生医信号处理

生物医学信号处理biomedical signal processing)的主要任务是根据生物医学信号(biomedical signal)的特点,应用资讯科学的基本理论和方法,并研究如何从被干扰和杂讯淹没的观察记录中,提取各种生物医学信号中所携带的资讯,对它们进一步分析、解释、分类、显示、储存和传输。

生物医学信号处理

编辑

针对不同的生物医学信号,如心电图(ECG)、脑波图(EEG)、肌电图(EMG),有不同的演算法设计,一方面提取出信号特征,另一方面有效的消除信号杂讯。由于生物医学信号通常是非稳态信号(non-stationary signal)、时变率高,较不适合使用傅立叶转换分析,使用时频分析方法或小波转换较能精确描述每个时间点的频率、波形变化。如小波转换可保留接近原始信号成分的低频讯号,以及分离出疑似杂讯的高频讯号,对于即易受杂讯干扰的生物医学信号来说相当适合。

心电图(ECG)信号处理

编辑

心跳是重要生命迹象,而由心电图可辨别出许多疾病征兆,因此快而准确的心电图信号分析对于病情诊断相当有帮助。 心电图信号处理包含以下几个部分:特征萃取(feature extraction)、 特征选取(feature detection)、资料压缩、心律变异分析(heart rate variability,HRV)以及R波侦测(R-wave detection)。当中又以R波侦测为心电图信号处理当中的重要步骤,相关演算法的第一个步骤几乎都是找到R波波峰位置,再依照R波位置辨别出P、Q、T、S波之相对位置。而两个相邻R波波峰距离(RR Interval)与心率(Heart Rate)可用来进行心律变异分析,可由此分析判断病人的健康状况。

  • R波侦测

R波侦测演算法时作主要有三大类:时域、频域与其他分析方法。在时域部分,通常是将R波看为一瞬间极大振幅变化,对时间域上的信号微分,比较一次微分和二次微分的结果,得到R波波峰位置,如So and Chan Algorithm。时域上的分析通常相当准确、快速,因此适合在即时监测时使用,但容易受杂讯干扰。频域分析通常使用小波转换或希尔伯特黄转换进行,通常可得到精确且不受杂讯干扰的结果,然而频域分析所需时间较长,不适合提供即时数据。其他分析方法则包含zero-crossing method、morphologic filtering、gene-based design……等方法。[1]

  • 心电图资料压缩

为了有效分析心跳数据,ECG讯号通常是24小时监控,资料量相当庞大,所面临的挑战除了压缩资料大小,也必须确保资料复原后的准确度。Walsh Transform(WHT)是一种类似传统离散傅立叶转换(DFT)的信号处理,除了与DFT相似的正交性,WHT由于振幅为1,皆为实数运算且不需任何乘法,因此具有快速演算法,可在短时间内进行频谱分析。相关演算法包含:Cooley-Tukey、Manz’s Sequence Algorithm、John L. Shark’s Algorithm。[2]

脑波图(EEG)信号处理

编辑

脑波图的纪录可分为两种:脑电波与脑磁波。前者测量大脑皮质的电流,后者则测量脑磁波。大脑皮质电流是由细胞群之间电位差所造成,为细胞外的电流。而在神经活化、产生电讯号的时候,会因法拉第第一定律产生磁场变化,磁场讯号变化大小即为脑磁波。通常会将EEG讯号标注刺激(stimulus)、自发动作(event)或反应(response)等基点,取固定的时间间距中的讯号,再配合PCA(Principle Component Analysis)及ICA(Independent Component Analysis)确认正确发出讯号的时间点、波频和传递方向。 人脑中有许多不同频率大小的功能区域性脑波律动(Brain Rhythm),如:感觉运动区的Mu Rhythm频率约在10~20Hz之间、枕叶视觉区的Alpha Rhythm约为10Hz。借由判定特定区域脑波图的讯号组成,可推测出该区域功能。

肌电图(EMG)信号处理

编辑

骨骼肌收缩时会产生一动作电位,收缩幅度越大、运动越大则该电位振幅越大,肌电图即是纪录骨骼肌动作电位变化。肌电图可用来判别肌肉的疲惫程度,借由时间域上的分析可监控可能状况和周边疲惫,而频率域上的分析则可了解运动单元的激发率。目前在时域及频域分析上已有多项指标可做为医疗运用参考。时域指标包含振幅均方根值(root mean square,RMS)、积分肌电图(integral electromyography,IEMG)、经全波整流之肌电活动(Electrical Activity,EA)。而频域则有平均功率频率(mean power frequency,MPF)及中位频率(median frequency,MDF)……等指标。[3]

生物医学信号的特性

编辑

信号是由一个或多个变量组成,携带有用资讯的函数。如果有一个信号,是从某个生命系统(生物)上记录而得,并且能传达有关该生命系统的状态或行为的资讯,则我们称此信号是生物医学信号。例如,病人的体温记录、放置在头皮上的电极的电压记录,以及X射线吸收从CT扫描获得的空间图案 皆是生物信号。

信号可以是一维的,如果他们依赖于一个单一的变量,如时间,或多维如果他们取决于多个变量,如空间坐标生物医学信号,是属于强杂讯背景下的低频微弱信号,它是由复杂的生命体发出的不稳定的自然信号,从信号本身特征、检测方式到处理技术,都不同于一般的信号。

