基于SAE深度神經(jīng)網(wǎng)絡(luò)的自主循環(huán)恢復(fù)辨識算法研究

張 廣，王宗閣，，王平安，王慧泉，蘇 琛*

（1.軍事科學(xué)院系統(tǒng)工程研究院衛(wèi)勤保障技術(shù)研究所，天津 300161；2.天津工業(yè)大學(xué)生命科學(xué)學(xué)院，天津 300387）

0 引言

在戰(zhàn)爭或緊急災(zāi)害條件下，傷員易受到多種因素導(dǎo)致的心臟驟停傷害，心臟驟停嚴重危及人類的生命。對于心臟驟停患者的搶救，大多依賴于快速的高質(zhì)量心肺復(fù)蘇和除顫[1]。高質(zhì)量的心肺復(fù)蘇需要持續(xù)有節(jié)律的胸部按壓并最大程度地減少按壓的中斷次數(shù)[2-4]，但是人工檢查人體自主循環(huán)是否恢復(fù)的過程中可能會耗費大量時間，導(dǎo)致按壓長時間的中斷，進而對心肺復(fù)蘇結(jié)果產(chǎn)生負面影響，即使由專業(yè)的臨床醫(yī)生操作也不能完全避免這個問題[5-6]。因此，提出一種快速準確的自主循環(huán)結(jié)果檢測方法具有重要意義。

現(xiàn)有研究中，通過監(jiān)測潮氣末CO2、有創(chuàng)血壓或中心靜脈血氧飽和度等指標可以準確地評估自主循環(huán)結(jié)果[7-12]，但這些方法都需要建立安全的氣道或放置導(dǎo)管，具有侵入性；經(jīng)胸阻抗（trans-thoracic impedance，TTI）測量方法和近紅外光譜（near-infrared spectroscopy，NIRS）方法可以實現(xiàn)無創(chuàng)檢測[13-16]，但是TTI測量方法容易受胸部按壓的影響，NIRS方法對自主循環(huán)結(jié)果檢測響應(yīng)較慢，因此均不適宜進行大規(guī)模的推廣應(yīng)用。心肺復(fù)蘇指南中提到可以使用光電容積描記（photoplethysmography，PPG）技術(shù)來對自主循環(huán)結(jié)果進行無創(chuàng)檢測[17-18]。PPG技術(shù)是一種用于測量自發(fā)脈搏和其他血液動力學(xué)參數(shù)經(jīng)常使用的方法，具有檢測方便、易于使用且非侵入性的優(yōu)點。

近年來，深度學(xué)習(xí)在研究工作中使用越來越廣泛，其具有很強的數(shù)據(jù)特征學(xué)習(xí)能力，可以通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示，在研究領(lǐng)域和工業(yè)應(yīng)用有著廣泛的應(yīng)用。棧式自編碼（stacked autoencoder，SAE）深度神經(jīng)網(wǎng)絡(luò)是對自編碼網(wǎng)絡(luò)的一種使用方法[19]，是一個由多層訓(xùn)練好的自編碼器組成的深度神經(jīng)網(wǎng)絡(luò)，具有逐層降維功能，可以使復(fù)雜問題簡單化，有助于進行網(wǎng)絡(luò)構(gòu)建和結(jié)果預(yù)測。

基于以上現(xiàn)狀，本研究擬通過開展動物實驗，利用無創(chuàng)生理參數(shù)繪制的能量譜圖和SAE深度神經(jīng)網(wǎng)絡(luò)，克服機械按壓和戰(zhàn)場嘈雜環(huán)境對傷員生理信號辨識的干擾，實現(xiàn)對心肺復(fù)蘇過程中自主循環(huán)恢復(fù)、心臟驟停等關(guān)鍵啟停指標的及時、準確辨識，為醫(yī)學(xué)救援人員提供高準確度的自主循環(huán)恢復(fù)信息，使其作為急救參考輔助救援人員實施高效率的傷員救治。

1 數(shù)據(jù)采集及處理

1.1 數(shù)據(jù)采集

為了更好地實現(xiàn)對心臟驟停以及自主循環(huán)恢復(fù)的準確辨識，本研究對長白豬進行電擊，人為制造室顫模型，并通過心肺復(fù)蘇、電擊除顫使實驗豬自主循環(huán)恢復(fù)。完整的實驗流程如圖1所示。

