利用基于持续元音声学特征训练的深度学习模型，实现稳定型HFpEF的无创分类

《BioMedical Engineering OnLine》：Non-invasive classification of stable HFpEF using a deep learning model trained on acoustic features of sustained vowels

　　

摘要

背景

目前，稳定型HFpEF的诊断仍依赖于耗时的临床评估，而通过对持续元音的非侵入式声学分析，或许能够提供一种互补且易于获取的分类依据。

方法

本研究的目的是利用从持续元音/ɑ?/中提取的声学特征，构建并验证一种用于区分稳定型射血分数保留的心力衰竭（HFpEF）患者与健康人的分类模型。在这项回顾性病例对照研究中，研究团队从341名受试者中获取了语音记录，另从172名受试者中获得了独立的外部验证数据。研究使用Interspeech 2009特征集提取了384个特征，并对比了五种深度学习模型。其中表现最佳的深度学习架构是多层感知器（MLP），该模型还通过十折交叉验证、独立外部验证以及SHapley加性解释法和局部可解释模型无关解释法进行了进一步分析。此外，研究还将MLP与传统的机器学习模型进行了对比，同时分析了模型的不确定性、校准性、患病率敏感性以及人口统计学混淆因素。

结果

在将稳定型HFpEF患者与健康人进行二元分类时，MLP分类器在五种深度学习模型中的表现最为优异，其十折交叉验证的平均准确率为0.8593，曲线下面积为0.9130。在独立的外部验证组中，该MLP模型的曲线下面积为0.836。在更广泛的对比中，基于声学特征的模型明显优于仅考虑年龄和性别的模型，而MLP也与传统的表格模型具有竞争力。经过正则化的MLP敏感性模型的外部曲线下面积为0.8638（95%自助法置信区间为0.8074–0.9188），而未经过调整的最佳支持向量机的外部曲线下面积为0.8628。可解释性分析表明，与MFCC相关的频谱包络描述符是具有重要影响力的特征，不过从各折数据的稳定性来看，更适于得出特征类别层面的结论而非单个特征的作用。

结论

尽管交叉验证与外部验证之间的性能差异表明仍有改进空间，但本研究表明，在受控条件下，持续元音IS09声学特征确实包含可用于区分稳定型HFpEF患者与健康人的特征信息。在所测试的深度学习架构中，MLP是最强的模型，但在更广泛的对比中，它仅与传统表格模型具有竞争力，并非明显更优。这些发现支持将声学特征分析作为研究阶段的辅助分类方法，但在将其用于临床筛查、分诊或监测之前，还需要在临床特征多样的群体中进行更广泛的前瞻性验证。