引言

腦電圖（EEG）是判斷大腦功能結構健康程度和檢測大腦異常的重要手段。腦電圖中的特定區域電活動異常可能是某些疾病發作的征兆，比如癲癇發作2。此外，臨床腦電也被用于診斷腦炎、中風、帕金森病等疾病。有經驗的醫生可通過觀察腦電圖并根據專業知識評估和診斷神經系統疾病，但腦電信號存在個體差異，并且復雜多變，導致診斷結果往往具有主觀局限性和一定的誤診風險。而借助人工智能技術自動識別并分析腦電信號4，可以大幅提高腦電診斷的效率和準確度，醫生也能通過人工智能給出的分析進行進一步診療。

然而，在構建數據集的過程中，智能算法模型需要大量標注樣本來提高性能，而大量的腦電數據需要手動標注，這極大延緩了腦電智能算法模型研究的進度。此外，模型性能與數據質量也有一定關系。因為數據集中的樣本包含信息量不同，并且樣本之間也可能存在重復的信息，因此需要一個能減少臨床腦電數據標注工作量，并且在較少標注的情況下能夠提高提煉數據集質量的方法。

在這種背景下，本文提出了一種基于主動學習的臨床腦電數據挖掘方法，通過主動學習篩選潛在的高價值樣本，并通過人工標注重新送入訓練集對模型進行訓練。首先通過基于數據池的主動學習方法進行基礎訓練，然后通過四種主動查詢策略對臨床腦電數據進行挖掘和篩選，最后利用所篩選出來的數據集訓練EEG-Conformer算法進行測試。結果表明，該方法相比基準有所提升。

1.方法

1.1主動學習

隨機選擇樣本進行標注的方式沒有考慮到高價值樣本對模型訓練效果的提升，而主動學習可以通過提前預設好的策略對樣本進行篩選并標注，在較少樣本標記的情況下獲得較好的模型訓練效果。主動學習在處理數據集樣本時有兩種方式：基于數據池和基于數據流

考慮到臨床腦電數據集的規模大小以及標注成本，其更適用于基于數據池的主動學習方法，從有限的樣本集中挖掘出高價值的數據。故本文采用基于數據池的主動學習方法，設計臨床腦電數據挖掘方法。該方法的框架如圖1所示。

首先，將初始標注注入已標注數據集D中，使用D訓練模型M；然后，用模型M掃描未標注樣本集S，并根據主動學習策略主動評估出高價值樣本，注入高價值數據集H中；隨后將H送至專家進行人工標注，這些新增的標注集被合并到D中；最后，利用更新后的D對模型M進行進一步的訓練和優化。

1.2策略設計

主動學習方法的核心在于如何高效地挑選出對學習過程具有高價值的樣本實例。本文采用基于不確定性的策略。該策略的核心思想是挑選出模型難以辨別或容易出錯的樣本進行標注。基于不確定性的策略通過計算不確定性度量來選擇樣本。本文主要采取以下四種不確定性方法。

（1）基于概率分布最大值特征的樣本挑選策略，也稱為最小置信度（leastconfidence）。該方法根據評估模型預測概率分布來衡量不確定性。如果預測概率最高類別的概率低于一定閾值，則表明模型對該分類信心不足，從而認為此樣本具有較高的不確定性。此方法的公式為

式中， ρ_e 為未標記的腦電數據樣本，（204號 ，i為模型M下最大后驗概率的預測腦電類別標簽， 為模型M在樣本e預測為類別標簽的概率， e_LC^* 為不確定性最高的腦電數據樣本。通過選擇這些置信度最低的樣本進行標注，可以幫助模型更好地理解模糊的分類樣本，提高分類性能。

（2）基于最小分類差距（minimumclassificationmargin）的樣本挑選策略，也稱為邊際采樣。該方法是通過衡量模型對可能性最大和可能性第二大的腦電類別標簽之間的預測概率差距來計算不確定性。樣本在二者之間的預測概率差距越小，則模型在辨別時不確定性就越大。此方法的公式為

