生物醫(yī)學(xué)信號(hào)處理ppt課件-資料下載頁
2025-01-05 13:35本頁面
【正文】 得到迅速發(fā)展的新技術(shù) ， 受到人們的普遍關(guān)注 。 在對(duì)隨機(jī)過程的研究中 ， 由于我們不能得到一個(gè)隨機(jī)過程的完整描述 ， 只能得到它們有限次的有限長(zhǎng)的觀察值 ， 因此我們希望能用一個(gè)數(shù)學(xué)模型來模擬我們要研究的隨機(jī)過程 ， 使該模型的輸出等于或近似該過程 。 ? 我們用一個(gè)白噪聲 u(n)作為輸入去激勵(lì)一個(gè)系統(tǒng) h(n)， 得到輸出 x(n)， 如果滿足： 該系統(tǒng)稱為自回歸模型 （ AR模型 ） 或線性預(yù)測(cè)模型 ， 其物理意義是：模型現(xiàn)在的輸出 x(n)是由現(xiàn)在的輸入 u(n)和過去的 p個(gè)輸出的線性加權(quán)得到 。 只要我們能求出系數(shù) ， 即可確定模型參數(shù) 。 通過該模型 ， 可以完成很多有價(jià)值的研究工作 ， 例如 ， 可以估計(jì)信號(hào) x(n)的功率譜 、 進(jìn)行各種特征分析 、 判別分析等工作 。 )()()(1nuknxanxpkk ???? ??? 應(yīng)用 AR模型估計(jì)信號(hào)的功率譜 已知采樣信號(hào) x(n) 我們用一個(gè)白噪聲 u(n)作為輸入去激勵(lì)一個(gè)系統(tǒng) h(n)，使其能夠得到輸出 x(n)， 建立系統(tǒng)的 AR模型： 若可以求出模型的系數(shù) ak和常數(shù) δ2w， 則可用下式計(jì)算信號(hào)的功率譜： )()()(1nuknxanxpkk ???? ??2121)(?????pkkjkxxeaP?????以上我們簡(jiǎn)要介紹了生物醫(yī)學(xué)信號(hào)處理的幾種基本方法。當(dāng)然，信號(hào)處理的內(nèi)容非常豐富，例如多采樣率信號(hào)處理、非平穩(wěn)信號(hào)的時(shí)頻分布、同態(tài)濾波、自適應(yīng)濾波、小波變換、人工神經(jīng)網(wǎng)絡(luò)、混沌與分形等方法，在生物醫(yī)學(xué)信號(hào)處理領(lǐng)域得到了廣泛的應(yīng)用。 應(yīng)用實(shí)例 ? 心電信號(hào)的計(jì)算機(jī)分析 ? 心音信號(hào)的計(jì)算機(jī)分析 心電信號(hào)的計(jì)算機(jī)分析 分析步驟 ?心電數(shù)據(jù)采集： 500Hz采樣頻率 ?心電信號(hào)預(yù)處理：濾除干擾 （基線漂移、50Hz、 肌電 …… ） ?特征點(diǎn)檢測(cè)： P、 QRS、 ST、 T波 ?自動(dòng)診斷：心律失常分析與波形分類 ? QRS波形檢測(cè)算法： ? 經(jīng)典的 QRS波檢測(cè)算法包括三部分 ： ⑴ 線性濾波； ⑵ 非線性變換； ⑶ 決策規(guī)則。 線性濾波一般采用中心頻率在 10～ 25Hz之間帶寬為 5～ 10Hz的帶通濾波器，用于減除 ECG信號(hào)中的非 QRS波頻率成分，提高信噪比。 非線性變換的目的是將每個(gè) QRS波信號(hào)變換為單向正波峰。 決策規(guī)則一般用峰值檢測(cè)器或自適應(yīng)閾值檢測(cè)器來檢測(cè) QRS波。 ?由于心電信號(hào)是非平穩(wěn)隨機(jī)信號(hào)，利用經(jīng)典的 QRS波檢測(cè)算法往往受到以下兩個(gè)因素的制約： ⑴ QRS復(fù)合波的信號(hào)帶寬對(duì)于不同的病人乃至同一病人的不同心搏均有所不同。