法律状态公告日
法律状态信息
法律状态
2022-09-16
实质审查的生效 IPC(主分类):G06F17/15 专利申请号:2022104015903 申请日:20220418
实质审查的生效
技术领域
本发明涉及医疗器械与医学信号处理技术领域,更具体地说,涉及一种基于线性预测的膈肌肌电实时处理方法及存储介质。
背景技术
膈肌是主要的呼吸肌,其肌电信号可为膈肌生理状态和呼吸系统功能的评估提供重要信息。临床上监测膈肌肌电图有助于判断呼吸困难程度和机械通气患者能否进行呼吸机脱离,其包络亦可用于改善机械通气的同步性。
目前常通过表面电极、针刺电极或食道电极采集膈肌肌电信号。表面电极法操作较简单,安全性高,易被患者接受,缺点是易受胸壁肋间肌及腹肌等肌电信号的干扰,且信号因受皮下组织等的影响而衰减。针刺电极法将电极针直接插入膈肌采集其肌电信号,能避开其它肌电的干扰,缺点是电极插入过程易造成出血及软组织损伤,操作困难且危险性较大。食道电极法将附有电极的导管经鼻腔或口腔插入食道与肠胃交叉处从而对膈肌肌电信号进行采集。由于电极直接靠近膈肌,减少了除心电外的其它肌电的干扰,同时也避免了皮下组织等对膈肌肌电的衰减,比表面电极法准确性高,且较针刺电极法安全。
膈肌肌电信号微弱,食道电极需配套放大器进行采集。由于食道电极靠近心脏,其所得信号极易受心电干扰;该干扰信号远高于膈肌肌电幅值,受其影响,放大后的膈肌肌电信号难以直接用于评估膈肌状态。而心电频带与膈肌肌电频带存在交集,难以采用传统的带通滤波方法有效抑制其干扰,需要针对心电干扰的特点研究并设计相应的降噪算法,方可较准确地计算膈肌肌电的强度。
发明内容
本发明的目的在于克服现有技术中的缺点与不足,提供一种基于线性预测的膈肌肌电实时处理方法,该方法针对食道电极采集膈肌肌电易受心电干扰的问题,利用心电干扰的准周期性及其不同时刻采样值的相关性设计滤波器以抑制心电干扰,从而准确地计算膈肌肌电信号的强度,以提高膈肌肌电信号采集的准确度。
本发明的第二个目的在于提供一种基于线性预测的膈肌肌电实时处理的计算机。
本发明的第三个目的在于提供一种存储介质。
为了达到上述目的,本发明通过下述技术方案予以实现:一种基于线性预测的膈肌肌电实时处理方法,其特征在于:
设置线性预测模型,该线性预测模型作为利用历史时刻心电干扰的测量值来预测当前及未来时刻心电干扰值的膈肌肌电滤波器;
采用膈肌肌电滤波器对被心电干扰的膈肌肌电信号进行卷积运算,对卷积后信号作超阈值置零处理,得到信号y(k);
求取含心电的膈肌肌电片段,计算该片段的线性预测模型系数,利用该模型系数自适应调整膈肌肌电滤波器系数;
对信号y(k)依次进行二阶高通滤波和M
该方法包括以下步骤:
S1、参数初始化:设定时间序号k=0,心电峰值序号j=0,初始化心电周期t
其中,M
S2、确定心电峰值x
以采样频率f
设定置零阈值的初始值为Th(0)∈[0.3x
S3、以采样频率f
S4、若k<M
其中K
S5、阈值处理:对
对
自适应更新置零阈值的计算公式为:
Th(j+1)=α
其中,α
S6、定位心电峰值时刻:
若flag=1,则判断当前时刻k是否满足条件x(k-1)≥x(k-2)且x(k-1)≥x(k)且|x(k-1)-x
若flag=0,则判断当前时刻k是否满足条件x(k-1)≤x(k-2)且x(k-1)≤x(k)且|x(k-1)+x
若满足则:
记录并保存k
若j>0,则更新心电周期t
t
t
其中,
更新心电峰值序号j+1→j;
δ∈[0.01X
S7、判断当前时刻是否满足
记含心电的膈肌肌电片段为
若j>0,则更新膈肌肌电滤波器系数w
其中,α
线性预测模型系数
S8、对y(k)依次进行截止频率为f
S9、对z(k)进行包络计算,得到包络信号z
对z(k)的绝对值进行对数运算,运算结果记为v(k),计算公式为:
v(k)=ln(|z(k)|+ξ)
对v(k)作截止频率为f
对o(k)进行指数运算,运算结果即为包络信号z
z
其中,ξ为一很小的正数,ξ=0.001;M
S10、分别输出S8带通滤波后的信号z(k)(即降噪后膈肌肌电信号)及S9的包络信号z
步骤S1中,所述心电周期初始值
步骤S7中,滤波器系数调节因子α
步骤S8中,f
步骤S9中,f
一种计算机,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述基于线性预测的膈肌肌电实时处理方法的步骤。
一种存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现上述基于线性预测的膈肌肌电实时处理方法的步骤。
本发明处理算法的原理是:
在测量膈肌肌电的过程中,食道电极与心脏的相对位置通常不会频繁变化,所得膈肌肌电和心电干扰信号因而都具有相对平稳的特点。而心电干扰不同采样时刻的值具有相关性,利用历史时刻的测量值可预测当前及未来时刻的心电干扰值。利用这种相关性设计滤波器,即本发明所述的线性预测模型,可有效抑制心电干扰。而由于不同时刻心电干扰信号之间的相关关系与不同时刻膈肌肌电信号之间的相关关系不同,因此,根据前一相关性所设计的滤波器不会显著抑制膈肌肌电信号。
该线性预测模型所建立的滤波器将单个心电周期的心电信号视为由一个脉冲激励经膈肌肌电滤波器卷积作用所得,因此步骤S5对卷积后信号作超阈值置零处理即等效于降低了心电干扰的能量,可有效抑制心电。
