王玉，郝冬梅，安崢

1.中日友好醫(yī)院 醫(yī)學(xué)工程處，北京100026；2.北京工業(yè)大學(xué) 生命科學(xué)與生物工程學(xué)院，北京 100124

基于SVM算法的紅外測(cè)量皮下脂肪厚度模型研究

王玉1，郝冬梅2，安崢1

1.中日友好醫(yī)院 醫(yī)學(xué)工程處，北京100026；2.北京工業(yè)大學(xué) 生命科學(xué)與生物工程學(xué)院，北京 100124

本文建立了一種基于SVM算法的紅外測(cè)量皮下脂肪厚度的模型，設(shè)計(jì)并完成了40例人體實(shí)驗(yàn)，測(cè)量了每名被試者身體20個(gè)部位的皮下脂肪厚度，并采用非線性方法建立了6個(gè)回歸模型（全數(shù)據(jù)、分段數(shù)據(jù)、去肩胛骨數(shù)據(jù)、上肢數(shù)據(jù)、下肢數(shù)據(jù)、腹部數(shù)據(jù)），將模型的預(yù)測(cè)值與B超測(cè)量值進(jìn)行相關(guān)性分析。結(jié)果發(fā)現(xiàn)，分部位模型比全數(shù)據(jù)模型預(yù)測(cè)更準(zhǔn)確，其中上肢模型最為理想，與B超測(cè)量值的相關(guān)系數(shù)大約為0.9。在該便攜式脂肪厚度測(cè)量?jī)x中采用分部位線性模型可以較準(zhǔn)確、快捷地預(yù)測(cè)皮下脂肪厚度。

SVM算法；皮下脂肪厚度；紅外測(cè)量

世界衛(wèi)生組織（WHO）在2014年公布的最新報(bào)告書中指出，世界上每100人就有7人患有肥胖癥。其中，女性肥胖最為嚴(yán)重。在中國(guó)，年齡大于20歲的成年人中，男性肥胖比例為4.6%，女性比例為6.5%，成年人中，肥胖者約有9000萬(wàn)人[1]，肥胖在世界范圍內(nèi)已成為一種普遍的現(xiàn)象。

一系列的研究數(shù)據(jù)表明，肥胖能逐漸導(dǎo)致人體的糖及脂質(zhì)代謝發(fā)生紊亂，誘發(fā)糖尿病、心腦血管病變、高血壓、冠心病。肝臟脂肪化會(huì)導(dǎo)致脂肪肝，還能誘發(fā)膝關(guān)節(jié)骨質(zhì)增生、膽石癥等多種疾病，嚴(yán)重影響人的健康狀況，降低生活質(zhì)量，縮短人的壽命。

因此，對(duì)內(nèi)臟脂肪厚度和皮下脂肪厚度實(shí)時(shí)監(jiān)控有著非常重要的意義。而測(cè)量皮下脂肪厚度不僅能滿足現(xiàn)代人保持健康體型的需求，還能提供無(wú)創(chuàng)便捷的脂肪檢測(cè)手段以減小肥胖相關(guān)疾病的發(fā)生概率。針對(duì)世界范圍內(nèi)迅速增加的肥胖患者這一現(xiàn)象，本文開發(fā)了一種可以方便、快捷地檢測(cè)人體皮下脂肪厚度的測(cè)量?jī)x器，介紹如下。

1 皮下脂肪厚度測(cè)量的原理

1.1 紅外測(cè)量方法

人體表皮對(duì)紅外光有很好的透過特性[2]，照射到人體的近紅外光線，相當(dāng)多的部分都能穿過皮膚進(jìn)入脂肪組織，只有少量被皮膚單向反射損耗。有關(guān)文獻(xiàn)[3]表明：肌肉組織雖然同樣存在散射，但其散射各向異性因子較大，更趨向于前向散射，同時(shí)肌肉組織的有效衰減系數(shù)也比脂肪組織大得多[3]。因此，當(dāng)光線進(jìn)入脂肪后會(huì)產(chǎn)生后向散射，與光源同側(cè)的探測(cè)器所探測(cè)到的信號(hào)主要來源于脂肪層，作為脂肪層下層的肌肉將不會(huì)產(chǎn)生大量的背向散射。

