陳偉偉 大連理工大學(xué)信息與通信工程學(xué)院 116024
基于K均值的阻塞性睡眠呼吸暫停低通氣綜合癥診斷
陳偉偉 大連理工大學(xué)信息與通信工程學(xué)院 116024
阻塞性睡眠呼吸暫停低通氣綜合癥[1](Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS)是一種具有嚴(yán)重危害及潛在危險(xiǎn)的高發(fā)性疾病,由于睡眠時(shí)發(fā)生低氧及高碳酸血癥,最終引起全身多系統(tǒng)、多器官的漸進(jìn)性危害。OSAHS最顯著地臨床表現(xiàn)就是睡眠打鼾,表現(xiàn)為鼾聲時(shí)高時(shí)低,并可以完全中斷,嚴(yán)重患者可以憋醒。多導(dǎo)睡眠圖(Polysomnography, PSG)是公認(rèn)的監(jiān)測(cè)OSAHS的金標(biāo)準(zhǔn)。通過(guò)監(jiān)測(cè)患者在安靜入睡的狀態(tài)下的連續(xù)6~8小時(shí)的腦電圖、心電圖、肌電圖、血氧飽和度、鼾聲、呼吸動(dòng)度、腿動(dòng)等十多項(xiàng)指標(biāo)的改變?cè)\斷OSAHS, PSG[2]以AHI為標(biāo)準(zhǔn)對(duì)OSAHS病情程度評(píng)判。呼吸暫停指數(shù)(Apnea Hypopnea Index ,AHI)指數(shù),也稱(chēng)為呼吸紊亂指數(shù),是指每小時(shí)呼吸暫停加上低通氣的次數(shù)。呼吸暫停是指睡眠過(guò)程中口鼻呼吸氣流完全停止10秒以上;低通氣是指睡眠過(guò)程中呼吸氣流強(qiáng)度(幅度)較基礎(chǔ)水平降低50%以上,并伴有血氧飽和度較基礎(chǔ)水平下降大于等于4%。因?yàn)镻SG監(jiān)測(cè)價(jià)錢(qián)偏高而且需要檢測(cè)者在醫(yī)院的檢查室中進(jìn)行整晚大約8個(gè)小時(shí)的監(jiān)測(cè)。調(diào)查顯示,大約93%的女性和82%的男性患者沒(méi)有得到診斷,原因就在于目前尚未找到一種簡(jiǎn)捷,方便,低費(fèi)用的檢測(cè)方法來(lái)實(shí)現(xiàn)OSAHS的篩查。
鼾聲檢測(cè)主要針對(duì)患者的鼾聲特性進(jìn)行研究與判斷,鼾聲的獲取只需一組無(wú)接觸式的麥克風(fēng)和數(shù)據(jù)記錄裝置。目前多數(shù)研究者主要從鼾聲的時(shí)域和頻域參數(shù)著手。時(shí)域參數(shù)多數(shù)以單位時(shí)間內(nèi)的鼾聲數(shù),鼾聲持續(xù)時(shí)間和間隔,間斷鼾聲數(shù),最后以鼾聲數(shù)和間斷鼾聲數(shù)為指標(biāo)進(jìn)行判斷[3]?;邝暀z測(cè)的OSAHS診斷研究在國(guó)內(nèi)外均尚屬起步階段。而且研究涉及廣大人民的身體健康問(wèn)題,研究意義重大。本文主要應(yīng)用端點(diǎn)檢測(cè)的方法模擬呼吸暫停低通氣指數(shù),并基于K均值分類(lèi)的方法實(shí)現(xiàn)OSAHS的診斷。
鼾聲實(shí)際上也是一種聲音。通過(guò)鼾聲檢測(cè)患者有病無(wú)病,可以廣義的看作為語(yǔ)音檢測(cè)、識(shí)別問(wèn)題。不過(guò),相對(duì)于常見(jiàn)的語(yǔ)音識(shí)別問(wèn)題,鼾聲檢測(cè)從某種意義來(lái)說(shuō)更簡(jiǎn)單。因?yàn)樗恍枰獧z測(cè)兩個(gè)狀態(tài),即患者“有”或者“沒(méi)有”患病。因此語(yǔ)音信號(hào)處理中的理論、方法是研究該問(wèn)題的主要研究方法。
現(xiàn)階段實(shí)驗(yàn)用的鼾聲數(shù)據(jù)多數(shù)是與PSG檢測(cè)同時(shí)錄制的。由麥克風(fēng)采集到的鼾聲經(jīng)低通濾波和A/D轉(zhuǎn)換后得到鼾聲數(shù)字信號(hào)。鼾聲數(shù)據(jù)一般較長(zhǎng),基于音頻信號(hào)的短時(shí)性分析技術(shù)首先將鼾聲信號(hào)分幀和預(yù)加重。端點(diǎn)檢測(cè)[4]的目的就是區(qū)分鼾聲段和靜音段,有效地計(jì)算鼾聲片段的時(shí)間間隔,并可以將真正的鼾聲數(shù)據(jù)分離出進(jìn)行后續(xù)的處理。因?yàn)楸尘霸肼暤牟环€(wěn)定性依據(jù)固定閾值進(jìn)行端點(diǎn)檢測(cè)的正確率往往受限制,本文采用基于短時(shí)能量的自適應(yīng)端點(diǎn)檢測(cè),并將鼾聲最短持續(xù)時(shí)間作為判斷條件加入來(lái)提高正確率。
