第1章生物医学信号概述课件.ppt
生物医学信号处理 Biomedical Digital Signal Processing,生物医学信号处理课程,第一章 生物医学信号概论,第一章 生物医学信号概论,1.1 课程背景课程相关的科学生物医学处理课程定位与学习目的课程的特点课程内容与学时安排课程学习方法考核办法1.2 信号及其类型1.3 一些典型的生物医学信号简介,1.1 课程背景 相关学科,生物医学工程学科 是应用工程技术的理论和方法，研究解决生物学和医学中的问题，是一个涉及生物学、医学、理工等多个领域的交叉性学科，它对生物学和医学的发展起到了极大的推动作用。,生物医学工程发展历程,1895年:,X射线之父伦琴,伦琴夫人的手指,伦琴的实验室,生物医学工程历程,BME创始人黄家驷院士,国内：1977年:协和医科大学生物医学工程专业成立,1980年:中国生物医学工程学会正 式成立,1978年:生物医学工程专业学科组成立,生物医学工程兴起于20世纪50年代美国,1958年在美国成立了国际医学电子学联合会,1965年该组织改称国际医学和生物工程联合会，后来成为国际生物医学工程学会。,1.1 课程背景 相关学科,生物医学工程学科方向 交叉性学科，其学科方向很多，包括：生物医学信号处理 医学图像处理 医疗仪器 医疗信息系统 神经工程（含脑机接口）医学成像 生物信息学 生物材料,1.1 课程背景 学科方向,例如：脑电信号转换成脑音乐 消除心电信号的强干扰,生物医学信号处理方向,1.1 课程背景 学科方向,视网膜血管提取基于胃镜图像分割疾病区与正常区,医学图像处理方向,1.1 课程背景 学科方向,医疗仪器方向,南极膝关节手术,美国马萨诸塞总医院,双向声像连接,医学信息系统方向,1.1 课程背景 学科方向,1.1 课程背景 学科方向,面对海量的生物数据，传统的生物学研究方法已经完全不能适应，因此，生物信息学应运而生。生物信息学建立在分子生物学基础上，一是对海量数据的收集、整理与服务，也就是管好这些数据；另一个是从中发现新的规律，例如，认识疾病发生机制。预测基因及功能筛选复杂疾病的生物标记物挖掘疾病的生物特征推断基因调控机制预测蛋白质结构,生物信息学方向,1.1 课程背景 学科方向,例如，基于傅里叶变换技术预测蛋白编码区,生物信息学方向,1.1 课程背景 学科方向,相关研究工作包括：挖掘生物信息的方法（算法）和工具的发展预测、分析和解释生物规律,生物信息学方向,1.1 课程背景 学科方向,与医学图像处理、医疗仪器、医学信息系统、生物信息学等方向密切相关、相互渗透生物信号处理是生物医学工程重要的学科方向之一,生物信号处理方向 与其他方向的关系,1.1 课程背景 课程定位,生物医学信号处理课程定位：生物医学工程一级学科专业课程体系中的一门专业核心基础课程 课程主要面向生物医学工程专业类本科生 课程在生命科学研究、医学诊断以及临床治疗等方面均起着重要的作用,1.1 课程背景 前后关系,生物医学信号处理课程：先修课程：微积分、线性代数、概率论与 数理统计、信号与系统、数字信号处理等。作用：“承上启下”,1.1 课程背景 学习目的,培养学生用定量分析方法解决生物医学问题的能力，在生物医学和信号处理之间构建一座桥梁。主要培养学生的下列技能：（1）处理（即滤波）生物医学信号，如分离信号中的有用成 份和无用成份。（2）定量描述生物医学信号，即揭示产生生物医学信号的本 质，根据得出的结果预测信号未来的行为。（3）探测产生生物医学信号的源，描述一个生物医学物理系 统的输入与输出信号之间的内在联系，如脑电反演问题。,1.1 课程背景 课程的特点,交叉性强内容广既注重理论，又强调应用知识点涉及多个学科，如人体结构、电生理信号、组织器官、基因、蛋白质、自适应滤波等。,1.1 课程背景 课程内容与学时安排,课程内容选择：,1.1 课程背景 课程内容与学时安排,总学时：48学时其中，理论讲授：40学时 课外实验：8学时,1.1 课程背景-课程内容与学时安排,教学内容安排顺序与对应学时如下：,1.1 课程背景-课程学习方法,预习并补充课程涉及的生物学和医学知识；重视课堂教学环节；建立正确的概念；只有在概念清楚的基础上，才能对拟解决的生物医学问题做出正确的、定性的分析，并利用简化的方法做定量估算。认真做实验；按时完成并上交作业；关注生物医学信号处理学科发展动态。,过程性考核,终结性考核,期末考试鼓励学生重视平时学习,平时成绩(作业、出勤等）,期中考试,科研小论文 占20%,占总成绩的40%,为激励学生追求更好成绩，作业和上机实验成绩实施动态评价。