橈動脈超聲多普勒血流信號的特征提取及分類研究.pdf

1、中醫(yī)的脈診理論認(rèn)為匯集于橈動脈處的脈象反映了人體臟腑器官大量的生理病理信息，醫(yī)生可通過手指觸按病人的動脈搏動了解病情。超聲醫(yī)學(xué)診斷則利用多普勒超聲檢測儀器檢測出人體血流和組織運動狀況，現(xiàn)已成為臨床輔助診斷中的重要組成部分。但對多普勒信號的研究大多專注于心血管疾病領(lǐng)域，沒有考慮臟腑器官的疾病。本論文用多普勒儀器代替人手的觸按采集橈動脈多普勒超聲血流信號，試圖通過對橈動脈多普勒超聲血流信號提取特征，分析它在人體發(fā)生某種病變狀態(tài)下的反應(yīng)，以求

2、最終實現(xiàn)臟腑器官疾病的計算機輔助診斷。
　　在數(shù)據(jù)采集階段，由于超聲血流信號以聲譜圖的形式存儲的，故而應(yīng)當(dāng)先設(shè)計算法提取譜圖中的最大速度曲線和平均速度曲線。這兩種曲線反映了血液流動的狀況，人體的臟腑病變對血流流動產(chǎn)生的影響可通過這兩種曲線的變化表現(xiàn)出來。在信號預(yù)處理階段，針對多普勒血流信號比較微弱、信噪比較小的特點，本文提出了小波包閾值消噪算法，應(yīng)用這種算法對前面所提取的最大速度曲線進(jìn)行降噪，不僅最大地去掉了噪聲，而且較好地保留了

3、高頻部分的細(xì)節(jié)特征。
　　在特征提取階段，本文提出了兩種提取方法——基于Hilbert-Huang變換的特征提取和基于局域波近似熵法的特征提取。生物醫(yī)學(xué)信號都是非平穩(wěn)信號，Hilbert-Huang變換是一種新的處理非平穩(wěn)信號的時頻分析方法，通過對降噪后最大速度曲線進(jìn)行Hilbert-Huang變換可以得到血流信號比較精確的時頻分布情況，進(jìn)而提取具有區(qū)分度的4個特征參數(shù)構(gòu)建了特征向量。局域波近似熵法則分析了血流信號和其局域波分解后

4、各分量的近似熵分布情況，并將原始信號和各分量的近似熵值作為特征向量。
　　在疾病分類階段，本文使用幾種常用的模式分類算法利用前面兩種特征提取辦法在樣本數(shù)據(jù)集上進(jìn)行分類實驗，在基于Hilbert-Huang變換的實驗中，支持向量機可以比較有效地將健康人與疾病患者區(qū)分開，分類正確率已達(dá)到90％以上。在基于局域波近似熵的實驗中，實驗結(jié)果表明這種特征提取方法在疾病患者和健康人之間也有較好的區(qū)分度。最后本文分析了一種SVM和KNN相結(jié)合的分