康素成

(鹽城師范學(xué)院，江蘇 鹽城 224007)

0 引言

對患者病理檢測的重要方式之一為對患者脈搏信號的檢測，可反映出檢測對象心臟波動情況，以此可促進患者疾病診斷，在臨床診治中具有重要意義。

脈搏PRV信號變異性分析是臨床檢測的重要手段，傳統(tǒng)采用的檢測方式有小波分解濾波法、心電瞬時頻率(Heart Instantaneous Frequency，HIF)法、采用脈搏信號頻率檢波法等，這些方法運用具有一定的局限性，本文提出了局部均值分解方式，可有效表征PRV信號。局部均值分解(LMD)是一種新的自適應(yīng)時頻分析方法，在信號處理方面具有非線性、非平穩(wěn)信號的運用優(yōu)勢，被廣泛運用于機械振動、生物醫(yī)學(xué)等領(lǐng)域。

1 HRV脈搏信號變異性

脈率變異性可表征人體心臟波動周期變化，可反映 HRV 信號的變化，目前在臨床疾病檢測與診斷中應(yīng)用較為廣泛，能夠反映出人體體液調(diào)節(jié)系統(tǒng)運行情況，在心血管疾病檢測方面運用優(yōu)勢明顯。

脈沖信號的運行機理與心電信號機理有一定的相似性，主要通過心臟的周期波動而體現(xiàn)出機體病理變化，人體病理信息與生理信息可反映在脈搏周期波動之中。心臟波動周期變化為心率變異性(Heart Rate Variability，HRV)，脈搏周期變化率則為脈率變異性(PRV)信號，目前在臨床數(shù)據(jù)分析中越來越使用脈率變異性(PRV)信號進行機體疾病診斷與分析。如何對脈率變異性(PRV)信號進行采集與分析是當前研究的重要課題，本文提出了局部均值分解(LMD)的數(shù)值分析方法，目前在生物醫(yī)學(xué)、機械振動等領(lǐng)域中均運用較為廣泛，可有效處理非平穩(wěn)信號與非理性信號，結(jié)合閾值法進行脈搏數(shù)據(jù)分析[1]。

2 LMD局部均值分解方法

局部均值分解方法在脈搏信號變異性分析中運用優(yōu)勢明顯，運行中建立了反復(fù)迭代的方式，可從原始信號中將包絡(luò)信號、純調(diào)頻信號剝離，通過包絡(luò)信號、純調(diào)頻信號相乘而得到PF分量，由此而對多項數(shù)據(jù)進行反復(fù)處理，直至最終滿足分解的約束條件。通過迭代反復(fù)處理之后進行 Hilbert 譜分析得出各PF分量的瞬時頻率。可在三維平面中得出隨著時間的變化瞬時頻率在不同時間點的Hilbert 幅值譜。

運用LMD法進行脈搏PRV 信號分析，脈搏信號與周期信號較為類似，運用局部均值分解方法可有效分析脈搏信號，可將其分解為多個PF分量信號，并運用 Hilbert對不同PF分量進行變換處理，利用數(shù)據(jù)計算對應(yīng)的瞬時頻率信號。對不同PF分量進行譜分析，得出不同PF分量信號頻率范圍。結(jié)合不同信號的頻率范圍而計算出PF分量0.5～2 HzPRV 信號頻率范圍下所對應(yīng)的瞬時頻率曲線[2]。

