集成分類器對腦卒中患者腦電的分類

王 方，張雪英，胡風云，李鳳蓮

1.太原理工大學 信息與計算機學院，太原030024

2.山西省人民醫院 神經內科，太原030012

大腦是人類中樞神經系統的最高級部分，是負責個體各種行為活動的高級神經中樞。人類的大腦中有數百億的神經元，每個神經元通過數千個突觸與其他神經元連接。人體的各個功能都是在神經系統的直接或間接調控下來實現的。研究表明人類大腦的不同區域或神經元組織會相應負責不同的行為功能。因此對人類大腦的研究可以促進許多神經系統疾病尤其是腦部疾病的研究和診斷。

頭皮腦電圖（Electroencephalogram，EEG）價格低廉無創，方便長時間監測，已成為許多研究機構及臨床神經系統疾病監測的神經成像方式。定量腦電特征（Quantitative，QEEG）是腦電信號分析的一個重要方法，它借助計算機提取腦電信號頻域和時域等多方面的定量特征，大量的研究表明QEEG在各種臨床研究中有重要應用價值。例如腦功率譜對稱指數（Brain Symmetry Index，BSI）與腦卒中患者的卒中程度指標之間存在正相關[1]。相位滯后指數（Phase Lay Index，PLI）被用于研究中風患者[2]、癡呆患者[3]及帕金森[4]等患者的臨床狀況。腦電快慢波功率比（Delta/Alpha，DAR）被證明能夠有效區分缺血性腦卒中組和健康控制[5]。另外，加權相位滯后指數（Weighted Phase Lay Index，wPLI）[6-8]、相位同步（Phase Synchronization，PS）[9-12]和一致性的虛部（Imaginary component of Coherence，IC）[13]等關于腦電相位的定量特征也被用于臨床研究中。

腦卒中患者發病后經常會出現昏迷、昏睡、嗜睡等意識障礙，需要給予及時地治療和干預，長期處于昏迷會給大腦帶來不可恢復的損傷[14]。已經有多種臨床意識量表用于評估意識損失和昏迷的深度及持續時間等。但這些神經學評估量表的評估是依靠醫生通過一系列的臨床檢查和觀察來完成的，這種方法需要花費大量人力和時間成本，并且依靠這種間歇性臨床檢查很難實時地了解患者的意識水平的變化。意識狀態的實時監測和意識障礙的及時發現對腦卒中患者的后期康復意義重大[15]。

本文提取了腦卒中被試者腦電圖中的9種定量腦電圖特征，將這9種定量腦電特征做為腦網絡的邊的權重構成腦網絡。腦網絡的連通性特征被輸入到分類器中，對腦卒中患者是否有意識障礙進行自動二分類。

現已有多種機器學習方法應用于腦電信號的分類，如支持向量機（Support Vector Machine，SVM）[16]、鄰近算法（K-Nearest Neighbor，KNN）[17]、集成裝袋樹（Bagging tree）[18]、集成提升樹（Adaptive Boosting，AdaBoost）[19]等，但大多數并不適用于非平衡數據集的分類。

為提高非平衡數據集的分類準確性和敏感度，本文設計了集成支持向量機分類器（Ensemble Of Support Vector Machine，EOSVM），并將其分類結果與其他分類器（SVM、KNN、AdaBoost及Bagging tree）的分類結果進行了對比。

1 腦電特征提取

1.1 腦電信號的采集及預處理

147例腦卒中患者（平均年齡±標準偏差=64.76±5.63）的腦電采集是在山西省人民醫院神經內科完成的。用腦電圖監測系統（太陽能2 000 N，太陽能電子技術有限公司，北京，中國北京）記錄大腦皮層自發的腦電圖。根據國際10-20標準，電極點放置于FP1、FP2、C3、C4、O1、O2、T7、T8、A1和A2來采集腦電圖信號。采樣頻率為100 Hz，阻抗小于10 kΩ。腦電圖記錄與意識評估時間最大間隔是30 min?；颊叩囊庾R狀態是通過一系列的臨床行為評估來確定的[20]。

表1 概括了參與者的人口統計特征和意識狀態。參與者的入選標準如下：（1）MRI或CT診斷為缺血腦卒中；（2）有腦電圖記錄和相應的意識水平記錄；（3）18歲以上。排除標準如下：（1）腦出血（2）孕婦或哺乳期婦女。

表1 參與者的人口統計和臨床特征Table 1 Demographics and clinical characteristics of subjects

所有的腦電圖預處理及分析都是在EEGLAB及MATLAB中進行的。預處理的步驟包括平均重參考、基本的有限脈沖響應對數據分別進行高通濾波（0.5 Hz）和低通濾波（30 Hz）及去偽跡處理。去偽跡處理采用的工具為EEGLAB中自動刪除連續信號的偽跡工具。最終提前的定量腦電特征是在每個參與者的前10 min長度的腦電信號上提取的。

