ABSTRACT

The study aims as utilizing the random forest algorithm to classify heart sounds for diagnosing heart diseases. This paper is organized as follows: the heart sounds are firstly collected via a electronic stethoscope and preprocessed based on the wavelets transform, and secondly the short-time Fourier transform-based (STFT), the frequency domain features and time domain feature are defined and extracted to characterize the features of the first and the second heart sound in time-frequency domain. Finally, the random forest algorithm is employed to classify normal and abnormal heart sounds. The performance evaluation is validated by the achieved accuracy of 93.24% for distinguishing between normal and abnormal signals. Therefore, this study can provide an efficient way to discriminate abnormal sounds for the medical workers or patients.

Keywords:Random Forest Algorithm, Heart Sound, STFT, Feature Extraction

随机森林算法在心音分类中的应用研究

孙树平，张旭，黄婷婷，张弼强，陈豪，杨博文，李辉

南阳理工学院，河南 南阳

收稿日期：2020年3月10日；录用日期：2020年3月25日；发布日期：2020年4月1日

摘 要

本研究旨在利用随机森林算法对心音进行分类，为心脏疾病的诊断提供依据。本文结构组织如下: 首先通过电子听诊器采集心音，然后基于小波变换对其进行预处理；其次，基于短时傅立叶变换定义并提取时频域有效宽度以表征第一和第二心音的时频域特征；最后，采用随机森林算法对心音进行分类研究以区分正常和异常心音信号。通过高达93.24%分类精度验证了本系统区分正常与异常心音可行性。因此，本研究可以为医护人员或患者提供一种有效的异常心音鉴别方法。

关键词 :随机森林算法，心音，短时傅里叶变换，特征提取

Copyright © 2020 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

近年来由于居民生活水平的提高，越来越多的居民患有高血压、血脂异常、糖尿病、超重与肥胖等疾病，导致心血管疾病发病率逐年上升。据《中国心血管病报告2018》概要 [1] 表述，中国心血管病患病人数已达2.9亿，其中农村和城市心血管死亡占疾病死亡的比率分别约为46%、43%。如图1所示。

图1. 2016年中国农村和城市居民主要疾病死因构成

由图1可知心血管疾病是危害居民健康的主要原因之一。心血管疾病在合适的时间发现并得到及时的治疗将会有很高的治愈率，所以在早期诊断出心血管病是非常有益的。由于个体差异、信号噪声的影响、心血管疾病种类繁多等因素，医护人员无法及时准确地对心脏病做出诊断，因此支持心音分类的算法可以极大地促进心脏病的诊断。这可能会导致智能听诊器的发展，智能听诊器可以用很少的设备，有效、经济地检测心脏疾病。目前心音分类的研究主要集中在合适算法的开发上，较为常见分类方法有K最近邻(k-Nearest Neighbor，KNN)分类算法 [2]，决策树 [3]，支持向量机(SVM) [4]，高斯混合模型 [5]，人工神经网络(ANN) [6] 等。以上常见的分类方法都会存在过拟合且分类准确度不够高的通性。

心音信号性质和检测过程中容易出现噪声，在最近的一项研究中，人们发现基于超声分类算法将杂音分为收缩期杂音、舒张期杂音和连续杂音。以瓣膜狭窄、瓣膜返流、瓣膜功能不全为主的瓣膜缺损杂音多见。但SVM和ANN对大规模数据训练样本难以实现。由于随机森林算法在任何分类问题中都相对不容易出现过拟合问题，且对于多种数据，它可以生成准确度较高的分类器。鉴于此，本研究提出基于随机森林算法对心音进行分类研究及应用。

2. 方法

根据研究内容，将研究过程分为以下五个步骤如图2。

图2. 随机森林算法在心音分类中的应用流程图

3. 心音的分类研究

心音信号采集预处理

我们采用3M-3200电子听诊器对南阳理工学院大学生进行心音数据采集。心音信号分为正常心音信号和异常心音信号两种。正常心音来自3M-3200电子听诊器采集的健康成年人的心音信号，表1为电子听诊器的功率参数，图3是心音信号采集实例图及电子听诊器实物。异常心音 [7] 来自不同病例，数据库由20例正常心音和80例异常心音组成。

