結合CNN與雙向LSTM的心律失常分類

李興秀，唐建軍，華 晶

1.江西農業大學 計算機與信息工程學院，南昌 330045

2.江西農業大學 軟件學院，南昌 330045

根據世界衛生組織提供的數據表明，心血管疾病的死亡率占世界死亡率的1/3，而心律失常是心血管疾病中最常見的一種病癥，其表現為心臟功能的不規律，嚴重時甚至危及生命。因此，研究心律失常是診治該類心血管疾病患者的重要工作之一。目前，診斷心律失常的有力工具是心電信號分析。通過監測患者的心電圖，醫務工作者可以識別出心律失常，然而這種通過人工視覺的檢測與解釋容易出錯[1]。利用心電自動分析技術可以在心臟活動的實時監測中及時檢測出異常心臟信息[2]，在早期檢測出心律失常能夠提高診斷效率并且節約人力與時間成本[3]。傳統的機器學習方法以特征為中心[4]，因此分類器的性能很大程度上取決于提取特征的質量。近年來深度學習算法以其自動學習特征的優勢，被越來越多地應用于醫療保健領域，如醫學影像的識別與分割、時間序列數據的監測與分析等。基于深度學習的心律失常分類技術可以自動提取心電信號的低層和高層特征，以端到端的方式將輸入的心電信號自動映射為心律失常的某個類型，避免了分類子過程之間的相互依賴（如QRS 復合波的提取）[5]。現有的心電信號分類方法通常包含小波變換等預處理步驟，但是其計算量會增加實時分類系統的時延。此外，部分方法未按照美國醫療儀器促進協會（Association for the Advancement of Medical Instrumentation，AAMI）標準[6]進行分類。然而AAMI 標準包含了對自動心律失常分類方法的測試和評估方案，使得相關研究具有可比性。針對上述問題，本文提出了一種基于一維卷積神經網絡（convolutional neural network，CNN）和雙向長短期記憶網絡（bidirectional long short-term memory，BLSTM）的分類方法。該方法不需要濾波處理和手工特征提取過程。提出的模型首先使用卷積神經網絡學習心電信號的形態特征，獲取信號的顯著信息，然后利用雙向長短期記憶網絡獲取特征中的上下文依賴關系；最后通過softmax函數實現AAMI 標準的五種心律失常類別的分類。方法采用mish 函數作為激活函數，使得模型在訓練過程中更為穩定。在MIT-BIH 心律失常數據庫進行五折交叉驗證，該方法獲得了99.11%的平均準確率，驗證了模型的有效性。

1 相關工作

心律失常的自動分類方法分為傳統的機器學習方法[2,7-10]和基于神經網絡的深度學習方法[3,11-17]，這些方法主要包括信號預處理、特征提取以及分類三個步驟。傳統的機器學習方法通常需要提供手工制作的特征，然而特征的選擇或組合不僅需要專業知識且其過程是耗時的[18]。隨著深度學習理論與研究的發展，研究者們逐漸傾向使用深度學習算法從數據中自動提取感興趣的特征。根據網絡輸入的維度，可將深度學習分類方法分為基于一維心電信號的分類和二維心電圖像的分類。

目前，基于一維信號的深度學習算法是心律失常分類任務的研究熱點，例如Kiranyaz 等人[11]針對特定患者的心電圖開發了一種基于一維卷積神經網絡的分類算法，然而該算法對SVEB 類型的心律失常分類靈敏度較低。Rajpurkar 等人[12]提出了一個34 層殘差卷積神經網絡算法，可從單導聯可穿戴設備記錄的心電信號中檢測到心律失常信息。長短期記憶網絡擅長獲取時間序列信息，Yildirim[13]將信號分解成小波序列，然后輸入到深度雙向長短期記憶模型中進行分類，在無噪聲環境下實現了99.39%的識別性能，但是其訓練時間成本高且分類沒有按照AAMI的標準進行。針對此問題，Saadatnejad 等人[14]提出了一種小波變換和長短期記憶網絡來自動提取特征的輕量級分類方法，滿足可穿戴設備上的連續實時分類要求。Feng 等人[15]提出了基于16 層卷積神經網絡和長短期記憶網絡的多通道分類算法，在PTB 數據庫中的心肌梗死分類準確率達到了95.4%。

