英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
一种从光纤生命体征传感器检测心动描记信号中的心跳位置的方法
Mariusz Krej，ŁukaszDziuda，IEEE成员和Franciszek Wojciech Skibniewski
摘要
我们提出了一种灵活的，易于扩展的数字信号处理方法，用于检测光纤布拉格光栅（FBG）传感器的心脏振动信号的心率（HR）。这种基于FBG传感器来测量心率的方法可以用在磁共振成像程序中，这是其独特的优势。我们的目标是设计一个具有多个参数的检测方法，并对这些参数进行遗传算法优化。事实上，我们已经得到了一种可以处理失真比较严重的低信噪比信号。我们已经证明了我们想出的这个方法可以自动的调节携带有用信息的心跳信号每一时刻的波形信号 。因此，我们可以很容易的把我们的技术应用于不同应变传感器的检测技术对包含HR信息的信号分析。所提出的方法具有以半实时（在线）方式分析信号的能力，具有逐搏分辨率，低的延迟以及可忽略的计算能力要求。我们通过七个项目为一组的记录证明了我们的方法。证明包括超过6000次心跳（82分钟47秒的记录数据）。我们方法的均方根误差小于6.0bpm。
关键字：BCG信号；光纤布拉格光栅（FBG）；遗传算法；心率；并行计算；
1.介绍
心跳速率（HR）是基本生理指标之一，对于病人的身体检测和诊断至关重要。例如，磁共振成像（MRI）环境等一些条件限制了常规HR监测器的使用，因为它们易受强电磁场影响，并且可能会对成像造成干扰。然而，最新的研究表明，HR预测与幽闭恐怖症有关的症状可能是至关重要的，这种症状通常发生在使用限制其运动的设备如MRI扫描仪。一般来说，与那些没有经历过这种不适的人相比，在经历幽闭恐怖症（例如焦虑，恐慌和过度通气）的人中，HR指标具有相当高的值。通常，当一个患有幽闭恐怖症病人进入核磁共振通道时，他（她）的心率开始升高并且在检查过程中可能达到危险的数值。因此，连续在线监测患者HR在检测前和检查过程中的趋势变化对于预测和评估与检查情况密切相关的幽闭恐怖症发生的可能性是至关重要的。
在MRI手术过程中，还有其他需要HR监测的患者类别，例如儿科患者，残疾患者，镇静或麻醉患者，危重患者或高危患者，对造影剂产生反应的患者以及所有无法进行治疗的患者或者可能无法传达或使用报警按钮。与电子换能器相反，光纤传感器不受MRI中使用的电磁场的影响，对患者安全，并且不影响成像质量。这些优点以及光纤传感器检测微小偏转（例如由心脏引起的身体运动导致的那些偏差）的能力再现了对记录心冲击信号的能力，特别是在MRI期间患者监测的情况下检查。
心冲击信号具有明显的优点，如非侵入性，非接触式，以及简单的测量系统设计。但是，BCG信号分析引起许多问题。主要原因是测量信号中存在运动伪影。这些伪影与患者的身体活动以及设备操作员检查等环境中的环境相关联。考虑到BCG信号分析问题，目前发表的文章数量揭示了该主题的时事性和新颖性。
2.测试方法
心脏机械活动使患者身体的运动进而将压力应力施加在感测元件上。 有许多设计用于监测生命体征的光纤应变仪，其中最受欢迎的是干涉仪[17]，微型[10] - [11]和宏弯传感器[18]以及光纤布拉格光栅（FBG） [18]，[19]。 许多研究人员都喜欢光纤光栅，因为它们的光谱编码、简单的多路复用和自适应能力[20]。作者使用内部构建的基于FBG的传感器从MRI患者身体获取BCG信号[19]。 图1（a）表示传感器的照片。 如图1（b）所示，将带有粘结型FBG元件的弹性有机玻璃板置于病人靠背心脏背后的MRI卧榻上。有机玻璃板的面积为209平方厘米，薄至1.5毫米，并且可以在患者身体运动时跟随运动身体部分的轮廓。此时，由于身体移动导致FBG元件受到应变，包括心跳引起的那些。因此，该板是一种反映身体运动的媒介，并将它们转换成由FBG测量的应变（伸长/收缩）。在光栅的整个长度上施加一薄层环氧粘合剂。 这可以保护裸光纤免受湿气影响，并可将应变传输到FBG。
已经证明，心脏引起应变的水平远低于传感器的物理强度[7]，即8000mu;s[8]。 其他身体动作，如突然打喷嚏或咳嗽[9]，以及MRI轨道台[19]的颠簸不会对传感器构成威胁，因为Plexiglas板通过MRI的硬度受到保护以防大的变形，其上仅放置一层软质聚氨酯泡沫的薄层（约1厘米），以确保病人的舒适性并允许纸板弯曲。
