《基于多通道柔性融合的生理信号检测系统.pdf》由会员分享，可在线阅读，更多相关《基于多通道柔性融合的生理信号检测系统.pdf（14页珍藏版）》请在专利查询网上搜索。
1、(19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 (45)授权公告日 (21)申请号 201510873447.4 (22)申请日 2015.12.03 (65)同一申请的已公布的文献号 申请公布号 CN 105395185 A (43)申请公布日 2016.03.16 (73)专利权人 中国人民解放军重庆通信学院 地址 400035 重庆市沙坪坝区林园甲一号 (72)发明人 李国军 周晓娜 叶昌荣 胡勇智 胡名辉 包杨 强生泽 宋传座 (74)专利代理机构 重庆为信知识产权代理事务 所(普通合伙) 50216 代理人 陈千 (51)Int.Cl. A61B 5/04。
2、(2006.01) A61B 5/0402(2006.01) A61B 5/0476(2006.01) A61B 5/0488(2006.01) (56)对比文件 CN 103584872 A,2014.02.19, CN 104462867 A,2015.03.25, CN 1304114 A,2001.07.18, CN 101779986 A,2010.07.21, CN 102176222 A,2011.09.07, CN 103584872 A,2014.02.19, 周涛， 等.多模态医学影像融合识别技术研 究进展. 生物医学工程学杂志 .2013,第30卷 (第5期), 李埃荣.。
3、基于多传感器数据融合的驾驶状态 监控研究. CNKI中国知网 .2007,45-57. 审查员 张玲玲 (54)发明名称 基于多通道柔性融合的生理信号检测系统 (57)摘要 本发明提供了一种基于多通道柔性融合的 生理信号检测系统， 其特征在于， 包括n条生理信 号检测通道， 每一条生理信号检测通道均设置有 单通道特征提取模块， 在每个单通道特征提取模 块的输出端连接有软判决证据生成模块， n个通 道的软判决证据生成模块均连接至多通道信息 融合模块中， 在多通道信息融合模块的输出端连 接有诊断决策模块。 其效果是： 解决了多通道二 元检测存在的冲突性信息融合问题， 实现了微弱 电生理特征信号的鲁。
4、棒检测， 在特征提取过程 中， 完整保留通道生理意义， 符合医生判读习惯， 临床上长期总结的经验阀值可在软判决过程中 正常使用， 对微弱电生理信号的多通道检测具有 很强的通用性。 权利要求书2页 说明书8页 附图3页 CN 105395185 B 2018.07.10 CN 105395185 B 1.一种基于多通道柔性融合的生理信号检测系统， 其特征在于， 包括n条生理信号检测 通道， n为大于或等于2的正整数， 每一条生理信号检测通道均设置有单通道特征提取模块， 所述单通道特征提取模块用于实现每个通道生理信号的预处理和特征提取， 在每个单通道 特征提取模块的输出端连接有软判决证据生成模块，。
5、 所述软判决证据生成模块按照H0、 H1、 H2三个基本命题进行可信度分配， 从而得到每个通道的证据， 其中H0为预设特征信号确定不 存在； H1为预设特征信号确定存在， H2为预设特征信号不确定存在/不存在； n个通道的软判 决证据生成模块均连接至多通道信息融合模块中， 所述多通道信息融合模块采用不确定信 息柔性融合方法将多个通道的证据融合成一个证据， 在所述多通道信息融合模块的输出端 连接有诊断决策模块， 该诊断决策模块根据所述多通道信息融合模块输出证据的信值分布 得到最终的诊断决策； 针对第i条通道中的软判决证据生成模块而言， 按照下式进行可信度分配： 其中， 0为经验阀值， s表示特征。
6、提取后获取的该通道阀值， k1、 k2为正常数， 且k1k2， mi(H0)、 mi(H1)、 mi(H2)依次为第i条通道所得证据对应的H0、 H1、 H2三个基本命题的可信度； 所述多通道信息融合模块按照以下原则进行信息融合： 其中， PPCR5(H0)、 PPCR5(H1)、 PPCR5(H2)分别为n条生理信号检测通道所得证据信息融合后 对应的H0、 H1、 H2三个基本命题的可信度。 2.根据权利要求1所述的基于多通道柔性融合的生理信号检测系统， 其特征在于， 所述 权 利 要 求 书 1/2 页 2 CN 105395185 B 2 n条生理信号检测通道为脑电信号检测通道、 心电信。
