声学技术杂志已发表格式范文参考
1.基于鼾声特征的呼吸暂停低通气指数预测
作者：叶自强;彭健新
作者单位：华南理工大学
关键词：阻塞性睡眠呼吸暂停低通气综合征;鼾声;呼吸暂停低通气指数;声学特征;梯度提升回归
摘要：打鼾是阻塞性睡眠呼吸暂停低通气综合征 (obstructivesleepapneahypopneasyndrome,OSAHS) 患者最典型的 症状，患者鼾声中含有重要诊断信息。文章从 OSAHS 患者整晚鼾声中提取了梅尔倒谱系数、线性预测系数、谱熵 等声学特征参数，通过相关分析研究患者鼾声的特征参数与呼吸暂停低通气指数 (apneahypopneaindex,AHI) 的相关 性，探讨基于梯度提升回归的 AHI 预测，并与其他模型进行对比。结果表明：谱熵和梅尔倒谱系数的某些维度与 AHI 具有较强的相关性，其相关系数大于 0.6。与线性模型相比，梯度提升回归模型表现出更好的预测效果，其预 测的 AHI 与参考测量值之间的相关性高，相关系数为 0.813。结果表明，基于鼾声的声学特征预测 OSAHS 患者的 AHI 是可行的，对 OSAHS 的诊断具有较好的参考价值。
0引言
阻塞性睡眠呼吸暂停低通气综合征 (obstructive sleepapneahypopneasyndrome,OSAHS) 是一种日 常生活中常见的睡眠呼吸障碍疾病，患者的症状为 睡眠过程中上呼吸道部分或完全塌陷导致低通气或 呼吸暂停，并伴有频发性血氧饱和度降低及睡眠结 构混乱等现象[1]。多导睡眠图 (polysomnography, PSG) 是临床诊断 OSAHS 的金标准[2]，但其昂贵的 检测费用、复杂的检测过程和较低的普及率等导致 大量潜在的 OSAHS 患者无法得到及时诊断和治 疗[3-4]。因此研究一种低成本、易操作的 OSAHS 诊 断方法是当前的一个研究热点。
打鼾是 OSHAS 患者最典型的临床症状之一， 研究表明鼾声与 OSAHS 存在着紧密的联系[5]。呼 吸暂停低通气指数 (apneahypopneaindex,AHI) 是 衡量 OSAHS 严重程度的评估指标，定义为患者睡 眠期间平均每小时呼吸暂停事件与低通气事件的次 数之和。已有研究利用患者鼾声预测 AHI [6-9]，以辅助诊断 OSAHS。Ding 等[6]提出了一种基于预训 练的 VGG19 和长短期记忆网络融合模型来区分正 常鼾声和呼吸紊乱相关的鼾声，并检测出呼吸紊乱 事件以计算 AHI。侯丽敏等[7]采用高斯混合模型和 基频特征对正常鼾声和 OSAHS 鼾声分别建模，然 后判断呼吸紊乱事件并计算 AHI。上述研究基于 呼吸紊乱事件前后鼾声特性对 AHI 进行预测，依 赖于对呼吸紊乱事件的准确判别。Kim 等[8]对受试 者整晚睡眠录音信号进行分析，使用随机森林回归 和多种时频域特征构建 AHI 预测模型。Xie 等[9]提 出了鼾声变异率来描述整晚鼾声的能量变化，采 用 XGBoost 回归预测 AHI。此类方法基于受试者 整晚鼾声声学特征预测 AHI，无需识别呼吸紊乱 事件及其相关鼾声，简化了前期对鼾声的预处理。 但已有研究中，重度 OSAHS 患者数量偏少，使其 预测结果的应用受限。本文通过对 102 名受试者整 晚睡眠鼾声进行分析，提取了多种鼾声声学特征并 评估其参数与 AHI 的相关性，分别利用梯度提升 回归 (gradientboostingregression,GBR)、支持向量 回归 (support vectorregression, SVR) 和线性回归 (linear regression, LR) 方 法 预 测 OSAHS 患 者 的 A HI 值，为临床提供诊断 OSAHS 提供参考。
1基于鼾声分析的 AHI 预测模型