表1. 3M-3200电子听诊器的功率参数

图3. 3M-3200电子听诊器

这个阶段的目的是消除杂音和增强心音，可以确保消除噪音和增强相关的心音使它们更容易识别。

小波变换是一种有效的信号处理工具。连续小波变换最适合于信号分析 [8] [9]。在研究中，根据心音的频率范围总结，小波分解广泛应用于心音预处理，采样频率为F_s = 44,100 Hz，采用小波分解方法对心音信号进行滤波，保存21.5 Hz以上和689 Hz以下的频率分量。在研究 [10] 中作者检测多贝西小波(DB2-DB10)，哈尔小波、Symlets小波(Sym2-Sym6)、Coiflet小波(Coif1-Coif5)和BiorSplines小波(Bior1.1-Bior3.3)得出结论，DB10小波和离散Meyer小波给出了心脏声音的最大信噪比(SNR)和最小均方根误(RMSE)。

本研究采用DB10作为母波，其波形图如图4所示。本研究用分析软件对心音进行降噪，其小波分解图如图5所示。图6是正常心音信号降噪后的图形。其中蓝色代表的是降噪前的心音信号，左下方蓝色的图是其功率谱图形；相对应的橙色是降噪后的心音信号，右下方橙色的图是其功率谱图形。

心音波形图降噪前后的对比，去掉了一些噪音使得信号的持续时间变得更短、信号变得更密集，功率谱图形降噪后低频率的噪音被消除，功率峰值整体向更高功率方向移动。

图4. DB10小波

4. 随机森林算法应用

4.1. 基于短时傅里叶变换的心音信号特征提取

心音信号特征提取是心音自动解释和心功能障碍诊断的关键环节 [11]。特征提取 [12] 是信号中识别特征属性的重要过程，在心音信号的有效分类中起着重要作用。从全部特征中获得的特征将有助于极大地提高系统的可靠性，提高预测性能。只识别重要性特征可减小随机森林的误差，相对减小过拟合问题。本研究中，基于短时傅里叶变换对第一心音、第二心音进行特征提取。即从时频域信号中提取几个特征，包括频率宽度、频率最小值F_min、持续时间。

图5. 小波分解图

图6. 降噪后的正常心音信号

心音信号的短时傅里叶变换定义为 [13]：

(1)

其中是窗口信号，如果其足够窄，可以确保信号在时间t内是稳定的。在时域中，窗口信号为。在一定的时间t，可视为该时刻的频谱。

在实际应用中，连续变换需要离散化，要处理的信号以相等的间隔采样。在研究 [14] 中，信号的STFT离散形式定义为：

(2)

其中∆t是采样间隔；N是采样点的总数；。对于合适的窗函数，STFT频谱能准确地反映时频特性的变化。

时域信号主要是由一个随时间变化的监听设备获得的原始数据。心音信号的采样率为44.1 kHz。用于检测心音信号的有效频率范围为0~2000 Hz。可以直接从时频域信号中提取几个特征，包括频率宽度、频率最小值F_min、持续时间，如图7、图8所示

图7. 房颤心音信号的特征

图8. 降噪后房颤心音信号特征

4.2. 基于随机森林算法的心音信号分类

4.2.1. 随机森林算法

在本研究中，通过对心音信号进行预处理得到一个包含N个心音特征的验证数据集。心音特征的验证数据集包括第一心音S1和第二心音S2的频率宽度、频率最小值F_min、持续时间。将心音信号特征数据集随机划分为k个大小相等的子样本。在k个子样本中，保留一个单独的子样本作为模型测试的验证数据，其余子样本作为训练数据。交叉验证过程重复k次(折叠)，在k个子样本中，每个样本都只使用一次作为验证数据。然后对重复交叉验证得到的k个结果求平均值，从而产生一个单独的估计。该方法相对于重复随机二次抽样的优点是，所有观测值都同时用于训练和验证，每个观测值只用于验证一次。通常使用10倍交叉验证，如图9所示，但一般来说k仍然是一个不固定的参数。

