基于模糊推理和神經(jīng)網(wǎng)絡(luò)的呼吸障礙診斷方法的研究

【作 者】陳敏，尹學(xué)志

1 上海理工大學(xué)上海醫(yī)療器械高等?？茖W(xué)校，上海 ，200093

2 上海貝瑞電子科技有限公司，上海，200125

睡眠時(shí)，氣道阻塞嚴(yán)重，甚至關(guān)閉，無法正常通氣稱為睡眠呼吸暫停綜合征（Sleep Apena Syndrome,SAS）。睡眠呼吸暫停綜合征是一種睡眠呼吸紊亂的危險(xiǎn)性疾病，國(guó)際上通常把鼻和口腔氣流暫停超過10s的現(xiàn)象稱之為睡眠呼吸暫停，因?yàn)閟秒以上的呼吸停止可以造成患者血液里的氧氣明顯減少，引起機(jī)體缺氧。

睡眠呼吸暫停會(huì)導(dǎo)致缺氧和二氧化碳滯留，從而引起多器官的各種并發(fā)癥，如低血糖、高碳酸血癥、高血壓、腎功能損害和血粘度增高等。在成人中SAS發(fā)病率約為2%～4%，對(duì)嬰兒的危險(xiǎn)程度和有可能導(dǎo)致的傷害也是一個(gè)十分嚴(yán)重的問題。特別是，新生兒及嬰兒一天中的大部分時(shí)間在睡眠中度過，睡眠呼吸暫停所致的缺氧、睡眠紊亂及呼吸運(yùn)動(dòng)異常，常會(huì)引起智力受損、發(fā)育畸形等。

現(xiàn)行多導(dǎo)睡眠圖主要監(jiān)測(cè)EEG、ECG、EOG、EMG、胸腹式呼吸運(yùn)動(dòng)、鼾聲、脈搏、血氧飽和度、脈搏波、呼吸頻率、體位等10余種的生理信號(hào)。腦電、心電等生理信號(hào)的獲得，將有微弱電流流過患者的頭部或胸腔，對(duì)于嬰兒來說會(huì)略感不適。并且在小兒呼吸停止而還有心跳時(shí)，有信號(hào)輸入，不能準(zhǔn)確地監(jiān)測(cè)到小兒的呼吸狀態(tài)。

本文在無創(chuàng)監(jiān)測(cè)的原則下，采用血氧飽和度和呼吸末CO2信號(hào)，利用神經(jīng)網(wǎng)絡(luò)對(duì)呼吸狀態(tài)模糊邏輯系統(tǒng)中的隸屬度函數(shù)及模糊規(guī)則進(jìn)行訓(xùn)練優(yōu)化，探索一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)（adaptive-networkbased fuzzy inference system，ANFIS）的呼吸障礙分析算法。

1 基于神經(jīng)網(wǎng)絡(luò)的呼吸狀態(tài)模糊推理模型

1.1 多參數(shù)的呼吸信號(hào)提取

人體的呼吸調(diào)節(jié)是一個(gè)復(fù)雜的過程，分為外呼吸和內(nèi)呼吸兩種過程，其目的在于為機(jī)體提供氧氣并排出二氧化碳以及穩(wěn)定血液的酸堿度，維持人體的內(nèi)部環(huán)境。我們選用呼氣末二氧化碳分壓PetCO2、脈率氧飽和度監(jiān)測(cè)SpO2、心搏頻率HR作為系統(tǒng)的輸入信號(hào)，因?yàn)檫@三個(gè)參數(shù)能夠無創(chuàng)獲得，并且既能反映機(jī)體的含氧量，又能體現(xiàn)機(jī)體的排二氧化碳量以及通氣過程中的生理情況。

