生物医学信号处理

生物医学信号处理生物医学信号简介•生物医学信号处理是生物医学工程学的一个重要研究领域，也是近年来迅速发展的数字信号处理技术的一个重要的应用方面•数字信号处理技术和生物医学工程的紧密结合，使我们在生物医学信号特征的检测、提取及临床应用上有了新的手段，因而也帮助我们加深了对人体自身的认识。生物医学信号简介•人体中每时每刻都存在着大量的生命信息。由于我们的身体整个生命过程中都在不断地实现着物理的、化学的及生物的变化，因此所产生的信息是极其复杂的。•我们可以把生命信号概括分为二大类：化学信息物理信息生物医学信号的简介•化学信息：指组成人体的有机物在发生变化时所给出的信息，它属于生物化学所研究的范畴。•物理信息：指人体各器官运动时所产生的信息。物理信息所表现出来的信号又可分为电信号和非电信号两大类。生物医学信号简介•人体电信号：–体表心电（ECG）信号、脑电（EEG）、肌电（EMG）、眼电（EOG）、胃电（EGG）等在临床上取得了不同程度的应用。–人体磁场信号检测近年来也引起了国内外研究者和临床的高度重视，我们把磁场信号也可归为人体电信号。生物医学信号简介•人体非电信号：–如体温、血压、心音、心输出量及肺潮气量等，通过相应的传感器，即可转变成电信号。•电信号是最便于检测、提取和处理的信号。•上述信号是由人体自发生产的，称为“主动性”信号。生物医学信号简介•“被动性”信号：人体在外界施加某种刺激或某种物质时所产生的信号。•如诱发响应信号，即是在刺激下所产生的电信号，在超声波及X射线作用下所产生的人体各部位的超声图象、X射线图象等也是一种被动信号。这些信号是我们进行临床诊断的重要工具。生物医学信号简介•我们所研究的生物医学信号即是上述的包括：–主动的–被动的–电的和非电的人体物理信息。生物医学信号的特点•1．信号弱•2．噪声强•3．频率范围一般较低•4．随机性强生物医学信号的特点•信号弱：直接从人体中检测到的生理电信号其幅值一般比较小。–如从母体腹部取到的胎儿心电信号仅为10～50μV，–脑干听觉诱发响应信号小于1μV，–自发脑电信号约5～150μV，–体表心电信号相对较大，最大可达5mV。•因此，在处理各种生理信号之前要配置各种高性能的放大器。生物医学信号的特点•噪声强:噪声指其它信号对所研究对象信号的干扰。•如电生理信号总是伴随着由于肢体动作、精神紧张等带来的干扰，而且常混有较强的工频干扰；•诱发脑电信号中总伴随较强的自发脑电；•从母腹取到的胎儿心电信号常被较强的母亲心电所淹没。这给信号的检测与处理带来了困难。•因此要求采用一系列有效去除噪声的算法。生物医学信号的特点•频率范围一般较低：经频谱分析可知，除声音信号（如心音）频谱成分较高外，其它电生理信号的频谱一般较低。如心电的频谱为0.01～35Hz，脑电的频谱分布在l～30Hz之间。•因此在信号的获取、放大、处理时要充分考虑对信号的频率响应特性。部分生物医学信号参数生物医学信号幅值频率/Hz心电10μV～4mV0.05～250脑电10～300μV0.5～100胃电0.01～1mV0～1肌电0.1～5mV5～2000心磁10-10T0.4～40脑磁10-12T交变动脉血压3.33～53.33kPa0～50生物医学信号的特点•随机性强：生物医学信号是随机信号，一般不能用确定的数学函数来描述•它的规律主要从大量统计结果中呈现出来，必须借助统计处理技术来检测、辨识随机信号和估计它的特征。•而且它往往是非平稳的，即信号的统计特征（如均值、方差等）随时间变化而改变。•这给生物医学信号的处理带来了困难。生物医学信号处理的主要任务•研究不同生物医学信号检测和提取的方法；•研究突出信号本身、抑制或除去噪声的各种算法；•研究对不同信号的特征的提取算法；•研究信号特征在临床上的应用。生物医学信号的检测处理方法概述•生物医学信号检测方法•生物医学信号处理方法•数字信号处理的特点生物医学信号检测•对生物体中包含的生命现象、状态、性质和成分等信息进行检测和量化的技术。•涉及到人机接口技术、低噪声和抗干扰技术、信号拾取、分析与处理技术等工程领域，也依赖于生命科学（如细胞生理、神经生理等）研究的进展。信号检测一般需要通过以下步骤：生物医学信号通过电极拾取或通过传感器转换成电信号，经放大器及预处理器进行信号放大和预处理，然后经A/D转换器进行采样，将模拟信号转变为数字信号，输入计算机，然后通过各种数字信号处理算法进行信号分析处理，得到有意义的结果。心电电极、心音传感器、导联线心电、心音信号放大器数据采集卡（A/D转换卡）生物医学信号检测系统生物医学传感器•获取生物医学信息并将其转换成易于测量和处理的信号的关键器件•应用电极可检测心电、脑电、肌电、眼电和神经电等各种生物电信号；•物理传感器已用于血压、血流、体温，心音、脉搏、呼吸等各种生理量的测量；生物医学传感器•应用化学传感器可检测血、尿等体液中多种离子浓度；•用于检测酶、抗原、抗体、神经递质、激素、受体、DNA和RNA等生物活性物质的生物传感器亦在研究及迅速发展之中；•心磁、脑磁等生物磁信号的检测方法的研究正在受到重视。