7、号检测通道或肌电信号检测通道。 3.根据权利要求1所述的基于多通道柔性融合的生理信号检测系统， 其特征在于， 所述 诊断决策模块根据PPCR5(H0)与PPCR5(H1)的值生成诊断决策， 当PPCR5(H0)PPCR5(H1)， 认定为预 设特征信号不存在， 反之， 则认定为预设特征信号存在。 权 利 要 求 书 2/2 页 3 CN 105395185 B 3 基于多通道柔性融合的生理信号检测系统 技术领域 0001 本发明涉及生物医电技术， 具体涉及一种基于多通道柔性融合的生理信号检测系 统。 背景技术 0002 在远程医疗、 生命体征监控等领域， 检测分析脑电、 心电、 肌电等电生理特。
8、征信号 是实现健康监护、 预警及诊疗的基础技术。 由于人体这类电生理特征信号通常十分微弱， 易 受多种噪声干扰， 加之信号自身的非平稳性等原因， 利用多条通道采集的数据进行空间冗 余检测是电生理信号处理领域的通行做法。 例如， 临床12导联心电图检查产生8个独立采集 通道， 头皮脑电信号检测采用8*8电极阵列(64通道)， 心房心外膜标测采用128通道等等。 由 于心电、 脑电等电生理信号的空间分布特性， 采集电极通常配置于身体某些固定部位， 因此 采集通道具有特定的生理意义。 通过长期的临床实践， 医生通常在单一通道(即身体某个部 位)上获得某些生理特征信号检测的判决阀值(例如心性猝死预警的。
9、T波交替信号、 恶性室 性心律失常相关的心室晚电位等)。 0003 从检测过程看， 这类特征信号的检测实质上属于二元随机信号状态的统计检测问 题。 如图1所示， 常规的融合检测过程是首先从单通道数据中提取某种特征信号， 为了避免 通道间冲突性检测结果的融合问题， 直接选取特征信号强度最大的通道代表多通道融合结 果， 再通过临床经验阀值判别， 进而实现多通道组合检测。 这种选取多个通道检测结果的最 大值作为融合结果的方法， 实质上是一种多通道相或的融合方法， 可以看作是一种简单的 决策级融合检测方法。 尽管在单通道上进行特征提取， 符合医生的诊疗习惯， 保留了通道的 生理意义， 但通道数据利用率。
10、低， 检测结果鲁棒性差。 如图2所示， 也有学者改进了多通道融 合方法以充分利用电生理信号的空间特性， 采用主元分析、 周期元分析等矩阵分解法提取 特征信号， 再进行二元假设检验。 这种基于矩阵分解的融合检测方法， 在数据级上进行集中 式融合， 避免了通道间冲突性检测结果的融合问题， 但丢失通道本身的生理意义， 不符合临 床医生从通道角度对相关病症进行分析判断的诊疗习惯。 另一方面， 如图3所示， 上述融合 检测方法， 采用固定的经验阀值进行硬判决， 只能给出存在与否的二值结果， 不能表征 “检 测结果不确定” 的情形， 这实质上也属于人的主观理解和判断结果之一。 发明内容 0004 针对上述。
11、多通道相或式融合方法不能处理冲突性检测结果的融合、 数据利用率 低， 矩阵分解融合方法丢失通道生理意义的问题， 本发明提出一种基于多通道柔性融合的 生理信号检测系统， 该系统首先根据临床上符合医生诊断习惯的检测方法在单一通道上提 取特征信号， 通过软判决获取通道检测证据， 在不确定信息融合理论框架下柔性融合多通 道证据， 解决多通道二元检测存在的冲突性信息融合问题， 实现微弱电生理特征信号的鲁 棒检测， 该系统在特征提取过程中， 完整保留通道生理意义， 符合医生判读习惯， 临床上长 期总结的经验阀值可在软判决过程中正常使用， 并且各种现有的单一通道判定方法既可单 说 明 书 1/8 页 4 C。