近紅外光（Near Infrared，NIR）是介于可見光（Visible Light，VIS）和中紅外光（Mid-infrared Light，MIR）之間的電磁波，按美國(guó)材料實(shí)驗(yàn)協(xié)會(huì)（American Socieyt of Testing Materials，ASTM）定義，是指波長(zhǎng)在780～2526 nm范圍內(nèi)的電磁波，習(xí)慣上又將近紅外區(qū)劃分為近紅外短波（780～1100 nm）和近紅外長(zhǎng)波（1100～2526 nm）兩個(gè)區(qū)域。

光在生物組織中存在著兩種效應(yīng)：吸收和散射[4]。光被生物組織吸收是由于肌紅蛋白、血紅蛋白中的膽紅素及原紅血素中黑色素和呼吸色素所引起的[5]。在近紅外光譜波段600～1300 nm中，絕大部分軟組織對(duì)光的吸收較小，這種低吸收與組織對(duì)光的高度前向散射作用相結(jié)合，使得光在組織中有相當(dāng)大的探測(cè)深度[6]。對(duì)于波長(zhǎng)＜600 nm的可見光，組織對(duì)光的吸收會(huì)由于黑色素、血紅蛋白以及其他各種色素的影響而升高；在紫外波段，組織對(duì)光的吸收會(huì)由于蛋白質(zhì)、核酸的強(qiáng)吸收而升高；在紅外段，組織中的水吸收又很高[7-8]。

光進(jìn)入脂肪組織后主要發(fā)生背向散射，大部分的光發(fā)生背向散射后穿過皮膚返回體外，而進(jìn)入肌肉組織的光主要被吸收。因此，檢測(cè)器所接收到的信號(hào)包含的主要是皮下脂肪的信息。

紅外檢測(cè)探頭的布局，見圖1。紅外檢測(cè)探頭包含7個(gè)近紅外發(fā)光二極管和一個(gè)光電二極管，按照與光電二極管的距離進(jìn)行分組，共有4組發(fā)光二極管。這4組光源數(shù)量不一，離光接收器近的位置光源數(shù)量少，離光電二極管遠(yuǎn)的位置光源數(shù)量多，這樣可以增大遠(yuǎn)距離光源的入射光強(qiáng)。這4組光源與光電二極管的距離分別為15、20、25、30 mm，其中與光電二極管距離為15 mm和20 mm的位置各有一個(gè)發(fā)光二極管，距離光電二極管25 mm的位置有2個(gè)發(fā)光二極管，距離光電二極管30 mm的位置等間距分布著3個(gè)發(fā)光二極管。

圖1 紅外檢測(cè)探頭布局

1.2 支持向量機(jī)算法

支持向量機(jī)（Support Vector Machine，SVM）是以統(tǒng)計(jì)學(xué)理論為基礎(chǔ)發(fā)展起來的機(jī)器學(xué)習(xí)方法，核心內(nèi)容是結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，并且通過控制經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍值這兩個(gè)因素來提高學(xué)習(xí)機(jī)器整體的泛化能力。支持向量機(jī)的訓(xùn)練過程本質(zhì)上是使用大規(guī)模的數(shù)據(jù)集來訓(xùn)練SVM模型，等價(jià)于求解一個(gè)大規(guī)模的凸二次規(guī)劃問題，所以支持向量機(jī)的解具有唯一性，也是全局最優(yōu)的[9-10]，它有嚴(yán)格的理論基礎(chǔ)，能很好地解決小樣本、高維數(shù)、非線性和局部極小點(diǎn)等問題。

支持向量機(jī)做回歸預(yù)測(cè)的思想是尋找一個(gè)從輸入到輸出的非線性映射，通過這個(gè)映射把樣本集的數(shù)據(jù)映射到高維空間F，在高維特征空間中進(jìn)行線性回歸以構(gòu)造線性判別函數(shù)。支持向量機(jī)常用的核函數(shù)有如下3種：

線性核函數(shù)（linear）：

徑向基核函數(shù)（RBF）：

其中P1， 為核函數(shù)的寬度。

多項(xiàng)式核函數(shù)（poly）：

其中，P1為多項(xiàng)式的階數(shù)且偏置系數(shù)為1。

2 實(shí)驗(yàn)設(shè)計(jì)