1.2 定量腦電特征計算

本文提取的11種定量腦電特征包括：腦功率譜對稱指數BSI、左右腦相位同步指數（Phase Synchrony Index of Left and Right Hemisphere，PSI-LR）、一致性（Coherence，C）、一致性的實部特征（Real Part of Coherence，RC）和虛部IC，及4種不同頻段的快慢波比例特征。9種特征的具體計算如下文所示。

左右半腦相位同步指數PSI-LR[20]評估了左半球和右半球之間的相位差異。相位同步指數（Phase Synchrony Index，PSI）是指來自同源電極對的兩個腦電圖信號之間的相位差異。要計算PSI-LRs和PSIs，首先要知道每個通道的瞬時相位。本文用希爾伯特變換[21]來計算腦電圖信號的瞬時相位。

PSI-LR計算公式如下：

其中，?L(tk)和?R(tk)分別表示左右一對對稱通道的瞬時相位，i是虛數單位，tk代表離散時間。

腦功率譜對稱指數（BSI）是一種在功率譜上計算左右半球對稱的腦電特征，它是在1～25 Hz的頻率范圍內計算得到的[1]。BSI是一種被廣泛應用的定量腦電特征，它的計算公式如下：

其中，Rij(Lij)是右（左）通道的腦電信號的傅里葉變換值，i代表通道對數，j是傅里葉系數。

一致性(C)[22]是一種度量各通道信號線性相關性的的定量腦電特征。它是在互功率譜密度基礎上計算得到的。C的定義如下：

其中，Suv(f)是兩個通道EEG信號u(t)和v(t)的互功率譜密度，Suu(f)和Svv(f)分別是信號u(t)和v(t)的自功率譜密度。

本文還計算了一致性C的實部和虛部，IC代表C的虛部的絕對值，RC代表C的實部的絕對值[22]。

腦電信號的快波與慢波所占比例是應用非常廣泛的腦電頻域特性分析方法。本文計算了4個不同頻段的功率比值，即δ（1～3 Hz），θ（4～7 Hz），α（8～12 Hz）和β（13～30 Hz）頻段。

DAR是δ/α頻段的功率比值，DTAR是(δ+θ)/α頻段的功率比值，DTABR是(α+β)/(δ+θ)頻段的功率比值，PRI是(δ+θ)/(α+β)頻段的功率比值[5]。

1.3 腦網絡連通性特征提取

大腦區域之間的關系可以描述為一個大腦網絡，其頂點和邊分別對應于大腦區域及其連接。如果對邊進行加權，則可以用腦功能連接度量指標來表示各區域連接的強度。圖1顯示了來自8個（頂點）電極(Fp1、Fp2、C3、C4、O1、O2、T7和T8)的28條邊（圖1）。對這些邊，計算了9種定量腦電特征來作為這些邊的權重來做為特征。

圖1 腦網絡Fig.1 Brain network

定量特征PSI-LR和BSI是左右腦對稱的指數，因此計算了它們的4對左右腦半球對稱的指標做為連通性特征(Fp1～Fp2、C3～C4、O1～O2、T7～T8)。其他7個定量腦電特征都分別計算其28個電極對對應的定量腦電特征，然后求28個電極對特征的平均值作為輸入分類器的特征。因此輸入下文分類器中的腦網絡連通性特征是2×4+7=15維的。

2 分類

現實世界中獲取的數據經常是不平衡的，例如醫院患者的疾病種類所占比例不平衡。本文試圖分類腦電數據集也是嚴重不平衡的。147名被試的腦電數據集中，有93例是清醒患者，54例是有意識障礙的患者，前者幾乎是后者的兩倍。因此，利用普通的分類器會導致分類預測結果嚴重偏向數據集中的大多數（清醒類），從而導致整個分類預測的失敗。

2.1 集成分類器構建

為了能有效地對此非平衡數據集進行分類，本文設計了一個集成支持向量機（EOSVM），它是由N個普通支持向量機（SVM）組成的。每個SVM會輸入一個平衡的子訓練集，SVM的個數N可根據數據集的不平衡程度進行調整，數據集越不平衡，N的數值需要設定的越大。

EOSVM采用裝袋（Bagging）方法將多個支持向量機組合，構成一個強學習器，從而提高非平衡數據集的分類準確性。EOSVM與普通裝袋方法的數據分割方法不同，即生成子訓練樣本的方法不同。EOSVM產生的所有子訓練樣本包含所有少數類樣本，同時隨機選擇同樣數量的多數類樣本，目標是解決非平衡數據集的分類問題。

