基于特征選擇和降維的心音信號識別的研究*

李海霞 朱慧博 張施琴 毛凌鋒

（1.宿遷學(xué)院 宿遷 223800）（2.北京科技大學(xué) 北京 100083）

1 引言

心臟病是嚴重威脅人類健康和生命的主要疾病之一。心音信號是人體重要的生理信號之一，蘊含了人體大量的心臟原始病理信息。它來自于人體內(nèi)部的信號，不容易被模仿或復(fù)制［1］。目前，國內(nèi)外有許多針對心音的檢測和識別方法，這些方法都需要準(zhǔn)確提取心音的各項特征參數(shù)。Taikang Ning等通過能量和頻率等特征，實現(xiàn)對心音的快速分類［2］。李天生通過使用經(jīng)驗?zāi)B(tài)分解、希伯特-黃變換等方法，從多個角度提取了多種心音特征信號，進而完成心音的識別［3］。

為了提高識別率，人們采用了很多方法。王建衛(wèi)等［4］利用圖像處理技術(shù)進行心音信號的識別；李戰(zhàn)明等［5］利用S 變換提取心音信號特征，用于不同類型心音信號識別；Olmez 等［6］利用小波變換提取心音信號的時、頻域特征參數(shù)，對7 種不同心音信號進行分類識別，識別率達99%，但ANNs 的頻域計算繁瑣，計算量大，識別過程運算時間過長；成謝鋒等［7］將一維心音信號轉(zhuǎn)換成二維心音圖，采用圖像處理技術(shù)提取心音的圖像特征，但需要將一維信號變?yōu)槎S，增加了計算量。Rios-Gutierrez等［8］采用離散小波變換及短時時頻變換方法提取心音信號特征參數(shù)，再借助矢量化（Vector Quanti-zation，VQ）模型對4 種常見心雜音分類識別，但識別率僅有67.05%。

本文選擇了郭興明等［9］使用的小波包分解和周靜等［10］使用的功率譜估計這兩種方法，計算得到心音參數(shù)，依據(jù)特征選擇對兩種不同方法得到的多個參數(shù)進行篩選和驗證，從而找出能較好反映心音本質(zhì)特征且具有差異性的參數(shù)。然后，再將特征選擇得到的參數(shù)進行進一步降維處理，用于節(jié)約計算成本。整個實驗過程既剔除了無關(guān)參數(shù)對心音識別的干擾，又減少了投入訓(xùn)練和識別的參數(shù)個數(shù)，使得在大規(guī)模樣本數(shù)據(jù)處理時能夠更高效，還進一步提高了心音信號的識別率。本文研究成果表明，基于特征選擇后降維處理的心音識別具有高效性和可行性，擁有一定的推廣應(yīng)用前景。

2 基本理論和方法

本文采用層級式的信號識別流程，先對心音信號進行特征提取，然后對多維心音特征進行篩選，通過心音識別率驗證不同方法在心音分類中的效率。在特征選擇層中，本文選擇了3 種特征選擇方法，同時設(shè)置了1 組隨機選擇作為對照組，以最后的識別結(jié)果成功率作為驗證方法，逐個觀察幾種特征選擇方法對心音特征的篩選效果。將特征選擇效果最好的一組結(jié)果作為降維的輸入。在降維層，同樣設(shè)置主成分分析法和線性判別分析法互為對照，通過結(jié)果驗證得到最優(yōu)方法。具體步驟如圖1所示。

圖1 整體實驗流程

2.1 特征提取及驗證方法

本文對10 種不同心音信號在已獲得心音周期的前提下對其提取特征值［11～12］，其中，通過小波包分解提取參數(shù)16 個，分別是3 次小波包分解后的8個頻帶分量所占的百分比和8 個頻帶能量占比；通過功率譜估計得出的最低頻段、次低頻段、次高頻段、最高頻段在信號中的占比、信號的平均分貝及信號在最高分貝處的赫茲。

2.1.1 小波包特征提取

小波變換是從短時傅里葉變換中發(fā)展而來，可以實現(xiàn)對信號內(nèi)任意頻段的聚焦。圖2 為小波包分解模型，每層都將上層的頻帶再次細分為低頻分量A 和高頻分量D 兩個頻段。因為小波包可以將信號連續(xù)分成多個等寬頻帶，使其對沒有被細分的高頻部分得到再次分解，從而克服了高頻段其頻率分辨率較差，在低頻段時間分辨率較差的問題，在處理復(fù)雜的心音信號時，能較為詳盡地描述心音的細節(jié)變化，具有一定的優(yōu)勢。