本實(shí)驗(yàn)招募了40位大學(xué)生作為被試者，其中男20名，女20名。平均年齡（23.7±1.1）歲。身體質(zhì)量指數(shù)（Body Mass Index，BMI）=體重公斤數(shù)/身高米數(shù)平方，是衡量人體胖瘦程度的指標(biāo)。在本次實(shí)驗(yàn)中，18.5 kg/m2≤BMI≤23.99 kg/m2的正常體重者有26人，24 kg/m2≤BMI≤28 kg/m2的偏胖被測(cè)者有7人，BMI≥28 kg/m2的肥胖被測(cè)者有7人。

在每一位被試者的身上取20個(gè)部位進(jìn)行測(cè)量，分別為左、右小腿背部，左、右大腿正前方中部，左、右大腿后前方中部，左、右髂脊上方4 cm，左、右腰，左、右肩胛骨下突，左、右肱二頭肌中部，左、右肱三頭肌中部，左、右小臂，肚臍左側(cè)5 cm，肚臍右側(cè)5 cm。

使用的測(cè)量?jī)x器包括：① 彩色多普勒超聲診斷儀，用于獲得皮下組織圖像；② 本課題的實(shí)驗(yàn)樣機(jī)兩臺(tái)，用于獲得近紅外光信號(hào)。

在實(shí)驗(yàn)中每測(cè)量一個(gè)人體部位時(shí)，首先用標(biāo)記筆進(jìn)行標(biāo)記，保證更換儀器時(shí)，測(cè)量位置不發(fā)生變化，依次使用上述儀器進(jìn)行數(shù)據(jù)采集，每臺(tái)儀器在同一個(gè)位置測(cè)量3次，記錄數(shù)據(jù)，最后對(duì)測(cè)量結(jié)果求均值。

3 結(jié)果

由于實(shí)驗(yàn)樣機(jī)直接測(cè)量的是入射光穿過皮膚經(jīng)過皮下組織漫反射得到的反射光，然后轉(zhuǎn)變?yōu)橄鄳?yīng)的電壓值，要在各個(gè)通道電壓值和脂肪厚度之間建立數(shù)學(xué)模型，儀器才可用于測(cè)量并顯示脂肪厚度。

本實(shí)驗(yàn)中，實(shí)驗(yàn)樣機(jī)測(cè)量得到的是4個(gè)通道的光電信號(hào)值，因而需要建立數(shù)學(xué)模型，即通過脂肪預(yù)測(cè)模型計(jì)算出脂肪厚度值。在皮下脂肪厚度預(yù)測(cè)模型中，以4個(gè)通道的光電信號(hào)值作為自變量，彩色多普勒超聲診斷儀測(cè)量得到的結(jié)果作為因變量，通過測(cè)量樣本對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，確定模型系數(shù)。下面分別對(duì)非線性預(yù)測(cè)模型做分析介紹。

數(shù)據(jù)總量為800，因?yàn)樵诔跏紨?shù)據(jù)中，剔除了28組異常數(shù)據(jù)，所以最后的可用數(shù)據(jù)總量為772組，組成了建模的原始全數(shù)據(jù)。然后按不同類型分為6種樣本集，各樣本集及樣本數(shù)目，見表1。樣本集1（全數(shù)據(jù)）是由全部數(shù)據(jù)組成，樣本集2（分段數(shù)據(jù)）是由B超測(cè)量厚度為1～15 mm的數(shù)據(jù)組成，樣本集3（去肩胛骨數(shù)據(jù)）是由全部數(shù)據(jù)中除去肩胛骨數(shù)據(jù)的剩余數(shù)據(jù)組成，樣本集4（上肢數(shù)據(jù)）是全部數(shù)據(jù)中的上肢數(shù)據(jù)，樣本集5（下肢數(shù)據(jù)）是全部數(shù)據(jù)中的下肢數(shù)據(jù)，樣本集6（腹部數(shù)據(jù)）是全部數(shù)據(jù)中的腹部數(shù)據(jù)。

表1 6個(gè)樣本集及其樣本數(shù)目

由于建模因素約束，不能很好地反映脂肪厚度變化對(duì)光漫反射的影響，所以根據(jù)朗伯比爾公式，我們將4個(gè)通道（xi）、膚色（x5）、各個(gè)通道之差（xi-xj）、各通道之比（xi/ xj）、各通道自然對(duì)數(shù)（Logxi）、各通道自然對(duì)數(shù)之差（Logxi-Logxj）、各通道自然對(duì)數(shù)之比（Logxi/Logxj）作為單因素加入到模型建立中，其中i，j =1，2，3，4，i≠j。通過組合最后可用自變量為38個(gè)。