式中， 和 分別表示模型對可能性最大類別和可能性第二大類別的預測標簽， 為模型M在樣本e預測為 和 的概率。eMcm表示最小分類差距的樣本，分類差距越小，則表明分類器對此次分類的不確定性也越大。

（3）基于信息增益（informationgain）的樣本挑選策略。該方法通過計算腦電標注樣本后可能帶來的信息增益來選擇樣本。通常基于熵（entropy）的變化來衡量信息增益。選擇可能使模型信息增益最大化的腦電樣本進行標注，通過優先標注這些樣本，可以顯著提升模型的分類能力，使模型在最短的時間內學習到更有價值的信息。此方法的公式為

式中， 表示模型M在未標注腦電數據樣本e屬于類別 下給出的置信度，eIG為信息增益最大化的腦電樣本。該方法相對于上面兩種策略，考慮了模型M對腦電樣本e關于所有類別上的置信度。

（4）基于置信度波動（confidencevariability）的樣本挑選策略。該方法通常可以通過均方差（meanvariance）實現，核心在于衡量模型對預測的波動性。置信度波動較大的腦電樣本，說明模型對該樣本的不確定性較高。標注這些樣本，可以增強對波動較大的樣本的理解，從而提升分類效果。此方法的公式為

式中， 表示模型M預測腦電樣本e時給出的每個類別的平均置信度， 表示模型M在未標注腦電數據樣本e屬于類別下給出的置信度， n 表示腦電樣本e類別數量， e_cv^? 為置信度波動最大的腦電樣本。

1.3數據集

使用的數據集中包含了8名病人的睡眠腦電數據。采樣率為512Hz，每段樣本時長30s，共計6288個樣本。本章選擇其中的F4-C4、C4-P4、P4-O2、C4-A1這4個EEG通道，并將原始腦電下采樣至 100Hz ，得到的數據樣本詳細如表1所示。

為了滿足更新的美國睡眠醫學會（AASM）睡眠評分指南，本文將S3和S4階段分在一起，形成N3睡眠階段，將被試的睡眠階段劃分為五個睡眠階段，即WAKE、N1、N2、N3和REM[]。

1.4實驗設計

本文的實驗將數據集隨機分為兩部分，選取 30% 的臨床腦電數據樣本作為測試集， 70% 則分配到無標注樣本池中，用來測試其挖掘和篩選腦電數據樣本的效果。此外，實驗設置了對照組，即隨機挑選樣本策略，從無標注樣本池中隨機挑選樣本進行標注。實驗開始時，訓練集包含50個已標注樣本。在實驗過程中，每次查詢操作通過主動學習策略從未標注樣本池中選出50個樣本交給專家進行標注，每種主動學習策略都設置了50次查詢操作。所有的主動學習策略均使用EEG-Conformer算法進行測試，并且設置了50輪的訓練周期，以此評估各種主動學習策略對模型訓練效果的影響。

2.結果

不同的主動學習策略訓練的EEG-Conformer模型的性能表現如圖2和圖3所示。

可以看出，基于信息增益的樣本挑選策略優于其他策略。在第37輪迭代，使用基于信息增益的樣本挑選策略構建的數據集訓練的模型性能達到最高點，該點的準確率為0.8317，此時最大值特征為0.8099，最小分類差距為0.8147，置信度波動為0.8158，隨機挑選策略為0.793。之后隨著迭代的次數繼續增加訓練樣本，模型性能并沒有提升，而是處于波動狀態。與基準對照組隨機挑選策略相比，在第37輪迭代時，基于信息增益的樣本挑選策略的準確率提升了約 3.9% ，F1-score提升了約 4.7% 。主動學習方法對性能的提升存在邊際遞減效應。隨機挑選策略可以很好地模擬在正常情況下模型性能隨數據集大小變化的情況。在前10輪迭代，隨機挑選策略的效果最差，這也輔證了本文提出的四種主動學習樣本挑選策略的有效性。