一个布拉格光栅可以被认为是一个频率滤波器[21]。根据测量系统，这个滤波器的最大或最小衰减发生在谐振频率取决于光栅周期Lambda;[9] 从纸板到FBG的信号经过了调制 [9]。 谐振频率的值通过询问系统测量。我们使用由Micron Optics制造的sm130-700仪器[22]; 这是一种具有自动寻找光栅谐振频率功能的频率光学扫描器。 1510-1590nm的波段每秒扫描1000次，峰 - 峰分辨率为1pm。 基于FBG的传感器的谐振频率的瞬时频谱值可以根据心跳读数进行校准。 由于FBG的所谓自参考能力，即在达到初始条件后返回到光谱参数的参考值[23]，传感器不需要额外的校准。
心脏的机械活动调节共振频率，但心脏活动只是施加在FBG上的多种应力源之一，例如呼吸，任何其他身体动作或MRI扫描过程中轨道台的位移[7]。 因此，我们开发了一种方法来提取传感器信号中的心脏诱发伪影，并提供其发生的时刻。 这允许确定时间间隔（即速度图），并因此监视HR轨迹。
3.检测方法
所提出的技术使用来自传感器的信号，其中被测量用波长读数而不是频率读数来表示。 波长域是分析受到应变的FBG响应的最常见方式[12]。 因此，布拉格波长值概括了如图2所示的BCG信号形状。心室射血阶段的峰值对传感器施加最大的应变，其在心冲击图中显示为一系列J波峰[24]，如图2中的箭头所示。噪声相对于图2中呈现的信号值的较高值是询问器系统的分辨的结果，其为1pm，同时可用的峰 - 峰值信号的约为6pm。
A.检测功能
为了检测心跳位置，分析检测功能所用的信号是专门准备的信号而不是来自传感器的源信号。 检测功能增强了与心跳相关的信号特征。 检测功能的轨迹由实现级联数字滤波器的软件确定。 使用带通滤波器，二次函数和低通滤波器[26]，[27]。
通过使用上述过程，该算法避免了由脉冲噪声引起的误差和源于滤波器阻带的信号电平的波动。 该方法还允许将滤波器的特性调整为对应于心跳的信号特征波的形状，并由此调整到分析信号的频谱。 因此，相同的算法可以适用于分析源自使用不同测量方法的传感器（例如，机电薄膜或压电传感器）的调幅BCG信号[28]。所使用的滤波器的参数是经过优化处理的一组值中的一部分。
B.检测局部最大值
检测算法的下一步操作是确定信号中局部极值的出现时间，这可能被用作心脏产生的特征时刻。 如果信号的给定值被该算法分类为潜在特殊时刻，那么该信号的中心值落在该值的时间间隔内的信号的最大值。 该区间的宽度是作为经过优化的一组值的一部分的算法的参数之一。 图3显示出了检测功能信号的一部分，其具有设置在被发现的最大值（黄色）和被分类为特征矩（绿色）的最大值标记的位置处的标记的示例。 这些是指示最大值搜索窗口的宽度。
对于信号的每个后续样本，都会验证它是否出现在特征时间。 该验证基于两个相同大小的窗口中的样本的分析：1）分析的样本之前的窗口; 和2）样本之后的窗口。 如果两个窗口的最大值落在共同点上，我们假设搜索的样本是极端的。
C.修正局部最大值
在该方法的后期，应用改进潜在特征矩的序列的算法。这些算法，以下称为校正器，是处理的可互换和可定制的元素。 一些校正器已经开发完成。 在软件工程领域，这些校正器已经实现为装饰器类的系统[29]。 每个校正器接收输入的最大值流，处理它们，并发送处理后的极值流的输出。 该处理可能涉及最大值的生成和过滤。 所提出的方法能够在线分析信号。 该设计包括一系列校正器; 它们中的每一个独立地处理项目流是由该方法作为半实时数字信号处理元件的能力的要求确定的。 所提出的方法使用以下校正器：1)分类校正器，2)平均校正器和3)间隙校正器。
1）分类校正器：校正器从具有指定宽度的时间范围累积进入的局部最大值的时间流。该宽度属于作为优化主题的参数。 然后，分配一组识别每个收集到的极值的最大值的潜在缺陷。 随后，将这些特征乘以在优化过程中选择的一组权重并相加。 分类器选择具有最低累积缺陷的最大值并将其转发用于进一步处理。
许多这些特征的指定取决于JJ间隔的值。 该值被定义为波形分析中心t n和前一个之间的间隔，t n-1被归类为源自心跳的伪影，即心室射血量，由下式给出：
JJ n = t n minus; t nminus;1 (1)
输入最大值的以下特征由分类校正器确定。
（1）局部最大值与N个先前选择的局部最大值的平均值之比，其中N是经过优化的参数。
（2）当前最大值的JJ区间与M个选择的较早极值之间的平均JJ区间之比，其中M是经过优化的参数。
（3）当前的JJ间隔，用于防止最大值不必要的跳过，尽管通过优化选择通过权重系统的这种行为的份额。
（4）当前间隔长度超出可接受的范围。 我们将0.25s（HR = 240bpm）的值作为区间的最小值，将2s（HR = 30bpm）的值作为区间的最大值。 该范围比生理学中通常使用的范围更宽。
