脉搏波蕴含着丰富的人体生理和病理信息, 历来都受到中外医学界的重视, 现已成为中西医共同的研究热 点。本文从目前较为主流的几种分析处理脉搏波信号的方法出发, 分析了每种方法对脉搏波信息提取和利用的 现状, 提出了应对脉搏波进行更为深入的研究, 从而为医学脉搏信号诊断系统的设计和脉诊的临床应用提供科 学的依据。
人体脉搏系统是心血管系统的重要组成部 分[1 ] , 它是人体输送养料、传递能量和传播各种生 理病理信息的重要途径。脉搏信息在中国传统医学 (中医) 和现代医学(西医) 中具有重要的临床诊断 价值, 人体任何一个脏器(或系统) 发生了病变或受 到了外界的侵袭, 都会直接或间接地影响到脉搏系 统, 不可避免地使血管特性、功能以及血液的质与 量等发生变化[2 ] , 而这些变化将以某些特征显现在 脉搏中。因此, 对人体脉搏系统和脉搏信息的定量 研究具有非常重要的应用价值。但在脉搏信号的检 测和采集时, 由于受仪器、人体等方面的影响, 所采 集的信号中常常伴随着各种不同的噪声和干扰, 所 以如何对脉搏波进行有效的处理, 从中实时提取诸 如幅度、形状变化等有用信息是实现精确脉搏识别诊断的关键[3 ]。本文总结目前脉搏信号分析处理的 多种方法, 实现对脉搏信息的多层次分析。通过提 取脉搏信号特征参数, 从而完成中医脉搏信号辅助 诊断系统的设计[4 ] , 为脉诊的临床诊断做好前期开 拓性的工作, 以推动医学仪器和医疗诊断的不断发 展[5 ]。
1 相关噪声检测在脉搏信号提取中 的应用
随机噪声的存在很大程度上会影响弱生理信 号的检测, 以脉搏波信号为例, 通常它只有毫伏量 级, 这样随机噪声的干扰就会使得脉搏波信号的形 态特征不易观察得到, 从而造成临床诊断出错[6 ]。 因此, 对脉搏波信号中随机噪声的消除就具有十分 重要的实际应用价值。利用相关检测技术与相干平 均法对实际的脉搏波信号进行相关检测[7 ] , 去除随机噪声, 并取得了较好的效果。
通常把脉搏波信号用以下公式 F (t) = s(t) + n (t) 式中: F (t) 为脉搏波信号; s(t) 为真实信号; n (t) 为 噪声信号。 相干平均法是指多次重复测定, 并记录每一次 的结果。 F i (t) = si (t) + ni (t) i = 0, …,m – 1 式中: i 为测量的序号; m 为测量的总次数。
F i (t) 的 特点是其中的真实信号部分si (t) 的一些特征往往 被噪声淹没, 考虑到si (t) 既然反映人体脉搏的某种 特征, 在测量的客观条件不变情况下每次si (t) 应保 持不变, 即s0 (t) = s1 (t) , …, sm – 1 (t) = s(t)。假设噪 声ni (t) 是零均值, 方差为 Ρ 2的平稳随机信号, 且对 每一次测量而言, 它们互不相关, 即 E [ni (t) nj (t) ] = 0 i ≠ j 若记脉搏信号的功率为P , 则F (t) 的信噪比为 SN R0 = P öΡ 2 现对 F (t) 的M 次样本起点对齐后相加并平 均, 则结果为 F (t) = 1 M ∑ M – 1 i= 0 F i (t) = 1 M ∑ M – 1 i= 0 si (t) + 1 M ∑ M – 1 i= 0 ni (t) = s(t) + 1 M ∑ M – 1 i= 0 ni (t) 可见经M 次平均后信号功率仍为P , 噪声的均值仍 为零, 但噪声方差为Ρ 2öM , 因此相加平均后的信噪 比为 SN R i = P ö(Ρ 2öM ) = M 3 P öΡ 2 = M 3 SN R0
结果表明, 信噪比提高了M 倍, 且平均次数越 多, 效果越多。波形的特征越来越清晰, 噪声消除效 果比较理想, 说明此方法是切实可行。但所需的累 加次数愈多, 需要的时间也愈长, 因此如何在保证 噪声去除的效果下尽量减少提取信号所需的累加 次数, 则有待于今后作进一步研究。
2 小波变换在脉搏提取中的应用
