- 相關推薦
生物醫學信號論文范文
〔摘要〕隨著醫學技術不斷發展,生物醫學信號逐漸成為醫學方面的一項重要的診斷技術。由于生物體的復雜性,生物信號還具有隨機性強、信號弱、噪聲強、頻率范圍低、周期性等特點,這導致在相似性分析時面臨很多困難。該文提出了窗口斜率特征提取法,通過確定參數窗口閾值和網格高度,利用相關公式進行計算,用斜率變化規律對比相似波形。
〔關鍵詞〕生物醫學信號;相似性;度量方法;窗口斜率法
生物醫學信號是由復雜的生命體發出的不穩定的自然信號,可以反映出生物體所處的狀態及生命情況等,生物醫學信號不同于其他信號,具有本身的特征和測試方法。通常生物信號包括心電、呼吸、脈搏等,這些信號是生物生命活動的基本屬性[1]。采集生物體內的信號后,可以根據信號的特征對生物體所處狀態進行分析和研究,為診斷生物體器官功能并確定治療方法提供可靠的依據。
1生物體醫學信號
生物體不同信號的波形圖。幾種常見的心電波形圖如圖2所示,可以看出不同形態的生物體反映出不同的信號特征,進而反映在波形圖上。醫師可以根據波形圖的特征對生物體的病情加以判斷,從而進行針對性治療。計算機和智能化技術的不斷發展為生物信號診斷技術提供可靠的保證。正確地劃分生物信號類別是醫學內的重要保證。一般來說,對波形間的相似性程度進行劃分類別,再對不同類別信號加以分析,可以縮短工作量,提高工作效率和分析的準確性,這是目前生物信號研究的發展方向。
2相似性分析法
指采用某種方法來描述和分析兩者之間的相似度。相似性分析通常分為兩個步驟:特征提取和表示以及相似性度量。由于生物體發出的生物自然信號能夠隨時間的推移而發生變化,因此可以把生物信號作為時序信號中的一種。對時序數據的分析目前已廣泛應用,例如氣象變化情況、石油勘探情況、股票走勢數據等。可以看出時序數據具有很大的復雜性和計算量,其相似性度量會很大程度影響著分析的結果。生物信號同樣具有上述特性,復雜多變是生物信號波形曲線形態的主要特征,因此其相似性分析要包括以下兩個方面:一是從原始生物信號中提取特征信息,進行優化組合,作為表示特征向量;二是對特征向量進行相似性度量或分類。原始數列的特征提取對降低計算量有很好的幫助,通過只保留數列的主要形態,去除次要形態和細枝末節,提高數據分析的準確性。目前,特征提取的方法有很多,研究思路也各不相同。Keogh等[2]以時間序列為基礎,輸出的結果形式為線性分段,這種成為線性分段算法。主要方法是將數列表示為多段線性的直線,從而減少實驗數據。這種線性分段算法的優點直觀明了,可進行多解析多運算,支持各類測量方法,應用廣泛。生物信號作為時間序列的一種,也存在復雜表現形式,因此在分析中會面臨很多困難。基線漂移和時間軸的伸縮是生物信號最主要面臨的問題[3-4],選擇合適的距離度量方法,能夠提高相似性分析的準確性。動態時間彎曲(dynamictimewarp,DTW)可以作為一種有效的解決方法,但它的缺點是時間復雜,應用并不廣泛.
3生物醫學信號相似性分析的關鍵問題
生物信號作為時序信號的一種,具有維數高、數據量巨大、噪聲干擾嚴重的特點。但由于人體是一個復雜的自然系統,人體信號具有時序信號所沒有的一些特點。
3.1隨機性強
由于人體的個體差異性很大,所表現出的生理信號也會隨之產生差異,比如年齡的差異、性別的差異等。人體健康與生病的生理信號,其差異性會更大。生物醫學信號具有隨機性,它的特征并不平穩,隨著時間發生變化,這種變化為醫學中的信號處理帶來較大困難。
3.2信號弱,噪聲強
一般直接從人體中檢測到的電信號幅值比較小。因此,在處理各種生理信號之前要應用放大器。噪聲是指其他信號對所研究對象信號的干擾,研究時需要對信號去除噪聲再進行研究。
3.3頻率范圍低
經頻譜分析可知,除聲音信號(如心音)頻譜成分較高外,其他電生理信號的頻譜一般較低。
3.4周期性
生物信號的幅值會隨著時間而產生周期性的變化,如圖3所示的心電波形。首先,將連續信號分為單個波形,即找到電波的最高點為分割點;然后,將連續波形分為多個單段連續的波形。若分割點選取不準確,將會對信號的判斷產生影響.生物信號具有維度高、數據多等特征,在相似性分析方面存在一定的難度。由于人們大都注意特征數據的提取方法,因此希望距離度量采用更簡單的方法。生物信號經過復雜的特征數據提取后,距離度量通常采用簡單方法降低運算復雜程度,提高準確率。生物信號具有信號弱、噪聲強、頻率范圍低等特點,需要采用相應方法達到降維、去噪的功能。通常提取初次特征后,剩余的信息量仍然會很大,因此需要對特征數據進行再優化,采用該方法雖然能保證較高的準確率,但優化過程復雜度過高。
4窗口斜率的特征表示方法
