CN112190253A - 一种阻塞性睡眠呼吸暂停症严重程度的分类方法 - Google Patents

Abstract

本发明涉及一种阻塞性睡眠呼吸暂停症严重程度的分类方法，包括S1：对原始阻塞性睡眠呼吸暂停症语音文件进行特征提取；得到包括HFE的特征矩阵；S2：对S1得到的特征矩阵进行降维；S3：构建朴素贝叶斯分类模型，用经S2降维后的特征矩阵训练并测试朴素贝叶斯分类模型，直至朴素贝叶斯分类模型分类误差值符合要求；S4：将待测阻塞性睡眠呼吸暂停症患者的语音原始文件输入S3中训练并测试好的朴素贝叶斯分类模型进行分类。本发明可提高OSA严重程度的分类的准确度。

Description

一种阻塞性睡眠呼吸暂停症严重程度的分类方法

技术领域

本发明涉及病理语音分析领域，更具体地，涉及一种阻塞性睡眠呼吸暂停症严重程度的分类方法。

背景技术

阻塞性睡眠呼吸暂停症(Obstructive sleep apnea，OSA)是人类特有且常见的睡眠呼吸障碍性疾病。除了先天性头骨畸形以外，年龄的增长、过度肥胖等因素都会增加患有阻塞性睡眠呼吸暂停症(OSA)的风险。患有阻塞性睡眠呼吸暂停症时，由于反复发作的低血氧、高碳酸血症，可致神经功能失调，儿茶酚胺、内皮素及肾素-血管紧张素系统失调，内分泌功能紊乱及血液动力改变，造成全身多器官多系统损害，严重影响人体健康。研究发现：约80％的OSA患者有明显的心动过缓，57％-74％的患者出现室性早搏，10％的患者发生二度房室传导阻滞。这种心律失常是引起患者猝死的主要原因。我们在Karl A.Franklin的研究中发现男性的OSA发病率是22％，女性的是17％。根据国家统计局2019年1月21日发布中国人口最新统计数据，2018年末中国大陆总人口139538万人，男性人口71351万人，女性人口68187万人，换而言之，中国大约有15697万男性、11592万女性(共2亿7千万人)患有阻塞性睡眠呼吸暂停症，以上数据表明，对阻塞性睡眠呼吸暂停症的检测与治疗是很有必要的。

现在，诊断OSA的黄金标准是多导睡眠测试(Polysomnography,PSG)。PSG通过分析患者的睡眠生理数据来计算脑电图、眼电图、呼吸流量、胸腹运动、心电图、血含氧度等。医生们可以从多导睡眠图中找出有关呼吸暂停的事件(包括OSA、中央性睡眠呼吸暂停Central sleep apnea等等)，从而计算出呼吸中止指数(Apnea Hypopnea Index(AHI)：睡眠期间平均每小时发生的呼吸暂停事件)，并使用呼吸中止指数来衡量阻塞性睡眠呼吸暂停症的严重程度。然而PSG并不是每个患者都能接受的，其主要问题在于很多人在装上感应装置后会有不适感，影响睡眠质量，从而导致多导睡眠测试失败。另一方面，多导睡眠图必须要由多导睡眠技师(Registered Polysomnography Technologist,RPSGT)来收集和处理，才能得出AHI结果，运作成本十分高。基于以上问题，人们开始寻求一种新的检测方法。自上世纪80年代初以来，研究人员致力于研发分析患者清醒时的声音来筛选出OSA患者的方法。其中主要的计算机分析技术依赖于傅里叶变换的特征，例如频率模式、频宽、谐振峰，但是这些工具是针对正常语音开发的，对OSA声音信号进行分析是不准确的，因为OSA声音信号是病理语音，无论音域、频率变化度、共振峰轨迹都跟一般语音信号存在很大的不同，所以传统的语音处理/识别方法对此应用并不适合。