基于二維心電圖像的深度學習方法中，文獻[16]將心電信號中的三個相鄰心跳轉化為二維耦合矩陣，其整合了信號的形態信息和節拍之間的相關性；Jun 等人[17]將每個心跳轉換成二維灰度圖像，之后將此作為二維卷積神經網絡模型的輸入。然而基于二維的方法需要將一維信號轉換成二維信息，不僅增加了計算成本，而且存儲二維的信息會占用更多的硬盤空間。總之，現有的很多方法要么沒有按照AAMI標準進行分類[3,13,15,19]，要么預處理過程復雜[20-21]，要么時間成本高[13,16-17]。基于此，本文提出了一維卷積神經網絡和雙向長短期記憶網絡組合而成的混合模型（CNN-BLSTM），該模型利用了卷積神經網絡具有噪聲魯棒性和長短期記憶網絡在時間序列數據上的優勢，探索其在未經過任何濾波處理的數據上基于AAMI推薦的五種心電類別分類研究。

2 CNN-BLSTM 分類方法

2.1 數據預處理及表示

現有的心律失常分類研究中，預處理過程通常包含小波變換或濾波器組等濾波操作來得到干凈的心電數據。為盡可能保留心電信號的原始特征以增強模型的泛化能力，本文在信號預處理過程中未進行任何濾波操作或特征提取步驟，而是直接將原始信號分割成固定長度的節拍。原始心電信號首先通過mapminmax 函數歸一化到[0,1]之間，然后根據MIT-BIH 心律失常數據庫中注釋的R 峰值位置，按文獻[22]方法將信號分割成節拍，并給每個節拍注釋對應的標簽。為保證輸入形狀一致，將處理得到的每個節拍統一到長度為256 個采樣點的數據段。

將經過預處理之后的節拍X=[x1,x2,…,xn]作為網絡的輸入，其中n為256。輸入X對應的標簽y∈{N,S,V,F,Q}。

2.2 CNN-BLSTM 網絡模型

CNN-BLSTM 由卷積神經網絡和長短期記憶網絡兩個模塊組成，其中卷積神經網絡的卷積層和池化層能夠提取輸入的底層特征[23]，長短期記憶網絡能夠捕獲輸入和目標之間復雜的、時間上的上下文依賴關系[24]，適用于心電信號分類等任務。圖1 和表1分別給出了本文提出的CNN-BLSTM 結構和對應的詳細參數。網絡總參數量約為4.7×105，運算復雜度約為6.95×10-4GFLOPs。

Fig.1 Structure of CNN-BLSTM圖1 CNN-BLSTM 結構

Table 1 Parameters and details of CNN-BLSTM structure表1 CNN-BLSTM 結構的參數與細節

2.2.1 卷積神經網絡模塊

卷積神經網絡模塊由若干個卷積層、池化層以及其他操作組成，如圖1 所示。卷積層具有局部連通性和權重共享等特性，可用于提取一維心電信號的局部特征。一維卷積層的公式如下：

其中，wl、bl為l層的權重和偏置，m為卷積核大小。

批歸一化層[25]可以使數據分布均勻，加快網絡訓練。激活層可以得到非線性的變換，提升模型擬合效果，因此在每個卷積層后面添加一個批歸一化層和激活層。就激活層而言，大部分研究所使用的是ReLU 激活函數（式（2）），根據其原理可知，ReLU 將負輸入都變為0，然而網絡處理過程中的數據存在負值，這會導致信息的丟失，故而本文中的激活層采用了一個自正則化的mish 激活函數[26]（式（3））。mish函數的曲線圖見圖2，從圖像易知mish 函數是一個非單調的平滑的曲線，保留了少量的負值即信息更完整，這使得網絡的性能和穩定性更好。

為保留心電信號中的顯著信息同時降低網絡計算復雜度，在每個卷積塊后添加一個核大小為2，步長為2 的最大池化層。此外，由于丟失層可以通過隨機丟棄部分信息來防止模型過度擬合，在最大池化層后加入一個丟失率為0.1 的丟失層。

Fig.2 Image of mish function and ReLU function圖2 mish 函數與ReLU 函數的圖像

2.2.2 雙向長短期記憶網絡模塊

基于長短期記憶網絡在動態數據上的優勢，本文在卷積神經網絡之后使用了雙向長短期記憶網絡來獲取特征中的上下文依賴關系，網絡結構如圖3 所示。雙向長短期記憶網絡包含一個前向LSTM 和反向LSTM 兩個網絡，每個網絡包含相同數量的LSTM單元，本文設置其數量為128。LSTM 單元由輸入門、輸出門和遺忘門組成，這些門能夠通過調節單元中的信息流來增加或刪除信息，因此單元可以獲取時間流中的信息。LSTM 單元的內部結構如圖4 所示。

