基于LightGBM的血壓檢測(cè)方法研究

吳紹武，續(xù)育茹

(北京工業(yè)大學(xué)數(shù)理學(xué)院，北京 100124)

1 引 言

血壓作為判斷人體健康的一個(gè)重要生理指標(biāo)，它能夠直接或間接地反映人體心臟的泵血功能、心率、血管受到的阻力、血管血容量等狀況，對(duì)于輔助診斷心血管疾病具有重要意義。

當(dāng)前，日常生活中測(cè)量血壓常用的方法主要有示波法、柯氏音法、水銀式血壓計(jì)、電子血壓計(jì)等,其中水銀式血壓計(jì)被公認(rèn)是無(wú)創(chuàng)血壓測(cè)量的“金標(biāo)準(zhǔn)”[1]。但由于水銀式血壓計(jì)操作要求較高，對(duì)于老弱群體極不方便[2]。電子血壓計(jì)的原理大多是示波法[3-6]，但該方法仍存在不足之處，其檢測(cè)精度無(wú)法從根本上得到解決[7]。

目前，多數(shù)研究都是利用光電容積脈搏波(PPG)技術(shù)來(lái)檢測(cè)脈搏波波形，進(jìn)而間接地檢測(cè)血壓[8]。由于PPG信號(hào)具有易采集、成本低的特點(diǎn)而被廣泛應(yīng)用于血壓、血氧飽和度等的研究，所以如果PPG信號(hào)可以高精度的檢測(cè)血壓，那么它將可以替代一些繁瑣的血壓檢測(cè)方法，對(duì)高血壓患者或需時(shí)刻檢測(cè)血壓的人提供重要幫助。本研究基于PPG信號(hào)，利用LightGBM算法對(duì)血壓進(jìn)行檢測(cè)，與以往研究不同的是，本研究加入了歷史血壓數(shù)據(jù)。研究表明該方法能夠獲得更高的精度，其對(duì)于個(gè)性化血壓檢測(cè)以及臨床上的血壓檢測(cè)均具有一定的參考意義。

2 基本原理

2.1 PPG原理

PPG技術(shù)是一種無(wú)創(chuàng)檢測(cè)血液容積變化的方法，其原理主要基于朗伯比爾定律和光散射理論[9-10]。當(dāng)光束(大多為紅光或綠光)照射到表皮面時(shí)，光束通過(guò)穿透(或者反射)的方式被一端(或者同端)的光電接收器接收。而在此過(guò)程中，由于肌肉組織和血液的吸收衰減作用，接受器接收到的光強(qiáng)度呈周期性變化[10-11]。把光電接收器接收到的光信號(hào)轉(zhuǎn)換成電信號(hào)，即可獲得PPG信號(hào)。

2.2 LightGBM簡(jiǎn)介

LightGBM模型是GBDT(gradient boosting decision tree,GBDT)算法的一種改進(jìn)，它是2016年微軟亞洲研究院公布的一個(gè)開(kāi)源、快速、高效的算法框架，其核心原理基于決策樹(shù)算法。它被用于分類(lèi)、回歸等多種機(jī)器學(xué)習(xí)的任務(wù)，且被證明了在達(dá)到相同的精度下，LightGBM的計(jì)算速度比其他模型算法快20倍。其主要原理如下[12-13]：

(1)初始化m棵決策樹(shù)，訓(xùn)練樣本的權(quán)重為1/m；

(2)訓(xùn)練子模型f(x)；

(3)決定該子模型的話語(yǔ)權(quán)?；

(4)更新權(quán)重ε；

(5)得到最終的模型：

Fm(x)=?0f0(x)+?1f1(x)+…+?mfm(x)

(1)

3 數(shù)據(jù)準(zhǔn)備

本研究所使用的數(shù)據(jù)來(lái)自MIMIC數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)是MIT麻省理工下屬管理的一個(gè)公共臨床數(shù)據(jù)庫(kù)[14]。我們選取了其中12 000條樣本，每條樣本包含患者的PPG信號(hào)、血壓(BP)信號(hào)以及心電信號(hào)。

由于信號(hào)序列的長(zhǎng)度長(zhǎng)短不一，我們初步篩選了其中序列長(zhǎng)度大于2 000個(gè)點(diǎn)的樣本，以保證該序列樣本能夠包含足夠多的周期，方便后續(xù)的進(jìn)一步研究。

4 特征提取

考慮到波傳播的延遲性，脈搏波信號(hào)的傳達(dá)時(shí)間和血壓信號(hào)的傳達(dá)時(shí)間不是同步的。為了保證脈搏波信號(hào)和血壓信號(hào)的同時(shí)性，我們選擇特征提取的PPG信號(hào)區(qū)間，以及其對(duì)應(yīng)的血壓目標(biāo)區(qū)間，見(jiàn)圖1。

圖1 血壓信號(hào)和脈搏波信號(hào)示意圖Fig.1 Schematic diagram of blood pressure signal and pulse wave signal

本研究中，我們以PPG信號(hào)為參照對(duì)象，確定特征提取區(qū)間后，最終提取的特征主要包括：兩個(gè)波谷點(diǎn)到波峰的水平距離、兩個(gè)波谷點(diǎn)的水平距離、兩個(gè)波谷值與波峰值的縱向距離、兩個(gè)波谷到波峰的斜率、該周期內(nèi)的統(tǒng)計(jì)特征(包括平均值、標(biāo)準(zhǔn)差、總和以及中位數(shù))、當(dāng)前時(shí)刻的前一時(shí)刻的舒張壓和收縮壓。