确定该膈肌肌电滤波器系数的前提是用于建立线性预测模型的心电信号应不受膈肌肌电及其他非心电信号的干扰,但在实际测量过程中无法获得这种纯净的心电信号。本发明中利用心动信号的准周期特性解决这个问题:心电信号可视为以心率为频率的准周期信号,而膈肌肌电及其他非心电干扰信号不具有这种准周期特性,因此,若对多个心电周期的受非心电信号干扰的心电片段求平均,即可大大抑制非心电信号而得到较纯净的心电信号模板。步骤S6、S7中采用求取心电片段→计算线性预测模型系数→更新滤波器权值的方式自适应调整膈肌肌电滤波器权值,其即起到了这种求加权平均的作用。且相较于叠加多个心电片段求均值后再求取模型参数,该方法可有效避免多个心电片段叠加时需考虑的相位(时间轴对齐)问题。
对于线性预测模型系数的求解,本发明采用了莱文逊——杜宾(Levinson—Durbin)的自相关方法。
与现有技术相比,本发明具有如下优点与有益效果:
1、本发明针对食道电极采集膈肌肌电易受心电干扰的问题,利用心电干扰的准周期性及其不同时刻采样值的相关性设计滤波器以抑制心电干扰,从而准确地计算膈肌肌电信号的强度,以提高膈肌肌电信号采集的准确度。
2、本发明自适应更新心电线性预测模型系数与膈肌肌电滤波器系数,使得处理算法可适应不同患者、不同时刻、不同状态的信号。
附图说明
图1为本发明基于线性预测的膈肌肌电实时处理方法的流程图;
图2(a)为带噪膈肌肌电信号的归一化时域图;
图2(b)为带噪膈肌肌电信号的频谱图;
图2(c)为带噪膈肌肌电信号通过本发明方法处理后的归一化时域图;
图2(d)为带噪膈肌肌电信号通过本发明方法处理后的频谱图;
图2(e)为降噪处理后膈肌肌电信号的归一化包络时域图;
图3为确定膈肌肌电信号中心电位置的方法示意图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细的描述。
实施例一
如图1至图3所示,本实施例提供了一种基于线性预测的膈肌肌电实时处理方法,该方法是这样的:
设置线性预测模型,该线性预测模型作为利用历史时刻心电干扰的测量值来预测当前及未来时刻心电干扰值的膈肌肌电滤波器;
采用膈肌肌电滤波器对被心电干扰的膈肌肌电信号进行卷积运算,对卷积后信号作超阈值置零处理,得到信号y(k);
求取含心电的膈肌肌电片段,计算该片段的线性预测模型系数,利用该模型系数自适应调整膈肌肌电滤波器系数;
对信号y(k)依次进行二阶高通滤波和M
具体地说,该方法包括以下步骤:
S1、参数初始化:设定时间序号k=0,心电峰值序号j=0,初始化心电周期t
S2、确定心电峰值x
·以采样频率f
设定置零阈值的初始值为Th(0)=0.5x
S3、以采样频率f
S4、若k<5,则k=k+1,并跳转S3;否则,采用膈肌肌电滤波器w
S5、阈值处理:对
·对
·自适应更新置零阈值的计算公式为:
Th(j+1)=0.95Th(j)+0.05y(k)
S6、定位心电峰值时刻:
若flag=1,则判断当前时刻k是否满足条件x(k-1)≥x(k-2)且x(k-1)≥x(k)且|x(k-1)-x
若flag=0,则判断当前时刻k是否满足条件x(k-1)≤x(k-2)且x(k-1)≤x(k)且|x(k-1)+x
若满足则:
·记录并保存k
·若j>0,则更新心电周期t
t
t
·更新心电峰值序号j+1→j。
其中,
S7、判断当前时刻是否满足
·记含心电的膈肌肌电片段为
·若j>0,则更新膈肌肌电滤波器系数w
应说明的是,心电产生模型选用全极点模型有如下两个原因:
①心电产生模型并不完全是一个全极点模型,但由于模型函数零点可以用足够多的极点来近似,即:
只要模型阶数足够高,就可以用全极点模型来近似表示极零点模型;
②在对模型参数进行估计时,全极点模型的参数估计是线性方程的求解过程,而当模型中含有有限个零点时,求解过程变为解非线性方程组,实现困难。因此选用全极点模型,易于实现,计算较简单。
优选地,所述线性预测模型系数
S8、对y(k)先作截止频率为f
S9、对z(k)进行包络计算,得到包络信号z
·对z(k)的绝对值进行对数运算,运算结果记为v(k),计算公式为:
v(k)=ln(|z(k)|+0.001)
·对v(k)作截止频率为f
·对o(k)进行指数运算,运算结果即为包络信号z
z
S10、分别输出S8带通滤波后的信号z(k)(即降噪后膈肌肌电信号)及S9的包络信号z
实施例二
本实施例的一种计算机包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述实施例一中基于线性预测的膈肌肌电实时处理方法的步骤。
实施例三
本实施例的一种存储介质有计算机程序,其特征在于,该程序被处理器执行时实现上述实施例一中基于线性预测的膈肌肌电实时处理方法的步骤。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
机译: 基于人工自适应神经网络的实时预测和预测电峰的实时预测和预测电力系统的能量,健康,可靠性和性能的系统和方法
机译: 线性预测系数计算装置,线性预测系数计算方法,线性预测系数计算程序和存储介质
机译: 线性预测系数计算器,线性预测系数计算方法,线性预测系数计算程序和存储介质