在建立SVM預(yù)測(cè)模型時(shí)，選用徑向基核函數(shù)，其效果在幾個(gè)核函數(shù)中最好，然后根據(jù)模型假設(shè)選定的因變量和自變量，進(jìn)行數(shù)據(jù)預(yù)處理，例如歸一法、主成分分析法等，然后進(jìn)行交叉驗(yàn)證選擇回歸的最佳參數(shù)c和g，利用選好的最佳參數(shù)進(jìn)行SVM的訓(xùn)練，建立模型。

上述6個(gè)SVM模型的預(yù)測(cè)值與實(shí)際值的配對(duì)樣本相關(guān)分析和配對(duì)樣本t檢驗(yàn)結(jié)果，見表2和表3，其中實(shí)際值是超聲儀器的測(cè)量結(jié)果。

表2 各模型預(yù)測(cè)值與實(shí)際值配對(duì)樣本相關(guān)系數(shù)

表3中6個(gè)模型從測(cè)量準(zhǔn)確度和相關(guān)系數(shù)做比較，其中所得的非線性模型測(cè)量準(zhǔn)確度最大的是模型4，其值為90%，說明該模型對(duì)上肢皮下脂肪厚度的回歸分析能力比較強(qiáng)，能夠較好地測(cè)量皮下脂肪厚度。模型5是針對(duì)下肢脂肪建立的預(yù)測(cè)模型，其測(cè)量準(zhǔn)確度也比較高，說明上下肢模型的測(cè)量準(zhǔn)確度和相關(guān)系數(shù)較全數(shù)據(jù)模型高，但是模型6針對(duì)腹部脂肪建立的預(yù)測(cè)模型，其結(jié)果不理想。

表3 各模型預(yù)測(cè)值與實(shí)際值配對(duì)樣本t檢驗(yàn)

4 分析與討論

6個(gè)樣本集的非線性模型及其與B超測(cè)值的比較，見圖2。圖中，橫軸表示B超測(cè)量的實(shí)際值，縱軸表示SVM模型的預(yù)測(cè)值。由圖2可知：

（1）分部位建模的測(cè)量準(zhǔn)確度明顯高于不分部位的全數(shù)據(jù)建模結(jié)果。

（2）分部位的上肢模型和下肢模型都有較高的測(cè)量準(zhǔn)確率，上肢模型相關(guān)系數(shù)達(dá)90%。

（3）腹部脂肪的測(cè)量結(jié)果準(zhǔn)確度較低。

（4） 在整個(gè)散點(diǎn)圖中，我們發(fā)現(xiàn)對(duì)于脂肪厚度大的部位，預(yù)測(cè)值誤差較大，散點(diǎn)離散分布，說明對(duì)于紅外測(cè)量方法，有一定的測(cè)量閾值，大約12 mm附近。

圖2 樣本集1～6皮下脂肪厚度測(cè)量結(jié)果比較

分析造成上述結(jié)果可能的原因是：

（1）在40名被試者的772組可用數(shù)據(jù)中，B超測(cè)得的脂肪厚度在1～15 mm范圍內(nèi)的有741組，其他數(shù)據(jù)段的數(shù)據(jù)量較少，樣本量不足導(dǎo)致模型泛化能力低，所以單獨(dú)做了1～15 mm的分段模型。

（2）由于同一個(gè)人不同部位的皮下脂肪密度不同，所以分部位建立皮下脂肪厚度預(yù)測(cè)模型要優(yōu)于全身使用同一個(gè)預(yù)測(cè)模型，其中上肢模型的預(yù)測(cè)結(jié)果最好，可能是因?yàn)樯现竞穸容^為容易辨認(rèn)，皮下結(jié)構(gòu)較為簡(jiǎn)單，干擾因素較少。

（3）腹部模型的預(yù)測(cè)結(jié)果不是很理想，其原因可能是紅外測(cè)量裝置功率不是很強(qiáng)，無(wú)法穿透更深層次脂肪，過程中造成衰減誤差，其次作為評(píng)價(jià)標(biāo)準(zhǔn)的彩色多普勒超聲儀在脂肪層數(shù)增加時(shí)，圖像中脂肪與肌肉的識(shí)別誤差會(huì)增加。