圖2 小波包分解示意圖

小波包分解的迭代算法為

式 中，di，j，m為 第j 層 第m 個節(jié)點的第i個小波包系數(shù)；h（k）和g（k）分別為多分辨率分析中正交鏡像濾波器的低通和高通濾波器系數(shù)。

功率譜是表示頻帶內(nèi)信號功率隨頻率的分布情況，而功率譜估計是根據(jù)有限數(shù)據(jù)在頻域內(nèi)提取被淹沒在噪聲中的有用信號。對于平穩(wěn)隨機信號，難以通過數(shù)學(xué)關(guān)系來描述信號的具體狀態(tài)，只能根據(jù)有限的數(shù)據(jù)大致估算出它的功率譜密度。

圖3 為一例正常心音周期波形和一例二尖瓣關(guān)閉不全心音周期求得的功率譜估計結(jié)果，根據(jù)此結(jié)果可以對不同頻率段的功率量占比進行劃分，從而求得功率譜相關(guān)的特征值。

圖3 心音波形及其功率譜估計結(jié)果

2.1.2 驗證方法

概率神經(jīng)網(wǎng)絡(luò)具有較好的魯棒性和容錯性，能在一定的范圍內(nèi)允許同一特征點的特征值存在誤差［13］。它基于貝葉斯最優(yōu)分類決策理論和概率密度估計算法，學(xué)習(xí)過程簡單，能夠通過概率競爭得出唯一結(jié)果。與BP 神經(jīng)網(wǎng)絡(luò)相比，不會陷入局部極小值，被廣泛應(yīng)用于模式識別和模式分類領(lǐng)域。對心音的分類需要具體的結(jié)果，所以通過概率神經(jīng)網(wǎng)絡(luò)對特征參數(shù)進行識別，逐一驗證不同的特征選擇和降維方法對心音信號的特征參數(shù)的分析結(jié)果。每種心音類型選取3 例作為訓(xùn)練樣本，訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)后對所有樣本進行識別，以此獲得識別率。

2.2 特征選擇算法

根據(jù)不同選擇形式，特征選擇大體可分為3 種類型：過濾法（Filter）、包裝法（Wrappe）、嵌入法（Embedded），本文將分別使用3 個不同的模型，對心音特征進行選擇。在選擇過程中，同驗證方法一樣，每種心音信號選取3 例進行特征選擇。這三種模型使用的算法分別如下。

1）互信息法

互信息（mutual information）是用來評價一個事件的出現(xiàn)對于另一個事件的出現(xiàn)所貢獻的信息量。在特征選擇中，需要每個特征所蘊含的信息相對獨立，盡量少的與其他特征相互重合。通過特征間互信息計算進行升序排序，篩選出互信息量低，能較好描述心音信號特征的參數(shù)。

2）遞歸特征消除法

遞歸特征消除法是一種尋找最優(yōu)特征子集的貪心算法。本文選擇了基于邏輯回歸（Logistic Regression）的遞歸特征消除法，其作用是反復(fù)構(gòu)建邏輯回歸模型，然后根據(jù)系數(shù)篩除相對較差的參數(shù)類別，然后再在篩除后的特征集上重復(fù)這個過程，從而保留最好的特征參數(shù)。

3）基于樹模型的特征選擇

本文選擇了迭代決策樹［14～15］（Gradient Boosting Decision Tree，GBDT）模型來實現(xiàn)心音特征的選擇，它是一種機器學(xué)習(xí)模型，其優(yōu)勢在于通過多棵樹來共同決策，從而輸出特征權(quán)重較為突出的參數(shù)類型。

2.3 降維

降維與特征選擇的不同點在于，特征選擇只篩選出能夠反映樣本特征，更具有差異化的參數(shù)，而不改變參數(shù)的值；降維的本質(zhì)是將參數(shù)由高維度空間映射到低維度空間，在盡量保存原有參數(shù)特性的情況下，減少參數(shù)數(shù)量，因此參數(shù)的值將不再是原本的特征值。