,上机实验 占20%,占总成绩的60%,1.1 课程背景 考核办法,参考教材,饶妮妮，李凌.生物医学信号处理.成都:电子科技大学出版社.杨福生，高上凯.生物医学信号处理.北京:高等教育出版社.谢正祥，陈良迟，张世强等.医学信号数字处理技术及应用.北京:科学出版社.张贤达.现代信号处理.北京:清华大学出版社.Reddy D.C.,Biomedical Signal Processing Principles and Techniques,McGraw Hill Publishing Company Limited,2005,1.2 信号及其类型,什么是信号？传统定义：传感器测量的结果，称为信号。例如：电路中的电流、大气压仪每小时的读 数、蚊子 嗡嗡的叫声，例外，DNA 序列信号：atcgattggccatcgcgcgtata 它是生物与生俱来的一种信号。,1.2 信号及其类型,来自于真实世界的信号各不相同，但大致可分为四种类型：（1）确定性信号（2）随机信号（3）分形信号（4）混沌信号,1.2 信号及其类型,（1）确定信号：有确定的函数关系，能准确预测未来；或者，已知其过去值，就能准确预测其未来值，如正弦波。,1.2 信号及其类型,（2）随机信号 即使知道它过去的全部信息，也不能预测其未来值的一类信号，称之。注意：随机信号与噪声的差别,1.2 信号及其类型,（2）随机信号 例如：实验室用的信号发生器，会产生一定的噪声；自发脑电信号 但有些目前认为是随机性的事物，往往是因为现在还没有掌握影响该事物的所有因素所遵循的规律，这在生物医学信号中很普遍。,1.2 信号及其类型,（3）分形信号这类信号在各种尺度下看上去都很类似，具有所谓的“尺度不变性”。,1.2 信号及其类型,（3）分形信号例如，心率信号和血管分支中的血流信号是 分形信号的两个典型例子。此外，在自然界中也广泛存在分形特征：,1.2 信号及其类型,（3）分形信号,一棵植物的枝杈表现出来的分形特征,1.2 信号及其类型,（4）混沌信号 不能准确预测其未来值的确定性信号。生物中存在大量混沌现象和混沌信号 例如，一些免疫和生物化学的调控 脑电活动 呼吸 混沌信号特征：对初始条件十分敏感（初值敏感性）。,1.2 信号及其类型,混沌现象发现者：美国麻省理工学院气象学家罗伦兹（Lorenz），混沌理论之父，蝴蝶效应的发现者。他在1963年的一次试验中，为了更细致地观察结果，他把一个中间解0.506取出，提高精度到0.506127再送回。当他到咖啡馆喝完咖啡回来再看时，竟大吃一惊。本来很小的差异，结果却偏离了十万八千里！再次验算发现计算机并没有毛病，他于是认定这为：“对初始值的极端不稳定性”，即：“混沌”，又称“蝴蝶效应”。,1.2 信号及其类型,（4）混沌信号 目前，证明信号的混沌性还是一个难题，常用的办法是利用Lyapunov指数。注意区分混沌信号与随机信号的差别。,1.2 信号及其类型,（4）混沌信号A.随机信号不是混沌的，而混沌信号不是随 机的；B.理论上，混沌信号是确定的，有下列特征：非渐近周期性 无Lyapunov 指数消失 最大Lyapunov 指数为正 相同的初始值产生相同的轨迹,1.2 信号及其类型,（4）混沌信号 随机信号是非确定的 即使初始状态相同，一个随机过程也会产生不同的信号。目前随机信号的lyapunov指数没有得到定义。,1.2 信号及其类型,（5）噪声 信号中不需要(unwanted or undesired)的成分 例如，母亲心电和胎儿心电信号 自发脑电和脑诱发电位,1.2 信号及其类型,生物医学信号及其类型 大多数生物医学信号具有随机性，难以准确划分其类型。一些表现出周期性，如心电信号、呼吸信号。一些具有随机性，如脑电信号。采集的生物医学信号伴随复杂的干扰和噪声，淹没有用信号。生物医学信号中携带大量有用的生物或临床医学信息，需要通过处理提取有用信息。,信号处理,信号与系统处理：滤波、放大、变换、相关、,处理生物医学信号的目的：,去除干扰，例如工频干扰。提取特征，例如在大量的脑电数据中找到感兴趣的生理医学解释。预测医学信号的未来，例如用采集的电生理信号数据预测可能的病变，实现疾病的早期检测。,本讲总结,课后作业:,学习生物医学信号处理的目的是什么？列举4种不同类型的生物医学信号。,1.3 一些典型的生物医学信号简介,来自人体的医学信号分类：A.由生理过程自发产生的主动信号例如,心电（ECG)、脑电（EEG)、肌电（EMG)、眼电（EOG)、胃电（EGG)等电生理信号，体温、血压、脉搏、呼吸等非电生理信号。