（控制理论与控制工程专业论文）心磁信号分类及医学软件的研究.pdf

a d i s s e r t a t i o ns u b m i t t e dt o t o n g j iu n i v e r s i t y c o n f o r m i t yw i t ht h ef010ngll u m v e r s i t yi nc o n f o r m i t vw i t ht h er e o u i r e m e n t srr t h ed e g r e eo fm a s t e r c l a s s i f i c a t i o no fm c g s i g n a l sa n ds t u d yo f m e di c a is o f t w a r e ( s u p p o r t e db ys h a n g h a is c i e n c ea n dt e c h n o l o g y d e v e l o p m e n tf u n d ，g r a n tn o 0 3 z r l 4 0 9 2 ) ( s u p p o r t e db ys h a n g h a is c i e n c ea n dt e c h n o l o g y d e v e l o p m e n tf u n d ，g r a n tn o 0 5 4 4 0 7 0 61 ) s c h o o l d e p a r t m e n t ：s c h o o lo fe l e c t r o n i ca n d i n f o r m a t i o ne n g i n e e r i n g d i s c i p l i n e ：c o n t r o ls c i e n c ea n de n g i n e e r i n g m a j o r ： c o n t r o lt h e o r ya n d c o n t r o le n g i n e e r i n g c a n d i d a t e ：j u nz h a n g s u p e r v i s o r ：p r o f s h i q i nj i a n g m a r , 2 0 0 6 学位论文版权使用授权书 本人完全了解同济大学关于收集、保存、使用学位论文的规定，同意如下 各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学 位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存 论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务； 学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在 不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术 活动。 经指导教师同意，本学位论文属于保密，在印年解密后适用 本授权书。 指导教师签名：梅多 学位论文作者签名：瓣节 z 舯b 年3 月日 d6 年弓月6 日 留寸 一 彦驴 一葫日一 氢批猁泪秘弓佑年 文幅一 敝以一 位 靴 一 声明尸明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所 取得的成果，撰写成硕士学位论文! ! 坠磁筐曼盆娄拯医堂这鲑的婴 芷。除论文中已经注明引用的内容外，对论文的研究做出重要贡献 的个人和集体，均己在文中以明确方式标明。本论文中不包含任何未 加明明确注明的其他个人或集体己经公开发表或未公开发表的成果。 本声明的法律责任由本人承担。 学位论文作者签名： 絷学 d6 年弓月6e t 摘要 摘要 随着生命科学的迅速发展。生命的奥妙不断吸引数学，物理，化学，电子 和信息等学科的研究与之交叉渗透，人类企图从更深层次上揭示生命活动的基 本规律。目前，一些发达国家j 下试图利用心脏磁场信号的检测来进行心脏疾病 的预防和诊断。为此，关于人体心脏磁场的基础研究和临床应用研究已经成为 该领域的研究热点。 本论文在参考大量文献和前人工作的基础上，主要研究了心磁信号分类的 方法，及相关软件的开发。主要完成了如下工作： 1 探讨了采用计算机对心磁数据自动分类的方法。给出了一种基于神经网 络的建模方式和分类方法，并对病人和正常人的分类进行了测试。 