計算公式如下：

其中，it、ft、ct、ot分別為輸入門、遺忘門、單元狀態和輸出門，ut為狀態更新，σ為sigmoid 激活函數。

Fig.3 Bidirectional LSTM network architecture圖3 雙向LSTM 網絡結構圖

Fig.4 LSTM unit architecture圖4 LSTM 單元的內部結構

緊接著雙向長短期記憶網絡模塊之后是一個丟失率為0.2 的丟失層和神經元數為64 的全連接層，最后通過softmax 函數實現AAMI 標準推薦的5 種心電信號類別的分類任務：

其中，P(Xi)為預測的Xi屬于所有可能類的概率分布。

2.3 參數設置

網絡訓練的最大輪數為80 輪，批量大小為128。利用Adam 優化函數更新權重，初始學習率為0.001，在后期為加快模型收斂，使用衰減比率為0.1 的學習率衰減法降低學習率。

3 實驗與結果分析

3.1 數據集

實驗數據采用了MIT-BIH 心律失常數據庫，該數據庫從47 名受試者身上共獲得48 個雙通道動態心電圖記錄，每個記錄的持續時間約為30 min，采樣頻率為360 Hz。根據AAMI標準建議，去除使用心臟起搏器收集的102、104、107 和217 這4 個心電記錄，將剩余44 條記錄分割后，按其類型劃分為N（正常搏動）、S（室上異位搏動）、V（心室異位搏動）、F（融合搏動）、Q（未知搏動）五大類，獲得節拍總樣本數為100 588個，具體類別和數量見表2。

3.2 實驗環境

本文在以Tensorflow 為后端的深度學習框架Keras 上進行了模型的訓練和測試實驗，所有實驗均在一臺處理器為Intel Core i5-10300H、顯卡為Nvidia GeForce RTX2060 的計算機上完成。

3.3 交叉驗證

使用五折交叉驗證策略來評估所提模型的穩定性。總樣本被等比例地劃分成5 部分，依次抽取其中1 份用來測試，其余4 份用來訓練，一共進行了5 次。每一次均評估性能指標（評估指標見3.4 節），最后計算5 次記錄的所有評估指標的平均值來獲得總體性能度量。

Table 2 Detailed classification of AAMI standards in ECG表2 AAMI標準在心電信號中的詳細分類

3.4 評估標準

為評估本文模型的有效性，同大多數方法一樣，使用準確率（Acc）、靈敏度（Sen）、特異性（Spe）和陽性預測值（PPV）來評價模型的性能，各評價參數定義如下：

其中，TP（真陽性）表示正確分類的陽性樣本數；TN（真陰性）表示正確分類的陰性樣本數；FP（假陽性）表示陰性樣本被錯誤分類為陽性樣本的數量；FN（假陰性）表示陽性樣本被錯誤分類為陰性樣本的數量。

3.5 實驗結果分析

使用MIT-BIH 數據集來訓練和評估模型，經過五折交叉驗證后，計算各性能指標的平均值作為最終各類別及總體的評估結果，實驗結果見表3。由該表可知，本文方法在AAMI 推薦的5 種類別上的整體準確率、靈敏度、特異性和陽性預測值分別為99.11%、92.33%、98.95%和95.46%。

Table 3 Evaluation results of model classified on test set表3 模型在測試集上分類的評估結果

圖5 給出了模型在測試集上分類的混淆矩陣，根據混淆矩陣可知，所提出的模型能夠正確識別大多數的心電節拍。由于F 類節拍和Q 類節拍樣本數量相對于其他3 類（N、S、V）較少，F 類與Q 類的評估結果較低。此外，S 類的靈敏度較低，原因是S 類中的AP 類起源于竇房結以外心房的任何部位，其表現為前P 波的缺失或出現異常的P 波，而其QRS 波群與N類中的RBBB 類波形相似，使得模型無法正確區分。盡管如此，本文方法在S 類和V 類這兩個重要的心律失常類別均實現了較好的分類性能。