1.1鼾声声学特征提取
鼾声是由上呼吸道组织振动产生的，携带了上 呼吸道结构的重要信息[10]。研究表明鼾声的频域特 征比时域特征包含更多有效的信息[11]。本文首先将 受试者整晚录音中的所有鼾声片段分割成帧，设置 帧长为 20ms，帧移为 50%，然后对每一帧计算其 特征参数，并按时序排列得到特征矩阵，行数代表 特征数量，列数代表时间帧数。最后按帧计算特征 值的最大值、最小值、均值和方差，拼接后得到代 表受试者整晚睡眠鼾声信息的特征向量。文中共提 取了 10 种描述鼾声的声学特征，其特征集维度为 244，计算特征参数与 AHI 的皮尔森 (Pearson) 相 关系数 (Pearsoncorrelationcoefficient,PCC) 以评估 其相关性。表 1 为所提取的声学特征以及相应维 度，包括梅尔倒谱系数 (Mel-frequency cepstrum coefficients, MFCC) [12]、 线 性 预 测 系 数 (linear prediction coefficients, LPC) [12]、 谱 熵 (spectral entropy,SE) [11]、800Hz 功率比 (powerratio800Hz, PR800) [13]、 基 频 (pitch) [14]、 共 振 峰 (formant) [14]、 最大功率比 (maximumpowerratio,MPR) [11]、频谱 质心 (spectralcentroid,SC) [11]、频谱平坦度 (spectral flatness,SF) [15]、频谱滚降点 (spectralroll-off,SR) [11]。
1.2回归模型
为了比较不同模型对 AHI 的预测能力，分别 利用 LR、SVR 和 GBR 三种模型构建 AHI 回归预 测模型。LR 模型是通过寻找最佳拟合直线，使得 预测值与观测值之间的误差平方和最小，一般使用 最小二乘法求取最优解。该模型简单高效，能根据 权重系数直接判断每个特征对目标值的影响程度， 可解释性较强。
SVR 模型的拟合目标是找到一个能够最大化 边界区域内样本点与回归函数之间间隔的曲线，同 时限制误差不超过预设的阈值。SVR 模型与 LR 模 型相比，其决策边界面是一个区间，样本只要落入 决策区间范围内就认为没有误差，不计算损失函 数，使得模型具备一定的泛化性和鲁棒性。
GBR 模型是一种基于决策树的集成学习模 型，通过迭代训练一个序列化的决策树模型来逐步 减小预测误差。GBR 模型中每一棵树都是弱预测 模型，其预测结果只能解释部分数据的变化。在每 轮迭代中，模型基于前面所有树的残差来构建当前 树，然后将新模型的预测值与原始目标变量之间的 误差进行最小化，从而改进预测能力。
三种模型参数设置如下：LR 模型参数设置为 默认；SVR 模型设置核函数为 linear，惩罚因子为 10.0，其余参数为默认；GBR 模型设置决策树数 量为 100，最大深度为 3，学习率为 0.1，其余参数 为默认。实验中使用的硬件设备为 CPUAMD Ryzen94900H，软件环境为 Matlab2021a、Python 3 .8 和 Sklearn0.24.1。
1.3回归模型评估指标
y yˆ µ Pearson 相关系数反映了自变量和变量之间线 性相关性的强弱程度。假设测试集样本的真实标签 为 ，预测标签为 ，测试集真实值的均值为 ，测试集预测值的均值为µˆ。计算得到测试集真实标签 与预测标签的皮尔森相关系数为
平均绝对误差 (meanabsoluteerror,MAE) 表示 预测值与真实值之间的绝对误差的均值，所有个体 差异在平均值上的权重大小都相等。均方根误差 (rootmeansquareerror,RMSE) 表示预测值和观测 值之间差异的样本标准差，对高残差给予更多的惩 罚 ，表示样本的离散程度。