小波变换是近年发展起来良好的时频工具, 它 在低频部分具有较高的频率分辨率和较低的时间 分辨率, 在高频部分具有较高的时间分辨率和较低 的频率分辨率。利用小波变换提取脉搏信号的方法 一般分3 类[829 ] : 第1 类是阈值滤波法; 第 2 类是平 移不变量法; 第3 类是模极大值重构滤波。 阈值滤波法的主要原理[10211 ]是: 信号经小波变 换后, 噪声能量小于信号能量, 与之对应的小波系数也将小于信号对应的小波系数, 则可以将小于某 阈值的小波系数去除而实现去噪。一般来说, 噪声 处于高频段, 信号处于低频段, 则可利用小波变换 的多分辨特性, 将原始信号分解为不同频段下的信 号, 根据阈值滤波法去掉某些“细节”, 再用小波逆 变换恢复剩余的信号, 得到去除干扰的信号。处理 阈值的方法有硬阈值法和软阈值法。 平移不变量法[12 ]是对阈值法的改进。在强噪 声背景下, 当信号具有突变的不连续点或信噪比较 低时, 阈值法去噪会出现伪吉布斯现象, 即在不连 续点附近的信号会在应有信号电平上上下跳变。利 用平移不变量法去噪, 则可有效地抑制这种现象。 其方法是对含噪信号进行n 次循环平移, 对平移后 的信号再进行阈值法去噪处理, 最后对去噪结果进 行平均。
3 基于H ilbert-Huang 变换的脉搏 信号分析
H ilbert2H uang 变换 (HH T ) 是新发展起来的 信号分析方法, 己经广泛运用于非平稳信号处理。 为中医脉象客观、科学的研究和识别提供了新的技 术手段[15216 ]。其特点是: (l) 精确性。更好的过滤性 和更精确的数据分析能力。(2) 灵活性。处理线性、 非线性信号以及平稳、非平稳信号。(3) 正确性。保 留信号的内在性质。HH T 是一种新的具有自适应的时频分析方法, 它可根据信号的局部时变特征进 行自适应的时频分解, 克服了传统方法中用无意义 的谐波分量来表示非平稳、非线性信号的缺陷, 并 可得到极高的时频分辨率, 具有良好的时频聚集 性, 非常适合对非平稳、非线性信号进行分析。
4 高斯函数叠加法的算法流程
脉搏波包括丰富心血管系统的生理病理信息。 尤其与动脉阻力、血管弹性密切相关, 脉搏波明显 可看成几个波函数的叠加, 因此, 参照谱线拟合法 采用脉搏波曲线分离的拟合计算, 首先根据测量所 得的脉搏波波形, 选择适当的叠加函数的数学表达 式, 并调整峰值位置和峰线宽度、强度参数, 使计算 合成的脉搏波形状与测量所得的形状吻合, 判断这 类拟合计算效果的优劣, 有不同的评价准则, 作者 所采用的是最小二乘拟合运算的最优化[18 ] , 所研 究的主要问题是通过调整参数值使理论计算模型 与实际测量结果相符。高斯函数作为其函数相叠加 来逼近脉搏波效果较好[19 ] , 其一般形式 f (t) = (A ö{W 3 sp rt[Πö2 ]}) 3 exp (- 23 (t – tci) 2öW 2 ) (7) 式中: f (t) 为实测脉搏曲线; A 为高斯函数的面积; W 为半宽度; tci为峰值位置。用高斯函数对典型脉搏波进行非线性多元拟合逼近, 所选用最小卡方 值作为判别标准为 (ch) 2 = ∑ n i= 0 ∑ 3 1 f (k) (ti) – f (ti) 2 = m in (8) 式中: f (k) (ti) 为叠加曲线值; f (ti) 为实测脉搏曲线 ti 点的值; k 为叠加函数数目; n 为波形采样点数 目。
5 脉图K 值在脉搏波分析中的应用
由脉搏波的产生与传播机理可知, 随着血管阻 力和动脉弹性等生理变化, 脉搏波波形特征变化会 反映在脉搏波波形面积的变化上, 为了能用一个简 洁的特征量来描述上述变化, 北京工业大学罗志昌 教授提出了一个以脉图面积变化为基础的脉搏波 波形特征量K 值[20 ] , 其定义为 K = P m – P d P s – P d 其中: P m = 1 T∫ T 0 P (t) dt 为平均动脉压, 它等于一 个心动周期T 中, 脉搏压力P (t) 的平均值; P s, P d 分别为收缩压和舒张压。K 值的大小仅决定于脉 搏波的脉图面积, 它和收缩压P s 与舒张压P d 的绝 对值无关, 是一个无量纲值, 它相当于脉搏波压力 脉动分量的平均值 (P m – P d ) 在脉动分量最大值 (P s- P d ) 中所占的百分比。不同生理病理状态下 脉图波形和面积都会有很大变化, 这个变化可用K 值来表示。