李玉平, 夏斌

　　(上海海事大學(xué) 信息工程學(xué)院,，上海 201306）

       摘要：睡眠數(shù)據(jù)中各個(gè)階段的樣本數(shù)差異較大，睡眠數(shù)據(jù)的自動(dòng)分期是一個(gè)典型的樣本不平衡的機(jī)器學(xué)習(xí)問題,。均衡樣本方法通過抽樣的手段來平衡樣本,，是解決樣本不平衡問題的主要方法。采用均衡樣本方法來平衡睡眠數(shù)據(jù)的不同階段的樣本,，并且結(jié)合多域特征（時(shí)域,、頻域、時(shí)頻域以及非線性）和隨機(jī)森林分類算法進(jìn)行分類預(yù)測(cè),。比較分析了樣本均衡處理和非均衡處理的分類結(jié)果,，發(fā)現(xiàn)均衡處理后的數(shù)據(jù)取得了更好的分類效果。

　　關(guān)鍵詞：睡眠分期,；數(shù)據(jù)不平衡,；隨機(jī)森林

0引言

　　睡眠是生命過程中必不可少且十分重要的生理現(xiàn)象。依據(jù)國際R&K標(biāo)準(zhǔn)［1］,，睡眠期可分為快速眼動(dòng)期,、非快速眼動(dòng)期（S1，S2,，S3,，S4）以及清醒期，區(qū)別分期主要以眼球是否進(jìn)行了陣發(fā)性快速運(yùn)動(dòng)為標(biāo)準(zhǔn),。根據(jù)上述睡眠分期標(biāo)準(zhǔn),，睡眠數(shù)據(jù)可分為6類，且不同類別的數(shù)據(jù)量之間具有較大的差異性,，即睡眠數(shù)據(jù)分期存在樣本不平衡的問題,。在應(yīng)用機(jī)器學(xué)習(xí)研究睡眠分期過程中,，樣本不平衡會(huì)導(dǎo)致睡眠分期結(jié)果不準(zhǔn)確，睡眠分期的可信度降低,。在以前的睡眠分期研究中,，研究的主要是睡眠數(shù)據(jù)特征的提取以及分類算法的選取［24］,，并沒有研究睡眠分期樣本不平衡問題,。本文采用EEG、EOG,、EMG 3種信號(hào)5個(gè)通道的睡眠數(shù)據(jù)，研究中發(fā)現(xiàn),，EOG信號(hào)會(huì)出現(xiàn)在EEG信號(hào)的一些睡眠分期（如清醒狀態(tài)和快速眼動(dòng)狀態(tài)）中,，這種數(shù)據(jù)會(huì)對(duì)睡眠分期產(chǎn)生不好的影響［5］。本文通過對(duì)睡眠分期樣本不平衡的研究以及信號(hào)混雜的處理,，進(jìn)一步提高睡眠分期的準(zhǔn)確度,，同時(shí)對(duì)相關(guān)睡眠疾病的診斷和治療提供重要的參考意義。

　　基于以上睡眠數(shù)據(jù)分期的討論,，本文采用均衡采樣的方法解決睡眠分期樣本不平衡問題,，同時(shí)研究睡眠數(shù)據(jù)的特征提取以減少信號(hào)混雜對(duì)睡眠分期的影響。

1方法

　　1.1特征提取

　　睡眠數(shù)據(jù)的特征主要?jiǎng)澐譃闀r(shí)域特征,、頻域特征,、時(shí)頻域特征以及非線性特征。本文中,，提取EEG,、EOG和EMG每種信號(hào)各38種特征。