2 在前人工作的基础上，研究了心磁信号预处理的基本原理，探讨了 v c + + m a t l a b 混合调用的方法。编程实现了一个心磁数据分析软件包， 给心磁数据的综合分析提供了方便。该软件的主要模块有：数据管理模 块、e c g 、m c g 图、心磁电矢量图、心磁电六导联图、心磁等高线图、电 流密度图等。 3 与同济医院的医生共同探讨了利用现代网络多媒体开展医学网络教学的 新思路。采用b r o w s e r s e r v e r 结构体系，用a s p n e t + a d o n e t 开发了 网络多媒体教学系统。该系统提供了网络教学、网上研讨及考试的功能。 4 为中德“心磁图：基础理论及临床研究”研讨会开发了会议网站。 关键字：心磁信号，分类，神经网络，v c m a t l a b ，网络多媒体教学 摘要 a b s t r a c t r a p i dd e v e l o p m e n t si nh u m a nl i f eq u a l i t ya n dl o n g e v i t y , w h i c hw e r ea t t a i n e di n2 0 m c e n t u r ya n da r ee x p e c t e dt oc o n t i n u ei nt h e2 1 ”，h a v eb e e nd u et oc o n t i n u i n gp r o g r e s si nl i f e s c i e n c e sa n de s p e c i a l l ym e d i c i n e t h i sp r o g r e s si sm a d ep o s s i b l ea n d s t e a d i l ya c c e l e r a t e s t h r o u g ht h em u l t i d i s c i p l i n a r ye n t a n g l e m e n tw i t hm a t h e m a t i c s ，p h y s i c s ，c h e m i s t r y , e l e c t r o n i c s ，a n d i n f o r m a t i c s ，b o t ho nt h es c i e n t i f i ca n dp r a c t i c a ll e v e l a sar e s u l t ，m o d e ml i f es c i e n c e sa r c i n c r e a s i n g l yg a i n i n gi m p o r t a n c e ，a n dt h es e c r e t so fl i f ea n dd i s e a s ea r ep e n e t r a t e dt oad e e p e r l e v e l i nm a n yd e v e l o p e ds o c i e t i e s ，h e a r tm a g n e t i cs i g n a li sa t t e m p t e dt ob ean e wa p p r o a c ht o h e l pp r e v e n ta n dd i a g n o s eh e a r td i s e a s e t h i sp a p e rs t u d ya n dd i s c u s st h ec l a s s i f i c a t i o no fm c g s i g n a l sa n dd e v e l o p m e n to fr e l a t e d s o f t w a r e ，b a s e do nm a s s i v er e f e r e n c el i t e r a t u r ea n dt h ep r e d e c e s s o r sw o r k s t h em a i nw o r k si n t h i sp a p e rc a nb es m t e da sf o l l o w s ： 1 d i s c u s s e dt h em e t h o do fc l a s s i f i c a t i o no fm c g s i g n a l su s i n gc o m p u t e r an e wm o l d i n g a n dc l a s s i f i c a t i o nm e t h o