生物醫(yī)學信號相似性分析方法

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了生物醫(yī)學信號相似性分析方法范文，希望能給你帶來靈感和參考，敬請閱讀。

〔摘要〕隨著醫(yī)學技術不斷發(fā)展，生物醫(yī)學信號逐漸成為醫(yī)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(shù)窗口閾值和網(wǎng)格高度，利用相關公式進行計算，用斜率變化規(guī)律對比相似波形。

〔關鍵詞〕生物醫(yī)學信號;相似性;度量方法;窗口斜率法

生物醫(yī)學信號是由復雜的生命體發(fā)出的不穩(wěn)定的自然信號，可以反映出生物體所處的狀態(tài)及生命情況等，生物醫(yī)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(jù)信號的特征對生物體所處狀態(tài)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(jù)。

1生物體醫(yī)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(tài)的生物體反映出不同的信號特征，進而反映在波形圖上。醫(yī)師可以根據(jù)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(fā)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(yī)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(fā)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(fā)出的生物自然信號能夠隨時間的推移而發(fā)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(shù)據(jù)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(shù)據(jù)等?？梢钥闯鰰r序數(shù)據(jù)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(tài)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(yōu)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(shù)列的特征提取對降低計算量有很好的幫助，通過只保留數(shù)列的主要形態(tài)，去除次要形態(tài)和細枝末節(jié)，提高數(shù)據(jù)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(shù)列表示為多段線性的直線，從而減少實驗數(shù)據(jù)。這種線性分段算法的優(yōu)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(xiàn)形式，因此在分析中會面臨很多困難?；€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(tài)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(yī)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(shù)高、數(shù)據(jù)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(tǒng)，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(xiàn)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(yī)學信號具有隨機性，它的特征并不平穩(wěn)，隨著時間發(fā)生變化，這種變化為醫(yī)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(xù)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(xù)波形分為多個單段連續(xù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)進行再優(yōu)化，采用該方法雖然能保證較高的準確率，但優(yōu)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(jié)走勢變化，對波形進行分類研究。上文提到，特征提取優(yōu)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(qū)域進行網(wǎng)格劃分，網(wǎng)格的大小可由兩個參數(shù):閾值t和網(wǎng)格高度h決定。對橫坐標的劃分網(wǎng)格大小由閾值t確定，對縱坐標的劃分網(wǎng)格大小由網(wǎng)格高度h確定。兩個參數(shù)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(shù)進行劃分。在網(wǎng)格劃分中，首先設定兩個參數(shù)，窗口閾值為t，網(wǎng)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(shù)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(shù)t對于窗口內斜率的計算有著重要的影響，參數(shù)選擇過大，則無法起到精細分析的效果;參數(shù)選擇過小，會導致任務量增加，網(wǎng)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(shù)據(jù)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(wǎng)格劃分，對網(wǎng)格內的數(shù)據(jù)進行斜率計算，計算結果表現(xiàn)在坐標內，從而對相似的波形區(qū)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(guī)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(qū)分，但通過窗口斜率計算后，特征體現(xiàn)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(xiàn)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(jié)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(shù)，它很大程度影響計算的準確性。尋找最優(yōu)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(shù)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(yōu)閾值，分類結果也得不到最優(yōu)。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(shù)，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(shù)的方法與理論。

［參考文獻］

［1］劉海龍.生物醫(yī)學信號處理［M］.北京:化學工業(yè)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(tǒng)計性質與分類閾值［J］.天津科技大學學報，2008，23(4):85－88.

作者:劉彬 馬少華 閆廣宇 單位:安徽省太和縣人民醫(yī)院