Fig.5 Confusion matrix of model classified on test set圖5 模型在測試集上分類的混淆矩陣

3.6 與其他方法對比

本文模型與先進方法[1,21,27-30]進行了比較，如表4 所示，該表中研究的實驗數據均采用MIT-BIH數據庫，實驗結果來自對應文獻[1,21,27-30]。Golrizkhatami 等人[1]首先利用CNN、小波變換和統計學方法來提取心電信號不同層次的特征，之后使用決策層融合這些特征信息以預測心電信號類別。文獻[21]首先使用db6 小波去除心電信號中的噪聲，之后進行多組對比實驗得出13 層的VGGNet 為最優模型，其獲得了97.87%的總體準確率。文獻[27]開發了一個9 層的卷積神經網絡算法來識別5 種不同類型的心跳，在使用db6 去噪的數據集上的準確率為94.03%。Hua 等人[28]提出了在原始心電數據中使用R-R-R 的分割策略，該分割策略能夠讓網絡模型更好地學習到心電信號的潛在信息，在一個平衡數據集上獲得了97.45%的平均準確率和97.00%平均靈敏度。Bouny等人[29]將CNN 與小波變換相結合，同時提取心電信號和其小波子帶的判別特征，該方法達到了99.11%的總體準確率。Li 等人[30]實現了一個并行的通用回歸神經網絡（general regression neural network,GRNN）來對心跳進行分類，該方法達到了95.00%的準確率。本文模型在沒有擴充或平衡數據集上的分類準確率達到了99.11%，能夠在未去噪的心電數據中學習到重要信息，因此可以較好地用于有噪聲的心電數據分類任務中。

Table 4 Overall performance comparison of this method and other methods表4 本文方法與其他方法整體性能比較

由于SVEB 類（S 類）和VEB 類（V 類）的心電信號與正常信號存在的差異很小，許多分類器在識別這兩類時表現較差，這對于患者而言是危險的。因此，正確識別出S 類和V 類的心律失常是分類器的一項重要任務。表5 給出了本文方法與其他研究對這兩類心律失常的識別能力。從表中可知，在靈敏度、特異性和陽性預測值評估指標上，本文方法整體表現優于其他工作，表明了模型的有效性和先進性。

3.7 消融實驗

為驗證提出的模型和mish 激活函數的有效性，本文做了兩組消融實驗：第一組為使用CNN-BLSTM、CNN-LSTM、CNN 和BLSTM 模型的消融實驗；第二組為激活函數使用mish 和ReLU 的消融實驗。

Table 5 Comparison of classification performance between this method and other methods on SVEB and VEB表5 本文方法與其他方法在SVEB 類和VEB 類上分類性能比較

消融實驗結果見表6。模型的消融實驗是基于CNN、LSTM 和BLSTM 模塊的有效組合展開的，其中CNN-BLSTM 首先通過卷積提取信號的形態特征，隨后使用雙向LSTM 獲得特征中的上下文依賴關系，獲得了最好的準確率。CNN-BLSTM 組合模型相比于其他模型獲得了更好的靈敏度和特異性，降低了分類任務中的假陽性和假陰性錯誤。相比ReLU 激活函數，使用mish 激活函數獲得了更好的分類性能，原因在于mish 激活函數保留了特征中少量的負值，有利于網絡學習到更加完整的信息。

Table 6 Comparison of classification performance of activation functions and models表6 激活函數和模型的分類性能比較

為驗證本文模型的噪聲抗干擾能力，對MIT-BIH數據集進行三種預處理方法，分別是未進行任何濾波的原始信號、經過db6 小波濾波數據以及經過db8小波[31]濾波數據。對比實驗數據僅存在是否經過小波去噪的區別，其他處理過程以及模型訓練和評估過程完全一致，實驗結果見表7。由該表可知，模型對未去噪的分類性能與小波去噪后的結果相近，這表明模型能夠從未進行濾波處理的信號中提取到重要特征，驗證了本文提出的模型對噪聲具有魯棒性。

Table 7 Comparison of classification performance between original data and denoised data表7 原始心電數據與去噪后的數據分類性能比較

4 結束語

本文提出了一種基于卷積神經網絡與雙向長短期記憶網絡的組合模型，該模型可以根據原始心電信號的單個節拍學習到重要的形態特征及特征的上下文依賴關系，并按照AAMI 標準推薦類別進行分類。在MIT-BIH 數據集上的實驗結果表明，該模型能夠有效提取一維信號的特征，并實現了高準確率的分類。現有的許多工作都是在一個不平衡的數據集上進行研究，本文亦是如此。在未來的工作中，應考慮擴充數據，在一個較平衡的數據集上完成實驗和評估，使模型能更好地完成心律失常分類任務。