12、N 105395185 B 4 独使用， 也可同时使用， 对微弱电生理信号的多通道检测具有很强的通用性。 0005 为达到上述目的， 本发明所采用的具体技术方案如下： 0006 一种基于多通道柔性融合的生理信号检测系统， 其关键在于， 包括n条生理信号检 测通道， n为大于或等于2的正整数， 每一条生理信号检测通道均设置有单通道特征提取模 块， 所述单通道特征提取模块用于实现每个通道生理信号的预处理和特征提取， 在每个单 通道特征提取模块的输出端连接有软判决证据生成模块， 所述软判决证据生成模块按照 H0、 H1、 H2三个基本命题进行可信度分配， 从而得到每个通道的证据， 其中H0为预设特征。
13、信号 确定不存在； H1为预设特征信号确定存在， H2为预设特征信号不确定存在/不存在； n个通道 的软判决证据生成模块均连接至多通道信息融合模块中， 所述多通道信息融合模块采用不 确定信息柔性融合方法将多个通道的证据融合成一个证据， 在所述多通道信息融合模块的 输出端连接有诊断决策模块， 该诊断决策模块根据所述多通道信息融合模块输出证据的信 值分布得到最终的诊断决策。 0007 基于上述设计， 本发明从决策级信息融合角度， 不改变符合医生习惯的单一通道 判定方法， 属于分布式融合检测系统， 各个通道可以采用现有的各种单通道特征提取方法， 通过经验阈值方法进行软判决获取通道证据， 然后将各通道。
14、证据传送给融合中心， 融合中 心进行多通道证据融合， 根据融合结果形成全局判决结果， 由于不同通道之间噪声水平存 在差异， 并且特征信号自身在不同通道上能量也存在差异， 这导致软判决生成的通道证据 可能不相容， 甚至完全冲突。 这就需要一种柔性融合方法， 解决冲突性证据融合问题， 这种 在决策级完成的分布式融合方法， 充分利用电生理信号的空间分布特征， 同时完整保留通 道的生理意义。 0008 根据不同的应用， 所述n条生理信号检测通道为脑电信号检测通道、 心电信号检测 通道或肌电信号检测通道。 0009 为了实现上述系统决策级融合检测， 首先需要从单通道中提取信号特征， 从而生 成通道证据，。
15、 由于通道间噪声水平差异以及电生理信号的动态变化等因素， 通道间的检测 结果， 时常相互矛盾， 这就需要采用一种相悖信息柔性融合方法。 冲突性数据间的融合决策 一直是现代信息处理领域面临的难题， Dezert和Smarandache等学者在经典DS证据理论 (Dempster-Shafer evidential theory)基础上， 提出了一种有效的证据冲突组合理论 Dezert-Smarandache Theory(简称DSmT)， 近年来受到很大关注。 与D-S证据理论相比， DSmT 理论可以很好地解决证据矛盾时的证据组合问题。 该理论将不同来源、 不同格式、 相互间可 能存在冲突的数。
16、据统一表述为证据， 通过冲突再分配的方法， 最大限度利用冲突信息， 进而 实现合理的融合决策。 基于此， 本系统在DSmT理论框架下， 将其应用于多通道微弱电生理特 征信号柔性融合检测系统中， 有效解决通道间冲突性检测结果的有效融合问题。 0010 就微弱电生理信号检测而言， 证据构造的数据来源可能具有不同的分辨率及信噪 比等， 甚至在某些情况下， 证据可能会针对同一过程而具有不同的数据来源(比如心电信 号、 心动信号、 心音信号等)。 这些不同格式的数据由于受到复杂环境和噪声的影响， 可能会 具有不同的结论甚至会参数冲突， 为了能够实现这些数据间的融合， 需要对这些原始的单 通道数据进行描述。
17、和格式上的统一， 使这些证据能够参与DSmT融合与冲突的再分配过程。 0011 因此， 作为进一步描述， 本系统针对第i条通道中的软判决证据生成模块而言， 按 照下式进行可信度分配： 说 明 书 2/8 页 5 CN 105395185 B 5 0012 0013 其中， 0为经验阀值， s表示特征提取后获取的该通道阀值， k1、 k2为正常数， 且k1 k2， mi(H0)、 mi(H1)、 mi(H2)依次为第i条通道所得证据对应的H0、 H1、 H2三个基本命题的可信 度。 0014 采用软判决构造证据， 是多通道柔性融合检测的前提条件， 传统的电生理特征信 号检测过程中， 医生往往根据。