將鼾聲信號(hào)分幀處理,因?yàn)轺暤臅r(shí)變性相對(duì)于語(yǔ)音信號(hào)的時(shí)變性較弱,本文取分幀幀長(zhǎng)為128ms,幀移取64ms。應(yīng)用COOLEDIT軟件觀察鼾聲數(shù)據(jù)發(fā)現(xiàn)鼾聲的持續(xù)時(shí)間一般大于0.6s,故在端點(diǎn)檢測(cè)時(shí)將鼾聲的最短持續(xù)時(shí)間大于0.6s作為區(qū)分鼾聲的初始條件。這樣可以把持續(xù)時(shí)間稍長(zhǎng)的噪音片段隔離掉,保證有效地提取真正的鼾聲數(shù)據(jù)。
第i幀的短時(shí)能量表示為:
其中l(wèi)en表示幀長(zhǎng)。因?yàn)轺晹?shù)據(jù)的開(kāi)端往往是以靜音開(kāi)始的,本文將預(yù)讀入的5幀鼾聲數(shù)據(jù)的平均能量值為參考設(shè)置初始的閾值,自適應(yīng)的過(guò)程表示為:
其中LT和HT為經(jīng)驗(yàn)數(shù)據(jù),EL為低閾值,EH為高閾值,E為每幀能量值。自適應(yīng)的端點(diǎn)檢測(cè)算法能夠根據(jù)實(shí)時(shí)的噪聲變化調(diào)整門(mén)限。
經(jīng)過(guò)端點(diǎn)檢測(cè)后得到每個(gè)鼾聲的開(kāi)始時(shí)間和結(jié)束時(shí)間。鼾聲的持續(xù)時(shí)間定義為一次鼾聲的開(kāi)始時(shí)間到結(jié)束時(shí)間,間隔時(shí)間定義為本次鼾聲的結(jié)束時(shí)間到下次鼾聲的開(kāi)始時(shí)間。
觀察所有鼾聲的得出如下結(jié)論:98. 5%正常鼾聲的間隔時(shí)間的分布在1.4s到4.0s。而有的鼾聲因?yàn)閭€(gè)人呼吸頻率的不同,往往吸氣和呼氣的間隔時(shí)間相對(duì)他人的時(shí)間較長(zhǎng),一個(gè)完整鼾聲的中間就會(huì)出現(xiàn)小間隔。而這個(gè)間隔時(shí)間往往較小,所以我們對(duì)端點(diǎn)檢測(cè)后的數(shù)據(jù)做以下處理:將間隔時(shí)間小于0.1s的兩個(gè)鼾聲歸并成一個(gè)鼾聲,完成鼾聲事件的整合。臨床上的呼吸暫停是指睡眠過(guò)程中口鼻呼吸氣流完全停止10s以上,又因?yàn)榇蝼叽蝼袝r(shí)并不是連續(xù)的而是存在間斷時(shí)間,所以我們將間隔時(shí)間大于10s小于60s的鼾聲事件定義為呼吸暫停。
臨床上規(guī)定每晚7小時(shí)睡眠中,呼吸暫停反復(fù)發(fā)作30次以上或AHI大于等于5次/小時(shí)以上為患有OSAHS。根據(jù)AHI指數(shù)的定義將整晚發(fā)生呼吸暫停的次數(shù)取平均數(shù)并以一定的閾值做判斷的方法沒(méi)有考慮到個(gè)體差異帶來(lái)的影響。因?yàn)槿伺c人的呼吸道是不同的,打鼾的頻率也往往會(huì)有差異,有的人本身打鼾的頻率就比較低,間隔時(shí)間也就比較長(zhǎng),對(duì)診斷的結(jié)果就會(huì)產(chǎn)生影響。為了減小因個(gè)體差異帶來(lái)的影響首先應(yīng)用K均值分類(lèi)的方法對(duì)鼾聲間隔時(shí)間分為兩類(lèi),并以兩類(lèi)中心點(diǎn)的差值和發(fā)生暫停的次數(shù)為診斷依據(jù)。
K均值聚類(lèi)算法[5]是將給定的數(shù)據(jù)集合分成確定的若干組。定義k個(gè)中心點(diǎn),每組一個(gè),由于不同的初始中心位置產(chǎn)生不同的聚類(lèi)結(jié)果,所以選取適當(dāng)中心點(diǎn)是聚類(lèi)的關(guān)鍵。 通過(guò)使它們之間的距離盡可能大,使給定的所有數(shù)據(jù)點(diǎn)結(jié)合到離它最近的中心點(diǎn)的聚類(lèi)中。 當(dāng)所有的數(shù)據(jù)點(diǎn)都分配到中心點(diǎn)的范圍內(nèi)后,初始的聚類(lèi)形成。通過(guò)先前階段的聚類(lèi)中心重新計(jì)算k個(gè)新中心點(diǎn),再將給定的數(shù)據(jù)重新分配到離它最近的新中心點(diǎn)。不斷進(jìn)行循環(huán),由循環(huán)的結(jié)果得知, k個(gè)中心點(diǎn)逐步地改變直到它們的位置不再變化為止,即聚類(lèi)中心不再移動(dòng).則標(biāo)準(zhǔn)函數(shù)的最小值函數(shù)的定義為:
