一種顱內壓信號特徵峰識別方法
2023-04-24 08:35:01
專利名稱：一種顱內壓信號特徵峰識別方法
技術領域：
本發明涉及顱內壓自動檢測與分析技術領域，特別涉及一種基于波形特徵提取和模板匹配的顱內壓信號特徵峰識別方法。
背景技術：
顱內壓增高，可導致一系列的生理功能紊亂和病理改變，表現出頭痛噁心、嘔吐、 視乳頭水腫等典型表現，嚴重顱內壓增高還可並發肺水腫等併發症；亦可因腦疝形成壓迫或破壞下丘腦造成植物神經功能紊亂，並可在短時間內危及生命，是神經內外科疾病引起死亡的主要原因。在臨床檢測中，精確獲知患者顱內壓高低以及顱內壓變化趨勢，對於判斷病情、指導治療、搶救生命以及治癒後的複查判斷都是非常重要的。顱內壓均值是當前顱內壓臨床檢驗中被驗證和廣泛接受的指標，通過均值的高低判斷患者顱內壓的整體變化趨勢。然而，顱內壓信號是一種隨著心臟的搏動而波動的準周期逐拍信號，連續逐拍中每一節拍的起點代表著一次心臟搏動期間的顱內壓信號成分的到來，兩個連續節拍起點之間為一個完整的節拍信號，顱內壓信號中一個個連續的節拍信號還攜帶者除其均值以外的重要信息。顱內壓信號中伴隨有高頻率的節律性波動，每一節拍中由節律性波動導致的前3 個子波的峰值點被認為是三個特徵子波峰，或簡稱為特徵峰，分別記為第一特徵峰R1、第二特徵峰R2和第三特徵峰R3，如
圖1中顱內壓信號所示。在正常顱內壓信號中，第一特徵峰Rl通常是一個尖峰並有著較穩定的峰值，它被認為來源於動脈搏動壓；第二特徵峰R2 通常也是一個尖峰，隨顱內壓的變化其變異性較強；第三特徵峰R3為重搏切跡(dichotic notch)的重搏波(dichotic wave)的跟隨波峰，它被認為是由靜脈搏動壓造成。有研究指出，隨著腦生理病理的變化，特徵峰的布局會有明顯的改變。例如，第一特徵峰Rl與第二特徵峰R2的峰值比以預測顱內壓增高的程度，且第一特徵峰Rl與第二特徵峰R2的峰值點連線的斜率可以反應腦積液系統的順應性；對於腦外傷病人而言，隨其顱內壓的增高，第二特徵峰R2的變化幅度會明顯大於第一特徵峰R1，甚至導致第一特徵峰Rl的波峰形態因被 「淹沒」而消失；此外，增加的顱內壓波形上升斜率(slope)可能指示著顱內順應性的下降， 脈壓差(Pulse pressure)可能預示著腦脊液的波動等。目前，前沿的顱內壓病理研究中， 顱內壓信號每一節拍信號中的第一特徵峰R1、第二特徵峰R2和第三特徵峰R3還僅能依靠醫師的經驗進行人工識別，不但費時費力，並且由於不同臨床醫師的認知觀點不盡相同，識別標準參差不齊，導致識別效率低、準確性難以保證。
發明內容
針對現有技術存在的上述不足，本發明方法所解決的技術問題是提供一種採用計算機實現的顱內壓信號特徵峰識別方法，用以解決人工識別工作量大、效率低、準確性難以保證的技術問題。將該方法應用於具備計算機功能的顱內壓分析設備的特徵峰識別技術中，用以輔助取得顱內壓信號節拍中特徵峰的峰值、潛伏期和顱內壓波形上升斜率，有助於開展對顱內壓病理的進一步研究。為實現上述目的，本發明採用了如下的技術手段—種顱內壓信號特徵峰識別方法，其特徵在於，將顱內壓監護儀採集的顱內壓信號輸入計算機，由計算機進行低通濾波和採樣的預處理，然後採用計算機識別顱內壓信號中的特徵峰；採用計算機識別特徵峰的具體步驟包括A)構建模板資料庫；該步驟具體包括al)將特徵峰已知的顱內壓信號中一個節拍信號的採樣點數歸一化處理為K個， 作為一個模板信號；由此建立若干個波形互不相同的模板信號，確保該若干個模板信號中已知特徵峰包括有三個種類，即第一特徵峰、第二特徵峰和第三特徵峰，並分別標註特徵峰分類標識；a2)分別建立各個模板信號中每一已知特徵峰所在採樣點的對數極坐標分布模型，並以之構建模板資料庫；B)識別待測的顱內壓信號中的特徵峰；該步驟具體包括bl)對待測的顱內壓信號進行逐拍分割，將分割所得每個待測節拍信號的採樣點數歸一化處理為K個；b2)識別出待測的顱內壓信號經逐拍分割後得到的各個待測節拍信號中第i個待測節拍信號的特徵峰；該步驟的過程為通過下式計算得到第i個待測節拍信號基於其前後各D個待測節拍信號的均值信號
權利要求
1. 一種顱內壓信號特徵峰識別方法，其特徵在於，將顱內壓監護儀採集的顱內壓信號輸入計算機，由計算機進行低通濾波和採樣的預處理，然後採用計算機識別顱內壓信號中的特徵峰；採用計算機識別特徵峰的具體步驟包括A)構建模板資料庫；該步驟具體包括al)將特徵峰已知的顱內壓信號中一個節拍信號的採樣點數歸一化處理為K個，作為一個模板信號；由此建立若干個波形互不相同的模板信號，確保該若干個模板信號中已知特徵峰包括有三個種類，即第一特徵峰、第二特徵峰和第三特徵峰，並分別標註特徵峰分類標識；a2)分別建立各個模板信號中每一已知特徵峰所在採樣點的對數極坐標分布模型，並以之構建模板資料庫；B)識別待測的顱內壓信號中的特徵峰；該步驟具體包括bl)對待測的顱內壓信號進行逐拍分割，將分割所得每個待測節拍信號的採樣點數歸一化處理為K個；b2)識別出待測的顱內壓信號經逐拍分割後得到的各個待測節拍信號中第i個待測節拍信號的特徵峰；該步驟的過程為通過下式計算得到第i個待測節拍信號基於其前後各D個待測節拍信號的均值信號
