drwuHUST的个人博客分享 http://blog.sciencenet.cn/u/drwuHUST

博文

心率估计的主动stacking集成学习方法

已有 624 次阅读 2019-8-23 11:22 |个人分类:智慧医疗|系统分类:论文交流

  心血管疾病是人类死亡的最主要原因。根据世界卫生组织数据(https://www.who.int/cardiovascular_diseases/world-heart-day/en/),心血管疾病平均每年导致1790万人死亡,占每年所有死亡人数的31%。

心电图(ECG)对于早期发现心血管疾病非常有用。近年来越来越多的可穿戴设备被用于不间断心电监测。从此类设备采集的心电信号中进行实时准确的心率估计对于心血管疾病的检测和治疗非常重要。心率估计的关键是检测心电信号中的QRS波,如下图所示。

QRS.jpg


然而,因为电极接触不良、电极位置误差、身体运动、噪声等原因,从可穿戴式设备中采集的心电数据质量往往很差。传统的心率估计算法主要考虑的是高质量临床数据,所以不能直接用于可穿戴式设备。比如说,刘澄玉教授在6个国际公开数据集上系统性地比较了10种常用的心电QRS波检测算法,发现在临床数据上都能达到高于95%的F1分数,但是在可穿戴心电数据上,最高F1仅为80.43%。我们分析了12个常用的QRS检测算法在我们可穿戴心电数据上的表现,如下图所示。很明显,所有算法的表现都很不稳定。

ECG1.png


一个可能的解决办法是先评价ECG数据的质量,然后丢弃信号质量不好的部分,只对信号质量好的部分做心率估计。但是,被丢弃的部分可能也包含有价值的心血管疾病信息,所以这不是一个好的解决办法。

另外,即使ECG信号质量较好,因为巨大的个体差异(如下图所示),也很难找到一个在所有人身上都表现比较好的心率估计算法。本研究考虑如何使用先进的机器学习方法来解决这些问题。

ECG2.png


集成学习可以融合多个基学习器来达到更好的学习效果。在心率估计中,不同的QRS检测算法可以看做是基分类器。它们通常使用不同的心电特征,比如能量、幅值、梯度等等,和不同的检测方法,如滤波、阈值选取、特征提取、后处理等。所以,它们满足集成学习中对基学习器的基本要求:多样性。

假定M个基学习器用来估计N个心电记录里面的心率。根据这N个心电记录的真实心率值是否知道,我们有两种不同的集成策略:

1.  当完全没有真实心率值时,使用无监督集成。最简单也是最常用的办法是对M个基学习器结果求平均。但是,我们的实验证明,这种方法效果不好。

2.  当有部分真实心率数据时,使用有监督集成。复杂的集成学习方法,比如bagging和boosting,需要大量带标注数据。当带标注数据量不足时,可以考虑stacking,即集成输出是基学习器输出的加权平均。这些加权需要从带标注数据中计算。但是,我们的实验证明,因为个体差异,几乎不可能找到一组权重,对所有的用户都适用。通常对每个用户,我们需要标注一小部分数据,然后寻找一组个性化的权重。

直观上讲,有监督集成比无监督集成效果好,因为毕竟使用了标注信息。通常,带标注的心电数据越多,心率估计效果就越好。然而,在实际应用中我们希望标注数据越少越好,因为数据标注也是个费时费力的过程。

 主动学习是解决上述问题的有效方法。其精心挑选一部分最有用的数据来进行标注,这样标注同样的数据量,训练出的模型表现更好。我们之前的研究已经证实了主动学习在分类和回归问题中都能取得很好的效果。但是,据我们所知,还没有人在心率估计中同时结合主动学习和stacking集成学习。

本研究提出了4种新的主动stacking方法用于心率状态估计,并在95个用户身上验证了其性能。对于每个用户,我们的方法只需要标注3或4段心电数据就可以让心电估计均方误差降低到3拍每分钟以下(如下表所示),满足实际应用需求。 

    ECG3.png


  本工作由华中科技大学人工智能与自动化学院伍冬睿教授、东南大学刘飞飞博士和刘澄玉教授(联想心电首席科学家)共同完成,目前在Information Sciences(IF=5.524)审稿中。

 D. Wu, F. Liu and C. Liu, “Active Stacking for Heart Rate Estimation,” Information Sciences, 2019, submitted.

arXiv版本:https://arxiv.org/abs/1903.10862

 




http://blog.sciencenet.cn/blog-3418535-1194902.html

上一篇:用于恒河猴动眼神经决策解码的多视图宽度学习系统
下一篇:基于典型相关性分析(CCA)的多视图学习方法综述

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

全部作者的精选博文

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-9-22 18:33

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部