生物医学信号处理.doc

1.生物医学简述
1.1生物医学信号概述
生物医学信号是人体生命信息的体现，是了解探索生命现象的一个途径。因此，深入进行生物医学信号检测与处理理论与方法的研究对于认识生命运动的规律、探索疾病预防与治疗的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的意义。国内外对于生物医学信号检测处理理论与方法的研究都给予极大的重视。人体给出的信号非常丰富，每一种信号都携带着对应的一个或几个器官的生理病理信息。由于人体结构的复杂性，因此可以从人体的不同的“层次”得到各类信号，如器官的层次、系统的层次以及细胞的层次,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生物医学信号的特点
生物医学信号属于强噪声背景下的低频微弱信号，它是由复杂的生命体发出的不稳定的自然信号，从信号本身特征、检测方式到处理技术，都不同于一般的信号。
⑴信号弱，如心电信号在mV级，脑电信号在µV级，而诱发电位信号的幅度更小。
⑵噪声强，人体是电的导体，易感应出工频噪声；其次是信号记录时受试者移动所产生的肌电噪声，由此引起电极移动所产生的信号基线漂移。另外，凡是记录中所含有的不需要成分都是噪声，如记录胎儿心电时混入的母亲的心电。
⑶随机性强且一般是非平稳信号，由于生物医学信号要受到生理和心理的影响，因此属于随机信号。
⑷非线性，非线性信号源于非线性系统的输出，人体体表采集到的电生理信号都是细胞膜电位通过人体系统后在体表叠加的结果，因此这些信号严格地说都是非线性信号，但目前都是把他们当作线性信号来处理[2]。
2.生物医学信号的检测
生物医学信号检测是对生物体中包含地生命现象、状态、性质和成分等信息进行检测和量化地技术，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。绝大部分生物医学信号都是信噪比很低地微弱信号，且一般都是伴随着噪声和干扰地信号,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，生物体内的信息丰富，生物信号检测技术十分重要。生物信号的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和预处理；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，得到有意义的结果[3]。

图1 生物医学信号检测流程
生物医学的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处于拘束状态下的生物体检测、处于自然状态下的生物体检测；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.生物医学信号的处理
生物医学信号处理是研究被干扰和噪声淹没的信号中提取有用的生物医学信息的特征并作模式分类的方法。生物医学信号处理的目的是要区分正常信号与异常信号，在此基础上诊断疾病的存在。近年来对生物医学信号的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，被认为是近年来在工具及方法上地重大突破。所谓地小波变换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和频域局部化信息;多分辨率，即多尺度的特点，可以由粗到细逐步观察信号；带通滤波的特点，可以根据中心频率的变化调节带宽，中心频率的高低与带宽成反向变化，可以观测出信号的低频缓变部分和高频突变部分[6]。这种变焦特性决定了它对非平稳信号处理的特殊功能。在生物医学工程中的信号处理，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不相重叠时，或虽有重叠，但信号在重叠部分的能量很小时，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的频响特性，较之能更接近理想滤波器对数字滤波器的要求时相频线性，通带平坦，过度带窄[7]。
⑶生物医学信号的混沌测量。传统的测量技术以线性方法为主，强调的是平稳、平衡和均匀性。而非线性系统是在不稳定、非平衡的状态中提取信息、处理信息，从而显示它特有的优点。混沌用于测量可以说是一种尝试，也许人们很难想象一个极不稳定的混沌系统，其检测灵敏度却明显超出目前的科技水平，这是一个全新的测量概念，是很有发展前途的领域。该方法的最大的特点是初值敏感性和参数敏感性，即蝴蝶效应。其基本的思路就是把蝴蝶效应倒过来应用，将敏感元件作为混沌电路的一部分，其敏感参数随待测量变化而变化，并使系统的混沌轨道变化，测出混沌轨道的变化就可得到待测量。
⑷人工神经网络(ANN),人工神经网络是指由大量简单元件广泛相互连接而成的复杂网络系统。神经网络有很多具体模型，其共同的基本特征是以大规模并行处理为主，采用分布式存储具有较强的容错性和联想功能，强调自适应过程和学习训练过程[8]。人工神经网络的最新发展使其成为信号处理的强有力工具，对于那些用其他信号处理技术无法解决的问题，人工神经网络的应用开辟了新的领域，许多ANN的算法和它们的应用已广泛的在自然科学的各个领域被应用。这些网络模型中，多层感知器被认为是最有用的学习模型，广泛应用于脑电信号、心电信号的处理中。由于神经网络可以把专家知识和先验知识结合进一个数学框架来完成特征提取和分类识别等功能，而不需要任何对数据和噪声的先验统计假设，也不需要把专家知识和经验归纳成严密清晰的条文，所以最适应用于研究和分析生物医学信号。
4.生物医学信号处理的应用及发展前景
生物医学信号至今已在临床和生命学科的研究中获得了广泛的应用，而基于生物医学信号处理、医学成像系统和计算机的医疗仪器已成为现代医院的重要组成部分。随着科学技术的发展，现代医学已由过去的定性诊断逐渐转变为强调定量诊断。而定量诊断的依据即是病人的生理信号、医学图像和生化指标等。

