBM 提取FECG，選取A15第40～42 s的實驗結(jié)果繪制于圖6.

圖6 A15(40～42 s)對比實驗1

實驗2：分別使用RobustICA，RobustICA-LightGBM和RobustICA-信噪比正則化LightGBM 提取FECG，選取A15第40～42 s的實驗結(jié)果繪制于圖7.

圖7 A15(40～42 s)對比實驗2

實驗3：分別使用FastICA，F(xiàn)astICA-LightGBM和FastICA-信噪比正則化LightGBM 提取FECG，選取A15第40～42 s的實驗結(jié)果繪制于圖8.

其中，TFBSS參數(shù)設(shè)定為n=4，Nf=256，Nt=256，tol=1256，RobustICA 的參數(shù)設(shè)定為prewhi=true，F(xiàn)astICA的參數(shù)設(shè)定為n=4；信噪比正則化LightGBM 的參數(shù)如表1 所示；除不含目標(biāo)函數(shù)加權(quán)系數(shù)λ這個參數(shù)外，傳統(tǒng)LightGBM 的其余參數(shù)與信噪比正則化LightGBM 的參數(shù)一致.

由圖6～圖8可知：

圖8 A15(40～42 s)對比實驗3

（1）使用TFBSS，RobustICA和FastICA 直接提 取FECG，在MECG 成分和FECG 成分部分重疊（虛線框1）的情況下，TFBSS，RobustICA和FastICA 均未能有效抑制MECG成分；

（2）采用傳統(tǒng)LightGBM 抑制MECG 成分后，在MECG 成分和FECG 成分部分重疊、不重疊和完全重疊（虛線框1～3）情況下，TFBSS-LightGBM，RobustICALightGBM和FastICA-LightGBM 均較為有效地抑制了MECG成分；

（3）采用信噪比正則化LightGBM 抑制MECG 成分后，在MECG 成分和FECG 成分部分重疊、不重疊和完全重疊（虛線框1～3）情況下，TFBSS-信噪比正則化LightGBM、RobustICA-信噪比正則化LightGBM和FastICA-信噪比正則化LightGBM 均有效抑制了MECG 成分和部分噪聲，且其性能分別優(yōu)于TFBSS-LightGBM，RobustICA-LightGBM和FastICA-LightGBM，這表明信噪比正則化LightGBM 模型比傳統(tǒng)LightGBM 模型更適用于FECG提取.

采用4.2 節(jié)所述臨床評價指標(biāo)和信噪比指標(biāo)計算方法分別對實驗1～3 提取得到的FECG 進行計算，對每種方法在7 組數(shù)據(jù)集上實驗結(jié)果的客觀性能評價指標(biāo)取平均值，如表4所示.

由表4可知：

表4 FECG提取方法性能對比(平均值)

（1）使用TFBSS，RobustICA和FastICA 直接提取的FECG的客觀評價指標(biāo)均不太高，其質(zhì)量相對較低；

（2）分別使用TFBSS-LightGBM，RobustICA-LightGBM和FastICA-LightGBM 三種方法提取的FECG，相對于使用TFBSS，RobustICA和FastICA直接提取的FECG，其客觀評價指標(biāo)有所提高，這說明盲源分離方法結(jié)合Light-GBM是有效的，其中，F(xiàn)astICA-LightGBM方法優(yōu)于TFBSS-LightGBM和RobustICA-LightGBM方法；

（3）分別使用TFBSS-信噪比正則化LightGBM，RobustICA-信噪比正則化LightGBM和FastICA-信噪比正則化LightGBM三種方法提取的FECG，其客觀評價指標(biāo)明顯提高，這說明本論文提出的信噪比正則化LightGBM模型在性能上優(yōu)于傳統(tǒng)LightGBM模型，更適用于FECG提取，其中，F(xiàn)astICA-信噪比正則化LightGBM 提取的FECG 的客觀評價指標(biāo)最高，這說明FastICA-信噪比正則化LightGBM方法的性能優(yōu)于其他FECG提取方法.

綜上所述，本文提出的使用信噪比正則化Light-GBM 的FECG 提取方法無論在主觀視覺評價還是在客觀性能指標(biāo)上都明顯優(yōu)于其他傳統(tǒng)的FECG提取方法.本文提出的信噪比正則化LightGBM 模型比傳統(tǒng)Light-GBM模型更適用于FECG提取，采用本文提出的信噪比正則化方法有效提高了FECG提取方法的性能.

5 總結(jié)

本論文提出一種使用信噪比正則化LightGBM 的FECG 提取方法.針對母體腹壁混合信號，首先使用傳統(tǒng)濾波方法進行噪聲抑制，然后使用FastICA 分離得到MECG 估計和FECG 估計，再使用信噪比正則化Light-GBM 模型擬合MECG 成分與MECG 之間的非線性變換，抑制FECG 估計中殘留的MECG 成分，得到高質(zhì)量的FECG.實驗結(jié)果表明，本文提出的使用信噪比正則化LightGBM 的FECG 提取方法是有效的，且無論在主觀視覺效果還是在臨床評價指標(biāo)和信噪比評價指標(biāo)上，均優(yōu)于基于盲源分離的FECG 提取方法，也優(yōu)于盲源分離結(jié)合傳統(tǒng)LightGBM 的FECG 提取方法.本文提出的FECG 提取方法能夠從母體腹壁混合信號中直接提取FECG，更便于臨床應(yīng)用.

除LightGBM 模型外，還有大量的機器學(xué)習(xí)模型被廣泛應(yīng)用于生物醫(yī)學(xué)信號處理領(lǐng)域，因此，研究如何將本文提出的信噪比正則化方法與其他機器學(xué)習(xí)模型相結(jié)合，提取得到更高質(zhì)量的FECG是下一步研究方向.