圖1 實驗流程圖

（1）實驗準備：對實驗豬進行全身麻醉，建立通道（股動脈、右頸外靜脈、左頸外靜脈），佩戴信號采集設(shè)備，采集基線數(shù)據(jù)。（2）誘發(fā)室顫：當(dāng)實驗豬的生理狀態(tài)處于穩(wěn)定時，對其心臟進行電擊誘發(fā)室顫，電擊電壓為35 V，電擊持續(xù)時間為5～10 s。（3）心肺復(fù)蘇：誘發(fā)室顫成功后，利用心肺復(fù)蘇按壓設(shè)備進行持續(xù)按壓操作，按壓通氣比為30∶2，按壓時長約為5 min。（4）電擊除顫：按壓結(jié)束后，打開除顫儀，選擇能量為100 J對實驗豬心臟進行電擊除顫。（5）重復(fù)進行心肺復(fù)蘇及電擊除顫操作，直至其自主循環(huán)恢復(fù)。（6）實驗豬狀態(tài)恢復(fù)平穩(wěn)后，再次重復(fù)步驟（2）～（5），獲取下一組實驗數(shù)據(jù)。動物實驗與數(shù)據(jù)采集場景如圖2所示。

圖2 動物實驗與數(shù)據(jù)采集場景

實驗過程中使用RM6240C多通道生理信號采集系統(tǒng)（成都儀器廠）同步持續(xù)采集實驗豬的心電、光電脈搏波以及有創(chuàng)血壓信號，采樣頻率均為1 kHz。本研究一共完成10頭實驗豬的數(shù)據(jù)采集，體質(zhì)量范圍為（31±5.5）kg。研究過程嚴格遵守動物實驗準則，得到解放軍總醫(yī)院醫(yī)學(xué)倫理委員會的批準。

1.2 數(shù)據(jù)處理

實驗過程中采集得到的光電容積脈搏波信號通常會受到不同因素的干擾，如運動偽影、工頻干擾、白噪聲等，這些干擾因素會導(dǎo)致采集得到的原始脈搏波信號發(fā)生基線漂移或信號突變，大大降低了對信號中有用信號的利用程度，部分干擾信號還會淹沒有用信號的特征點，導(dǎo)致對特征點識別不準確，降低后續(xù)的信號處理及預(yù)測。因此，采集到原始信號后，需要先對脈搏波數(shù)據(jù)進行濾波處理，將干擾信號從原始信號中分離出來并加以抑制。

脈搏波信號的主要頻率范圍為1～20 Hz，因此脈搏波信號的巴特沃斯低通濾波器的通帶截止頻率設(shè)置為15 Hz，阻帶截止頻率設(shè)置為20 Hz，通帶紋波設(shè)置為1 dB。針對基線漂移等干擾脈搏波的低頻干擾信號，先用模板法找到原始脈搏波信號的谷值點，然后使用三次樣條插值法得到脈搏波基線，并通過減法處理去除基線數(shù)據(jù)，去除干擾后的脈搏波波形如圖3所示。

圖3 脈搏波波形圖

1.3 能量譜圖

為了更深入地研究心肺復(fù)蘇過程中脈搏波的變化，本研究繪制了PPG信號的能量譜圖。能量譜圖的繪制過程如下：（1）使用長度為5 s的時間窗對PPG數(shù)據(jù)進行滑動分割，步長為1 s；（2）將每20 s作為一個數(shù)據(jù)段，將此時間段內(nèi)每個窗口內(nèi)的數(shù)據(jù)進行傅里葉變換；（3）20 s數(shù)據(jù)段的傅里葉變換結(jié)果通過MATLAB中的imagesc函數(shù)進行二維作圖后即可獲得PPG能量譜圖。

能量譜圖具有可視化的優(yōu)點，能夠?qū)⒚}搏波頻率及能量隨時域變化情況進行可視化呈現(xiàn)。如圖4所示，該能量譜圖反映的是未進行任何操作情況下，實驗豬穩(wěn)定狀態(tài)時一段脈搏波的能量譜圖。根據(jù)圖4即可觀察到脈搏波頻率隨時間變化的情況，同時圖中的顏色亮度可以反映脈搏波能量變化及生命體征的能量變換，還可以看到未進行任何操作時，實驗豬的脈搏波頻率穩(wěn)定在1.535 Hz左右，同時實驗豬的脈搏波能量正常變化，表明豬處于正常生命狀態(tài)。