有研究表明，OSA与上呼吸道的解剖形状和功能异常有关。经过长期的阻塞性睡眠呼吸暂停之后，患者的上呼吸道组织会变得跟正常人有差别。这种差别会在患者的声音上体现出来，故通过对患者的声音进行检测可以预测其OSA的严重程度。近期很多研究人员开始使用语音来预测OSA的严重程度，并且验证了使用语音检测来预测OSA的严重程度的可行性。他们大多是选择构造一个常见的语音特征集(里面包含谐振峰，基频，梅尔倒谱系数，能量等)放进特征选择模块(如序列前向特征选择)，然后再把选择出来的特征放进分类器里，得到预测的结果，然而这些特征都是传统语音特征，主要的关注点都在6kHz以下的频率，并不一定适合病理语音或者并不能最好地区分出OSA与正常人的区别。

现有的OSA分类主要使用传统的语音特征集(包括谐振峰，倒谱梅尔系数，基频，抖动，线性预测系数)，这些语音特征一般用于正常语音分类或者语音识别，主要关注的频谱范围为6kHz以下的，但它未必适用于病理语音，所以这就导致分类的精度不高。其次，传统的语音特征集的许多特征都是通过估计的方式来实现的，例如formant的计算通常就是使用线性预测系数(LPC)来做的，受到参数的影响很大，LPC的系数一旦改变，那么谐振峰的位置也就跟着改变，对精度影响也很大，我们不可能对每个参数都求其最优系数。

发明内容

本发明为克服上述现有技术所述的OSA严重程度的分类精度不高的缺陷，提供一种阻塞性睡眠呼吸暂停症严重程度的分类方法。

所述方法包括以下步骤：

S1：对原始阻塞性睡眠呼吸暂停症语音文件进行特征提取；得到包括高频能量系数(HFE)特征的特征矩阵；

S2：对S1得到的特征矩阵进行降维；

S3：构建朴素贝叶斯分类模型，用经S2降维后的特征矩阵训练并测试朴素贝叶斯分类模型，直至朴素贝叶斯分类模型分类误差值符合要求；

S4：将待测阻塞性睡眠呼吸暂停症患者的语音原始文件输入S3中训练并测试好的朴素贝叶斯分类模型进行分类。阻塞性睡眠呼吸暂停症严重程度的分类一般可以分为四类：正常，轻微，中度，严重。

优选地，S1提取的特征包括：时域特征、倒谱特征、频谱特征。

优选地，时域特征包括：对数能量；

倒谱特征包括：梅尔倒谱系数(MFCC)，梅尔倒谱速度系数ΔMFCC，梅尔倒谱加速度系数ΔΔMFCC；

频谱特征包括：谐振峰，谐振峰带宽，线性预测系数，谐波噪声比，高频能量系数。

优选地，为了消除个体差异，我们引入高频能量系数，即是高频能量与所有能量得比值，因为有些人声量高，能量大，导致他可能没有OSA，高频能量也很大，这样会导致误差，所以选择使用高频能量系数能减轻这种情况。高频能量系数的计算方法如下：

其中g(n,k)是将原语音信号经过希尔伯特黄变换得到的函数，里面包含两部分，一部分是频率函数f_g(n,k)，另一个则是幅值函数a_g(n,k)；a′_g(n,k)是频率大于5000Hz的幅值函数；E₅₀₀₀是高频能量值，E_all是所有高频能量值之和。

优选地，S2具体为：

首先对S1特征提取得到的特征矩阵进行主成分分析，得到一个降维的矩阵X1，然后再对X1进行前向序列特征选择，得到一个维度更低的特征矩阵X2。

优选地，前向序列特征选择包括以下步骤：

(1)包含：特征子集X从空集开始，每次选择一个特征x加入特征子集X；

(2)测试：测试评价函数的取值是否达到最优；

(3)删除：若测试评价函数的取值达到最优，则保留特征x，并删除其余特征。

优选地，S3包括以下步骤：

S3.1：构建分类模型；所述分类模型为朴素贝叶斯分类模型；

S3.2：把S2所得的特征矩阵分为训练集和测试集；

S3.3：然后把训练集放进分类模型中进行训练，得到训练误差函数与训练精度，然后用梯度下降对参数调优，直至得到好的训练模型，然后再把测试集放入已经训练好的分类模型中进行测试，得到一个预测类别，然后再和真实的类别相比较，得到预测精度，若预测精度太差，则继续调节分类模型的参数，直至调出更好的参数为止。