2数据采集与实验设置
本文选取来自广州医科大学附属第一医院和开 源数据集 PSG-Audio 的受试者共 102 例[2]。在受试 者进行多导睡眠图 (PSG)(伟康Alice-5) 监测时，将 电容式测量传声器 (BehringerECM8000) 放置于受 试者口鼻上方约 1m 处，同步录制鼾声。采样频 率和采样精度分别为 48kHz 和 24bit，时长为 6~ 8h。后续从采集的受试者整晚睡眠录音中提取鼾 声片段，并在耳鼻喉科专家的指导下对所有的鼾声 片段进行人工核对以保证数据的准确性。在本研究 中采集到的鼾声总数为 101283 个。受试者的统计 信 息 如表 2 所 示 。 临 床 诊 断 根 据 AHI 值 将 OSAHS 患者划分为 4 类：正常打鼾者 (AHI、 轻度 OSAHS 患者 (5 AHI、中度 OSAHS 患 者 (15 AHI和重度 OSAHS 患者 (AHI 30)。
为了充分利用实验数据，采用五折交叉验证 训 练 回 归 模 型 并 验 证 。将 102 名 受 试 者 的 共 101283 个鼾声片段均分为 5 组不相交的子集，其 中 4 组分别为 20 人，剩余一组为 22 人。随机挑选 一组受试者的整晚鼾声数据作为验证集，其余作为 训练集构建回归模型，该迭代过程重复 5 次，保证 每组受试者的鼾声数据有且仅有一次机会作为验证 集。最后将这 5 次预测结果进行合并以遍历数据 集，获得全体受试者的 AHI 预测值，以评估模型 的 预测性能。
3特征评估与 AHI 预测结果
3.1特征相关性评估结果
图 1 为 PCC 排序前 10 的特征类别，分别是 SE、MFCC、LPC、PR800、MPR、SC 以及 SF 的 统计量，PCC 均大于 0.4 且显著性水平 P， 这表明这些特征参数与 AHI 之间具有较好的相关 性。图 1 中纵坐标物理量下标 mean 表示均值， max 表示最大值，min 表示最小值。其中 PCC 较 大的两个特征 (SE 均值、MFCC14 的最大值) 与 AHI 的相关性更强，其 PCC 大于 0.6。Sun 等[16]的 研究中提到 OSAHS 患者的 SE 均值大于正常打鼾 者，表明 AHI 越高的受试者，其 SE 均值也越高。 这与图 1 中 SE 均值与 AHI 呈现较强的正相关这一 结果吻合。
3.2AHI 预测结果
AHIPSG AHIPSG 表 3 给出了三种回归模型下 AHI 的预测结 果，LR 和 SVR 模型下 AHI 的预测值与 PSG 测量 值 之 间 的 PCC 分 别 为 0.712 和 0.727， MAE 分别为 15.67 和 15.47，表明 LR 模型和线性 核 SVR 模型可以较好地拟合鼾声特征与 AHI 之间 的线性关系。SVR 模型对容忍偏差内的样本点不 计算损失函数，相较于 LR 模型更能降低异常值对 模型的影响。虽然两者的预测效果差距不大，但 SVR 模型更具有稳定性和鲁棒性。GBR 模型 AHI 预测值与测量值 之间的 PCC 达 0.813，MAE为 14.15。对比 LR 和 SVR 模型，GBR 模型预测 的 AHI 相关性最高，与目标值之间的偏差也最 小。这是由于 GBR 模型通过迭代训练多个弱学习 器，并组合成一个强大的集成模型，使得 GBR 模 型的预测能力和泛化能力均优于 LR 和 SVR 模型。
