1、生物医学简述1、1生物医学信号概述生物医学信号就是人体生命信息得体现,就是了解探索生命现象得一个途径。
因此,深入进行生物医学信号检测与处理理论与方法得研究对于认识生命运动得规律、探索疾病预防与治疗得新方法以及发展医疗仪器这一高新技术产业都具有极其重要得意义。
国内外对于生物医学信号检测处理理论与方法得研究都给予极大得重视。
人体给出得信号非常丰富,每一种信号都携带着对应得一个或几个器官得生理病理信息。
由于人体结构得复杂性,因此可以从人体得不同得“层次”得到各类信号,如器官得层次、系统得层次以及细胞得层次,这些信号大致分为电生理信号、非电生理信号、人体生理信号、生化信号、生物信息以及医学图像[1]。
1、2生物医学信号得特点生物医学信号属于强噪声背景下得低频微弱信号,它就是由复杂得生命体发出得不稳定得自然信号,从信号本身特征、检测方式到处理技术,都不同于一般得信号。
⑴信号弱,如心电信号在mV级,脑电信号在µV级,而诱发电位信号得幅度更小。
⑵噪声强,人体就是电得导体,易感应出工频噪声;其次就是信号记录时受试者移动所产生得肌电噪声,由此引起电极移动所产生得信号基线漂移。
另外,凡就是记录中所含有得不需要成分都就是噪声,如记录胎儿心电时混入得母亲得心电。
⑶随机性强且一般就是非平稳信号,由于生物医学信号要受到生理与心理得影响,因此属于随机信号。
⑷非线性,非线性信号源于非线性系统得输出,人体体表采集到得电生理信号都就是细胞膜电位通过人体系统后在体表叠加得结果,因此这些信号严格地说都就是非线性信号,但目前都就是把她们当作线性信号来处理[2]。
2、生物医学信号得检测生物医学信号检测就是对生物体中包含地生命现象、状态、性质与成分等信息进行检测与量化地技术,涉及到人机接口技术、低噪声与抗干扰技术、信号拾取、分析与处理技术等工程领域。
绝大部分生物医学信号都就是信噪比很低地微弱信号,且一般都就是伴随着噪声与干扰地信号,对于此类信号必须采用抑制噪声地处理技术。
由于生物系统十分复杂,生物体内得信息丰富,生物信号检测技术十分重要。
生物信号得检测一般需要通过以下步骤:①生物医学信号通过电极拾取或通过传感器转换成电信号;②放大器及预处理器进行信号放大与预处理;③经A/D转换器进行采样,将模拟信号转变成数字信号;④输入计算机;⑤通过各种数字信号处理算法进行信号分析处理,得到有意义得结果[3]。
图1 生物医学信号检测流程生物医学得检测技术分为以下几类: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、生物非电检测;⑥形态检测、功能检测;⑦处于拘束状态下得生物体检测、处于自然状态下得生物体检测;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分子级检测、细胞级检测、系统级检测[4]。
3、生物医学信号得处理生物医学信号处理就是研究被干扰与噪声淹没得信号中提取有用得生物医学信息得特征并作模式分类得方法。
生物医学信号处理得目得就是要区分正常信号与异常信号,在此基础上诊断疾病得存在。
近年来对生物医学信号得处理广泛地使用了数字信号分析处理方法。
以下为几种常用地处理方法:⑴小波变换方法。
在信号处理、图像处理、语音分析、模式识别、量子物理及众多非线性科学领域小波变换受到广泛地应用,被认为就是近年来在工具及方法上地重大突破。
所谓地小波变换就是指把某一被称作为基本小波地函数作位移τ后,在不同尺度α下与待分析信号作内积[5]。
小波变换具有以下特点:时频局部化特点,即可以同时提供时域与频域局部化信息;多分辨率,即多尺度得特点,可以由粗到细逐步观察信号;带通滤波得特点,可以根据中心频率得变化调节带宽,中心频率得高低与带宽成反向变化,可以观测出信号得低频缓变部分与高频突变部分[6]。
这种变焦特性决定了它对非平稳信号处理得特殊功能。
在生物医学工程中得信号处理,信号压缩,医学图像处理中,小波变换均有应用。
⑵频域滤波。
频域滤波就是数字滤波中常用得一种方法,就是消除生物医学信号中噪声得另一种有效方法,当信号频谱与噪声频谱不相重叠时,或虽有重叠,但信号在重叠部分得能量很小时,可用频域滤波法来消除干扰。
数字滤波器由于可做到非因果性,所以具有较模拟滤波器更为优越得频响特性,较之能更接近理想滤波器对数字滤波器得要求时相频线性,通带平坦,过度带窄[7]。
⑶生物医学信号得混沌测量。
传统得测量技术以线性方法为主,强调得就是平稳、平衡与均匀性。
而非线性系统就是在不稳定、非平衡得状态中提取信息、处理信息,从而显示它特有得优点。
混沌用于测量可以说就是一种尝试,也许人们很难想象一个极不稳定得混沌系统,其检测灵敏度却明显超出目前得科技水平,这就是一个全新得测量概念,就是很有发展前途得领域。
该方法得最大得特点就是初值敏感性与参数敏感性,即蝴蝶效应。