da r ep r o p o s e db a s e do nn e u r a ln e t w o r k s o m et e s t sh a v eb c t a k e nt ov e r i f yt h em e t h o d ，a n dt h er e s u l ts h o w st h a ti tc a nc a r r i e so nt h ec e r t a i n c l a s s i f i c a t i o nt ot h ep a t i e n ta n dt h en o r m a lp e r s o n h o w e v e r ，b e c a u s et h ep r e s e n th e a r t m a g n e t i s ms a m p l ed a t ai sa l s oi n s u f f i c i e n t ，t h e r e f o r e ，t h eu s a b i l i t yo ft h i sm e t h o da l s o w a i t sf o rt h ef u r t h e re x a m i n a t i o n 2 s t u d i e dt h em c g s i g n a lp r e t r e a t m e n tm e t h o db a s e do nt h ep r e d e c e s s o r sw o r k s ，a n d d i s c u s s e dv c + + m a t l a bm i xt r a n s f e r s m e t h o d p r o g r a m m i n gam c gs i g n a l s a n a l y s i ss o f t w a r ep a c k a g e ，w h i c hp r o v i d i n ge n o u g hc o n v e n i e n t t h em a i nm o d u l eo f t h es o f t w a r ei n c l u d e ：d a t am a n a g e m e n t ，s i n g l ea n d3 6e c g m c gc u r v e ，m c g e c g v e c t o rr i n g ，m c g e c gs i xl e a d e r s ，m c gc o n t o u rm a p ，c u r r e n td e n s i t ym a p 3 an e w l yk i n do fm o d e mw e b b a s e dm u l t i m e d i an e t w o r kt e a c h i n ga n dl e a r n i n g p l a t f o r mw a sp r o v i d eb yd i s c u s s i n gw i t ht h ed o c t o r so ft o n g j ih o s p i t a lo ft o n g j i u n i v e r s i t y t h es o f t w a r et a k e sc u r r e n tq u i t ep o p u l a rb r o w s e r s e r v e rs t r u c t u r es y s t e m ， a n du s e st h em o d e ma s p n e t + a d o n e tb a s e d n e tf r a m e w o r k t h ef u n c t i o no f n e t w o r kt e a c h i n g ，t h en e t w o r kd e l i b e r a t e da n dt h en e t w o r kt e s ta r ep r o v i d e db yt h i s s y s t e m a tp r e s e n t ，t h i ss o f t w a r eh a sp r o v i d e dt ot o n g j ih o s p i t a lo ft o n g j iu n i v e r s i t y f o rt e s t i n g i i 摘要 4 p a r t i c i p a t e di no r g a n i z i n gt h