优选地，朴素贝叶斯模型的表示形式如下：

优选地，S3.3中对已训练好的分类模型使用留一法进行测试。

优选地，留一法具体为：从M个样本中随机挑选一个为测试集，其余皆为训练集，重复M次，再计算其误差值。

与现有技术相比，本发明技术方案的有益效果是：

本发明基于阻塞性睡眠呼吸暂停症患者频谱图中高频能量的发现，增加了高频能量系数，能够帮助我们将阻塞性睡眠呼吸暂停症严重程度分类出来，也能让分类的效果更加精确，也能让这件技术更快的融入使用。本发明使用朴素贝叶斯分类器，可以提高阻塞性睡眠呼吸暂停症严重程度的分类的准确性。

附图说明

图1为实施例1所述阻塞性睡眠呼吸暂停症严重程度的分类方法流程题。

图2为朴素贝叶斯模型训练流程图。

图3为朴素贝叶斯模型测试流程图。

图4为阻塞性睡眠呼吸暂停症不同严重患者元音/a/的频谱图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

实施例1：

本实施例提供一种阻塞性睡眠呼吸暂停症严重程度的分类方法，如图1所示，所述方法包括以下步骤：

S1：构建自回归移动平均(ARMA)模型，并(这里是错的，同上说的一样)输入原始阻塞性睡眠呼吸暂停症语音文件进行特征提取；得到包括HFE的特征矩阵的特征矩阵。

关于特征提取。

OSA患者与正常人的发声构造不同，是呼吸道的解剖形状和功能异常造成的。为了能将OSA患者与正常人区分开来，一个能传达了生理上的和知觉差异的特征矩阵被构建了出来，如表1所示。

表1：

(1)传统特征

OSA患者和正常人之间的结构和功能变化会影响广泛的声学特征。线性预测编码代表语音信号的频谱包络；因此，线性预测编码中的声道形状差异可能很明显。共振峰频率也应受到影响。例如，共振峰受管道长度影响，这对于OSA患者而言更为严重。共振峰值的这种差异可能被认为是共振障碍。带宽的差异可能是由于软组织特征的改变而引起的，通常在OSA患者中发现。有证据表明，患有OSA的患者可能会减弱神经肌肉反应以维持上呼吸道张力，这可能导致关节活动障碍。神经肌肉异常以及结构变化可导致鼻-口耦合的改变，这也可引起共振障碍。鼻-口耦合差异的主张促使人们使用自回归移动平均(ARMA)模型。该模型表征了鼻音素。夜间打可能会影响喉部并引起语音障碍；谐波噪声比或音调动态变化(抖动)可以预测这些语音异常。梅尔倒谱系数是信号频谱的感知表示；因此，感知性语音障碍可能会影响此功能。神经肌肉异常刺激了信号能量的一阶和二阶导数的使用，这可以代表长时间说话时的肌肉疲劳。