4.1心电信号的应用
心电信号中最重要的特征是R波、P波、T波的位置、幅度和形态，此外还有S-T段的形态、Q波、S波、QRS宽度、U波、心室晚电位及T波交替等。心电R波检测是所有其他心电特征检测和自动诊断的基础，其检测的精度直接影响到仪器的性能，检测精度至少在99%以上。R波自动检测已有近40年的历史，从早期的差分域值法、模板匹配法、积分法、滤波器法，发展到20世纪90年代，基于小波变换的算法逐渐成为主流。至今新的R波检测算法仍然在不断的被提出，例如将R波检测和心电数据压缩相结合的算法，目的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的功耗，算法对R波的检测精度达到了99.64%。由于P、S、T等波形的幅度远低于P波，且形态多变，因此，用于对它们的检测非常困难。完成了P、Q、R、S和T等波形的检测，即可算出R-R间隔，从而得到瞬时心率以及PR间隙、QRS宽度、P-T间隙以及S-T段形态等参数。这些参数总的又可分为两类：①心电形态学的信息②心电节律的信息，它们时心电图临床诊断的重要依据。根据检测出的参数、心脏疾病的原理和医生的临床经验，建立起各种心律异常的数学模型，从而对心电信号作出判别，决定是否异常，若异常时属于哪一种异常。这一工作即是心电的自动诊断，它也是信号处理的应用。
4.2脑电信号的应用
人类大脑无疑是自然界中最精密也是最复杂的巨系统。开展脑科学研究的目的：①阐明脑的功能和机理；②保护大脑，即脑疾病的预防、治疗及延缓衰老；③进一步开发大脑；脑科学的研究主要有两大研究方向：①微观层次的研究，包括神经生物学、分子生物学和细胞生物学等学科；②宏观层次的研究，即通过大脑宏观层次的测量来分析大脑内部隐含的生理、病理信息。目前，大脑宏观层次的测量主要是脑电图和脑部成像两大类。脑电图是无创并低价的脑测量手段，无论是在神经内科还是在神经外科都获得了广泛的应用，几乎是神经门诊的必做项目之一，同时它在脑的认知研究中也起着重要的作用。
5.结语
由于生物医学信号来自于人体器官、组织及细胞，因此存在信号的多样性、复杂性及应用的特殊性等突出特点。随着现代医学对定量诊断和精确治疗的要求越来越高，因此，生物医学信号处理的应用领域也越来越迅速扩展。正因为生物医学信号的上述属性，因此吸引了众多学科的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和创新机会，其给科研工作者带来了勇攀高峰的激情和期待。
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的医疗检测与诊断[J].中国医学工程，2005.
[5]王鸿雁.信息技术在生物医学工程中的应用[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的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