es i n o - g e r m a ns y m p o s i u mo nm a g n e t o c a r d i o g r a p h y ： b a s i cr e s e a r c ha n dc l i n i c a le v a l u a t i o n ，a n dd e v e l o p e dt h es y m p o s i u mw e b s i t eu s i n g h t m la n dj a v a s c r i p t k e yw o r d s ：h e a r tm a g n e t i cs i g n a l ，c l a s s i f i c a t i o n ，n e u r a ln e t w o r k ，v c m a t l a b ，n e t w o r k m u l t i m e d i at e a c h i n ga n dl e a r n i n g i i i 目录 目录 摘要i a b s t r a c t i i 目录i v 第一章绪论1 1 1 心磁信号的研究背景与意义1 1 2 国内外研究和应用现状2 1 3 论文的主要工作3 第二章心磁信号识别与分类方法的研究5 2 1 概述5 2 2 原始数据的采集及预处理5 2 2 1 数据采集5 2 2 2 滤波7 2 2 3 同步基线平移处理7 2 3 数据点的选取及归一化处理8 2 3 1 数据点的选取8 2 3 2 数据时间段选取8 2 3 3 磁场强度轴规范化( 垂直方向) 8 2 3 4 时间轴规范化( 水平方向) 9 2 4 分类数据的模型1 0 2 4 1 问题提出1 0 2 4 2 模型的分类1 0 2 4 3 模型的验证1 1 2 4 4 小结1 2 2 5 心磁信号分类方法1 2 i v 目录 2 5 1 概述1 2 2 5 2 神经网络分类器1 3 2 5 3 计算和仿真结果1 4 2 5 4 小结1 4 第三章心磁信号分析软件包的研究与实现1 5 3 1 概述1 5 3 2 心磁信号分析软件包的总体框架1 5 3 3 数据库的建立1 6 3 4 功能模块与软件设计1 8 3 4 1 单幅和3 6 幅e c g 、m c g 图1 8 3 4 2 心磁电矢量图2 1 3 4 3 心磁电六导联图2 2 3 4 4 心磁等高线图2 4 3 4 5 电流密度图2 5 3 5v c + + m a t l a b 混合编程的研究2 6 3 5 1 问题的提出2 6 3 5 2 混合编程的实现方法2 7 3 5 3 实际解决方案3 l 第四章医学多媒体教学系统的研究3 3 4 1 问题的提出3 3 4 2 系统结构与功能3 4 4 3 数据库的建立3 5 4 4 功能模块的程序化3 6 4 4 1 登陆模块3 8 4 4 2 病房管理模块4 0 4 4 3 教室管理模块4 l 4 5 小结4 2 v 目录 第五章论文总结与展望4 3 5 1 结论4 3 5 2 展望4 3 致谢4 5 参考文献4 6 个人简历在读期间发表的学术论文4 9 v i 第一章绪论 第一章绪论 1 1 心磁信号的研究背景与意义 心磁信号的检测是近年来发展起来的一种新的无创性检测心脏电功能的技 术。心肌细胞的兴奋伴随着活动电流产生，根据毕奥u 萨伐尔定律，活动电流在 其周围产生磁场，在体表测得该磁场的心磁信号是心脏信息的载体。自从1 9 6 3 年心脏磁场被b a u l e 和m e f e e 首次记录至今，心磁信号的检测技术已有很大的 发展，特别是超导量子干涉仪( s u p e r c o n d u c t i n gq u a n t u mi n t e r f e r e n c ed e v i c e ， s q u i d ) 曙1 的问世及广泛应用，有力地推动了心磁检测及其衍生产品心磁图 ( m a g n e t o c a r d i o g r a m ，m c g ) 等的临床应用，心磁图如图1 1 所示。口儿4 1 n 1 羹一：_ 擀。：猢豳 一 。薅 勉= - 翰嘲沥k 搋 ，0 囊7 。渤兹。圆7 一：_ 、嗣酞警； 孽。：，、翩瞪：! 、：； 。? i 习 & 二；璺蠲；嗣蠹。，一勰；捌豳隧i 镶黜j 魂瑟黪f 糊 匿。瑶：固圆；景 黼。懒簇觏v 嘲o k 一 矧谢魄麓眵 图1 1 心磁图( m a g n e t o c a r d i o g r a m m c g ) 第一章绪沦 心磁图基础理论及临床应用是目前国际上的研究热点。