基于SVM的9电极人体成分分析模型

常甜甜，霍旭阳

(1.西安邮电大学 理学院，陕西 西安 710121；2.吉林医药学院 生物医学工程系，吉林 吉林 132013)

人体成分分析描述人机体各组分的构成比例，反映机体生长发育、衰老以及疾病过程中的动态变化和对机体功能造成的重大影响。在人体成分分析过程中，将人的机体分为脂肪组织和去脂组织，分析肌肉、脂肪、无机盐和蛋白质等在人体中的分布情况。通过人体成分分析能够更直接地了解人体的能量代谢和评估全面营养情况，能够为多种疾病的诊疗提供有价值的数据[1-2]。人体成分比例与脂肪肝[3]、营养状况[4]、肥胖[5-6]、肝肾功能水平[7-8]、肺部疾病[9]及II型糖尿病[10]等多种代谢性临床疾病具有显著相关性，监测和检查人体成分对多种疾病的早期诊断、辅助检测以及心血管疾病风险预测具有重要意义。

人体成分的测量方法包括人体测量估算法、水下称重法、空气置换法、皮褶厚度法、总钾量推算法、稀释法、超声波法、双能量吸收法、核磁共振法和计算机断层扫描(Computed Tomography, CT)等多种方法，但是，这些方法要么成本较高；要么便携性较差，不便于日常应用[11]。

生物阻抗分析(Bioelectrical Impedance Analysis, BIA)方法正是由于低成本、便携以及结果准确且重复性高等特点成为一种相对应用比较广泛和方便的人体成分分析方法[12-13]。目前主流的BIA技术采用人体5段多频率生物电阻抗测量法测量人体不同部位的生物电阻抗[14-15]，即将人体分为右上肢、左上肢、躯干、右下肢和左下肢5个部分，并假设这5个节段均为圆柱体，采用多个不同的频率分别在5个节段部分测量节段的阻抗。在测量过程中，采用8个电极接触点，测试1 kHz、5 kHz、50 kHz和250 kHz、500 kHz、1 000 kHz等6个频率下的电压和电流值，从而得到各节段水分和肌肉量等测量值[16-17]。该类方法只采用8个电极，导致测量精度还有待进一步提高，此外，该类方法通常基于性别和年龄对人群分组，由于人群具体情况不同，按照性别和年龄等参数分组存在一定的不合理性，这就影响了测量结果的准确性。

为了提高人体成分分析的精度，拟在8电极测量系统的基础上，再在腹部增加一个电极，以增加测量数据准确性。另外，基于数据本身特征采用支持向量机(Support Vector Machine, SVM)分组方法，以保证对受试分组的合理性。

1 人体成分分析模型

人体成分分析模型(Body Composition Model, BCM)利用生物电阻抗测量人体在不同频率电流激励下的边界测量电流和电压值，从而推断人体的体成分。

1.1 数据采集系统

生物电阻抗数据采集系统由在双手、双脚各设置一个激励电极和一个测量电极的方式实现，可以测量得到左右上肢、左右下肢、躯干整体、腹部、胸部等部位的电阻抗信息。

在模拟电路前端，采用4电极测量法[18]，去除电极皮肤接触阻抗的影响。数据采集系统测量原理如图1所示。

图1 数据采集系统测量原理

图1中，Z表示被测组织的电阻抗，Z1、Z2、Z3和Z4分别表示4个测量电极与皮肤的接触电阻抗。当电流I通过Z1和Z3两个激励电极施加到人体时，电流流过Z1、Z和Z3，被测组织Z的电流与施加的电流相同，不受激励电极Z1和Z3接触阻抗的影响。被测组织Z两端的电压通过测量电极Z2和Z4进入电压测量电路时，由于电压测量电路的输入阻抗较大，可以认为几乎没有电流流经Z2和Z4，此时，两个测量电极的接触阻抗上没有压降，被测组织Z两端的电压与测量电路两端的电压相同，不受测量电极Z2和Z4接触阻抗的影响。

1.2 人体5段模型

在人体成分分析过程中，通常将人体分为5个部分。通过在身体各个部位之间切换电流，测量相应的电压即可活动相应的阻抗值。人体5段模型示意图如图2所示。

图2 人体5段模型示意图

如图2所示，测量时在手和脚分别通过注入相应频率的电流，同时测量电压，可以得到右手Z1和左手Z2间的阻抗值z12，右手和右脚的阻抗值z13，以此类推，采用该方法，测量包括身体躯干、右腿、左腿、右臂、左臂等身体各个部位的阻抗值。

1.3 8电极系统的测量与激励模式

8电极法的测量模式示意图如图3。其中两个圆点代表测量点，折线代表电流，折线的两个端点代表激励，其中一个端点输入电流，另一个端点输出电流。其中：LH表示左手；LF表示左脚；RH表示右手；RF表示右脚。

图3 8电极法测量模式示意图

采用8电极法测得阻抗值与人体各部分的阻抗值之间的关系，激励、测量模式及测量部位如表1所示。

表1 8电极法激励、测量模式及测量部位

通过求解表1中的方程组，可得分段阻抗值分别为

(1)

2 SVM-BCM9

为提高体成分分析模型的准确度，在8电极测量系统基础上增加一个电极，即在腹部增加一个电极z5。

2.1 9电极系统的测量与激励模式

采用9电极法增加腹部电极z5后，新增加的测量模式示意图如图4所示，其中B(belly)表示腹部。

图4 9电极法新增加的测量模式示意图

9电极法增加的激励、测量模式及测量部位如表2所示。

表2 9电极法增加的激励、测量模式及测量部位

求解表2中的方程组可得分段阻抗值分别为

(2)