(1) 呼氣末二氧化碳分壓PetCO2

PetCO2為呼氣終末期呼出的混合肺泡氣含有的二氧化碳分壓或濃度值，可反映肺通氣和肺血流量。PetCO2正常值 在32～42 mmHg范圍內(nèi)。

(2) 脈率氧飽和度監(jiān)測(cè)（SpO2）

根據(jù)血紅蛋白的光吸收特性，通過動(dòng)脈脈搏波動(dòng)的分析，測(cè)定血液在一定的氧分壓下，氧合血紅蛋白（HbO2）占全部血紅蛋白（Hb）的百分比值。SpO2能及時(shí)有效地評(píng)價(jià)血氧飽和或亞飽和狀態(tài)，了解機(jī)體的氧合功能。SpO2正常值為92%～100%。

(3) 心搏頻率HR

簡(jiǎn)稱“心率”，每分鐘心臟跳動(dòng)的次數(shù)，正常時(shí)同脈搏一致。成年人安靜時(shí)平均為70～75次/min，女性較男性稍快，嬰兒可達(dá)120次/min。

1.2 呼吸參數(shù)的模糊化

(1) SpO2參數(shù)模糊化處理

對(duì)于脈率氧飽和度參數(shù)SpO2，臨床上認(rèn)為低于85%屬于極度緊急的狀況，85%～93%屬于偏低的狀況，91%～100%屬于正常情況。所以對(duì)于SpO2可定義{低，正常} 二個(gè)模糊子集，隸屬度函數(shù)采用梯形函數(shù)，可表示為：

(2) 其它參數(shù)模糊模糊化處理

同樣可獲得其他參數(shù)的模糊化子集。上述3個(gè)呼吸參數(shù)經(jīng)過模糊化后，就可得到相應(yīng)得精確值屬于它所在的論域中的每個(gè)模糊集的隸屬度。

1.3 呼吸狀態(tài)模糊規(guī)則庫的建立

利用模糊推理方法進(jìn)行呼吸狀判別的核心，在于建立輸入與輸出之間的模糊映射關(guān)系模型。通常而言，一個(gè)模糊推理系統(tǒng)應(yīng)包括輸入量的模糊接口、模糊規(guī)則庫、模糊推理機(jī)、輸出量的解模糊接口四部分，其中模糊規(guī)則庫是根據(jù)專家的經(jīng)驗(yàn)總結(jié)出來的。

同時(shí)考慮SpO2、PetCO2、HR三個(gè)參數(shù)，則判斷的模糊集為一個(gè)關(guān)系矩陣，其中病人的呼吸狀態(tài)可看作一個(gè)集合：{呼吸暫停、低通氣、呼吸尚可、呼吸通暢}，記為{Suspended、Questionable、Stable、Good}。