表 4 给出了三种模型下 4 个 AHI 区间内患者 的 AHI 预测结果。LR 模型和 SVR 模型对正常和 轻度患者的 AHI 预测均值偏离参考区间，对中度 和重度患者的预测均值在参考区间内。GBR 模型 AHIPSG 对正常、轻度、中度和重度 OSAHS 患者的 AHI 预测均值分别为 7.19、14.26、27.27 和 43.97，对 OSAHS 患者能相对准确地预测其 AHI。与各个区 间内 均值的绝对误差分别为 4.03、3.95、 6.25 和 18.23，正常打鼾者、轻度和中度 OSAHS 患者的 AHI 预测均值误差为 4~7，这表明采用 GBR 模型能较准确地预测非重度患者的 AHI 值， 极个别重度患者的 AHI 预测值不在 PSG 结果对应 区间内，整体预测结果略偏低。
图 2 给 出 了 采 用 GBR 模 型 AHI 预 测 值 与 AHIPSG 测量值之间的对应关系散点图。当 AHI 小于 50 时，GBR 模型预测得到的受试者的 AHI 与 PSG 测量得到 AHI 之间的差异较小。但随着受 试者的 AHI 增加，GBR 模型预测的 AHI 偏小， 与 PSG 测量得到 AHI 之间的偏离趋势逐渐变大， 这与 Kim 等[8]和 Xie 等[9]等得到的实验结果一致。 对比 PSG 记录和鼾声录音数据发现，存在呼吸紊 乱事件没有鼾声的情形和呼吸紊乱事件中鼾声过于 微弱导致没有被检测出鼾声片段，加上重度患者发 生呼吸紊乱事件的频率较高，这些情形会导致低估 重度 OSAHS 患者的 AHI。
4讨论
上述研究结果表明，根据受试者整晚睡眠鼾声 声学特征参数预测 OSAHS 患者的 AHI 与采用 PSG 方法得到的 AHI 具有较好的相关性，验证了 方法的可行性。Ding 等[6]和侯丽敏等[7]的实验对普 通鼾声与呼吸紊乱事件相关的鼾声进行分类，利用 相关鼾声建模来判断呼吸紊乱事件并计算 AHI。 这种方法依赖于相关鼾声的识别，所有的鼾声片段 都要经过分类模型筛选出病态鼾声。当鼾声数量较 大时，将导致计算效率低、开销大的问题。本文直 接分析受试者整晚鼾声的声学特征信息与 AHI 的 关系，并构建基于回归算法的 AHI 预测模型，省 去繁琐的呼吸紊乱事件的识别。Kim 等[8]的实验 中，分析了受试者整晚睡眠呼吸声特征与 AHI 的 关系，使用随机森林回归训练 AHI 预测模型并测 试，相关系数达到 0.83。本文直接从受试者整晚睡 眠录音中提取鼾声片段，剔除了环境噪声等其他非 鼾声的干扰，保证了预测模型可靠性。Xie 等[9]提 出了鼾声变异率来描述整晚鼾声能量的动态特征， 并引入了身体质量指数、年龄等患者统计信息作 为 AHI 预测的特征变量，使用 XGBoost 回归预测 AHI 的相关系数 PCC 达到了 0.786，平均绝对误差 为 7.26。但其数据集中 AHI的受试者占比为 81%，AHI的受试者占比为 58%。而临床诊断 时重度患者的占比往往更多，本文使用的数据分布 更接近临床实际情况。由于缺乏大数据量的公开数 据集，基于整晚鼾声特征的 AHI 预测研究受到样 本数量少及分布不均衡的限制，其预测精度还有较 大 的提升潜力。
5结论
本文探讨了基于受试者整晚睡眠鼾声特征的AHI 回归预测模型，从 OSAHS 患者整晚睡眠鼾声 中提取了 MFCC、LPC、谱熵等声学特征参数，采 用 Pearson 相关评估声学特征，并对比了 GBR、 LR 和 SVR 三种模型的预测性能。结果显示 SE 和 MFCC 的统计量与 AHI 之间具有较好的相关性。 相较于单一模型，集成模型 GBR 预测 OSAHS 患 者的 AHI 效果更好，其 PCC 为 0.813，MAE 为 14.15。这表明通过 MFCC、SE 等声学特征参数结 合 GBR 模型预测 OSAHS 患者的 AHI 是可行的， 对临床借助鼾声辅助诊断 OSAHS 具有重要参考意 义。下一步的研究将引入更多的受试者和更多相关 的特征训练模型，进一步提升模型的预测性能。