生物医学信号的分类

编辑
  • 从电的性质来讲,可以分成电信号和非电信号,如心电、肌电、脑电等属于电信号;其它如体温、血压、呼吸、血流量、脉搏、心音等属于非电信号。

非电信号又可分为:

  1. 机械量,如振动(心音、脉搏、心冲击、Korotkov音等)、压力(血压、气血和消化道内压等)、力(心肌张力等);
  2. 热学量,如体温;
  3. 光学量,如光透射性(光电脉波、血氧饱和度等);
  4. 化学量,如血液的pH值、血气、呼吸气体等。

如从处理的维数来看,可以分成一维信号和二维信号:

  1. 一维信号;体温、血压、呼吸、血流量、脉搏、心音等;
  2. 二维信号;脑电图、心电图、肌电图、x光片、超声图片、CT图片、核磁共振图像等。

信号处理的观念──选择性地消除资讯

编辑

信号处理的本质其实是选择性地消除资讯,这原因往往不是因为信号传达了与我们不相关的资讯,或是我们感兴趣的资讯,而是信号中本就混杂了各种资讯。例如,脑电图(EEG)的志愿测试者,其头皮的电生理活动记录,也许就沾染了心电信号和无处不在的60Hz交流电力线信号。

什么构成了我们感兴趣的资讯?取决于特定的应用。例如,语音信号包含语言资讯(这句话说了些什么?)以及有关讲者(谁说了这句话?)的资讯。对前者(语言资讯)有兴趣的应用,很显然在自动语音内容识别系统,而后者(讲者资讯)将被讲者识别系统所重视。

信号处理是有目的地选择,从信号中消除特定不相关的资讯,以便更容易接触到人类观察者或计算机系统所感兴趣的资讯。

在生物医学信号处理中的几个阶段

编辑

在一个典型的生物医学应用中,信号处理可包括四个阶段:数据采集(data acquisition)、信号调理(signal conditioning)、特征提取(Feature extraction)和决策(decision making)。

数据采集的目的是捕获信号,并以适合于计算机处理的形式进行编码。在这个阶段中,主要关心的是避免遗失有关的信号资讯。

信号调节的目标是消除或减少所收集到信号的外来成分,如从该信号的杂讯(noise)。通常情况下,这个工作会利用线性滤波器,有时,会与非线性运算子组合使用。主要目标是如何设计滤波器能让信号从杂讯中独立出来的效果最好。

特征抽取的意思是分辨及量测少量的参数,或者在一个信号中,找出我们感兴趣的资讯的部分的最好特征。特征提取和信号调节之间的区别主要是在维度的改变。鉴于调节的结果,通常与输入信号具有相同的维度,而提取特征集合应该具有比输入信号低得多的维度,以促进储存,处理和可视化。例如:Principal component analysis(PCA)。此外,特征提取技术往往要考虑信号特性和特定于应用程序,而信号调节的方法则是非常普遍被使用于各种处理。

决策是生物医学信号处理的最后阶段,又名假设检验(hypothesis testing)。在临床应用中的行动方针尤其重要的,必须采取。它的目的是回答诸如“根据脑部扫描患者是否患有肿瘤?”或“根据心电图显示,病人的心脏跳动是否呈现一个具体的病理?”

生物医学信号的检测方法

编辑

生物医学信号检测是对生物体中包含生命现象、状态、性质、变数和成份等信息的信号进行检测和量化的技术。生物医学信号处理的研究,是根据生物医学信号的特点,对所采集到的生物医学信号进行分析、解释、分类、显示、储存和传输,其研究目的一是对生物体系结构与功能的研究,二是协助对疾病进行诊断和治疗。

生物医学信号检测技术是生物医学工程学科研究中的一个先导技术,由于研究者所站的立场、目的以及采用的检测方法不同,使生物医学信号的检测技术的分类呈现多样化,具体介绍如下:

  1. 无创检测、微创检测、有创检测;
  2. 在体检测、离体检测;
  3. 直接检测、间接检测;
  4. 非接触检测、体表检测、体内检测;
  5. 生物电检测、生物非电量检测;
  6. 形态检测、功能检测;
  7. 处于拘束状态下的生物体检测、处于自然状态下的生物体检测;
  8. 透射法检测、反射法检测;
  9. 一维信号检测、多维信号检测;
  10. 遥感法检测、多维信号检测;
  11. 一次量检测、二次量分析检测;
  12. 分子级检测、细胞级检测、系统级检测。

生医信号处理流程

编辑
  1. 生物医学信号透过电极拾取或透过感测器转换成电信号,
  2. 经放大器及预处理器进行信号放大和预处理,
  3. 然后经A/D转换器进行采样,将类比信号转变为数位信号,
  4. 输入电脑,
  5. 然后通过各种数位信号处理演算法进行信号分析处理,得到有意义的结果。

参见

编辑

参考资料

编辑
  1. ^ Template:Title=Time-Frequency Analysis for for ECG signals
  2. ^ Template:Title=DSP for Electrocardiography Analysis
  3. ^ Template:Title=EMG Signal Analysis