生醫信號處理
此條目不符合維基百科的品質標準,需要完全重寫。 (2015年12月14日) |
生物醫學信號處理(biomedical signal processing)的主要任務是根據生物醫學信號(biomedical signal)的特點,應用資訊科學的基本理論和方法,並研究如何從被干擾和雜訊淹沒的觀察記錄中,提取各種生物醫學信號中所攜帶的資訊,對它們進一步分析、解釋、分類、顯示、儲存和傳輸。
生物醫學信號處理
編輯針對不同的生物醫學信號,如心電圖(ECG)、腦波圖(EEG)、肌電圖(EMG),有不同的演算法設計,一方面提取出信號特徵,另一方面有效的消除信號雜訊。由於生物醫學信號通常是非穩態信號(non-stationary signal)、時變率高,較不適合使用傅立葉轉換分析,使用時頻分析方法或小波轉換較能精確描述每個時間點的頻率、波形變化。如小波轉換可保留接近原始信號成分的低頻訊號,以及分離出疑似雜訊的高頻訊號,對於即易受雜訊干擾的生物醫學信號來說相當適合。
心電圖(ECG)信號處理
編輯心跳是重要生命跡象,而由心電圖可辨別出許多疾病徵兆,因此快而準確的心電圖信號分析對於病情診斷相當有幫助。 心電圖信號處理包含以下幾個部分:特徵萃取(feature extraction)、 特徵選取(feature detection)、資料壓縮、心律變異分析(heart rate variability,HRV)以及R波偵測(R-wave detection)。當中又以R波偵測為心電圖信號處理當中的重要步驟,相關演算法的第一個步驟幾乎都是找到R波波峰位置,再依照R波位置辨別出P、Q、T、S波之相對位置。而兩個相鄰R波波峰距離(RR Interval)與心率(Heart Rate)可用來進行心律變異分析,可由此分析判斷病人的健康狀況。
- R波偵測
R波偵測演算法時作主要有三大類:時域、頻域與其他分析方法。在時域部分,通常是將R波看為一瞬間極大振幅變化,對時間域上的信號微分,比較一次微分和二次微分的結果,得到R波波峰位置,如So and Chan Algorithm。時域上的分析通常相當準確、快速,因此適合在即時監測時使用,但容易受雜訊干擾。頻域分析通常使用小波轉換或希爾伯特黃轉換進行,通常可得到精確且不受雜訊干擾的結果,然而頻域分析所需時間較長,不適合提供即時數據。其他分析方法則包含zero-crossing method、morphologic filtering、gene-based design……等方法。[1]
- 心電圖資料壓縮
為了有效分析心跳數據,ECG訊號通常是24小時監控,資料量相當龐大,所面臨的挑戰除了壓縮資料大小,也必須確保資料復原後的準確度。Walsh Transform(WHT)是一種類似傳統離散傅立葉轉換(DFT)的信號處理,除了與DFT相似的正交性,WHT由於振幅為1,皆為實數運算且不需任何乘法,因此具有快速演算法,可在短時間內進行頻譜分析。相關演算法包含:Cooley-Tukey、Manz’s Sequence Algorithm、John L. Shark’s Algorithm。[2]
腦波圖(EEG)信號處理
編輯腦波圖的紀錄可分為兩種:腦電波與腦磁波。前者測量大腦皮質的電流,後者則測量腦磁波。大腦皮質電流是由細胞群之間電位差所造成,為細胞外的電流。而在神經活化、產生電訊號的時候,會因法拉第第一定律產生磁場變化,磁場訊號變化大小即為腦磁波。通常會將EEG訊號標註刺激(stimulus)、自發動作(event)或反應(response)等基點,取固定的時間間距中的訊號,再配合PCA(Principle Component Analysis)及ICA(Independent Component Analysis)確認正確發出訊號的時間點、波頻和傳遞方向。 人腦中有許多不同頻率大小的功能區域性腦波律動(Brain Rhythm),如:感覺運動區的Mu Rhythm頻率約在10~20Hz之間、枕葉視覺區的Alpha Rhythm約為10Hz。藉由判定特定區域腦波圖的訊號組成,可推測出該區域功能。
肌電圖(EMG)信號處理
編輯骨骼肌收縮時會產生一動作電位,收縮幅度越大、運動越大則該電位振幅越大,肌電圖即是紀錄骨骼肌動作電位變化。肌電圖可用來判別肌肉的疲憊程度,藉由時間域上的分析可監控可能狀況和周邊疲憊,而頻率域上的分析則可了解運動單元的激發率。目前在時域及頻域分析上已有多項指標可做為醫療運用參考。時域指標包含振幅均方根值(root mean square,RMS)、積分肌電圖(integral electromyography,IEMG)、經全波整流之肌電活動(Electrical Activity,EA)。而頻域則有平均功率頻率(mean power frequency,MPF)及中位頻率(median frequency,MDF)……等指標。[3]
生物醫學信號的特性
編輯信號是由一個或多個變量組成,攜帶有用資訊的函數。如果有一個信號,是從某個生命系統(生物)上記錄而得,並且能傳達有關該生命系統的狀態或行為的資訊,則我們稱此信號是生物醫學信號。例如,病人的體溫記錄、放置在頭皮上的電極的電壓記錄,以及X射線吸收從CT掃描獲得的空間圖案 皆是生物信號。
信號可以是一維的,如果他們依賴於一個單一的變量,如時間,或多維如果他們取決於多個變量,如空間坐標生物醫學信號,是屬於強雜訊背景下的低頻微弱信號,它是由複雜的生命體發出的不穩定的自然信號,從信號本身特徵、檢測方式到處理技術,都不同於一般的信號。