主成分分析法（Principal Component Analysis）是一種無監(jiān)督的降維方法，它使得樣本特征具有較大的發(fā)散性，使得樣本特征能夠適應(yīng)更多的實例，而線性判別分析法（Linear Discriminant Analysis）是一種監(jiān)督式的降維方法，在映射后，特征樣本一定程度地損失了發(fā)散性但具有最佳的分類性能［16～17］。

主成分分析流程圖如圖4所示。

圖4 主成分分析流程圖

3 結(jié)果與分析

3.1 特征提取的驗證結(jié)果

表1 是10 種心音計算得到部分特征參數(shù)的樣本均值，其中AAA3 頻帶分量和DDD3 頻帶分量由小波包計算得到。功率譜最低頻段占比、功率譜最高頻段占比、功率譜信號平均功率由Welch 譜估計方法得到。

在表1 中，可以看出室間隔缺損的識別成功率明顯低于其他心音信號的成功率，并且大幅降低了整個心音樣本的識別率。在識別錯誤的17 個樣本中，有7個被誤識別為二尖瓣關(guān)閉不全，有6個被認為是主動脈回流，4 個被誤識別為動脈導(dǎo)管未閉。而從表中數(shù)據(jù)可知，室間隔缺損的DDD3 頻帶分量明顯高于二尖瓣關(guān)閉不全和主動脈回流，其功率譜最高頻段占比也明顯區(qū)分于動脈導(dǎo)管未閉，識別率低的原因是由于其他特征混淆。因此，對多維特征的心音樣本進行特征選擇是必要的。

表1 不同種心音的部分特征參數(shù)（樣本均值）及其原始數(shù)據(jù)識別成功率

3.2 不同特征選擇方法的驗證結(jié)果

根據(jù)對心音特征樣本多次的實驗，選取不同特征個數(shù)作為識別驗證的訓(xùn)練集和識別集，最終選取參數(shù)數(shù)量及識別成功率結(jié)果如表2所示。

表2 不同特征選擇方法的驗證結(jié)果

由表2 可以看出，在22 個特征選擇中，直接選擇其中5 個參數(shù)，篩選了大量有效心音信息，而使得識別率不可靠?；跇淠Ｐ偷奶卣鬟x擇利用遞歸模型自動選擇了9 個心音參數(shù)，但并未明顯提高識別率。而在篩選出11 個參數(shù)中，遞歸特征消除法實現(xiàn)的心音識別率最高，且較原始數(shù)據(jù)有明顯提升。

這一結(jié)果表明其選擇結(jié)果有效地剔除了干擾項參數(shù)對結(jié)果的影響，選擇出更能表現(xiàn)出心音特征的心音參數(shù)。

3.3 降維驗證結(jié)果

將在3.2遞歸特征消除法中得到的參數(shù)分別用主成分分析法和線性判別分析法進行降維處理，將11個參數(shù)降為5個，其識別成功率如表3所示。

表3 不同降維方法的驗證結(jié)果

降維的目的是進一步減少參數(shù)個數(shù)，當(dāng)樣本數(shù)據(jù)過大時，能有效降低計算量，簡化訓(xùn)練和識別的過程。表3 的數(shù)據(jù)顯示，本次實驗中，兩種降維方法都在減少了參數(shù)數(shù)量的同時，一定程度上提高了心音識別的成功率，且主成分分析法的識別成功率達到92.9%。

4 結(jié)語

本文提出的對心音信號先特征選擇再降維的的識別模型，通過對210 例樣本的試驗分析，結(jié)論如下。

1）在對22 個心音特征參數(shù)的選擇中，利用遞歸特征消除法選擇11 種參數(shù)達到了較好的結(jié)果，與原始數(shù)據(jù)相比，識別率上升明顯，可以以此進行數(shù)據(jù)降維。

2）在對數(shù)據(jù)降維的過程中，主成分分析法和線性判別分析法均得到較好的識別率?？梢?，在多維心音識別中，進行數(shù)據(jù)選擇和降維是必要和有效的。

3）本文所提心音識別方法能有效提高心音分類識別準(zhǔn)確率，可以結(jié)合更多特征參數(shù)及時域特征進行分析，對進一步實現(xiàn)心臟疾病診斷具有重要參考價值。