圖2 展示了集成支持向量機EOSVM的結構框架，EOSVM的分類分為三步：數據準備、分類器的訓練和預測。

圖2 EOSVM分類器結果框架Fig.2 Framework of EOSVM classifier

（1）數據準備

數據準備階段需要將樣本集分離為多個子樣本集。首先將整個數據集分離為訓練數據集和測試數據集。本實驗中訓練集和測試集中數據數量的比例設為80%和20%。之后需要將訓練集分為多個子訓練集，構成每個子樣本集中的訓練集。而每個子樣本集中的測試集是相同的。

圖3 為子樣本集生成的示意圖。藍色與橙色為兩類樣本，藍色為樣本集中的多數類，橙色為樣本中的少數類。每個子樣本集中的少數類（橙色）樣本相同，為訓練集中的所有少數類（橙色）樣本。每個子樣本集中的多數類（藍色）不相同，子訓練集中的藍色類是從總訓練集中的藍色類中隨機選擇的，且數量與子訓練集中的橙色類相同。這樣構成的每個子訓練集是不同的，但又充分利用了少數類（橙色）樣本，并且每個子訓練集是平衡的（橙色與藍色類數量相同）。

圖3 數據準備Fig.3 Prepare for dataset

（2）分類器訓練

每個SVM會輸入一個平衡的子樣本集，每個子樣本集中包含相同數量的無意識障礙患者和有意識障礙患者。

分類器訓練階段，SVM的核函數（Kernel function）選取了高斯核函數（Gaussian kernel function）。超參數是通過使間隔最大化來得到的。

（3）預測

在分類器的預測階段，每個SVM會對相同的測試集給出一個預測結果。如果EOSVM中包含100個SVM，則測試數據集中每個被試會得到100個預測結果（分別來自100個SVM）。根據這100個預測結果，EOSVM給測試集中的被試一個最終的預測結果。

最終的預測結果會因為EOSVM中多數投票（Majority voting）的閾值不同而改變。如果投票規則的閾值設定為50%，則測試集中的被試者的100個預測結果中大于50%的那一類預測結果將作為其最終預測結果。

2.2 分類效果評價

本文采用了三個參數來對分類學習算法效果進行評價，即準確性（Accuracy）、敏感度（Sensitivity）和特異性（Specificity）。準確性代表所有參與者的預測總準確率，敏感性代表有意識障礙參與者的預測準確率，特異性代表無意識障礙參與者預測的準確性。三個評價參數的計算方式如下：

其中，Nawa為測試集中清醒被試者的數量，NDoC為測試集中存在意識障礙的被試者的數量，Tawa為測試集中被正確分類的清醒被試者的數量，TDoC為測試集中被正確分類的患有意識障礙的被試者的數量。

3 實驗結果與分析

3.1 統計分析

統計分析是在IBM SPSS軟件及R-Studio中進行的。本文用皮爾遜相關性系數分析了各個定量腦電特征和患者意識水平的相關性水平。

為了分析臨床狀態和定量腦電特征之間的關系，給中風患者的意識水平（Level Of Consciousness，LOC）賦值為1到6。清醒患者意識水平設定為1，嗜睡患者意識水平為2，昏睡為3，淺昏迷為4，中昏迷為5，深昏迷為6。意識水平值越高，代表意識障礙越嚴重。下面的分析是在如上的賦值基礎上進行。

圖4 和圖5顯示了腦卒中患者的意識水平（LOC）與各個定量腦電特征之間的相關關系水平。圖中顯示的數字為皮爾遜相關系數。皮爾遜相關系數右上角的紅色星號代表顯著水平。一顆紅色星號代表顯著水平P=0.05；兩顆紅色星號代表顯著水平P=0.01；三顆星代表顯著水平P=0.001。

圖4 LOC與定量腦電特征的相關矩陣圖（1）Fig.4 Visualize correlation matrix of LOC and QEEGs（1）

圖5 LOC與定量腦電特征的相關矩陣圖（2）Fig.5 Visualize correlation matrix of LOC and QEEGs（2）

圖4 第一行顯示了LOC與定量腦電特征PSI-LR（三個頻段上提?。害粒?～12 Hz）、β（13～30 Hz）和1～30 Hz）、C、IC和RC之間的相關關系。觀察圖可發現PSI-LR在α、β和1～30 Hz頻段都與意識水平存在顯著正相關性，但β頻段上提取的PSI-LR與意識障礙水平相關性最顯著（PSI-LR（c）：ρ=0.76,P=0.001；PSI-LR(α)：ρ=0.54,P=0.01；PSI-LR（1～30 Hz）：ρ=0.58,P=0.01)。因此下文分類實驗中的PSI-LR是在β頻段上提取的。C與意識水平LOC的相關關系同樣顯著(ρ=0.60,P=0.01)。然而，IC及RC與患者的意識狀態相關性不顯著。