生物醫學信號的分類
編輯- 從電的性質來講,可以分成電信號和非電信號,如心電、肌電、腦電等屬於電信號;其它如體溫、血壓、呼吸、血流量、脈搏、心音等屬於非電信號。
非電信號又可分為:
- 機械量,如振動(心音、脈搏、心衝擊、Korotkov音等)、壓力(血壓、氣血和消化道內壓等)、力(心肌張力等);
- 熱學量,如體溫;
- 光學量,如光透射性(光電脈波、血氧飽和度等);
- 化學量,如血液的pH值、血氣、呼吸氣體等。
如從處理的維數來看,可以分成一維信號和二維信號:
- 一維信號;體溫、血壓、呼吸、血流量、脈搏、心音等;
- 二維信號;腦電圖、心電圖、肌電圖、x光片、超聲圖片、CT圖片、核磁共振圖像等。
信號處理的觀念──選擇性地消除資訊
編輯信號處理的本質其實是選擇性地消除資訊,這原因往往不是因為信號傳達了與我們不相關的資訊,或是我們感興趣的資訊,而是信號中本就混雜了各種資訊。例如,腦電圖(EEG)的志願測試者,其頭皮的電生理活動記錄,也許就沾染了心電信號和無處不在的60Hz交流電力線信號。
什麼構成了我們感興趣的資訊?取決於特定的應用。例如,語音信號包含語言資訊(這句話說了些什麼?)以及有關講者(誰說了這句話?)的資訊。對前者(語言資訊)有興趣的應用,很顯然在自動語音內容識別系統,而後者(講者資訊)將被講者識別系統所重視。
信號處理是有目的地選擇,從信號中消除特定不相關的資訊,以便更容易接觸到人類觀察者或計算機系統所感興趣的資訊。
在生物醫學信號處理中的幾個階段
編輯在一個典型的生物醫學應用中,信號處理可包括四個階段:數據採集(data acquisition)、信號調理(signal conditioning)、特徵提取(Feature extraction)和決策(decision making)。
數據採集的目的是捕獲信號,並以適合於計算機處理的形式進行編碼。在這個階段中,主要關心的是避免遺失有關的信號資訊。
信號調節的目標是消除或減少所收集到信號的外來成分,如從該信號的雜訊(noise)。通常情況下,這個工作會利用線性濾波器,有時,會與非線性運算子組合使用。主要目標是如何設計濾波器能讓信號從雜訊中獨立出來的效果最好。
特徵抽取的意思是分辨及量測少量的參數,或者在一個信號中,找出我們感興趣的資訊的部分的最好特徵。特徵提取和信號調節之間的區別主要是在維度的改變。鑑於調節的結果,通常與輸入信號具有相同的維度,而提取特徵集合應該具有比輸入信號低得多的維度,以促進儲存,處理和可視化。例如:Principal component analysis(PCA)。此外,特徵提取技術往往要考慮信號特性和特定於應用程序,而信號調節的方法則是非常普遍被使用於各種處理。
決策是生物醫學信號處理的最後階段,又名假設檢驗(hypothesis testing)。在臨床應用中的行動方針尤其重要的,必須採取。它的目的是回答諸如「根據腦部掃描患者是否患有腫瘤?」或「根據心電圖顯示,病人的心臟跳動是否呈現一個具體的病理?」
生物醫學信號的檢測方法
編輯生物醫學信號檢測是對生物體中包含生命現象、狀態、性質、變數和成份等信息的信號進行檢測和量化的技術。生物醫學信號處理的研究,是根據生物醫學信號的特點,對所採集到的生物醫學信號進行分析、解釋、分類、顯示、儲存和傳輸,其研究目的一是對生物體系結構與功能的研究,二是協助對疾病進行診斷和治療。
生物醫學信號檢測技術是生物醫學工程學科研究中的一個先導技術,由於研究者所站的立場、目的以及採用的檢測方法不同,使生物醫學信號的檢測技術的分類呈現多樣化,具體介紹如下:
- 無創檢測、微創檢測、有創檢測;
- 在體檢測、離體檢測;
- 直接檢測、間接檢測;
- 非接觸檢測、體表檢測、體內檢測;
- 生物電檢測、生物非電量檢測;
- 形態檢測、功能檢測;
- 處於拘束狀態下的生物體檢測、處於自然狀態下的生物體檢測;
- 透射法檢測、反射法檢測;
- 一維信號檢測、多維信號檢測;
- 遙感法檢測、多維信號檢測;
- 一次量檢測、二次量分析檢測;
- 分子級檢測、細胞級檢測、系統級檢測。
生醫信號處理流程
編輯- 生物醫學信號透過電極拾取或透過感測器轉換成電信號,
- 經放大器及預處理器進行信號放大和預處理,
- 然後經A/D轉換器進行採樣,將類比信號轉變為數位信號,
- 輸入電腦,
- 然後通過各種數位信號處理演算法進行信號分析處理,得到有意義的結果。
參見
編輯參考資料
編輯- http://ocw.mit.edu/courses/health-sciences-and-technology/hst-582j-biomedical-signal-and-image-processing-spring-2007/ (頁面存檔備份,存於網際網路檔案館)
- http://ocw.mit.edu/courses/health-sciences-and-technology/hst-582j-biomedical-signal-and-image-processing-spring-2007/lecture-notes/l1_intro.pdf (頁面存檔備份,存於網際網路檔案館)
- http://eshare.stust.edu.tw/EshareFile/2010_12/2010_12_5880ad16.pdf[永久失效連結]