令X={Low, OK}表示SpO2參數(shù)集

Y={Low, OK,High}表示PetCO2參數(shù)集

Z={Low, OK,High}表示HR參數(shù)集

則病人呼吸狀態(tài)評(píng)價(jià)如表1所示，采用3個(gè)參數(shù)，模糊規(guī)則表共計(jì)2*3*3=18項(xiàng)。

表1 呼吸狀態(tài)評(píng)價(jià)表Tab.1 The evaluation of breathing condition

2 呼吸狀態(tài)模糊神經(jīng)網(wǎng)絡(luò)的建立

從專家那里獲取的模糊邏輯規(guī)則一般來說比較簡(jiǎn)單。對(duì)于多信號(hào)的信息融合，如果采用模糊邏輯（Fuzzy logic）和神經(jīng)網(wǎng)絡(luò)結(jié)合的融合模型，則既能利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力來提高模糊規(guī)則的準(zhǔn)確性，又能縮短網(wǎng)絡(luò)訓(xùn)練時(shí)間。因?yàn)樯窠?jīng)網(wǎng)絡(luò)模型具有較強(qiáng)的自適應(yīng)學(xué)習(xí)能力，但由于黑箱的學(xué)習(xí)模式，其學(xué)習(xí)結(jié)果所獲得的輸入輸出關(guān)系無法被人接受。相反，模糊邏輯則是建立在“If—then”的表達(dá)方式上，可自動(dòng)生成和調(diào)整危險(xiǎn)隸屬度函數(shù)和規(guī)則，兩者通過網(wǎng)絡(luò)學(xué)習(xí)結(jié)合，系統(tǒng)由模糊系統(tǒng)來標(biāo)示，隸屬度函數(shù)通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)來形成和調(diào)整，形成神經(jīng)模糊系統(tǒng)，可以實(shí)現(xiàn)集學(xué)習(xí)能力和結(jié)構(gòu)性知識(shí)表達(dá)能力于一體。呼吸狀態(tài)模糊神經(jīng)網(wǎng)絡(luò)的整體系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 模型整體框架Fig.1. Diagram of the Model

模糊神經(jīng)網(wǎng)絡(luò)分為輸入層、模糊化層、模糊規(guī)則計(jì)算層和輸出層。輸入層與輸入向量連接，模糊化層采用隸屬度函數(shù)對(duì)輸入值進(jìn)行模糊化到模糊隸屬度值，模糊規(guī)則計(jì)算層根據(jù)模糊卷積運(yùn)算得到連乘算子，輸出層為模糊計(jì)算的結(jié)果，表達(dá)式為：

模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法本文采用減法式分類估計(jì)算法。減法式分類估計(jì)算法能有效地估計(jì)數(shù)值數(shù)據(jù)的分類中心，即可以提供模類數(shù)和初始值，也可以建立快速有效的模糊模型。因此，我們采用該分類估計(jì)法獲得模型的初始化條件。

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)隨機(jī)選取了呼吸參數(shù)離散數(shù)據(jù)表中的400組數(shù)據(jù)作為樣本，其中350個(gè)作為訓(xùn)練樣本，其余50組作為測(cè)試樣本，設(shè)定循環(huán)次數(shù)為200。表2為監(jiān)測(cè)的實(shí)際值、BP神經(jīng)網(wǎng)絡(luò)的測(cè)試結(jié)果以及模糊神經(jīng)網(wǎng)絡(luò)的測(cè)試結(jié)果。從表2可以看出模糊神經(jīng)網(wǎng)絡(luò)對(duì)增加診斷精度，提高智能判斷能力，有十分明顯的效果。

用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)診斷病人的呼吸狀態(tài)，將狀態(tài)分為4級(jí)，分別為呼吸暫停、低通氣、呼吸尚可、呼吸通暢。得到的呼吸狀態(tài)監(jiān)護(hù)的診斷數(shù)據(jù)如圖2所示，模糊神經(jīng)網(wǎng)絡(luò)診斷的呼吸狀態(tài)與真實(shí)呼吸指標(biāo)變化狀態(tài)相符，說明本系統(tǒng)的有效性。

4 結(jié)論

利用模糊推理和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，本文提出了一種基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的呼吸障礙的監(jiān)護(hù)方法。利用模糊推理系統(tǒng)，根據(jù)臨床經(jīng)驗(yàn)得出的模糊規(guī)則，模擬專家在診斷呼吸障礙的過程。對(duì)不同網(wǎng)絡(luò)模型訓(xùn)練結(jié)果作了比較，并用實(shí)際樣本值進(jìn)行檢驗(yàn)，表明本文方法具有有較好的診斷效果及準(zhǔn)確度。

圖2 模型驗(yàn)證結(jié)果Fig.2. The validation results of the model

[1] 曹鄂洪, 童茂榮. 睡眠呼吸暫停綜合癥診療手冊(cè)[M]. 南京: 南京出版社, 1997

[2] 袁曾任. 人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用[M]. 北京; 清華大學(xué)出版社,1999

[3] 潘泉, 于昕等. 信息融合理論的基本方法與進(jìn)展[J]. 自動(dòng)化學(xué)報(bào),2003, 29(4): 600-609.