小论文生物医学预处理算法的研究..docVIP

医学生物信号预处理算法的研究 马聪聪1 陈晓娟2 (1.东北电力大学信息工程学院通信工程专业15届毕业生，吉林，吉林 132012；2. 东北电力大学信息工程学院，吉林，吉林 132012) 摘要：本文介绍了的相关然后对及其关键技术进行了概括和总结TM 713? 文献标识码：A 引 言 按照生物医学信号特点，发展且应用信息科学的基本理论，从被干预和噪声覆没的观测信号中提取各类生物医学信号中所带的信息，并对它们进行分析、解释和分类。其目的主要是:①协助生物和生理系统方面的研究；②协助对患者进行诊断和医治。从一定意义上说，它是综合性很高的新技术领域，反应着通信、生理、模式识别、人工智能和数字信号处理各种学科与技术的交叉。是随机过程、统计检验与估计、时间序列分析等数学方法的实际应用。从另一个意义上说，它又是一个不很成熟的领域，由于目前为止还没有明确创建这门学科的基础理论和基本体系，其中最主要原因是人类对生命机理的了解还需要深化。近年来,伴随着生命科学与计算机技术的共生发展，一些在意人机系统及其接口的科研工作正在发育，譬如，专家系统、神经网络、混沌理论、生物反馈、心理医学工程正越来越引起人们的关注。 数据的采集与分析 通过用智能化的可穿戴式无线传感器采集脑血栓后遗症患者做简单运动时7个关节部位产生的三维加速度和三维角速度数据，三维加速度，，和三维角速度，，，实验的采样频率为102.4Hz，这7个传感器分别佩戴在患者的以下7个部位：前额、胸部、腰部、右手腕、左手腕、右小腿、左小腿，如图1所示。图2为第一个患者的第5个动作时7个传感器采集到的数据，是第1个传感器采集到的数据，维是第2个传感器采集到的数据，以此类推共42个指标，图中可以看出，本课题所用数据为高维数据，含有一定的冗余性和高阶相关性，故可首先采用合适的方法对数据预处理以消除冗余和噪声。 图1 传感器佩戴部位 图2、42个指标的时间-电压变化的类型，使窗函数的主瓣宽度最窄且旁瓣最小。其核心是通过对提供的频率特性的信号加窗以确定有限长单位脉冲响应序列。 2、主成分分析法（PCA） 主成分分析法（PCA）是模式识别判别分析中最常用的一种线性映射方法，该方法是利用数据集的统计性质的特征空间变换，以样本点在空间中变化最大的方向，也就是方差最大的方向作为判别矢量，消除数据成分之间的二阶相关性，进而实现数据的特征提取与数据压缩。 3、核主成成分分析方法（KPCA） 假设为训练样本，用表示输入空间。KPCA方法的基本思想是通过某种隐式方式将输入空间映射到某个高维空间(常称为特征空间)，并且在特征空间中实现PCA 。 4、多维度标度法（MDS） 多维度标度法（Multi-Dimensional,MDS）利用数据对象间的接近性，产生一个描述这些特征的空间表示，接近性是指数据对象间的相似度或者差异度。MDS是关注在欧氏坐标系统的特点总的表达，和所需的信息可以通过适当的距离矩阵的谱分解得到的MDS方法不用于原始数据集，而是一个（）的差异或距离矩阵D。 4.2 预处理算法的仿真 1、FIR滤波法 以第一名患者第5个动作胸部传感器采集的数据为例，由于生物医学信号为低频信号，故用FIR低通滤波器除去噪声。实验数据在5~6Hz之间，故截止频率可选为5和6的平均值5.5Hz，本文选用广泛应用的fir1低通滤波器滤波。图3为胸部传感器采集到的原始数据，滤波结果如图4所示。 图3 胸部传感器原始数据 图4 滤波后的胸部传感器数据 2、PCA降维法 针对第1个患者第5次动作7个传感器采集到的42维数据，经PCA处理可以得到10个主特征时间-电压信号，结果如图5、图6所示，表明信号在20s内的变化平稳程度。 图主特征的时间-电压变化 图主特征的时间-电压变化图主特征的时间-电压变化 4、多维度标度法（MDS） 针对第1个患者第5次动作7个传感器采集到的42维数据，经MDS处理可以得到10个主特征时间-电压信号，结果如图8、图9所示，表明信号在20s内的变化平稳程度。 图主特征的时间-电压变化 图主特征的时间-电压变化 图 算法流程图 图11 FIR均方误差 图12 PCA均方误差 表4-2算法的性能比较 算法/性能 预处理时间 算法的均方误差 输出Okk BP处理分类误差 FIR 0.087 S 0.065 1 0.247 PCA 0.123 S 0.083 1 0.063 KPCA 85 S