(2)新特征——高频能量系数

在以往的研究中，语音数据通常用收音机(采样率为44.1kHz)来进行收集，然后对收集到的语音进行下采样，降低到16kHz以下，以进行有效处理。传统语音处理方法在5-6kHz以下运行，因为普通人语音的最大频率通常在6kHz以下。因此，以前的研究往往会忽略了高频特性。但是，我们可以清楚地看到OSA患者的声音在从频谱图开始高于6kHz的频率上以不同的严重程度显示出不同的特征，如图4所示。我们可以观察到，随着严重性的增加，存在更多具有变化带宽的混合共振峰，同样，检测到的峰值通常在声音产生期间波动。相比之下，正常人的/a/声音呈现出更清晰，更稳定的共振峰轨迹。我们推测，睡眠呼吸暂停事件会导致发声器官在清醒时产生更多的高频成分，因此可以从OSA患者的声音中检测到。传统的语音信号处理都是在5kHz以下，因为人类的说话声音的频率就在5kHz以下，所以人们对于高频部分并不关注，但是通过观察OSA患者的频谱图(如图4所示)，我们可以发现OSA患者频谱图的高频的阴影部分是比较重的，这就代表OSA患者的语音在高频部分的能量也很大。由于考虑个体差异，因此我们就计算高频能量与所有能量的比值。计算方法如下：

其中g(n,k)是将原语音信号经过希尔伯特黄变换得到的函数，里面包含两部分，一部分是频率函数f_g(n,k)，另一个则是幅值函数a_g(n,k)。

简而言之，这些特征就能分为以下三类：

时域特征：对数能量。

倒谱特征：MFCC，ΔMFCC，ΔΔMFCC。

频谱特征：谐振峰，谐振峰带宽，线性预测系数，谐波噪声比，高频能量系数。

具体而言，S1的具体操作为：

输入：原始的语音文件(元音/a/)共66个样本。

输出：特征矩阵。

对每个样本进行特征提取，(如表1所示)共提取一百零一个特征Xi，然后构造特征矩阵，每一行表示一个样本，因而特征矩阵的维度就是66*101。

S2：对S1得到的特征矩阵进行降维。

关于特征选择：

在机器学习的实际应用中，特征数量可能较多，其中可能存在不相关的特征，特征之间也可能存在相关性，容易导致如下的后果：

1).特征个数越多，分析特征、训练模型所需的时间就越长，模型也会越复杂。

2).特征个数越多，容易引起“维度灾难”，其推广能力会下降。

.特征个数越多，容易导致机器学习中经常出现的特征稀疏的问题，导致模型效果下降。

4).对于模型来说，可能会导致不适应的情况，即是解出的参数会因为样本的微小变化而出现大的波动。

特征选择，能剔除不相关、冗余、没有差异刻画能力的特征，从而达到减少特征个数、减少训练或者运行时间、提高模型精确度的作用。在本发明中，我们首先主成分分析(PCA)来对特征空间进行重构以及选择，然后我们在对重构过的特征空间使用前向序列特征选择(SFFS)。前向序列特征选择(SFFS)可以归为三步：1.包含。2.测试。3.删除。特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数最优，其余的就会移除。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其本质就是一种简单的贪心算法。

具体而言，S2的具体操作为：

特征选择：输入：特征矩阵。

输出：降维后的特征矩阵。

首先我们对第一步特征提取得到的特征矩阵进行主成分分析，得到一个降维的矩阵X1，然后再对X1进行前向序列特征选择，得到一个维度更低的特征矩阵。

S3：构建朴素贝叶斯分类模型，用经S2降维后的特征矩阵训练并测试朴素贝叶斯分类模型，直至朴素贝叶斯分类模型分类误差值符合要求。

关于分类器：

分类器本实施例选择简单的分类器(朴素贝叶斯分类器)来实现。朴素贝叶斯是一种简单但极为强大的预测建模算法。之所以称为朴素贝叶斯，是因为它假设每个输入变量是独立的。

朴素贝叶斯模型的表示形式如下：

为了训练朴素贝叶斯模型，我们需要先给出训练数据，以及这些数据对应的分类。那么上面这两个概率，也就是类别概率和条件概率。他们都可以从给出的训练数据中计算出来。一旦计算出来，概率模型就可以使用贝叶斯原理对新数据进行预测。

具体而言，S3的具体操作为：

把步骤2所得的特征矩阵分为训练集和测试集，然后把训练集放进分类模型中进行训练，如图2所示，然后再把测试集放入已经训练好的分类模型中测试，得到一个预测类别，如图3所示，然后再和真实的类别相比较，得到预测精度。关于预测方法，我们主要使用留一法，即是从66个样本中随机挑选一个为测试集，其余皆为训练集，重复66次，再计算其误差值。