式中:為聚類(lèi)組的數(shù)量,為第i個(gè)聚類(lèi)的均值向量;z為得分向量;為聚類(lèi)中的第i個(gè)聚類(lèi)。K均值算法的具體步驟是:
1)為每個(gè)聚類(lèi)確定一個(gè)初始的聚類(lèi)中心,這樣k個(gè)聚類(lèi)存在k個(gè)聚類(lèi)中心;
2)將樣本集中的每一個(gè)樣本按照最小距離原則分配到k個(gè)聚類(lèi)中某一個(gè);
3)使用每個(gè)聚類(lèi)中的所有樣本的均值作為新的聚類(lèi)中心;
4)如果聚類(lèi)中心有變化則重復(fù)2),3)步直到聚類(lèi)中心不再變化為止;
5)最后得到的k個(gè)聚類(lèi)中心就是聚類(lèi)的結(jié)果。
本文對(duì)鼾聲中存在的兩類(lèi)間隔時(shí)間的定義如下:第一類(lèi),若間隔時(shí)間小于10s定義為正常的鼾聲間隔時(shí)間;第二類(lèi),若間隔時(shí)間大于10s小于60s定義為發(fā)生呼吸暫停的鼾聲間隔時(shí)間。首先確定K均值分類(lèi)方法的初始中心點(diǎn)的取值,分別統(tǒng)計(jì)第一類(lèi)間隔時(shí)間和第二類(lèi)間隔時(shí)間的平均值作為初始中心點(diǎn)。
OSAHS診斷的依據(jù):
1)當(dāng)只存在第一類(lèi)的鼾聲間隔時(shí)間:即沒(méi)有發(fā)生呼吸暫停的,診斷未患OSAHS。
2)當(dāng)間隔時(shí)間中既包含第一類(lèi)鼾聲間隔時(shí)間又包含第二類(lèi)鼾聲間隔時(shí)間:若兩中心點(diǎn)的距離小于10s,則診斷為未患有OSAHS;若中心點(diǎn)的距離大于30s,則診斷為患有OSAHS,而且可以確定為比較嚴(yán)重的阻塞暫停;若中心點(diǎn)的距離大于10s小于30s則計(jì)算第二類(lèi)間隔時(shí)間每小時(shí)的平均發(fā)生次數(shù)。
本文實(shí)驗(yàn)用的鼾聲數(shù)據(jù)是由大連醫(yī)科大學(xué)提供。表1是對(duì)端點(diǎn)檢測(cè)方法的評(píng)估。截取不同人的大約12~28分鐘的數(shù)據(jù)段統(tǒng)計(jì)鼾聲總數(shù),并與兩個(gè)不同人耳聽(tīng)到的鼾聲總數(shù)做對(duì)比,正確率在86%以上。不同的人耳聽(tīng)到的鼾聲個(gè)數(shù)也會(huì)存在一定的誤差。
表2 K均值分類(lèi)方法的評(píng)估Tab2. Evaluation of the K means
表3 預(yù)測(cè)AHI指數(shù)Tab3. Predicted AHI
表1 端點(diǎn)檢測(cè)方法的評(píng)估Tab1. Evaluation of the endpoint detection
表2中編號(hào)為5和7的鼾聲分別取于同一OSAHS患者的患病段和不患病段,對(duì)比發(fā)現(xiàn)患者患病時(shí)和不患病時(shí)的間隔時(shí)間存在很大的差異。2號(hào)數(shù)據(jù)是明顯的打鼾頻率較慢,若只采用暫停次數(shù)做判斷就會(huì)誤判為OSAHS,基于新算法正確判斷為正常的鼾聲。
表3中數(shù)據(jù)不同于表1和表2的數(shù)據(jù),為整晚約7個(gè)小時(shí)的鼾聲。AHI指數(shù)范圍從2.6~72不等,包含了未患病的,中輕度OSAHS患者和重度OSAHS患者,預(yù)測(cè)AHI和實(shí)際AHI存在一定的差值。差值的存在可能是因?yàn)楸尘霸肼暤挠绊?,但不影響OSAHS的篩查。