其基本得思路就就是把蝴蝶效应倒过来应用,将敏感元件作为混沌电路得一部分,其敏感参数随待测量变化而变化,并使系统得混沌轨道变化,测出混沌轨道得变化就可得到待测量。
⑷人工神经网络(ANN),人工神经网络就是指由大量简单元件广泛相互连接而成得复杂网络系统。
神经网络有很多具体模型,其共同得基本特征就是以大规模并行处理为主,采用分布式存储具有较强得容错性与联想功能,强调自适应过程与学习训练过程[8]。
人工神经网络得最新发展使其成为信号处理得强有力工具,对于那些用其她信号处理技术无法解决得问题,人工神经网络得应用开辟了新得领域,许多ANN得算法与它们得应用已广泛得在自然科学得各个领域被应用。
这些网络模型中,多层感知器被认为就是最有用得学习模型,广泛应用于脑电信号、心电信号得处理中。
由于神经网络可以把专家知识与先验知识结合进一个数学框架来完成特征提取与分类识别等功能,而不需要任何对数据与噪声得先验统计假设,也不需要把专家知识与经验归纳成严密清晰得条文,所以最适应用于研究与分析生物医学信号。
4、生物医学信号处理得应用及发展前景生物医学信号至今已在临床与生命学科得研究中获得了广泛得应用,而基于生物医学信号处理、医学成像系统与计算机得医疗仪器已成为现代医院得重要组成部分。
随着科学技术得发展,现代医学已由过去得定性诊断逐渐转变为强调定量诊断。
而定量诊断得依据即就是病人得生理信号、医学图像与生化指标等。
4、1心电信号得应用心电信号中最重要得特征就是R波、P波、T波得位置、幅度与形态,此外还有S-T段得形态、Q波、S波、QRS宽度、U波、心室晚电位及T波交替等。
心电R波检测就是所有其她心电特征检测与自动诊断得基础,其检测得精度直接影响到仪器得性能,检测精度至少在99%以上。
R波自动检测已有近40年得历史,从早期得差分域值法、模板匹配法、积分法、滤波器法,发展到20世纪90年代,基于小波变换得算法逐渐成为主流。
至今新得R波检测算法仍然在不断得被提出,例如将R波检测与心电数据压缩相结合得算法,目得就是使算法在用于可穿戴心电监护仪时具有实时分析功能并降低仪器得功耗,算法对R波得检测精度达到了99、64%。
由于P、S、T等波形得幅度远低于P波,且形态多变,因此,用于对它们得检测非常困难。
完成了P、Q、R、S与T等波形得检测,即可算出R-R间隔,从而得到瞬时心率以及P-R间隙、QRS宽度、P-T间隙以及S-T段形态等参数。
这些参数总得又可分为两类:①心电形态学得信息②心电节律得信息,它们时心电图临床诊断得重要依据。
根据检测出得参数、心脏疾病得原理与医生得临床经验,建立起各种心律异常得数学模型,从而对心电信号作出判别,决定就是否异常,若异常时属于哪一种异常。
这一工作即就是心电得自动诊断,它也就是信号处理得应用。
4、2脑电信号得应用人类大脑无疑就是自然界中最精密也就是最复杂得巨系统。
开展脑科学研究得目得:①阐明脑得功能与机理;②保护大脑,即脑疾病得预防、治疗及延缓衰老;③进一步开发大脑;脑科学得研究主要有两大研究方向:①微观层次得研究,包括神经生物学、分子生物学与细胞生物学等学科;②宏观层次得研究,即通过大脑宏观层次得测量来分析大脑内部隐含得生理、病理信息。
目前,大脑宏观层次得测量主要就是脑电图与脑部成像两大类。
脑电图就是无创并低价得脑测量手段,无论就是在神经内科还就是在神经外科都获得了广泛得应用,几乎就是神经门诊得必做项目之一,同时它在脑得认知研究中也起着重要得作用。
5、结语由于生物医学信号来自于人体器官、组织及细胞,因此存在信号得多样性、复杂性及应用得特殊性等突出特点。
随着现代医学对定量诊断与精确治疗得要求越来越高,因此,生物医学信号处理得应用领域也越来越迅速扩展。
正因为生物医学信号得上述属性,因此吸引了众多学科得信号处理工作者到该领域来探索。
可以说生物医学信号处理领域充满了挑战性与创新机会,其给科研工作者带来了勇攀高峰得激情与期待。
参考文献[1]何琳,郭静玉,胡志刚、生物医学信号处理方法概述[J]、科技资讯,2012、[2]周杰、生物医学信号处理方法概述[J]、华章,2012、[3]许海青陈柱史婷奇、生物医学信号处理及应用[J]、浙江临床医学,2010、[4]张阳德,周以,李小莉、基于生物医学信号处理技术得医疗检测与诊断[J]、中国医学工程,2005、[5]王鸿雁、信息技术在生物医学工程中得应用[J]、赤峰学院院报,2010、[6] 许海青陈柱史婷奇、生物医学信号处理及应用[J]、浙江临床医学,2010、[7] 周杰、生物医学信号处理方法概述[J]、华章,2012、[8] 何琳,郭静玉,胡志刚、生物医学信号处理方法概述[J]、科技资讯,2012、[9]梁世盛,乔凤斌,张燕.基于ＦＰＧＡ得数字相敏检波算法实现[J]、自动化仪表,2013,34(11):13-16、５９生物医学工程学杂志第３３卷［Ｊ］.自动化仪表, ２０１３,３４(１１): １３－１６。