U-Net新玩法——ECG精准语义分割(3)

上篇已经准备好了数据，这篇就是开始训练模型。目标很明确，我们要搭建一个1维形式的U-Net，使其能够处理1维ECG。代码实现参考了https://github.com/divamgupta/image-segmentation-keras 。输入是5s的ECG片段，在采样率为360Hz的情况下长度为1800，输入前先做z-score标准化；输出结果是关于3种区域（正常N，室性早搏PVC，背景Background）的判别情况，具体来说就是信号中每个点从属3中区域的概率。在具体的参数设定上，这里并没有采取常见的尺寸为3的小卷积核，而是在卷积层上均采用了尺寸为32的大卷积核，这个会产生什么影响后面再说，总之很关键。具体模型请参照代码文件Unet.py，基于keras实现（后端TensorFlow）。训练时batch的生成代码参照LoadBatches1D.py。

       运行train.py可进行模型训练，这里注意数据路径的修改。训练中会有一个比较值得注意的现象，前10几个epoch时，模型的验证集准确率会一直不动，给人的感觉是模型不收敛，但其实此时loss还是波动下降的；在10几个epoch之后，模型会突然“觉醒”，准确率开始快速提升，直到稳定。具体画出loss和准确率曲线大概是这样的：

在关于准确率的曲线上，可见前10几个epoch几乎是平的，然后过了某个点之后，模型性能开始大幅提升。这种现象在我的实验过程中每次都会出现。不过具体原因还不是特别清楚。训练完成后，可运行test_a_sig.py文件，从验证集中随机抽取一个信号进行直观上的测试，就像这样：

上图中，蓝色线表示背景概率，黑色表示正常概率，红色代表PVC概率。可见模型对不同区域的识别还是比较准确的。线的交叉处，一般是心拍的边界，可以看到也相对精准。但是对于片段边缘的信号模型识别性能有所下降。这个跟我的标记也有关，我在标记信号时，边缘上不完整的心拍一律视为背景。

       回到我们前面的问题，为什么不采用常见的尺寸为3的卷积核？原始U-Net的卷积核尺寸都是3（当然是处理医学图像），而且，论文Oh S L, Ng E Y K, San Tan R, et al. Automated beat-wise arrhythmia diagnosis using modified U-net on extended electrocardiographic recordings with heterogeneous arrhythmia types[J]. Computers in biology and medicine, 2019, 105: 92-101.就是用了尺寸为3的卷积核。其实这也正是我有所质疑的地方，那我们看看如果改成3会怎么样，画出训练过程中的loss和准确率曲线：

乍眼一看，似乎一切都很正常，起码变化趋势很正常。但你如果仔细看看纵坐标，会发现最后模型趋于稳定时，loss很大，准确率很低，也就是模型性能很差。随机测试一条验证集模型可以看到像下面这种现象：

可见上述3条标识类型的线在这里全部拧在了一块（忽略右下角错误的标识），区分度很差。虽然模型没有不收敛，但基本可以确定，尺寸为3的小卷积核不能学习到有意义的局部变化。这个也可以理解，ECG是一种低频信号，有意义的波形变化往往长度比较大，在模型深度有限的情况下，必须使用大卷积核才能有效捕捉。这个结果跟分析与论文Oh S L, Ng E Y K, San Tan R, et al. Automated beat-wise arrhythmia diagnosis using modified U-net on extended electrocardiographic recordings with heterogeneous arrhythmia types[J]. Computers in biology and medicine, 2019, 105: 92-101.中使用尺寸为3的卷积核就能取得高性能的结论相悖，作者也没有说明其数据标记的方式和来源，所以让我感觉到很疑惑。

 

这里提供一个训练好的模型：myNet.h5

下载地址：链接：https://pan.baidu.com/s/1Xm02MmQmLDDKx6vfzMHZDA

提取码：gtbc

 

Github开源地址：https://github.com/Aiwiscal/ECG_UNet

喜欢请给star哦~~~