18、临床统计阀值进行二元判决， 不能描述病症在某个通道上可 能存在的不确定的情形， 为此， 本发明采用软判决思想， 利用经验阀值， 将观测空间划分四 个部分， 即确定存在、 不确定存在、 不确定不存在以及确定不存在， 有效解决了二元判决所 引起的参数冲突。 0015 DSmT的另一个重点是冲突信质的重分配， 针对不同的冲突环境， 可以采用不同的 冲突重分配准则(Proportional Conflict Redistribution Rule)， 其中PCR5是该领域提 出的最有效、 合理的冲突再分配原则之一。 0016 因此， 为了实现最有效、 合理的冲突再分配， 所述多通道信息融合模块按照以下。
19、原 则进行信息融合： 0017 0018 0019 0020 其中， PPCR5(H0)、 PPCR5(H1)、 PPCR5(H2)分别为n条生理信号检测通道所得证据信息融 合后对应的H0、 H1、 H2三个基本命题的可信度。 0021 该系统采用基于DSmT的融合方法并未将冲突部分丢弃(即没有采用归一化方法)， 而是通过一定比例再分配的方式将冲突信质分配到参与冲突的各个命题当中， 使得融合过 说 明 书 3/8 页 6 CN 105395185 B 6 程对输入信息的利用率更高， 融合结果更为鲁棒、 可靠。 0022 针对融合后的证据， 需要对其进行决策判断， 以获得最终结论。 传统的DSm。
20、T的决策 包括DSmP， BetP等方式。 然而对于本发明研究的电生理信号检测问题来说， 由于其识别框架 相对简单， 因此直接对比m(H0)和m(H1)的取值即可获得最终的判决结果， 即PPCR5(H0)和PPCR5 (H1)， 而PPCR5(H2)则作为参考指标， 指示了数据的利用程度及其可靠性。 当PPCR5(H2)小于50 时， 认为最终决策由大部分数据支持， 是较为可靠的结论， 当PPCR5(H2)大于50时， 虽然仍然 可以得出最终结论， 但由于最终个结论由小部分数据得出， 因此这种情况往往被认为结论 在可靠性上存疑， 即根据本次采集数据尚不能进行有效诊断。 0023 因此， 本系统。
21、所述诊断决策模块根据PPCR5(H0)与PPCR5(H1)的值生成诊断决策， 当 PPCR5(H0)PPCR5(H1)， 认定为预设特征信号不存在， 反之， 则认定为预设特征信号存在。 0024 与现有技术相比， 本发明的显著效果是： 0025 本发明基于多通道柔性融合理论， 针对心电、 脉搏、 脑电等微弱电生理特征信号的 动态特征检测， 具有广泛的应用前景， 对其它生理信号检测也具有相当的借鉴意义， 在该系 统中， 解决了多通道二元检测存在的冲突性信息融合问题， 实现了微弱电生理特征信号的 鲁棒检测， 该系统在特征提取过程中， 完整保留通道生理意义， 符合医生判读习惯， 临床上 长期总结的经。
22、验阀值可在软判决过程中正常使用， 对微弱电生理信号的多通道检测具有很 强的通用性。 附图说明 0026 图1为现有的电生理信号多通道相或式决策级融合检测系统原理框图； 0027 图2为现有的电生理信号数据级融合检测检测系统原理框图； 0028 图3为现有的硬判决检测原理图； 0029 图4为本发明的电生理特征信号决策级柔性融合检测系统原理框图； 0030 图5为本发明的软判决证据生成原理图； 0031 图6为具体实施例中噪声环境下本系统的检测性能对比图。 具体实施方式 0032 为了更好的理解上述技术方案， 下面将结合说明书附图以及具体的实施方式， 对 上述技术方案进行详细的说明。 0033 。
23、本实施例以心电信号中的T波交替(T Wave Alternans， TWA)检测进行说明。 目前， 临床应用的TWA检测方法主要为谱分析方法(Spectral Method,SM)和修正滑动平均法 (Modified Moving Average method,MMA)。 其中SM方法通过将数字化后的心电信号分段， 利用快速傅里叶变换对截取的连续多个ST-T段数据进行谱分析， 在0.5cpb(cycle per beat)处频率所对应的数值则代表着该段心电数据中TWA水平。 而MMA方法是一种时域分析 方法， 其抗干扰的能力较弱， 鲁棒性较差。 0034 本文提出的一种基于多通道柔性融合的生理。