我们在2 0 0 4 年上海 市自然科学基金和同济大学医工结合项目资助下，对心磁图仪取得的病人数据 进行相关的研究工作。目的是研究从心脏磁场信号中获取医学诊断信息和研究 计算机自动处理心磁信号和学习有用信息的智能方法。 通过对心脏电磁场医学信息的研究，我们探讨了很多有用的数据分析算法 用于对心脏疾病进行诊断。如：q r s 平均复合波形、心磁心电六导联图、心磁 心电矢量图、心脏磁场二维等高线图、心脏磁场三维等高线图、电流密度图等。 另外实验室还研究了一系列创新的分析算法，如电流偶极子矢量图 、心磁场 在高温超导量子干涉仪( h t s - s q u i d ) 轴线方向的二阶偏导数图等。 为了将已有的研究成果集成化，我们试图开发一个对心磁信号进行综合处 理的软件系统来对病人的心脏磁场信号进行分析，得出各种典型的图例。另外， 我们拟通过机器学习分类的方法实现一种智能化的疾病分析方法。 对于给定的心磁数据，通过心磁信号处理软件的分析和图形化显示，我们 能够将心磁数据转换为有用的诊断信息。在心磁信号的处理过程中，我们要对 数据进行滤波、同步与基线平移、数据的插值处理、数据的平均化处理、数据 的磁场电场转化等一系列的数学计算，从而得到最终有用的数据。因此，心磁 信号分析软件的形成是基于一系列的数学和物理学电磁场的理论。另外，为了 达到电脑自动识别以及分类，我们需要采用一系列的系统辨识的方法，来对历 史数据进行建模，从而实现对疾病的智能辅助分析功能。 心磁信号处理及机器学习软件是一种很有用的心磁信号分析工具。通过 它，我们能够将本实验室已有的各项研究成果集成化，为下一步的分析工作打 下坚实的基础。 1 2 国内外研究和应用现状 从1 9 7 0 年，第一个商用超导量子干涉器( s q u i d ) 问世。1 9 7 1 年，开始研究 和测量心磁信号。到1 9 9 3 年，同本保健福利省( j m h w ) 批准m a g n e si 系统在治 理脑和心脏疾病的临床使用。心磁数据成为一种新的心脏信息源，它既避免了 有创伤检查( 如冠脉造影) 操作难度大且有一定危险性的弊端，又使无创伤检 2 第一章绪论 查的灵敏度从现在的5 0 ( 如运动心电图) 提高到9 5 以上，并且能帮助检查 出心电图所不能检测出的病症。因而，心磁仪的研究和开发成为一个热点隋1 。 现在，世界上美国、德国、日本和俄罗斯在该领域研究超前。此外，加拿 大、中国、法国、瑞典、意大利、奥地利、西班牙等国也有相关的研究。国内 中科院和北京大学在国家9 7 3 和8 6 3 项目支持下，已经研制出两种低温超导 s q i u d 阳儿旧1 装置，并在两家医院做临床实验。中国协和医科大学、复旦大学刳、 同济大学、上海瑞金医院、北京阜外心血管病医院、天津国际心血管病医院n 副、 中日友好医院n 们等也在研究心磁图仪的临床诊断和心脏磁场检测信息的获取。 国内有三家医院已经从国外引进了心磁仪，正在做临床研究。 目前，在美国、俄罗斯、德国等国家，相对应于心磁图的处理软件都已经 出现。而中国长期进行算法的研究，当前还没有类似的分析软件。因此，研究 开发这样一种综合软件能够加强我们对心磁图的了解，便于综合的讨论心磁诊 断技术。通过软件系统能够将我们已经研究的成果进行集中化，便于对已有的 数据进行分析。 而对于心磁数据的分类问题，也一直是国际研究的热点之一，在文献 1 5 1 6 中提出了关于m c g 分类的机器学习的方法，它采用了支撑向量机( s ) 来对心 磁数据的分类进行研究。文献 1 7 中提到利用混沌来进行时间序列进行分类。 还有一些研究人员试图采用i c a 的方法进行心磁数据的分类n 引。在本文中，我 们试图采用神经网络建模的方法来进行分析。 1 3 论文的主要工作 心磁信号从采集到信息处理以及辅助诊断是一个复杂的过程，本文对其 中的分类问题进行讨论，并尝试寻找解决的方法。另外本文还重点介绍了心 磁信号分析软件包的开发过程和相应的分析模块，以及v c 十+ m a t l a b 混合编 程方法的实现。主要工作如下： 1 采用计算机自动分类的方法，对心磁数据进行分类。包含数据的预处理， 数据的选取及归一化，分类数据模型的建立，以及通过人工神经网络的 方法来对心磁数据进行分类。对部分已有的心磁数据进行了测试。然而， 由于目前心磁样本数据还不足，所以该方法的实用性还有待进一步的检 3 第一章绪论 验。 2 在参考大量文献和前人工作的基础上研究了心磁信号产生、采集机理、 滤波、预处理的方法，并将各种算法用v c + + 进行集成，制作出一个心磁 数据分析软件包。能够对已有的数据进行综合的分析处理。