2.2 人体成分指标

阻抗指数与人体成分中的细胞外液、人体总水分含量、非脂肪组织含量等参数存在显著相关，可以通过测量这些参数对人体成分进行相应评估[6,11]。根据不同频率下体成分敏感度不同，通过测量不同频率下各部分阻抗值，能够获取人体总水重(Total Body Weight, TBW)质量mECW、细胞外液(Extra Cellular Water, ECW)质量mTBW和瘦体重(Fat Free Weight, FFW)质量mFFM的计算表达式分别为

(3)

(4)

(5)

其中：B0,B1,…,B8分别表示经验参数，其值随不同人群取值不同[11]；H表示身高；W表示体重；Z50、Z250、Z500分别表示在50 kHz、250 kHz和500 kHz频率下测量的阻抗值。

2.3 基于SVM的人群分类

主流的BCM方法基于性别、年龄等特征对人群数据分组，针对各组数据独立建模，该方法没有针对数据本身特点进行分组，导致测量缺乏针对性，影响了测量精度。为此，提出基于支持向量机(Support Vector Machine, SVM)的分组建模方法[17-18]。SVM采用极大间隔分类超平面的思想，得到线性可分支持向量。SVM原始问题可以描述为[19-20]

(6)

其中：xi表示人群样本i(i=1,…,l)的相关测试数据，l为样本总数；yi为样本i的对应类别标记；w和b分别表示超平面的参数。

为使得分类问题可以引入核函数来处理非线性问题，将原始问题转化为对偶问题进行研究，式(6)的拉格朗日函数可以表示为

(7)

其中，αi表示样本i的拉格朗日乘子。

利用Wolf对偶原理，求解拉格朗日函数关于w,b的偏导数，可以得到

(8)

2.4 SVM-BCM9算法步骤

基于SVM的9电极人体成分分析模型具体的算法步骤如下所示。

输入获取的人群样本数据。样本数据包括生物电阻抗测量数据和性别、年龄、职业和身高等基础数据。

步骤1在n维实数空间Rn中，将人群基础数据分为训练集T={(x1,y1),(x2,y2),…,(xi,yi),…,(xl,yl)}和测试集两个部分，其中，xi表示第i个训练样本，yi表示第i个训练样本标记，设置惩罚参数大于0。

步骤2采用SVM方法对人群基础数据进行分组，得到对应的组别；

步骤3利用多元线性回归方法构造每个组别对应的人体成分参数。

输出人体成分参数。人体总水重质量mECW、细胞外液质量mTBW和瘦体重质量mFFM等。

3 实验结果及其分析

3.1 数据获取及测量

采用目前国际上公认的人体成分金标准双能X线(Dual Energy X-ray Absorptiometry, DEXA)方法测量人体生物电阻抗谱，并根据实验结果，构建相应的数据库。

在早上空腹状态下，首先测量受试者DEXA的相关数据，然后立即进行阻抗数据测量。测试样本中年龄段从20～65岁，包含男性和女性数据总共17例。另外，由于不同年龄和性别的人体成分模型经验参数取值范围不同，因此，还需记录所有受试者的性别、年龄、身高等基础数据。

3.2 数据的输出及回放

数据测量结果如图5所示，3条曲线自上而下分别为电压通道、电流通道和电阻通道。

图5 数据测量结果

电压通道即两个测量电极之间的电压差。电流和电压通道，由设备测量得到，从而能够计算出电阻通道值R。

电压电流通道中显示值的范围为-32 767～+32 767之间的数，对应着模数转换器的显示结果。硬件电路使用了恒流驱动，在电极皮肤贴合较好的情况下，电流通道的波形近似一条直线。

3.3 人体实验结果对比与分析

体脂率(Body Fat Ratio, BFR)表示人体脂肪占人体体重的比率，其计算表示式为

(13)

其中：G表示脂肪重量；W表示人的体重。

式(5)包含B6,B7和B8等3个经验参数，在所提的9电极模型中，设置B7=0.01，B8=0.1，将原先的3个参数降为一个参数B6。B6的回归计算公式为

B6=0.486 5-0.671 8s+0.001 1a+
0.016 2H+0.035W

(14)

其中：s表示性别；a表示年龄；H表示身高，W表示体重。

将所提的SVM-BCM9方法与欧姆龙(OMRON)8电极体成分分析仪、金标准DEXA和采用SVM分组后建模的8电极体成分模型(SVM-BCM8)进行对比，不同方法测量的受试者体脂率(Body Fat Ratio, BFR)结果如表3所示。其中，ID表示受试者编号。

表3 4种方法测量受试者体脂率结果/%

通常认为，只要是体脂率测量结果与金标准DEXA一致，即可认为测量方法有效。从表3可以看出，相较于OMRON方法，SVM-BCM9和SVM-BCM8方法的测量结果与DEXA更加接近，相对而言，测量结果更加准确。采用SVM-BCM8方法需要估计更多的经验计算系数。经验计算系数随着不同人群的性别、年龄、身高、体重的变化而变化，如实测人群中有长期健身者，也有年轻人不注重身体管理者，导致经验计算系数难以被有效估计，更多地依靠测试者的经验。一般认为，模型中需要估计的经验计算系数越多，则模型的可靠性越差。相较于SVM-BCM8方法，SVM-BCM9模型需要估计的经验计算系数较少，且可以采用回归模型来确定经验系数B6，使得模型自适应性更强，稳定性更高。

4 结语

采用9个电极测量人体阻抗数据，并基于人群数据本身特点利用SVM方法对人群进行分组建模。实验结果表明，相较于OMRON方法，所提的SVM-BCM9方法的测量结果更加准确。另外，模型自适应性更强，稳定性更高。人体模型比较复杂，在后期的研究中，应该加大数据测试的量和范围，测量具有不同职业、不同生活人群，将数据范围进一步扩大，以增加提出方法的适用性。