生物医学信号处理方法时域方法——AEV方法•AEV方法原是通信研究中用于提高信噪比的一种叠加平均法,在医学研究中也叫平均诱发反应法,简称AEV(averagedevokedresponse)方法。•所谓诱发反应就是肌体对某个外加刺激所产生的反应,AEV方法常用来检测那些微弱的生物医学信号,如希氏束电图、脑电图、耳蜗电图等。希氏束电图的信号幅度仅1~10μV,它们在用AEV方法检测之前,几乎或完全淹没在很强的噪声中,这些噪声包括自发反应、外界干扰、仪器噪声。AEV方法要求噪声是随机的,并且其协方差为零,信号是周期或重复产生的,这样经过N平方次叠加,信噪比可提高N倍,使用AEV方法的关键是寻找叠加的时间基准点。频域滤波方法•频域滤波是数字滤波中常用的一种方法,是消除生物医学信号中噪声的另一种有效方法。当信号频谱与噪声频谱很小时,可用频域滤波的方法来消除干扰,频域滤波器可分为两类:FIR滤波器,FIR滤波器的设计方法主要有:窗函数法,频率采样法;IIR滤波器,IIR滤波器的主要设计方法有:冲激响应不变法,双线性变换法。小波分析方法•小波分析是传统傅里叶变换的继承和发展。由于小波的多分辨分析(Multi-resolutionAnalysis)具有良好的空间域和频率域局部化特性,对高频采用逐渐精细的时域或空域取样步长,可以聚焦到分析对象的任意细节,从这个意义上讲,它已被人们誉为数学显微镜。目前,在心电数据的压缩、生物医学信号的信噪分离、QRS波的综合检测、脑电图EEG的时频分析、信号的提取与奇异性检测等方面有了广泛的应用。自适应滤波方法•自适应滤波器能够跟踪和适应系统或环境的动态变化,它不需要事先知道信号或噪声的特性,通过采用期望值和负反馈值进行综合判断的方法来改变滤波器的参数。自适应滤波器的设计有两种最优准则,一种准则是使滤波器的输出达到最大的信噪比,称为匹配滤波器;另一种准则是使滤波器的输出均方估计误差为最小,这就是维纳(Wiener)滤波器。混沌(Chaos)和分形(Fractal)方法•混沌和分形理论是一种非线性动力学课题,混沌系统的最大特点是初值敏感性和参数敏感性,即所谓的蝴蝶效应。混沌学研究的是无序中的有序,许多现象即使遵循严格的确定性规则,但大体上仍是无法预测的,比如大气中的湍流、人心脏的跳动等。混沌事件在不同的时间标度下表现出相似的变化模式,与分形在空间标度下表现十分相象,但混沌主要讨论非线性动力系统的不稳、发散的过程。混沌与分形在脑电信号处理的应用中尤为引人注目。人工神经网络分析方法•人工神经网络是一种模仿生物神经元结构和神经信息传递机理的信号处理方法,是由大量简单的基本单元(神经元)相互广泛联接构成的自适应非线性动态系统,其特点是：（1）并行计算,因此处理速度快;（2）分布式存贮,因此容错能力较好;（3）自适应学习。生物医学工程工作者采用神经网络的方法来解释许多复杂的生理现象,例如心电和脑电的识别,心电信号的压缩和医学图像的识别和处理。神经网络在微弱生理电信号的检测和处理应用主要集中在对自发脑电EEG的分析和脑干听觉诱发电位的提取。数字信号处理的特点•自1960年以来，随着计算机技术和现代信息技术的飞速发展，产生了一门新的独立学科体系：数字信号处理（DigitalSignalProcessing,DSP）。•数字信号处理是利用计算机或专用处理芯片，以数值计算的方法对信号进行采集、分析、变换、识别等加工处理，从而达到提取信息和便于应用的目的。数字信号处理的特点•算法灵活•运算精确•抗干扰性强•速度快•此外，数字系统还具有设备尺寸小，造价低，便于大规模集成，便于实现多维信号处理等突出优点。生物医学信号处理应用实例用数字滤波器同时消除心电信号中工频干扰和基线漂移心电信号中的干扰噪声：（1）工频干扰（2）电极接触噪声（3）运动伪迹（4）呼吸引起的基线漂移心电信号生物医学信号处理应用实例工频干扰的抑制（一）平滑滤波要求心电信号满足满足以下两个条件：1、采样频率fs应是工频干扰的整数倍2、一个工频干扰周期T内,工频干扰采样点的幅值的代数和为零（2）Levkov（列夫科夫）滤波法及其改进Levkov滤波方法的原理是从原始心电信号中直接减去在该线性段中确定的干扰信号的幅值。它要求原始电信号满足三个条件：前两个和平滑滤波的条件相同，还要再加上：在一个线性段中，要求滤波后相邻的心电信号采样点的差值相等，而在非线性段不满足该条件。（二）基线漂移的纠正发生基线漂移的原因有电极电阻的变化、电极的极化电位变化、心电放大器的直流偏置漂移、人体呼吸或其他肌肉缓慢运动等。分段三次函数纠正法：谢谢观赏