24、信号检查系统， 采用计算机心脏学会 2008年召开的TWA检测国际竞赛所采用的实验数据， 选取了数据中由人工合成的32条心电 图记录数据， 其中30个心电数据中含有很微弱的TWA成分， 2个数据是正常人的心电数据， 每 条数据记录包含12个通道数据， 采样率500Hz， 分辨率16bit， 每条数据记录约2分钟。 说 明 书 4/8 页 7 CN 105395185 B 7 0035 由此得到图4所示的系统原理框图， 系统包括n条生理信号检测通道， 本例为心电 信号检测通道且n12， 每一条生理信号检测通道均设置有单通道特征提取模块， 所述单通 道特征提取模块用于实现每个通道生理信号的预处理和。
25、特征提取， 在每个单通道特征提取 模块的输出端连接有软判决证据生成模块， 12条通道的软判决证据生成模块均连接至多通 道信息融合模块中， 所述多通道信息融合模块采用不确定信息柔性融合方法将多个通道的 证据融合成一个证据， 在所述多通道信息融合模块的输出端连接有诊断决策模块。 0036 如图5所示， 所述软判决证据生成模块按照H0、 H1、 H2三个基本命题进行可信度分 配， 从而得到每个通道的证据， 其中H0为预设特征信号确定不存在； H1为预设特征信号确定 存在， H2为预设特征信号不确定存在/不存在； 针对第i条通道中的软判决证据生成模块而 言， 按照下式进行可信度分配： 0037 003。
26、8 其中， 0为经验阀值， s表示特征提取后获取的该通道阀值， k1、 k2为正常数， 且k1 m(H1)， 则认为 TWA探测结果为阳性， 反之， 则为阴性。 0046 从表1可以发现， 所有记录的融合检测结果中， 仅有52号与81号记录检测结果m (H2)位于5左右， 其它记录的m(H2)普遍远小于1。 说明本系统对于数据的利用率非常高， 得到的结论更加鲁棒， 可靠性更高， 对阈值的依赖和敏感度更低。 0047 表1 TWA多通道柔性融合检测结果 说 明 书 6/8 页 9 CN 105395185 B 9 0048 0049 为了进一步验证多种噪声环境下系统的有效性， 利用TWA检测国际。
27、竞赛提供的实 测数据， 提取出真实的TWA波形作为原始信号， 用以合成各种信噪比情况下的含TWA心电信 号， 样本数据记录1000条， 每条记录分别包含12通道。 考虑到动态监护环境， 特别是高动态 监护过程中， 心电信号普遍存在强电极接触噪声与肌电噪声干扰， 特别将仿真信号信噪比 设置为-20dB。 同时用高斯噪声与拉普拉斯噪声统一描述其它类型干扰。 TWA信号特征提取， 仍然采用现行的临床谱分析方法， 保留通道的生理意义， 不改变医生的诊疗习惯。 为了与现 有的多通道相或式决策级融合方法进行对比， 图6给出了极低信噪比背景下的两种决策级 融合检测方法的性能曲线， 通道证据生成参数k1、 k。
28、2取值保持不变。 说 明 书 7/8 页 10 CN 105395185 B 10 0050 图6中带标号的曲线表示本系统的柔性融合检测结果， 不带标号的曲线表示多通 道相或式融合检测结果， Ga、 La、 Ma、 Em分别代表添加的四种噪声为高斯噪声、 拉普拉斯噪 声、 肌电噪声与电极噪声， FPR(False Positive Rate)、 TPR(True Positive Rate)表示误 检概率与检测概率。 从图中可以看出， 在四种不同的噪声条件下， 多通道柔性融合检测的性 能均优于相或式的决策级检测方法。 在误检率10的情况下， 可以获得80以上的检测概 率， 较现有的相或式方法检。
29、测性能大约提升10。 可见， 柔性融合检测方法具备更强的鲁棒 性， 更适用于高动态监护环境。 0051 应当指出的是， 上述说明并非是对本发明的限制， 本发明也并不仅限于上述举例， 本技术领域的普通技术人员在本发明的实质范围内所做出的变化、 改性、 添加或替换， 也应 属于本发明的保护范围。 说 明 书 8/8 页 11 CN 105395185 B 11 图1 图2 图3 说 明 书 附 图 1/3 页 12 CN 105395185 B 12 图4 图5 说 明 书 附 图 2/3 页 13 CN 105395185 B 13 图6 说 明 书 附 图 3/3 页 14 CN 105395185 B 14 。