该软件的主 要模块有：数据管理模块、单幅和3 6 幅e c g 、m c g 图、心磁电矢量图、 心磁电六导联图、心磁等高线图、电流密度图。 3 研究了软件开发过程中v c + + m a t l a b 混合调用方法。实现了将m a t l a b 程 序向c + + 程序的转化，从而满足了集成化开发的要求。 4 针对传统医学教育中存在的问题，探讨了利用现代医学网络多媒体教学 系统开展网络教学的新思路。采用当前比较流行的b r o w s e r s e r v e r 结构 体系，利用a s p n e t + a d o n e t 技术结合s q l s e r v e r2 0 0 0 进行网络多媒 体教学系统的开发。 4 第二章心磁信号识别与分类方法的研究 2 1 概述 第二章心磁信号识别与分类方法的研究 本章我们通过最小二乘、人工神经网络、平均值等方法对m c g 数据进行了 模式识别和自动分类的研究。m c g 信号来源于对人体心脏生物磁场活动的测量。 一种基于超导量子干涉仪( s q u i d ) 的探头被用来测量心脏磁场，该系统的操作 由计算机控制，并且很大程度上实现了自动化。其数据采集，滤波和数据处理， 由相应软件完成。其关键的医学诊断和图像分析也是由计算软件来实现的。 对m c g 所记录数据的具体意义的解释目前还是一种挑战，因为目前我们还 难以找到一种精确的准则来进行判断。因此，我们试图研究一种对m c g 测量数 据进行自动分类的方法，来找出其中的规律，以便于更好的分析诊断。 2 2 原始数据的采集及预处理 2 2 1 数据采集 首先将s q u i d 探头通过支架移动到病人心脏上方，测量记录病人心脏上方 3 5 * 3 5 厘米平方当中3 6 个点数据，如图2 1 。 图2 1 测量记录示意图 5 5 3 2 ) i c l r 第二章心磁信号识别与分类方法的研究 每个点记录时问是3 0 秒。由于这个心磁仪是4 通道探头，因此每次测量的时候能 覆盖2 * 2 个点，从而大大节省了测量时间。测量完毕以后我们能得至1 j 3 6 组心磁图 数据，由于采样频率是1 0 0 h z ，所以对于一组心磁图数据来说，数据之间相差的 间隔是0 0 0 1 秒，图2 2 是其中心一点c 3 的心磁信号。 u ( 1 0 e 1 2 图2 2c 3 点的心磁信号 在记录心磁数据的同时，我们还进行心电数据的记录，目的是为了为以后的同 步打基础，记录的心电图数据是v i i 导联对应的数据，图2 3 是中心通道c 3 d 4 的 心电信号。 o2000 400 0600 080 0 010 o 0 0120 0 o140 0 0 毫j mn i j nn一t 图2 3 中心通道c 3 d 4 的心电信 在原始数据采集完后我们还有对已有的数据进行滤波和预处理【1 9 】。在完成 上述操作后，我们就可以进行下一步的操作。 6 5 o 5 0 5 o o o 堙 ， 第二章心磁信号识别与分类方法的研究 2 2 2 滤波 心脏跳动的主要频谱主要集中在直流至l o o h z 。因此我们首先使用低通滤波 器对心磁数据进行滤波。 另外，在m c g 数据采集过程中，除外部干扰外，s q u i d 探头本身也会产生热 噪声和1 f 噪声。而1 f 噪声频段分布跨度很大，这就使得一般用于降噪的低 频滤波等方法并不合适。在实际中我们采用小波变换的方法对m c g 信号进行了 滤波咖1 。由于小波变换对信号具有“白化”作用，因此，我们对含有1 f 噪声 和热噪声的m c g 信号进行小波变换以得到小波域内的白噪声，然后在小波域中 对两种噪声一起处理并最后重构原始信号，从而达到滤除两种噪声的效果。 2 2 3 同步基线平移处理 通过上文对数据采集的介绍，我们 可以看出3 6 点m c g 数据的测量不是一次 性完成的，而是利用人体心电图信号作 为参考分9 次逐步测得的，因此我们需 要对m c g 信号进行同步基线平移处理。 当然，这样的一种处理必须满足以下的 假设：1 假设在被检测者接受心磁图测 量的这段时间内，其心脏磁场一直保持 严格的周期变化；2 病人的心跳不发生 大的波动。在正常的情况下，这两点很 容易满足。图2 4 表示了同步基线平移 的效果。 7 图2 4 同步基线平移示意图 第二章心磁信号识别与分类方法的研究 2 3 数据点的选取及归一化处理 2 3 1 数据点的选取 文献 2 1 1 中对心脏磁场信号混沌时间序列的分析得出，心磁信号吸引子具有 混沌吸引子的特征，越是靠近心脏中心其混沌特性越为明显。而边缘数据的规 律性不足。