特征提取方法是相似性分析的重要內容,是影響分析的效率和精確性的重要保證。由于生物信號波形的相似性,我們需要關注波形中特征點的微小差異,重視波形中的細節走勢變化,對波形進行分類研究。上文提到,特征提取優化過程復雜度很高,難以同時兼顧提取的效率和準確性,但因為生物信號波形具有周期性,可以將波形按照周期進行劃分,波形的變化走勢可以用不同階段內的斜率表示,因此本研究提出了采用窗口斜率的特征表示方法。
4.1窗口斜率表示法
基于X、Y軸的波形圖表示方法。首先將該坐標內的區域進行網格劃分,網格的大小可由兩個參數:閾值t和網格高度h決定。對橫坐標的劃分網格大小由閾值t確定,對縱坐標的劃分網格大小由網格高度h確定。兩個參數t和h的大小對窗口效率法分析結果影響較大,對于不同的生物信號波形應選取合適的參數進行劃分。在網格劃分中,首先設定兩個參數,窗口閾值為t,網格高度為h。則波形的任意一個窗口的幅值可表示為(at(i-1)+1,…,ati+1)。任意一個窗口內的縱向幅值差可以通過公式(3-1)來表示。(3-1)從公式可以看出,當閾值t固定后,公式所計算的值實際就是窗口內的斜率,因此這種方法稱作窗口斜率表示法。
4.2參數確定
從上述公式的計算方法我們可以看出,窗口斜率特征法的參數t對于窗口內斜率的計算有著重要的影響,參數選擇過大,則無法起到精細分析的效果;參數選擇過小,會導致任務量增加,網格高度一般選擇0.1且不變動。圖5顯示了心電波形和鋒電位波形的形狀,進行兩種心電波形分析時,采用窗口斜率法首先確定閾值和高度。通常,窗口閾值在關鍵波峰的1/10~1/5內選擇,經過大量實驗數據表明,心電波形窗口閾值為4時效果最佳,鋒電位波形窗口閾值為2時效果最佳.
4.3窗口斜率法特征提取結果
窗口斜率法的實質就是將坐標內的波形圖進行網格劃分,對網格內的數據進行斜率計算,計算結果表現在坐標內,從而對相似的波形區分開來。生物信號具有復雜性、緯度高等特征,非常適合采用窗口斜率法進行特征提取。在特征提取過程中主要關注窗口內斜率的變化規律,即使幾個波形走勢非常相似,但反映在斜率變化上會有很大的不同。圖6顯示了3種相似的波形經過窗口斜率法計算后,結果對比差異很明顯。計算前可以看到3種原始波形很難區分,但通過窗口斜率計算后,特征體現在斜率上會有很大的變化,通過這些變化可以準確判斷波形類別,再進行下一步研究分析。
4.4窗口斜率法特點
窗口斜率特征提取法是基于生物信號復雜性與相似性的難點而定。對3種相似的波形采用窗口斜率法計算后,其斜率波形表現出明顯的差異,因此,窗口斜率法對于生物信號波形的特征提取非常有用,其原理較為簡單,計算方法方便。經窗口斜率法對序列降維計算,能夠節約計算量。此外,窗口斜率法能夠維持靈敏度和特異度的平衡,使其均保持在較高水平,即在避免異常波形漏檢的情況下,提高了波形識別的準確率。因此,窗口斜率法可作為生物信號相似波形處理的重要手段。然而,窗口斜率法的關鍵點在于選擇合適的閾值參數,它很大程度影響計算的準確性。尋找最優閾值是一個煩瑣的工作,需要不斷地迭代計算。窗口斜率法的關鍵點在于窗口閾值的選取,該參數對斜率計算結果影響很大,而且對不同波形時要求不盡相同。通過手動選取分類閾值,計算結果會有誤差,選不到最優閾值,分類結果也得不到最優。如果閾值范圍很大,會造成任務量增大,如何選擇確定合適的閾值參數,對于窗口斜率法的應用具有重要影響,這也是下一步工作的主要方向。此外,未來的工作還需要一些實驗結果來論證此方法的效果,通過對不同信號波的研究,確定選擇最佳閾值參數的方法與理論。
[參考文獻]
[1]劉海龍.生物醫學信號處理[M].北京:化學工業出版社,2006.
[2]KeoghE,ChakrabartiK,PazzaniM,etal.DimensionalityReductionforFastSimilaritySearchinLargeTimeSeriesDatabases[J].KnowledgeandInformationSystems,2001,3(3):263-286.
[3]練仕榴,鄭剛,牟善玲.用于心電波形分析的相似性度量策略[J].計算機工程,2011,37(9):263-265.
[4]張大克,王玉杰.隨機平均歐氏距離的統計性質與分類閾值[J].天津科技大學學報,2008,23(4):85-88.
【生物醫學信號論文】相關文章:
生物醫學論文04-26
生物醫學論文04-30
生物醫學論文范文04-27
VBAI圖像處理生物醫學論文04-26
實驗員培養下的生物醫學論文04-28
計算機平臺對生物醫學的支持論文04-30
低頻外信號選擇性優化的鈣信號與IP3信號04-27
生物醫學計算平臺04-27
淺析對鐵路信號工程施工的幾點思考工學論文12-02