對(duì)于訓(xùn)練標(biāo)簽舒張壓和收縮壓的選取，我們以PPG波形的波峰點(diǎn)對(duì)應(yīng)的時(shí)間為中心，在其前一個(gè)周期內(nèi)，血壓中的最大值為收縮壓；之后以該收縮壓為中心點(diǎn)，其后一個(gè)周期內(nèi)的最小值作為舒張壓。

考慮到異常值的影響，我們對(duì)特征提取后的樣本進(jìn)行異常值處理。為了方便，我們直接使用剔除的方法，剔除的原則是連續(xù)兩個(gè)收縮壓相差不大于40 mmHg，連續(xù)兩個(gè)舒張壓相差不大于60 mmHg。最終，我們得到有效樣本總數(shù)為8 736條。

5 實(shí)驗(yàn)結(jié)果與分析

為了評(píng)估模型的性能，我們選擇平均絕對(duì)誤差(mean absolute error，MAE)和均方根誤差(root mean square error, RMSE)進(jìn)行評(píng)估,其表達(dá)式分別如下：

(2)

(3)

其中yobs,i是真實(shí)值，ymodel,i是模型預(yù)測(cè)值,n是樣本總數(shù)。

我們通過(guò)LightGBM模型，對(duì)舒張壓和收縮壓分別進(jìn)行了10折的交叉驗(yàn)證。結(jié)果表明，收縮壓的MAE為4.710 mmHg，RMSE為7.551 mmHg；舒張壓的MAE為2.041 mmHg，RMSE為3.450 mmHg。其MAE均小于5 mmHg，RMSE均小于8 mmHg，達(dá)到了AAMI國(guó)際電子血壓計(jì)的標(biāo)準(zhǔn)。血壓預(yù)測(cè)結(jié)果與真實(shí)值的分布情況見(jiàn)圖2。

圖2 真實(shí)血壓和預(yù)測(cè)血壓的分布圖Fig.2 Distribution of real and predicted blood pressure

由圖2可以發(fā)現(xiàn)，模型預(yù)測(cè)結(jié)果除了個(gè)別樣本的預(yù)測(cè)誤差較大外，大部分的樣本預(yù)測(cè)誤差均比較小。為了進(jìn)一步分析模型的擬合效果，我們分別計(jì)算了誤差小于5、10、15 mmHg的樣本所占百分比，結(jié)果見(jiàn)表1。

表1 預(yù)測(cè)誤差分別小于5、10、15 mmHg的百分比Table 1 Percentage of prediction errors less than 5 mmHg,10 mmHg and 15 mmHg respectively

從表1可知，預(yù)測(cè)誤差小于5 mmHg的樣本，收縮壓占到71%，而舒張壓占到91%；誤差小于10 mmHg的樣本，收縮壓占到87%，而舒張壓占到97%；誤差小于15 mmHg的樣本，收縮壓占到93%，而舒張壓占到99%。從結(jié)果還可以看出，舒張壓的預(yù)測(cè)結(jié)果明顯優(yōu)于收縮壓，同時(shí)也說(shuō)明LightGBM模型很好地學(xué)到了其中的特征。

表2是本研究方法與其他研究方法的對(duì)照。從表2可以發(fā)現(xiàn)，本研究方法中舒張壓的誤差均優(yōu)于其他方法；收縮壓優(yōu)于人工神經(jīng)網(wǎng)絡(luò)ANN模型，而劣于線性回歸模型，我們分析其主要原因可能是因?yàn)闇y(cè)試數(shù)據(jù)不一致導(dǎo)致的。相比其他方法，本研究方法簡(jiǎn)單高效，易于實(shí)現(xiàn)，不用進(jìn)行小波分解、多級(jí)建模等復(fù)雜過(guò)程也可獲得較高的精度，其對(duì)波形的檢測(cè)以及可穿戴設(shè)備的血壓檢測(cè)具有一定的參考價(jià)值。

表2 本研究方法與其他方法的誤差對(duì)比Table 2 Comparison of errors between this researchmethod and other methods

為了獲得更高的精度，我們可進(jìn)一步地去噪處理，并嘗試對(duì)PPG波形進(jìn)行分解，找出與血壓更相關(guān)的波形。當(dāng)然，結(jié)合歷史血壓數(shù)據(jù)，血壓的檢測(cè)問(wèn)題可以轉(zhuǎn)換為異常檢測(cè)的二分類(lèi)問(wèn)題與回歸問(wèn)題相結(jié)合，這也是我們下一步的研究方向。

6 結(jié)論

本研究基于PGG信號(hào)，以及歷史血壓數(shù)據(jù)，提取了時(shí)域上的17個(gè)特征參數(shù)，作為模型的特征輸入，通過(guò)LightGBM模型進(jìn)行10折交叉驗(yàn)證，獲得了較高的血壓預(yù)測(cè)精度。本研究所使用的方法，有利于可穿戴設(shè)備的個(gè)性化血壓檢測(cè)，以及血壓檢測(cè)在臨床上的應(yīng)用。