由此，我们在数据的选取中只选取了心脏中心部分的四组数据。 2 3 2 数据时间段选取 为了能够实现自动分类，我们截取了 一段时间的数据( 从s t 段瞳2 儿2 3 3 到t 波的 波峰) 。选择这段特殊时间是基于心脏 电生理学的特征。在文献 1 5 中提出并 定义了分析区域的初始点和终止点：t 4 标志点定为t 波的波峰，t 3 点定为磁场 强度是t 波波峰1 3 处的点( 如图3 所 示) 。定义的这块区域正是在除极阶段 完成之后( o r s 复合) 至心外膜细胞完全 复极之前的这个时间段。 图2 5 时间段选择示意图 我们采用二进小波变换对m c g 信号进行t 4 点的提取m 脑1 。找到波峰值后可 继续向前找到t 3 点。图2 5 给出了时间段选择示意图。 2 3 3 磁场强度轴规范化( 垂直方向) 由于每个人的生理条件存在不同的差异，不同人的磁场幅度不尽相同。为 了从曲线的总体趋势上来分析不同的病情，并建立相应的分类，有必要对已有 的心磁数据进行规范化处理。我们采取的原则是将最大值定位为1 0 0 而其他的 值则是相对于最大值的比例缩放。具体的公式为： d a t a = d a t a m a x ( d a t a ) * 1 0 0 ，其中d a t a 为变换后的心磁数据，d a t a 为原始心磁 数据，而m a x 0 函数为取数据中的最大值。图2 6 给出了变换效果图。 8 第二章心磁信号识别与分类方法的研究 磁场强度轴变换店的心磁数据 图2 6 磁场强度轴规范化示意图 2 3 4 时间轴规范化( 水平方向) 每个人生理特征的不同将导致不同人的心跳周期存在很大差异，同时将导 致s t 段数据的长度不具有可比性。因此，有必要将将所选取数据段进行规范化 处理，根据已有的数据，我们发现大多数选取的区域在8 0 1 5 0 毫秒之间，因 此我们选取1 0 0 毫秒作为缩放的标准，将时间轴缩放到0 1 0 0 ，具体的公式为： x = ( x m i n ( x ) ) * 1 0 0 l e n g t h ( x ) ，其中x 为新的时间轴坐标，x 为原始数据的时 间轴坐标，m i n0 函数为取最小值，l e n g t h ( ) 函数为取x 的长度，在这里x 即为 2 3 2 节中t 3 一t 4 之间的时间段。图2 7 给出了变换效果图。 原始时间轴心磁数据x 9 第二章心磁信号识别与分类方法的研究 2 4 分类数据的模型 2 4 1 问题提出 图2 7 时间轴规范化示意图 对于每一个病人来说，心磁数据检测都包含有3 6 组曲线，我们的任务是 能够对各个不同的病人进行分类，为了减小分析的复杂性，我们试图将3 6 组曲 线找到一个等效的模型曲线。这样我们就能够将对3 6 组曲线分类的问题转换为 等效曲线模型的判别，在很大程度上能够减少分类的困难，同时，我们也更容 易的找到各种方法来对数据进行处理。 2 4 2 模型的分类 以下我们分别采用最d - - 乘法、人工神经网络( b p ) 、平均值法汹m 1 来进行 曲线的拟合。根据前面的选择，我们选择了心脏磁场中央附近的四组曲线作为 拟和对象。 1 0 第二章心磁信号识别与分类方法的研究 最小二乘法曲线模型 平均值法曲线模型 b p 神经网络曲线模型 图2 8 采用三种不同方法曲线拟合意图 2 4 3 模型的验证 为了能够反映曲线拟合的效果，我们首先采用均方根误差来进行评估，均 方根误差的定义如下： r m s e | 丽 但均方差值的大小依赖于对原始数据的缩放倍数，因此我们通过使用 r2 一i1 一 来辅助衡量。图2 8 中分别给出了在最d 、- - - 乘法( 1 0 阶) 、人工神经网络( b p ) 、 第二章心磁信号识别与分类方法的研究 平均值方法下模型曲线与待拟合曲线的关系，在表1 中，我们给出了曲线拟合 1 的r m s e 与r 2 。 表2 1 最小二乘、神经网络、均值法模璎r m s e 及r 2 值对比 数据组 第一组 第_ 二组 第二组 第四组 r m s e 方法 r m s e lr 2r m s e 2r 2r 2r m s e 4酽 3 0 0 70 0 7 最小二乘法 2 3 l0 1 3 31 6 40 1 4 42 5 81 2 6 24 0 0 0o 0 1 神经网络法2 1 70 0 1 21 5 4o 0 1 32 4 91 1 9 6o 均值法 2 1 701 5 302 4 801 1 80 2 4 4 小结 通过图2 8 和表1 的误差分析，我们可以看出，采用平均值法的拟和效果最好， 人工神经网络与平均值法计算结果非常接近，而采用1 0 阶最小二乘效果相对较 差。