（5）连续间隔值的偏差，Delta;JJn = | JJ n -JJ n-1 |，超过可接受的范围（Delta;JJmax = 30bpm）。
（6）连续区间的相对变化值delta;JJn由下式给出
(2)
2）平均校正器：该校正器涉及用其邻居位置的中心替换最大tn的位置
(3)
根据（2）确定的连续区间的相对变化值delta;JJn超过极限参数，从输入最大值流中修改这些参数。该参数也包含在经过优化的值集合中。
3）间隙校正器：下一个校正器的目的是填补出现在检测到的最大值流中的间隙。 类似于平均校正器，间隙校正器的逻辑对连续间隔的相对变化敏感，delta;JJn根据（2）确定超过极限参数，极限参数也是经过优化的一组值的一部分。 校正器观察到的第二个值是HR以及它的值超出可接受的范围（类似于分类校正器）的事实。 超过最大值输入流中的极限值被认为是间隙的开始。 参数返回到可接受的范围意味着间隙的结束。
分析检测到的间隙的给定时间以检测一组新的心跳位置。 算法检测间隙位置的第一个任务是用一个窄窗口搜索局部最大值，即0.1s。 窄窗口产生大量的最大值。 这个逻辑归结为分析一系列检测到的局部最大值，以找到一组将填补给定间隙的特征波中心。 要插入的位置数是过程的输入变量，其目的是找到划分间隙的新的最大值的潜在集合。
在随后阶段，插入位置的数量从1增加到1，直到它达到等于可用极值的总数。 对于插入的每个位置数目，确定最大分隔间隔集合，然后计算与给定布局对应的HR信号的可变性。算法寻找最大值的布局，其对应于最小可变性 HR信号。
在第一步中找到一组极限填充给定数量位置的缺口的过程将缺口分成长度相等的子范围。 然后，在先前找到的最大值的阵列中，对最接近子范围边缘的位置进行搜索。 在以下步骤中，集合中的每个最大值将被最接近其最近邻居最大值的平均时间的最大值替换。 该操作重复多次，直到选定的最大值系统停止改变。
D.优化
为了优化检测方法的参数，已经实现了遗传算法（GA）。 在实施这种方法时，已经应用了.Net平台和C＃编程语言。 原因在于使用多核计算机网格的计算能力的可能性。
与.Net平台的第4版一起，还引入了并行计算库Microsoft Parallel Extensions（PFX）[30]。 这是一个任务并行化的托管库。 其基本元素是并行LINQ（PLINQ）和任务并行库（TPL）。 PLINQ支持数据并行性，其中任务集合同时在不同的数据子范围内执行。实现方法基于集成查询语言技术，LINQ.TPL支持并行任务提供并行版本的Foreach和For循环 。该库支持用户执行任务，例如用于执行计算的操作系统的线程管理。
遗传算法的想法源于进化论。受自然现象启发的技术尤其是突变，遗传，选择和杂交。在遗传算法中，作为一系列基因（基因组）存储的种群（即一组解决方案）演化为适应函数所指出的更好的解决方案[31]。
在所提出的方法中，优化的目标是找到心跳检测方法的最佳参数集，其分析来自基于FBG的传感器的信号。这些变量的集合创建了一个虚拟基因组。在基因组二进制编码中表示变量的最常用方法。它是整数参数的自然编码方法。对于具有实数性质的值，可以应用浮点数的量化或位表示。在提出的优化问题中，一些变量是整数，有些是实数。由于以实数形式存储参数的优势，所以已经应用了参数的直接浮点表示。这意味着所描述的演化算法的变化代表了实值遗传算法 [32]。
在用群体的每个个体基因组的进化算法搜索最佳解决方案期间，计算适应度函数以确定繁殖概率。 参与复制的个人的选择是选择过程。 有几种已知的选择方案。 在提出的实现中，已经应用了没有替换的随机余数选择[33]。 假设每个解的预期拷贝数e i由下式给出
(4)
其中f i是第i个基因组的适应值，P是种群中基因组的数量。 在这个选择方案中，每个个体被复制的次数与e i的整数部分一样多。 e i的小数部分是再次选择个体的概率。
人口个体的后代的建立依赖于跨越其基因组。 遗传算法[31]提出了算术交叉操作的特殊变体，其中后代z 1和z 2的基因是祖先基因x和y的和，根据
(5)
(6)
的取值范围:
然而，所进行的测试表明，具有一个交叉点的离散交叉操作（即，alpha;= 1或alpha;= 0）最适合于遗传算法的应用配置。
全文共6241字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10784]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