圖4 實驗豬穩(wěn)定狀態(tài)時PPG信號能量譜圖

圖5為實驗過程中實驗豬發(fā)生室顫并恢復(fù)自主循環(huán)的過程，從圖中可以看到，當(dāng)對實驗豬進行人為電擊制顫，83 s左右時圖中脈搏波頻率消失，表明室顫造模成功，此時其心臟處于室顫狀態(tài)，因此不再對外泵血，導(dǎo)致脈搏波消失，反映在圖中即脈搏波頻率消失；當(dāng)實驗豬恢復(fù)自主循環(huán)后，162 s處脈搏波頻率重新出現(xiàn)，說明實驗豬心臟解除室顫狀態(tài)，心臟重新工作開始泵血，因此脈搏波重新出現(xiàn)，表明此時實驗豬已恢復(fù)自主循環(huán)。整個發(fā)生室顫及恢復(fù)自主循環(huán)的過程可以在能量譜圖中得到清晰展示，表明該能量譜圖可以有效地反映自主循環(huán)恢復(fù)與否。

圖5 室顫及自主循環(huán)恢復(fù)過程

2 基于SAE深度神經(jīng)網(wǎng)絡(luò)的辨識模型構(gòu)建

SAE深度神經(jīng)網(wǎng)絡(luò)是一種有效的無監(jiān)督特征識別和深度學(xué)習(xí)方法，廣泛用于各種特征提取和分類問題。為了實現(xiàn)自主循環(huán)恢復(fù)的準確辨識，本研究使用由雙重隱藏層SAE組成的深層神經(jīng)網(wǎng)絡(luò)來構(gòu)建脈搏波信號與自主循環(huán)恢復(fù)標志之間的相關(guān)模型[19-20]。

SAE深度神經(jīng)網(wǎng)絡(luò)表示由多個自動編碼器組成的反饋神經(jīng)網(wǎng)絡(luò)模型。由輸入層、2個隱藏層和輸出層組成的4層神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖6所示，神經(jīng)網(wǎng)絡(luò)上一層與下一層之間的神經(jīng)元完全互連。自動編碼器使用神經(jīng)網(wǎng)絡(luò)第一層的激活功能來提取輸入數(shù)據(jù)的特征，并將其轉(zhuǎn)發(fā)到下一個隱藏層。本研究利用了Sigmoid激活函數(shù)，由下式得到：

圖6 SAE深度神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

式中，x表示網(wǎng)絡(luò)結(jié)構(gòu)輸入神經(jīng)元；f（x）表示輸出結(jié)果。

本研究中SAE深度神經(jīng)網(wǎng)絡(luò)的4層網(wǎng)絡(luò)結(jié)構(gòu)中輸入層是PPG數(shù)據(jù)經(jīng)過連續(xù)傅里葉變換后的多維度參數(shù)，輸出層是患者是否恢復(fù)自主循環(huán)的標簽。SAE深度神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣包括特征抽取矩陣、特征編碼矩陣和分類重建矩陣。其中，特征抽取矩陣位于輸入層與第一隱藏層之間，抽取輸入的多維多生理參數(shù)信息特征，將特征信息突出顯示；特征編碼矩陣位于隱藏層1與隱藏層2之間，將突出顯示的特征信息進行編碼；分類重建矩陣位于隱藏層2與輸出層之間，將所有得到的編碼特征進行分類，得到n類標簽，標簽所攜帶的就是自主循環(huán)恢復(fù)與否的關(guān)鍵信息。

3 實驗結(jié)果及分析

本研究擬通過心肺復(fù)蘇過程中PPG信號的變化情況來實現(xiàn)對心臟驟停救治過程中自主循環(huán)恢復(fù)的準確辨識。由于對實驗豬進行心肺復(fù)蘇時的按壓頻率接近實驗豬自主循環(huán)時的PPG頻率，因此按壓過程中通過PPG信號對實驗豬自主循環(huán)恢復(fù)的辨識也會更加困難。為了探究PPG信號辨識按壓過程中自主循環(huán)恢復(fù)的效果，本研究分別對2種情況下實驗豬自主循環(huán)恢復(fù)辨識準確度進行預(yù)測：（1）無機械按壓時恢復(fù)自主循環(huán)。該情況下不存在按壓頻率的影響，因此通過PPG信號對自主循環(huán)恢復(fù)的辨識困難程度較低。（2）在心肺復(fù)蘇機械按壓過程中恢復(fù)自主循環(huán)。由于此種情況下的按壓頻率接近PPG原有頻率，因此更能分辨出PPG信號，通過PPG信號對自主循環(huán)恢復(fù)的辨識也存在更大的困難。