四種樣本挑選策略在50輪迭代中構建的訓練集在模型性能上的效果如表2所示。

可以觀察到基于信息增益的樣本挑選策略效果最佳。相比隨機挑選樣本策略，信息增益策略的準確率提高了 3.8% ，F1-score提升了 5.2%. 。同時，主動學習策略構建的訓練集最優效果以及樣本數量如表3所示。

可以看出基于信息增益的樣本挑選策略在樣本數量為1450時，模型性能達到最佳，此時不僅樣本數量遠遠小于其他策略，并且性能也均優于其他的策略。

結語

為了提高臨床腦電數據樣本的標注效率，并從現有的少量臨床腦電數據中挖掘出高質量的腦電樣本，本文設計了4種主動學習策略，從原始腦電數據文件中挑選高價值的無標注臨床腦電數據樣本。同時，本文通過設計實驗對比這4種主動學習策略的效果。實驗結果表明，主動學習策略從臨床腦電數據集中挑選樣本用于訓練EEG-Conformer，能夠有效提高模型性能，并提高訓練集構建效率，實現數據挖掘。此外，基于信息增益的不確定性，主動學習策略效果最佳。相比作為基準策略的隨機樣本挑選策略，信息增益策略的準確率提高了 3.8% ，F1-score提升了 5.2% ，同時達到最優效果時的樣本數量遠小于其他策略，最終證實了本文提出的基于主動學習的臨床腦電數據挖掘方法具有一定的可行性及有效性，該方法總體上能以較少的標注資源實現模型性能的提升。

參考文獻：

[1]Klem GH，Lü dersH O，Jasper H H，et al.The ten-twenty electrode system of theInternational Federation.The International

Federation of Clinical Neurophysiology]. Electroencephalogr Clin Neurophysiol Suppl，1999，52：-6.

[2]ThijsR D，Surges R，O'Brien T J，et al.Epilepsy in adults[J]. Lancet，2019，393（10172）：689-701.

[3]RoosKL.Encephaliti[J].Neurologic clinics，1999，17（4）：813-833.

[4]AcharyaUR，SreeSV，Swapna G，etal.Automated EEG analysisof epilepsy：areview[J].Knowledge-Based Systems，2013，45：147-165.

[5]SongY H，ZhengQ Q，Liu BC，et al.EEG conformer： Convolutional transformer for EEG decoding and visualization[J]. IEEETransactions on Neural Systems and Rehabilitation Engineering，2023，31：710-719.

[6]趙正旦.基于主動學習的少標簽不平衡數據分類[D].南京：南京郵電大學，2022.

[7].Ren P Z，Xiao Y，Chang XJ.A survey of deep active learning[EB/OL]. （2021-12-05）[2025-04-18].https：//arxiv.org/ abs/2009.00236..

[8]SiddiquiY，ValentinJ，NieBner M.Viewal：Active learningwith viewpoint entropy for semantic segmentation[EB/OL]. （2020-05-18）[2025-04-18].https：//arxiv.org/ abs/1911.11789#：＼～tex t= We%20propose%20 ViewAL%2C%20a%20novel%20active%20 learning%2Ostrategy，segmentation%2Othat%20 exploits%2Oviewpoint%2Oconsistency%20 in%20multi-view%2Odatasets.

[9]Wang G A，HwangJN，Rose C，et al.Active learning using uncertainty informatio[J].IEEE Transactions on Image Processing，2019，28（1）：316-329.

[10]Wolpert E A.A Manualof Standardized Terminologyand Scoring System forSleep StagesofHuman Subjects[J].Arch GenPsychiatry，1969，20（2）：246-247.

作者簡介：陳李瑩，碩士研究生，工程師，249196252@qq.con，研究方向：人工智能，大數據。