　　特征參數(shù)如下：第1~6種是6個(gè)時(shí)域特征［68］：均值（Mean）,、方差（Variance）,、峰度（Kurtosis）、偏度（Skewness）,、過零率（Number of zero crossing,，NZC）、最大值(MaxV);第7~19種是頻域特征［810］：對(duì)4個(gè)子節(jié)律波分別提取各自范圍的功率譜能量（SP_）,計(jì)算0.01~30 Hz頻帶的總功率譜能量（SP_D）,，以及總功率譜能量的規(guī)范化能量比（NSP_）,，即theta/beta、beta/alpha,、(theta+alpha)/beta, (theta+alpha)/(beta+alpha),；第20~35種是時(shí)頻域特征［810］：4個(gè)子節(jié)律波在當(dāng)前頻帶范圍上小波系數(shù)的均值、能量,、標(biāo)準(zhǔn)差以及相對(duì)于總頻帶范圍的絕對(duì)平均值,；第36~38種特征分別是Petrosian分形指數(shù),、Hurst指數(shù)、排列熵［1112］,。

　　1.2均衡采樣

　　睡眠數(shù)據(jù)存在樣本不平衡的問題,，在6類的數(shù)據(jù)中，最多一類的數(shù)據(jù)集與最少的一類數(shù)據(jù)集的比例達(dá)到10倍以上,，存在嚴(yán)重不平衡現(xiàn)象,。本文應(yīng)用均衡采樣的方法處理樣本失衡的問題［13］:(1）分別計(jì)算6類睡眠分期數(shù)據(jù)的個(gè)數(shù)n1、n2,、n3,、n4、n5,、n6,；（2）去掉個(gè)數(shù)最少和個(gè)數(shù)最多的個(gè)數(shù)值，剩余為n1,、n2,、n3、n4,，計(jì)算這4類個(gè)數(shù)的平均值n,；（3）對(duì)6類數(shù)據(jù)按個(gè)數(shù)平均值n采樣，不足平均個(gè)數(shù)的類別重復(fù)采樣,，超過平均個(gè)數(shù)的類別欠采樣,；（4）整合6類數(shù)據(jù)采樣得到的新數(shù)據(jù)集即為均衡處理后的數(shù)據(jù)［4，14］,。

　　1.3隨機(jī)森林分類器

　　隨機(jī)森林模型是決策樹集成的算法,，并且由一隨機(jī)向量決定決策樹的構(gòu)造。通過訓(xùn)練集得到隨機(jī)森林模型后,，當(dāng)有一個(gè)新的輸入樣本進(jìn)入時(shí),，就讓隨機(jī)森林的每一棵決策樹分別進(jìn)行判斷，判斷樣本所屬類別,，然后計(jì)算哪一個(gè)類別被選擇最多,，就預(yù)測(cè)該樣本所屬的類別。隨機(jī)森林算法特征參數(shù)較多,，測(cè)試結(jié)果不會(huì)出現(xiàn)過擬合的情形,；能夠處理高維度特征的睡眠數(shù)據(jù)，不用做特征選擇,，對(duì)數(shù)據(jù)集的適應(yīng)能力強(qiáng),；訓(xùn)練速度快，能夠檢測(cè)不同特征之間的影響［13,15］,。

　　隨機(jī)森林實(shí)現(xiàn)過程為：（1）原始訓(xùn)練集為N,，采用集成算法有放回地隨機(jī)選取k個(gè)樣本集構(gòu)建k棵分類樹,，每次沒有被抽到的樣本組成k個(gè)袋外數(shù)據(jù)；（2）設(shè)定mall變量,，在每棵樹的每個(gè)節(jié)點(diǎn)處隨機(jī)抽取mtry個(gè)變量（mtry,n,mall）,然后在mtry中選擇一個(gè)最佳的分類變量,，變量分類的閾值通過檢查每一個(gè)分類點(diǎn)確定；（3）每一棵樹最大限度地生長,，不做任何修剪,；（4）將構(gòu)造的多棵分類樹組成隨機(jī)森林，用隨機(jī)森林分類器對(duì)新的數(shù)據(jù)進(jìn)行判別與分類,，分類的結(jié)果按樹分類器投票數(shù)確定,。

2實(shí)驗(yàn)與結(jié)果

　　2.1數(shù)據(jù)