图9. 10倍交叉验证

对根节点，树的高度定义为H = 0，根节点通过分裂规则分为两个子节点，则这两个子节点对应的高度定义为H = 1，以此类推。最大树高H_max被设置为方法的超参数或调优参数。它作为一个停止规则，防止算法对数据集进行过度分区，也就是说，树会增长到，然后停止。此外，如果节点内部的数据点足够小，则停止树的生长是合理的。设为节点中的数据点的数量。我们将树增长到，然后停止，其中是节点中预定的最小数据点数量，并设置为另一个调优参数。我们结合以上两个停止规则，树停止生长，即或。

一棵过于复杂的决策树可决策树进行优化，本研究中采用的能会出现过拟合现象。因此，需要对优化方法为剪枝。选择特征重要性评估值最小的非叶子节点，删除该非叶子节点的左右子节点，若有多个非叶子节点的特征重要性评估值相同小，则选择非叶子节点中子节点数最多的非叶子节点进行剪枝。并计算优化前、优化后及剪枝后决策树的重采样误差和交叉验证误差，将其进行比较。基于随机森林算法的心音分类流程如图10所示。

图10. 基于随机森林算法心音分类流图

4.2.2. 特征重要性评估

随机森林(RF)是Breiman (2001) [15] 开发的一种机器学习算法，包含大量的决策树。而决策树是一个树结构，其每个根节点和子节点都包含有一个测试特征属性，每个叶节点都表示一个类别，既分类结果。

在随机森林生长过程中，可以得到另一种特征重要性测度。在决策树中每个节点t分裂是由节点杂质∆R(t)的减少决定的。节点杂质∆R(t)为基尼系数。如果节点t中有子数据集包含来自c类，gini(t)的定义为：

(3)

其中是j类int的相对频率。如果tint是负偏，Gini(t)最小化。节点t分裂出两个子节点t₁和t₂，其表示为和。分割数据的基尼指数定义为：

(4)

特征提供最小来选择分割节点。在单一决策树中特征重要评分为：

(5)

对随机森林中的所有树K进行计算，定义为：

(6)

4.3. 随机森林分类结果

本研究应用网站采集的离线数据，收集100份心音录音，用于训练和测试该系统。其以DB10作为母小波，基于小波分解的心音信号预处理；基于短时傅里叶变换的第一心音、第二心音时频分布，结合能量聚集度确定第一心音和第二心音，采用经验窗方法采集心音特征频率宽度、频率最小值、持续时间；提取得到的特征值，如表2、表3所示。其中，表2房颤心音信号提取的特征，表3为主动脉瓣回流心音信号提取的特征。在本文中，数据由100个样本和6个特征组成，其中，训练数据为80

表2. 房颤心音信号提取

表3. 主动脉瓣回流心音信号提取的特征

个样本，测试数据为20个样本。表4为对正常和异常心音信号的识别准确率，其包括精确度和误差分析结果。本文中采用10倍交叉验证法，产生10个精确度值和误差值，而最终精度为10个精度值的平均值，最终结果如下：最终精度。

表4. 精确度及误差

5. 结论

本研究针对心音分类，提出一种基于随机森林算法对心音进行分类，将其分为正常心音信号和异常心音信号，结果表明识别精度达到93.24%。本研究对心音信号进行预处理以及特征提取，采用的软件直接读取音频和mat文件；重复选择图形进行分析；同时提取原始信号和降噪后信号的时频特征图。其心音分类结果表明：对于多种数据，随机森林算法可以生成准确度较高的分类器，可以以快速简便的方式为医护人员提供更准确的诊断结果。并且本研究为验证本研究提出方法的有效性，以常见的典型心脏病例房颤、主动脉回流、主动脉狭窄(例)、二尖瓣狭窄和正常心音作为研究对象。其心音分类结果表明：对于多种数据，随机森林算法可以生成准确度较高的分类器，可以以快速简便的方式为医护人员提供更准确的诊断结果。

文章引用

孙树平,张 旭,黄婷婷,张弼强,陈 豪,杨博文,李 辉. 随机森林算法在心音分类中的应用研究
Application of Random Forest Algorithm in Heart Sound Classification[J]. 计算机科学与应用, 2020, 10(04): 591-600. https://doi.org/10.12677/CSA.2020.104061

参考文献