通過(guò)仿真實(shí)驗(yàn)得到以下結(jié)論:分析鼾聲的間隔時(shí)間來(lái)診斷OSAHS確實(shí)是行之有效的方法,而基于K均值的鼾聲間隔時(shí)間分類(lèi)減小了因不同人的打鼾的頻率造成的分析誤差。預(yù)測(cè)AHI指數(shù)基本能夠體現(xiàn)患病的程度,實(shí)現(xiàn)OSAHS的篩查。
[1]殷善開(kāi), 易紅良, 曹振宇. 阻塞性睡眠呼吸暫停低通氣綜合癥[M]. 北京: 科學(xué)技術(shù)文獻(xiàn)出版社.2006.
[2]齊志勇, 張治平, 呼和牧仁等.多導(dǎo)睡眠儀(PSG)在阻塞性睡眠呼吸暫停低通氣綜合征中的臨床應(yīng)用價(jià)值[J]. 當(dāng)代醫(yī)學(xué). 2007(118).
[3]Yeh Liang Hsu, Ming Chou Chen, Chih Ming Cheng, et al. Development of a portable device for home monitoring of snoring[C].2005 IEEE International Conference on Systems, Man and Cybernetics, Hilton Waikoloa Village, Hawaii, USA , October, 2005.
[4]鮑長(zhǎng)春. 數(shù)字語(yǔ)音編碼原理[M]. 西安:西安電子科技大學(xué)出版社. 2007.
[5]邊肇慶, 張學(xué)工. 模式識(shí)別[M]. 北京:清華大學(xué)出版社. 2000.
Snore Detection for Obstructive Sleep Apnea Hypopnea Syndrome Diagnosis
Chen Weiwei School of Information and Communication Engineering, Dalian University of Technology, Dalian 116024,China
阻塞性睡眠呼吸暫停低通氣綜合癥最常見(jiàn)的癥狀是睡眠打鼾,本文依據(jù)語(yǔ)音信號(hào)處理的方法對(duì)鼾聲信號(hào)分析,實(shí)現(xiàn)對(duì)阻塞性睡眠低通氣綜合癥的篩查,以減小多導(dǎo)睡眠監(jiān)測(cè)的檢查負(fù)荷?;诙虝r(shí)能量的自適應(yīng)端點(diǎn)檢測(cè)記錄鼾聲的間隔時(shí)間,并以K均值的方法對(duì)鼾聲間隔時(shí)間分兩類(lèi),以兩類(lèi)中心點(diǎn)的距離和發(fā)生暫停的次數(shù)為依據(jù)實(shí)現(xiàn)OSAHS的診斷。本文算法旨在減小個(gè)體差異對(duì)判斷結(jié)果的影響。
呼吸暫停;低通氣;多導(dǎo)睡眠圖;鼾聲;K均值
Snore is the typical symptom of the obstructive sleep apnea hypopnea syndrome. Based on the method of speech signal process realized the cheap and portable method of screening OSAHS, where reduce the load of PSG. Based on the adaptive short-time energy endpoint detection record the time of interval of snores, and the method of K mean classified the time of internal to two types, the distance between the center and the occurrence of sleep apnea to diagnosis OSAHS. The new method is designed to reduce the individual differences in judging the results.
OSAHS; AHI; PSG; snore; K means
TN912 文獻(xiàn)標(biāo)識(shí)碼:A
10.3969/j.issn.1001-8972.2010.22.092
陳偉偉(1986-)女,山東泰安人,大連理工大學(xué)信息與通信工程院碩士研究生,研究方向?yàn)檎Z(yǔ)言信號(hào)處理。·