　　本文采用9名受試者的睡眠數(shù)據(jù)來驗(yàn)證分類方法和數(shù)據(jù)不平衡處理的可行性。數(shù)據(jù)集記錄了這9名志愿者一晚上的睡眠數(shù)據(jù),，以1~9命名這些數(shù)據(jù)集,。數(shù)據(jù)包含15個(gè)通道的睡眠時(shí)的信號(hào)數(shù)據(jù)以及呼吸頻率和身體溫度。對(duì)應(yīng)的EEG,、EOG、EMG信號(hào)按100 Hz進(jìn)行采樣,。數(shù)據(jù)集處理部分,，分別進(jìn)行了7/3分和留一方法，采用這兩種方法驗(yàn)證睡眠分期樣本不平衡的處理效果,。

　　2.2數(shù)據(jù)預(yù)處理

　　首先采用巴特沃夫?yàn)V波器提取原始睡眠數(shù)據(jù)中0.01~35 Hz的數(shù)據(jù),，并應(yīng)用高斯歸一化方法對(duì)數(shù)據(jù)進(jìn)行歸一化處理。由于采樣的睡眠數(shù)據(jù)可能存在標(biāo)簽不正確的問題,，因此會(huì)剔除不正確的標(biāo)簽數(shù)據(jù),。具體方法是，首先找出空標(biāo)簽或標(biāo)簽異常（不在已有類別中的標(biāo)簽）,，根據(jù)標(biāo)簽對(duì)應(yīng)的位置,，剔除這些標(biāo)簽對(duì)應(yīng)的數(shù)據(jù)集，最后更新數(shù)據(jù)集,。采用以上方法進(jìn)行數(shù)據(jù)預(yù)處理之后,，得到7 461條數(shù)據(jù)。

　　2.3均衡采樣數(shù)據(jù)

　　經(jīng)預(yù)處理和特征提取之后,，對(duì)9個(gè)受試者的數(shù)據(jù)進(jìn)行整合,，數(shù)據(jù)總量為59 680。采用7/3分?jǐn)?shù)據(jù)集,，即70%數(shù)據(jù)做訓(xùn)練集,，30%數(shù)據(jù)做測(cè)試集，訓(xùn)練集數(shù)據(jù)量為41 773,，測(cè)試集數(shù)據(jù)量為17 907,。為了驗(yàn)證均衡采樣的可行性,，對(duì)訓(xùn)練集做均衡處理，得到22 465條新的訓(xùn)練集,。

　　2.4結(jié)果

　　本文第一種驗(yàn)證方法是7/3數(shù)據(jù)集,，結(jié)果如下：表1是所有數(shù)據(jù)集7/3分，對(duì)訓(xùn)練集進(jìn)行均衡處理的分類結(jié)果準(zhǔn)確率,；表2是均衡采樣數(shù)據(jù)集和普通數(shù)據(jù)集分類結(jié)果對(duì)比,；表3是不同信號(hào)組合，均衡采樣分類結(jié)果對(duì)比,。

第二種驗(yàn)證方法是對(duì)9個(gè)受試者的數(shù)據(jù)集進(jìn)行留一驗(yàn)證,。分別提取其中8個(gè)受試者的數(shù)據(jù)集作為訓(xùn)練集做均衡處理，剩下1個(gè)受試者的數(shù)據(jù)集作為測(cè)試集,。分類結(jié)果如圖1所示,。

　　由表1得知，同時(shí)考慮EEG,、EOG,、EMG 3種信號(hào)5個(gè)通道的數(shù)據(jù)集，得到的分類準(zhǔn)確率達(dá)到84.33%,，wake類別的分類準(zhǔn)確率最高,，模型對(duì)wake類別的泛化能力最好，而S1類別數(shù)據(jù)量最少,，同時(shí)分類效果也最差,。由表2得知：均衡處理之后，wake,、S1,、S3、rem這4類睡眠分期結(jié)果得到了提升,，S4基本一致,，S2的結(jié)果降低了。由表3知：提取一種信號(hào)EEG時(shí),，睡眠分期準(zhǔn)確率比同時(shí)提取多種信號(hào)時(shí)的準(zhǔn)確率低,。由圖1留一驗(yàn)證知，2,、5,、9號(hào)受試者睡眠分期的結(jié)果達(dá)到了80%以上,分類效果較好；3,、6號(hào)受試者睡眠分期準(zhǔn)確率較低,。