（4）其他能影響測(cè)量結(jié)果的因素，例如壓力、血流等。

5 總結(jié)

本文采用紅外檢測(cè)裝置對(duì)人體皮下脂肪厚度進(jìn)行測(cè)量，共完成40例實(shí)驗(yàn)。在每個(gè)被試者身上選取20個(gè)部位進(jìn)行測(cè)量，得到數(shù)據(jù)后建立了6個(gè)非線性回歸模型。非線性模型中測(cè)量精度最大的是上肢數(shù)據(jù)，相關(guān)系數(shù)為0.9。而從這6個(gè)模型結(jié)果來看，分部位建立模型比建立整體模型具有更好的相關(guān)性，準(zhǔn)確性也更高。近紅外方法有一定局限性，接下來可以考慮進(jìn)一步提高近紅外的發(fā)射接受功能，其次，數(shù)據(jù)量盡可能擴(kuò)充，實(shí)驗(yàn)樣本盡可能廣泛。本研究可為患者提供測(cè)試脂肪的便捷方法，該方法可以快速測(cè)量患者身體脂肪含量，尤其是局部脂肪含量，為臨床醫(yī)生提供參考依據(jù)。

[1] World Health Organization.World Health Statistics[R]. Geneva:WHO,2011:104-105．

[2] 盧延輝.紅外法人體皮下脂肪厚度測(cè)量的研究[D].天津:天津大學(xué),2004.

[3] 劉普和,劉國(guó)剛.激光生物學(xué)作用機(jī)制[M].北京:科學(xué)出版社, 1989.

[4] Сheong WF,Scott AP,Ashley J,et al.A review of the optical properties of biological tissues[J].IEEE JOE,1990,26(12):2166.

[5] 趙友全,范世福,曹文新.生物組織光學(xué)特性參數(shù)及其描述[J].國(guó)外醫(yī)學(xué)生物醫(yī)學(xué)工程分冊(cè),2000,23(2):76-79．

[6] 張文軍.組織光學(xué)參數(shù)定量控制的初步研究[D].天津:天津大學(xué),2008.

[7] 謝樹森.生物組織光學(xué)性質(zhì)的測(cè)量原理與技術(shù)[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào),1997,16(4):327-332.

[8] LI H,LU Z.Measurement and accuracy analysis of refractive index using spectra reflectivity closes to the total internal refection[J].Proc.SPIE,1998,(8):119-124.

[9] 周顯國(guó).基于梯度方向直方圖特征和支持向量機(jī)的醫(yī)學(xué)影像分類方法[J].中國(guó)醫(yī)療設(shè)備,2014,29(2):132-133,140.

[10] 劉蘇蘇,孫立民.支持向量機(jī)與RBF神經(jīng)網(wǎng)絡(luò)回歸性能比較研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2011,32(12):4202-4205.

Study of the Model for Infrared Measurement of Subcutaneous Fat Thickness Based on SVM Algorithm

WANG Yu1, HAO Dong-mei2, AN Zheng1
1. Department of Medical Engineering, Сhina-Japan Friendship Hospital, Beijing 100026, Сhina; 2. Сollege of Biological Science and Biological Engineering, Beijing University of Technology, Beijing 100124, Сhina

This paper established a model for infrared measurement of subcutaneous fat thickness based on Support Vector Machine (SVM) algorithm. 40 cases of human experiment were designed and completed. The subcutaneous thickness of 20 body parts of each subject was measured. 6 regression models were established with nonlinear methods (including whole data, segment data, date excepted for shoulder blade, upper limb data, lower limb data, and abdomen data). The prediction value of each model was analyzed in comparison with the ultrasound measurement value. The results indicated that the segment model predicted more accurately than the whole data model. The upper limb model was most ideal, whose correlation coeffcient with B ultrasound was 0.9. The results showed the SVM model, was more suitable for accurate and rapid measurement of subcutaneous adipose tissue thickness.

support vector machine algorithm; subcutaneous fat thickness; infrared measurement.

R197.39

A

10.3969/j.issn.1674-1633.2016.05.010

1674-1633(2016)05-0043-04

2016-01-27

2016-04-26

作者郵箱：huanhua9462@sina.com