2.根據權利要求1所述的顱內壓信號特徵峰識別方法，其特徵在於，所述K的取值範圍為 100 1000。
3.根據權利要求1所述的顱內壓信號特徵峰識別方法，其特徵在於，所述採樣點所在信號段，是指該採樣點及其前後各E個採樣點構成的信號段，E的取值範圍為3 8。
4.根據權利要求1 3中任一項所述的顱內壓信號特徵峰識別方法，其特徵在於，所述建立已知已知特徵峰所在採樣點或目標採樣點的對數極坐標分布模型的具體步驟如下(1)建立模型分布域，所述模型分布域是預設定對數極徑半徑、極角範圍為(-η， JI ]的對數極坐標域，並且其對數極徑半徑ξ _等分為M個極徑區間，極角範圍(_π，π] 等分為N個極角區間，從而構成模型分布域的MXN個分布區間；(2)將已知特徵峰或目標採樣點所在的節拍信號映射到直角坐標系中，按下式求取已知特徵峰所在採樣點或目標採樣點分別與其所在節拍信號中其它K-I個採樣點的差向量， 記為 Aa(k0- k)Aa(k0 —k) = (x0-xk, y0-yk)；其中，1 表示已知特徵峰所在採樣點或目標採樣點在其所在節拍信號中的採樣點序號，(xo; Y0)表示已知特徵峰所在採樣點或目標採樣點在直角坐標系中的向量坐標，Uk，yk) 表示已知特徵峰或目標採樣點所在節拍信號中第k個採樣點在直角坐標系中的向量坐標；由此得到已知特徵峰所在採樣點或目標採樣點分別與其所在節拍信號中其它K-I個採樣點的差向量集，記為 AA(k0-k) = {Aa(k0-k) k= 1,2,... ,K}；(3)對差向量集—k)中的差向量進行對數極坐標轉換，得到對應於已知特徵峰所在採樣點或目標採樣點的對數極坐標集Δ B (kQ — k) = {Ab(kQ —k)|k=l，2，...，K}； AMktl — k)表示差向量AaQici — k)對應的對數極坐標，即
5.根據權利要求4所述的顱內壓信號特徵峰識別方法，其特徵在於，所述步驟眾23> 中，第i個待測節拍信號的均值信號中各個目標採樣點的對數極坐標分布模型分別與模板資料庫中每一已知特徵峰所在採樣點的對數極坐標分布模型進行匹配運算的具體步驟如下[1]計算第i個待測節拍信號的均值信號中各個目標採樣點的對數極坐標分布模型分別與模板資料庫中各個第一特徵峰、各個第二特徵峰以及各個第三特徵峰所在採樣點的對數極坐標分布模型的卡方統計檢驗值；其中，第i個待測節拍信號的均值信號中一個目標採樣點的對數極坐標分布模型Fsei與模板資料庫中任一個第一特徵峰所在採樣點的對數極坐標分布模型I7ki的卡方統計檢驗值C[i^K1，Fsei]計算公式為
6.根據權利要求4所述的顱內壓信號特徵峰識別方法，其特徵在於，所述步驟眾25> 中，第i個待測節拍信號中各個目標採樣點的對數極坐標分布模型分別與模板資料庫中每一已知特徵峰所在採樣點的對數極坐標分布模型進行匹配運算的具體步驟如下[i]計算第i個待測節拍信號中各個目標採樣點的對數極坐標分布模型分別與模板資料庫中各個第一特徵峰、各個第二特徵峰以及各個第三特徵峰所在採樣點的對數極坐標分布模型的卡方統計檢驗值；其中，第i個待測節拍信號中一個目標採樣點的對數極坐標分布模型Fsi與模板資料庫中任一個第一特徵峰所在採樣點的對數極坐標分布模型!^1的卡方統計檢驗值C[i^K1，Fsi]計算公式為
全文摘要
本發明提供一種顱內壓信號特徵峰識別方法，該方法結合了顱內壓信號的波形輪廓進行綜合分析，採用對數極坐標分布模型，以點與點之間的差向量作為基礎特徵，該基礎特徵具有平移和旋轉不變性，能夠克服顱內壓信號的基線漂移的影響，對鄰近的波形形態特徵敏感，又能捕獲波形的全局輪廓信息，從而在整體提高了特徵峰識別的抗幹擾能力；並且，在識別過程中，先識別待測節拍信號的均值信號中的特徵峰，將之合併到模板資料庫中以提高識別準確度，並採用卡方統計檢驗作為匹配手段，利用了卡方統計檢驗具有很強魯棒性、準確度高的優點，提高了本發明方法整體的魯棒性能和識別準確度。本發明方法實現了計算機對顱內壓信號的特徵峰識別，具有廣闊的應用前景。
文檔編號A61B5/03GK102274016SQ201110191820
公開日2011年12月14日 申請日期2011年7月8日 優先權日2011年7月8日
發明者彭承琳, 楊力, 趙明璽 申請人:重慶大學