3 基于局部均值分解的脈率變異性估計

3.1 時域提取PRV信號

運用局部均值分解進行脈搏PRV 信號的時域提取，主要的項目包括特征值檢測、信號預(yù)處理以及 PRV 信號估計。人體脈搏信號采集過程中可能受到多種因素的影響，體電位變化會導(dǎo)致肌電干擾，由于皮膚接觸滑動與受到呼吸因素的影響容易出現(xiàn)基線漂移現(xiàn)象，諧波與 50 Hz 交流電運行中可能出現(xiàn)工頻干擾，通過硬件設(shè)備中的信號收集系統(tǒng)處理難以有效摒除以上干擾，由此需要對信號進行預(yù)處理。信號濾波為本次研究中主要采用的預(yù)處理方式。結(jié)合脈搏信號噪音自身的特征，本次信號濾波運用 50 Hz 整系數(shù)陷波器實現(xiàn)，以此摒除信號可能出現(xiàn)的基線漂移與工頻干擾現(xiàn)象。針對肌電干擾本次研究使用整系數(shù)低通濾波器[3]。

對信號進行預(yù)處理之后，運用閾值法檢測脈搏信號的大小峰值，及其對應(yīng)的時間點。并對得到的數(shù)值進行人工檢測，由此提升數(shù)值檢測的準確性與有效性。

3.2 運用熵分析方法

運用局部均值分解進行脈搏PRV 信號提取，并運用短時脈率變異符號序列熵對得到的數(shù)據(jù)建立 PRV分析方式，以此判斷實時 PRV信號分析在脈搏分析中的實際應(yīng)用。

機體脈搏跳動具有自身的表現(xiàn)特征，周期表現(xiàn)不是絕對均勻，常見的變化方式主要有3種，可分別使用3種不同的符號來表示，脈搏信號的一種變化特征是瞬時脈率突然增大，第二個特征是脈搏跳動的間歇時間減少，同時瞬時脈率則隨之而增大，第三種表現(xiàn)特征是兩次不同脈搏跳動之間具有一定的時間間隔。這3種方式僅僅表示3種不同的狀態(tài)，三者沒有數(shù)值大小意義?？蓪γ}搏信號進行符號化處理，構(gòu)建向量序列進行分析，在不同的字長寬度下，連續(xù)變化可出現(xiàn)不同的表現(xiàn)模式，此時計算不同模式出現(xiàn)的概率，以此得出信息熵[4]。

得出的脈搏信息熵數(shù)值的大小體現(xiàn)了變化模式中出現(xiàn)的平均不規(guī)則現(xiàn)象與不規(guī)則的程度，對計算出的數(shù)值進行分析。熵值大小能夠反映出不同的變化模式體現(xiàn)出的平均不規(guī)則現(xiàn)象及其程度。若只出現(xiàn)一種模式，則此時信息熵值為0，數(shù)值最小。如果各個模式出現(xiàn)概率一致，則此時具有最大的信息熵值。

4 基于局部均值分解的脈率變異性估計實驗設(shè)計

本次實驗數(shù)據(jù)選擇一般健康人員與不抽煙的健康人員兩個群體，一般健康人員數(shù)據(jù)選自MIT-BIH Fantasia數(shù)據(jù)庫，包括20名年輕人與20名老年人群體，以仰臥休息狀態(tài)進行脈搏信號采樣，為了保證研究對象的清醒狀態(tài)，對研究對象播放影片。脈搏信號采樣時間120min，采樣頻率為250Hz。

不抽煙的健康群體選擇20—25歲的年輕人，脈搏數(shù)據(jù)采集時間4min，采樣頻率400Hz，運用脈搏信號實時采集系統(tǒng)進行數(shù)據(jù)采集與分析。脈搏信號采集系統(tǒng)的構(gòu)成部分包括硬件預(yù)處理電路、計算機及 LabVIEW 采集系統(tǒng)、光電脈搏傳感器、MP425采集卡等。