圖5 第一行顯示了LOC與定量腦電特征BSI及快慢波比例特征PRI、DAR、DTAR、DTABR之間的相關關系。皮爾遜相關系數顯示PRI、DAR、DTAR與LOC呈現顯著正相關（PRI：ρ=0.46,P=0.05；DAR：ρ=0.47,P=0.05；DTAR：ρ=0.45,P=0.05）。而DTABR與LOC呈負相關，BSI與LOC無顯著相關關系。雖然BSI與腦卒中患者的卒中程度（NIHSS指數）相關[1]，但與患者的意識水平并無顯著相關關系。

3.2 分類結果與分析

分類實驗針對有意識障礙（嗜睡、昏睡、淺昏迷、中昏迷、深昏迷）和無意識障礙（清醒）兩類進行二分類。實驗中，15維的腦網絡連通性特征被輸入到分類器中。

3.2.1 現有分類器分類

首先利用四種分類器（SVM、KNN、AdaBoost及Bagging tree）對147例患者構成的腦電數據集進行二分類，分類結果見圖6（20次訓練結果的統計）。

由圖6中原始數據集（Original）的結果可看出，四個分類器的準確率（Accuracy）在70%左右，敏感度（Sensitivity）在40%以下，特異性（Specificity）在80%以上。四個分類器的分類結果普遍存在敏感度過低的問題。敏感度過低的原因是這些分類器將測試集中的大部分被試者預測為了清醒類，即在原始數據集中占大多數的那一類。從而導致分類結果特異性很高，但敏感度很低。這將導致大量有意識障礙的患者被預測為無意識障礙，從而導致治療時機的延誤。

圖6 四種分類器結果對比Fig.6 Classification results from four classifiers

針對于非平衡數據集分類中偏向多數類的問題，主要采用的解決方法是重采樣，即利用過采樣（Oversampling）或欠采樣（Undersampling）等方法對原始數據集進行重采樣，從而構造一個平衡的數據集。之后，再利用分類器在這個重構的平衡數據集上進行分類。

本實驗也利用過采樣和欠采樣的方式對原始數據集進行了重構，之后用上述四種分類器進行了二分類實驗，實驗結果見圖6中的Oversampling和Undersampling結果。觀察圖6（c）可發現，重采樣提高了分類的敏感度（Sensitivity），尤其是SVM的分類敏感度的提高到接近70%。但圖6（a）顯示，重采樣后的分類準確率普遍下降，并且大多數下降到了65%以下。

因此，只利用重采樣并不能解決本文非平衡數據集分類存在的敏感度過低和準確率偏低的問題。

3.2.2 集成分類器EOSVM分類

實驗利用隨機欠采樣方式（Random Undersampling）將隨機重構的多個平衡數據集輸入到多個獨立的分類器中，再用多數投票的方式將它們組成集成分類器。鑒于圖6（c）顯示SVM在重采用后的平衡數據集上的敏感度最高，且SVM是小數據集分類的經典算法，本文利用SVM構建了集成分類器EOSVM。

實驗中EOSVM中SVM的個數設定為40，EOSVM的多數類投票閾值設定為90%～100%。此時分類器的分類結果如圖7所示（20次訓練結果的平均值和方差統計）。

圖7 集成分類器EOSVM分類結果Fig.7 Classification results from classifier EOSVM

從圖7中的結果可觀察到，隨著EOSVM投票規則中投票權重的增大，分類效果（包括準確率、敏感度、特異性）逐漸提高。當EOSVM的投票權重為100%時，分類預測的效果最好，總準確率達到95.45%，敏感度96.79%，特異性100%，此時可預測患者比例為23%。

EOSVM的分類結果比上文中分類器SVM、KNN、AdaBoost及Bagging tree的分類準確性和敏感度有顯著提升。EOSVM對腦卒中患者意識障礙的識別分類將為醫生的診斷提供輔助信息。

4 結束語

不平衡數據集的分類經常出現的問題是，在預測時將所有被試者預測為數據集中的大多數類別（即本實驗中的無意識障礙類），從而導致整個分類預測的失敗。本文設計的集成支持向量機EOSVM有效提高了非平衡數據集分類的準確性。

本文利用定量腦電圖特征構建的腦網絡及EOSVM分類器可以以96.97%的準確率，95.45%的敏感度和96.97%的特異性預測出23%的腦卒中患者的意識障礙。利用腦電圖監測評估腦卒中患者意識障礙的方法，可為醫生的診斷提供輔助信息。