本研究一共完成10頭實驗豬的數(shù)據(jù)采集，共完成了42次電擊制顫過程，通過外部胸部按壓及電擊除顫實現(xiàn)自主循環(huán)恢復(fù)32次。以滑動窗口方式提取數(shù)據(jù)樣本，每20 s數(shù)據(jù)作為1個數(shù)據(jù)樣本，共提取800份數(shù)據(jù)樣本，其中有自主循環(huán)且無胸部按壓的樣本200個，有自主循環(huán)且有胸部按壓的樣本200個，無自主循環(huán)且無胸部按壓的樣本200個，無自主循環(huán)且有胸部按壓的樣本200個。辨識結(jié)果見表1、2。

表1 無胸部按壓情況下自主循環(huán)恢復(fù)辨識結(jié)果

表2 有胸部按壓情況下自主循環(huán)恢復(fù)辨識結(jié)果

表1、2分別為無胸部按壓和有胸部按壓情況下的自主循環(huán)辨識結(jié)果，表中真實結(jié)果有自主循環(huán)和無自主循環(huán)的樣本個數(shù)是人為設(shè)定的標簽，辨識結(jié)果中有自主循環(huán)和無自主循環(huán)結(jié)果為本研究提出的自主循環(huán)恢復(fù)辨識算法預(yù)測得到的結(jié)果。通過將辨識結(jié)果與真實結(jié)果進行對比，即可得出本研究算法對于自主循環(huán)情況的辨識準確度，利用該結(jié)果可以對本研究提出的自主循環(huán)恢復(fù)辨識算法進行評估。

由表1、2中的自主循環(huán)恢復(fù)辨識實驗結(jié)果可知，在心肺復(fù)蘇自主循環(huán)恢復(fù)過程中，無胸部按壓情況下，無自主循環(huán)的辨識準確度為92.5%，有自主循環(huán)的辨識準確度為97.5%；而在有胸部按壓情況下，無自主循環(huán)的辨識準確度為89.0%，有自主循環(huán)的辨識準確度為84.0%。總的來說，本研究提出的自主循環(huán)恢復(fù)辨識算法在無胸部按壓情況下對自主循環(huán)恢復(fù)的平均辨識準確度可以達到95.0%，在有胸部按壓情況下對自主循環(huán)恢復(fù)的平均辨識準確度可以達到86.5%，說明該方法在有胸部按壓干擾的情況下仍具有較高的辨識準確度，具有推廣價值。

4 結(jié)論

本研究提出了一種基于SAE深度神經(jīng)網(wǎng)絡(luò)的自主循環(huán)恢復(fù)辨識算法，通過進行動物實驗以及對實驗數(shù)據(jù)的采集和分析，實現(xiàn)了對心肺復(fù)蘇過程中自主循環(huán)恢復(fù)的辨識，該算法能夠為醫(yī)務(wù)人員對心臟驟停患者實施心肺復(fù)蘇急救過程提供輔助參考作用，幫助醫(yī)務(wù)人員對心臟驟停患者實施高效率的緊急救治，在緊急救援領(lǐng)域具有重要作用。雖然本文提出的方法在按壓情況下仍具有良好的辨識能力，但是本研究也存在一定的局限性，首先，本次實驗的10頭實驗豬體征差異并不大，體質(zhì)量范圍較小，因此普適性方面具有一定的限制，需要進一步增加對具有差異化實驗豬的研究；其次，本研究利用滑動窗提取了800個樣本，但是實際上樣本量仍不夠大，需要進一步擴大樣本量；最后，本次實驗是基于實驗豬進行的，雖然其心臟和人類心臟很相似，但仍會存在不同，因此還需要使用人體心臟驟停及自主循環(huán)恢復(fù)的數(shù)據(jù)對算法加以驗證。后續(xù)的研究中將針對上述問題改進和優(yōu)化，加強對自主循環(huán)恢復(fù)辨識的進一步研究。