3結(jié)論

　　本研究采用了EEG、EOG、EMG 3種信號(hào)5個(gè)通道數(shù)據(jù)集,，并且應(yīng)用均衡采樣的方法處理訓(xùn)練集數(shù)據(jù)不平衡問題,，睡眠分期結(jié)果較好，平均分類準(zhǔn)確率得到了提升,，并且有4個(gè)睡眠分期的分類結(jié)果都得到了提升,。在今后對(duì)睡眠分期樣本不平衡的研究中，可以采用加權(quán)隨機(jī)森林或其他的方法處理睡眠數(shù)據(jù)集不平衡的問題,。

　　參考文獻(xiàn)

　?。?］ RECHTSCHAFFEN A Q, KALES A A. A manual of standardized terminology, techniques, and scoring system for sleep stages of human subjects［J］. Psychiatry & Clinical Neurosciences, 1968,55.

　　［2］ 李谷,，范影樂,，龐全.基于排列組合熵的腦電信號(hào)睡眠分期研究［J］．生物醫(yī)學(xué)工程學(xué)志，2009,，26(4)：869-872．

　?。?］ Liu Derong，Pang Zhongyu,，LLOYD S R．A neural network method for detection of obstructive sleep apnea and narcolepsy based on pupil size and EEG［J］．IEEE Transactions on Neural Networks,，2008，19(2)：308-318．

　?。?］ ANAND A, PUGALENTHI G, FOGEL G B, et al. An approach for classification of highly imbalanced data using weighting and undersampling［J］. Amino Acids, 2010,39(5):1385-1391.

　?。?］ BREIMAN L, FRIEDMAN J, OLSHEN R, et al. Classification and regression trees［M］. New York: Chapman & Hall，1984.

　?。?］ SMITH J R. Automated EEG analysis with microcomputers［J］. Medical Instrumentation, 1980,14(6):319-321.

　?。?］ VURAL C, YILDIZ M. Determination of sleep stage separation ability of features extracted from EEG signals using principal component analysis［J］. Journal of Medical Systems,2010,34(1):83-89.

　?。?］ A comparative study on classification of sleep stage based on EEG signals using feature selection and classification algorithms［J］. Journal of Medical Systems,，2014，38（3）：1-21.

　?。?］ HAMIDA T B,， AHMED B. Computer based sleep staging： challenges for the future［C］. 2013 IEEE GCC Conference and Exhibition, 2013：280-285.

　　［10］ AKIN M. Comparison of wavelet transform and FFT methods in the analysis of EEG signals［J］. Journal of Medical Systems,2002,26(3):241-247.

　?。?1］ FELL J, RSCHKE J, MANN K, et al. Discrimination of sleep stages: a comparison between spectral and nonlinear EEG measures［J］. Electroencephalography and Clinical Neurophysiology, 1996,，98（5）：401-410.

　　［12］ PEREDA E, GAMUNDI A, RIAL R, et al. Nonlinear behavioor of human EEG: fractal exponent versus correlation dimension in awake and sleep stages［J］. Neuroscience Letters, 1998,250(2):91-94.

　?。?3］ 毛文濤,，王金婉，等.面向貫序不均衡數(shù)據(jù)的混合采樣極限學(xué)習(xí)機(jī)［J］.計(jì)算機(jī)應(yīng)用,，2015, 35(8)：2221-2226.

　?。?4］ He Haibo,GARCIA E A. Learning from imbalanced data［J］，IEEE Transactions on Knowledge and Data Engineering,，2009,21(9):1263-1284.

　?。?5］ BREIMAN L. Random forests［J］. Machine Learning,，2001, 45（1）:5=32.