⑵ 各種噪聲與 QRS波的通帶相互交疊。 因此，人們一直致力于采用新的信號(hào)處理方法來分析 QRS波，常用的有人工神經(jīng)網(wǎng)絡(luò)算法和小波變換算法。 基于小波變換的 QRS波形檢測(cè)算法： 實(shí)時(shí)采集的心電信號(hào) x(n) 如下圖所示： ① 實(shí)時(shí)采集的心電信號(hào) x(n)通過上限截止頻率 15Hz的三階巴特沃茲低通濾波器，濾除高頻干擾，得 y1(n)； ② 采用高斯函數(shù)一階導(dǎo)數(shù)導(dǎo)出的小波，對(duì) y1(n)進(jìn)行尺度 S=22的小波變換，突出信號(hào)特征點(diǎn)，消除基線漂移，得 y2(n)； ③ 對(duì) y2(n)計(jì)算差分，取絕對(duì)值，并進(jìn)行三點(diǎn)平滑，得 y3(n)； ④ 對(duì) y3(n)再計(jì)算差分，取絕對(duì)值、平滑，得 y4(n)； ⑤ 對(duì) y3(n)與 y4(n)逐點(diǎn)求和，再平滑，得 y5(n)； ⑥ 進(jìn)行閾值檢測(cè)：取連續(xù)前 3秒內(nèi)的待檢測(cè)信號(hào) y5(n)的振幅 P（ 可自適應(yīng)調(diào)整），設(shè)檢測(cè)閾值 d1=， d2=，對(duì)超過 d1的信號(hào)再降低閾值以 d2作雙向檢測(cè)，大于 d2則賦值為 1，得 QRS模板信號(hào) y6(n)， 并記錄每個(gè)模板區(qū)內(nèi) y5(n)的峰值時(shí)刻和峰值； ⑦ 修正策略：對(duì)連續(xù)兩個(gè)模板縫隙在，對(duì)連續(xù)兩個(gè)模板峰值時(shí)刻 判斷，峰值低者認(rèn)為是誤差。 算法評(píng)價(jià)： 應(yīng)用該算法對(duì) MITBIH心律失常心電數(shù)據(jù)庫 48例典型心電數(shù)據(jù)的近 10萬個(gè)各種類型的 QRS波進(jìn)行檢測(cè) ， QRS波的平均檢測(cè)靈敏度 （ Q Se） 為 %， 真陽性率 (Q +P)為 %。 心音信號(hào)的計(jì)算機(jī)分析 ? 心音信號(hào)中包含了大量關(guān)于心臟、血管、瓣膜、血液等運(yùn)動(dòng)及狀態(tài)的信息，如果能從心音中獲取這些信息，對(duì)某些心血管疾病的早期診斷具有重要的意義。但由于受到以下限制，心音的臨床價(jià)值還未得到有效的發(fā)揮： ? （ 1）心音的生理及病理機(jī)制尚未完全明確 ? （ 2）缺乏定量的分析技術(shù) ? （ 3）聽診易受醫(yī)生主觀因素的影響 因此，對(duì)心音信號(hào)的計(jì)算機(jī)分析可以客觀的提取診斷信息，輔助臨床診斷。 心音信號(hào)分析的幾個(gè)方向： ?心音產(chǎn)生機(jī)制的研究 ?心音傳輸特性的研究 ?心臟瓣膜（人工瓣膜）的無創(chuàng)性檢查 ?心音微弱成分的研究 心音信號(hào)分析的幾種方法： ?時(shí)域分析：分段、能量、包絡(luò)等 ?頻域分析： FFT、 參數(shù)模型等 ?時(shí)頻分布分析： STFT、 AR譜陣、 Wigner分布、小波變換等 一例正常人的心音圖 一例室間隔缺損病人的心音圖 一例正常人的心音時(shí)頻分布圖 一例室間隔缺損病人的心音時(shí)頻分布圖
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1