,1.3 一些典型的生物医学信号简介,人体作为通道，用外界信号作用于人体后产生的被动信号例如，超声波、同位素、X射线、CT图像等,1.3 一些典型的生物医学信号简介,（1）ECG Electrocardiogram,1.3 一些典型的生物医学信号简介,（1）ECG 在实际应用中,进一步分:A.标准临床 ECG,12 导联采集;B.矢量心电图VCG,3导联采集;C.监护ECG,1 or 2导联采集.,1.3 一些典型的生物医学信号简介,ECG 信号特征(1)带宽:0.05 100 Hz(2)峰值幅度:mV量级处理ECG的主要目的:采用准确、快速和可靠的信号处理方法估计ECG的重要参数 QRS 复合波、R R间期、P波和T波等,1.3 一些典型的生物医学信号简介,（1）ECG ElectrocardiogramP波P-R间期QRS波群S-T段T波Q-T间期u波构成,1.3 一些典型的生物医学信号简介,（1）ECG Electrocardiogram,瞬时心率信号：,1.3 一些典型的生物医学信号简介,(2)EEG-Electroencephalogram EEG 是通过电极记录下来的脑细胞群的自发性、节律性电活动。,1.3 一些典型的生物医学信号简介,(2)EEG Caton于1875年首先以电流计从兔子及猴的大脑皮层观测到了“脑电波”。自发脑电 诱发电位(EP)-施加一个刺激（声、光或体感刺激）所引起的人脑的微弱电变化。又称诱发反应、事件相关电位。,1.3 一些典型的生物医学信号简介,(2)EEG不同状态下的EEG,1.3 一些典型的生物医学信号简介,(2)EEG信号特征：A.振幅:10-100V;B.频率：0.5 40 Hz；波:0.5-3.5 Hz，表示睡眠状态（有梦或 无梦）；(ii)波:3.5 7.5 Hz，表示昏昏欲睡状态；(iii)波:7.5 12.5 Hz，表示清醒、放松等状 态；(iv)波:12.5 Hz，表示机警或工作状态。,1.3 一些典型的生物医学信号简介,(3)EMG/肌电信号,1.3 一些典型的生物医学信号简介,(4)其他医学信号 眼电（EOG)、胃电（EGG)血细胞信号：,1.3 一些典型的生物医学信号简介,常见人体生理信号的幅值和带宽,1.3 一些典型的生物医学信号简介,生物医学信号的特点：（1）非常微弱（V，mV,PA 量级）；（2）频率很低，如：0.05Hz 1 Hz(胃电）；（3）干扰与有用信号之间频带重复；（4）复杂性；（5）随机、非平稳性；（6）噪声背景强。,1.3 一些典型的生物医学信号简介,生物医学系统的特点：（1）生物体，例如，人体系统(四大系统?)（2）开放性；（3）时变性；（4）非线性；（5）变异性。总结起来,生物医学系统是十分复杂的系统。,1.3 一些典型的生物医学信号简介,常用信号处理技术：（1）相关技术；（2）傅里叶变换；（3）功率谱估计；（4）维纳滤波；（5）卡尔曼滤波；（6）参数模型法；（7）自适应滤波；（8）时频分析；（9）主成分分析（PCA）、独立成分分析（ICA）,ECG处理：心脏中大约200多种疾病可以用ECG来诊断，如房颤（P波消失，代之以f波），心律失常等，因此处理ECG信号在临床上十分重要。,1.3 一些典型的生物医学信号简介,1.3 一些典型的生物医学信号简介,基本ECG处理：带通滤波（0.5-40Hz）滑动平均滤波器去除基线漂移 当前国内外针对房颤信号处理内容有：房颤信号(f波)提取 房颤信号(f波)抑制,1.3 一些典型的生物医学信号简介,ECG处理 房颤信号提取,1.3 一些典型的生物医学信号简介,ECG处理 P波和T波定位,1.3 一些典型的生物医学信号简介,ECG 中T波形态：,1.3 一些典型的生物医学信号简介,ECG处理 移动监护系统,1.3 一些典型的生物医学信号简介,EGG处理-脑电人机交互：如眼动控制、脑机接口等，实现“心想事成”。在医学上诊断疾病。,1.3 一些典型的生物医学信号简介,EEG 处理：脑波音乐的制作（如改善失眠、调整生理和心理等）,振幅,周期,平均功率,音高,音长,音强,音色,时域特征,例如：周期与音长,周期与音长采用直接对应的方式,建立EEG振幅与音高映射规则,分析不同状态下大脑活动的特征：例如，大脑活动相对较强的时期，多伴随梦境。,较浅的睡眠阶段，慢波成分较多。,深层次睡眠，以慢波成分为主，大脑意识活动最弱,加入频域特征：,DFTFFT,REM,NREM,SWS,1.3 一些典型的生物医学信号简介,EEG处理 脑电逆问题 由头皮上的EEG电压推断出大脑内神经活动源的过程称之为脑电逆问题。,卡尔曼滤波方法反演的脑神经源,