人體脈搏信號主要通過夾指式光電脈搏傳感器收集，可把生理信號轉(zhuǎn)變?yōu)殡娏餍盘?，以此便于后續(xù)信號分析。運用硬件預(yù)處理電路對收集到的信號進行I/U信號進行轉(zhuǎn)換，將上一個流程中得到的電流信號轉(zhuǎn)變?yōu)棣蘓-mV電壓信號，此時可對收集到的脈搏信號進行高通濾波與低通濾波的放大處理，以0～5 V的形式輸出。脈搏信號 A/D 轉(zhuǎn)換通過 MP425數(shù)據(jù)采集卡實現(xiàn)，并利用 USB 接口將研究得到的結(jié)果輸送至數(shù)據(jù)庫中[5]。運用LabVIEW 軟件進行相關(guān)數(shù)據(jù)采集與分析，以此對樣品脈搏數(shù)據(jù)進行實時采樣、預(yù)處理，并進行診斷分析。

5 結(jié)果及分析

5.1 頻域提取PIF信號

利用局部均值分解方法研究從脈信號頻域中進行IPR信號提取。針對得到的4 min 脈搏信號數(shù)據(jù)進行局部均值分解，原始脈搏信號在圖上方，中間為PF分量，最下方為分解殘余量(見圖1)。

將脈搏信號分解為1個殘余量、4個PF，PF1 與PF2之間具有大量的脈搏信號能量集中。對各 PF實行Hilbert變換，得出邊際譜、瞬時頻率，同時結(jié)合邊際譜數(shù)值計算PF分量信號中出現(xiàn)的各個頻率數(shù)值范圍。脈搏PRV信號主要的范圍區(qū)間在0.5～2 Hz，屬于PF2 分量，因此本文研究中瞬時頻率信號選取PF2，放大 60 倍之后即得到 IPR 信號。結(jié)合時域 PRV 信號的長度而對IPR 信號進行采樣，并將其時域提取的 PRV 信號進行同維度對比，根據(jù)研究結(jié)果可見，時域提取的 PRV 信號在對時域提取的 PRV 信號表征分析上能夠達到研究目的。

5.2 誤差數(shù)值計算

對脈搏IPR信號運用局部均值分解進行研究，研究得出的IPR 信號和時域提取 PRV 信號之間的數(shù)值差異，對兩組數(shù)據(jù)進行誤差值分析，可見誤差數(shù)值較小，均小于0.06，如表1所示。

表1 局部均值分解提取的脈搏IPR信號誤差數(shù)值

5.3 LMD局部均值分解算法的應(yīng)用

運用局部均值分解估計靜止狀態(tài)下脈搏PRV 信號，在視覺疲勞、睡眠、運動等狀態(tài)中運用LMD算法進行脈搏信號分析。睡眠狀態(tài)與人體靜止狀態(tài)下的脈搏信號類似。視覺疲勞狀態(tài)中的脈搏信號表現(xiàn)中可見潮波略高于主波。采用 LMD 法進行脈搏信號變異性分析，視覺疲勞、運動狀態(tài)下的脈搏信號PRV信號如圖2所示。

圖2 視覺疲勞、運動狀態(tài)下的脈搏信號PRV信號

可見運用局部均值分解能夠有效估算視覺疲勞脈搏PRV 信號，在人體運動狀態(tài)下，機體容易受到高頻信號與基線漂移信號的干擾，在時域中難以有效估算出脈搏PRV 信號，但是整體運用上能夠有效估算出運動狀態(tài)下脈搏 PRV 信號。選取 MIT-BIH Fantasia 數(shù)據(jù)庫中的年輕人與老年人進行局部均值分解提取與分析，結(jié)果可見年輕人與老年人局部均值分解差異顯著 (P<0.005)，可將局部均值分解運用于臨床分析中。

6 結(jié)語

本次研究基于局部均值分解的脈率變異性估計，通過研究可見，運用局部均值分解分析方法進行脈搏IPR信號分析能夠有效表征PRV信號，該種計算方法可有效計算不同狀態(tài)下的脈搏信號變異性，對研究樣本年齡、睡眠與疲勞狀態(tài)下的脈搏信號可以通過短時脈率變異符號序列熵進行分析，可以此促進臨床 PRV 信號檢測與分析，運用價值較大。