S4：将待测阻塞性睡眠呼吸暂停症患者的语音原始文件输入S3中训练并测试好的朴素贝叶斯分类模型进行分类。

本实施例在于基于OSA患者频谱图中高频能量的发现，研发了新的特征，能够帮助我们将OSA严重程度分类出来，也能让分类的效果更加精确，也能让这件技术更快的融入使用。在该发明中，我们在传统特征矩阵的基础上加上了新特征-高频能量系数，与传统特征矩阵比较。然后基于主成分分析(PCA)的序列前向特征选择被用作特征选择。我们使用66位OSA患者的语音信号进行的模拟，使用朴素贝叶斯分类器提出的功能集可达到84.85％的准确性，比不加高频能量系数的传统语音特征矩阵要高约10％。

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，所述方法包括以下步骤：

S1：对原始阻塞性睡眠呼吸暂停症语音文件进行特征提取；得到包括高频能量系数的特征矩阵；

S2：对S1得到的特征矩阵进行降维；

S3：构建朴素贝叶斯分类模型，用经S2降维后的特征矩阵训练并测试朴素贝叶斯分类模型，直至朴素贝叶斯分类模型分类误差值符合要求；

S4：将待测阻塞性睡眠呼吸暂停症患者的语音原始文件输入S3中训练并测试好的朴素贝叶斯分类模型进行分类。

2.根据权利要求1所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S1提取的特征包括：时域特征、倒谱特征、频谱特征。

3.根据权利要求2所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，时域特征包括：对数能量；

倒谱特征包括：梅尔倒谱系数MFCC，梅尔倒谱速度系数ΔMFCC，梅尔倒谱加速度系数ΔΔMFCC；

频谱特征包括：谐振峰，谐振峰带宽，线性预测系数，谐波噪声比，高频能量系数。

4.根据权利要求1-3任一项所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，高频能量系数的计算方法如下：

其中g(n，k)是将原语音信号经过希尔伯特黄变换得到的函数，里面包含两部分，一部分是频率函数f_g(n，k)，另一个则是幅值函数a_g(n，k)；a′_g(n，k)是频率大于5000Hz的幅值函数；E₅₀₀₀是高频能量值，E_all是所有高频能量值之和。

5.根据权利要求4所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S2具体为：

首先对S1特征提取得到的特征矩阵进行主成分分析，得到一个降维的矩阵X1，然后再对X1进行前向序列特征选择，得到一个维度更低的特征矩阵X2。

6.根据权利要求5所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，前向序列特征选择包括以下步骤：

(1)将特征子集X从空集开始，每次选择一个特征x加入特征子集X；

(2)测试评价函数的取值是否达到最优；

(3)若测试评价函数的取值达到最优，则保留特征x，并删除其余特征。

7.根据权利要求5或6所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S3包括以下步骤：

S3.1：构建分类模型；所述分类模型为朴素贝叶斯分类模型；

S3.2：把S2所得的特征矩阵分为训练集和测试集；

S3.3：然后把训练集放进分类模型中进行训练，得到训练误差函数与训练精度，然后用梯度下降对参数调优，直至得到好的训练模型，然后再把测试集放入已经训练好的分类模型中进行测试，得到一个预测类别，然后再和真实的类别相比较，得到预测精度，若预测精度太差，则继续调节分类模型的参数，直至调出更好的参数为止。

8.根据权利要求7所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，朴素贝叶斯模型的表示形式如下：

9.根据权利要求8所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，S3.3中对已训练好的分类模型使用留一法进行测试。

10.根据权利要求9所述的阻塞性睡眠呼吸暂停症严重程度的分类方法，其特征在于，留一法具体为：从M个样本中随机挑选一个为测试集，其余皆为训练集，重复M次，再计算其误差值。

Images