但考虑到采用均值法实际获得的是离散数据列，而不是连续模型，对于任 意点的磁场值无法直接给出，而神经网络则可以理论上获得任意点上的近似数 据，所以作者认为：综合考虑，采用神经网络建模比较合理。 2 5 心磁信号分类方法 2 5 1 概述 对一组新数据进行归类，其本质就在于要找到一种量度来对其进行判断， 从而确定其是否属于已确定的类别模型。常用的方法有相关系数和随机性模型。 【1 6 】【1 7 】 相关系数p ( z ，y ) 反映两个随机变量之间的线性联系的紧密程度。当 | p ( j ，y ) l - - 1 时我们称x 与y 线性相关，ip ( x ，y ) i 越接近1 ，我们说两条曲线 1 2 第二章心磁信号识别与分类方法的研究 的形状越接近，相似性越好。因此选取合适的p ( x ，y ) 作为阀值，可用来区分新 数据是否归类。 随机性模型分类法：对于给定信号s ，计算它对于给定模型c 的条件概率 p ( cs ) 。当p ( cs ) 大于某一阀值0 时确定其是否属于c 。在这里，我们采 用几何概率( 比例积分面积) 法来进行概率数值的计算。 然而，上面的两种方法存在一个问题，那就是必须先以一组数据作为典型 模型，其他归为此类的信号实际上是以它作为绝对标准来进行评价的。而在实 际病例中我们很难给出确定的典型模型。 2 5 2 神经网络分类器 人工神经网络方法将能够解决上述两 种方法的缺陷。如图2 9 所示，我们先 将多组已经被确认为同类的信号作为 已知输入，而输出为一个确定的类别值 或区域。然后对整个b p 网络口3 聃1 的多 组样本进行训练，得出合适的连接权系 数矩阵。因为b p 网络具有很强的泛化 能力，所以当有一组新的数据输入时， 如果新的数据与此类模型相似，则会得 出相似于特定类别值的输出，我们通过 对类别值给出一定的阀值，就能够确认 y 1 ( y l ，y 2 ) ( y l ，y 2 ，y 3 ) 图2 9 神经网络示意图分类法示意图 它是否属于此类。例如：如果我们选择输出类别值一维值，则相当于直线上的 数据判断，即：iy i 一多i 每个病人形成一个基本心磁、心电波形信息数据库。 对每个病人通过基本数据信息分析所获得的图形形成图形数据库。 提供数据库人机接口，用于读取数据和进行注释。 图3 2 给出了软件包的数据库管理界面。图3 3 给出了软件包的数据库字段配置 图。 e 日! q ，一4 1 t qt t t 捌b o u，4 obob 口圳t m 螺 i i i a l l l ：童蟑 i 1 苒暑”露玎：粞确鼯f 耍鳓 ；擎链吁产攀吲黜 i ，事匹i0 晴i * i f 日童尊。1 种 na 一舅鼻秘。也捌 t 毫洋蕾。_ - 妒。叠- 聃；i 如s - i 4 童 h # 口： m 日- ；f 一i ：自 z ： 张i 籼啦：孽i 。二而五蔷面罐：r 一螂 叠戤 h ： fk 洲b “- t 忡hq l越冀 # # i * 峥- ：f n 粕山_ 、蜃& i 瑚 g ! _ n 懂： k m - 耕，扪n i 证l 试一鲥 寰# i 协h ：n c s 、，1 l - t 、睁hq t一i 黼i 恪* ： f 谥“，二- 二t 每i 占r 剃 $ 戤舰i _ r ： # k t - 小，岫t m 删f g 一 i 蟊 # 霄i _ n ： k 州5 、p - t 川、“i y 一五 盔锌文恪m ：f i 二甭i i = 嗣苗商i r 一 靓_ f 蝴蜩睫：矧嘲咖： ，料e 童：蕊；黼五- t 、：i 叶o n ： 盹，赶值i ： 矗杆枷盘l j 一 蕾，口毒t ：f 谳- 酥岫n n - ，t 一 一 图3 2 心磁分析软件包数据库管理页面图 1 7 第三章心磁信号分析软件包的研究与实现 图3 3 心磁分析软件包数据库字段图 3 4 功能模块与软件设计 3 4 1 单幅和3 6 幅e c g 、m c g 图 这个模块的功能主要是显示我们采集到的病人心磁、心电基本数据信息。 有单点选择显示，见图3 4 ；有3 6 点全部显示，见图3 5 。另外用不同的颜色将 心电和心磁图分丌，通过配置我们还可以查看任意多个点的心磁图像。 1 8 第三章心磁信号分析软件包的研究与实现 d 瞎 o 2 d 国es e tt 耽蜷嚣事 豳滋黝豳趔莲滋覆戮乏堑爱戮区互馘麴黝滋：妥熬兹醴滋 图3 4 单条心磁心电图 1 9 第三章心磁信号分析软件包的研究与实现 啊匿蜀墨蜀墨霜盈e 匿嚣口：翻瞳翻麓鞠蹶嬲凝缓豹凝嬲嬲缀僦穆灞燃勿黪? 日z 件哩) 臻辑哩) 查着c ) 努奄固像魁理智助鲫 点j 围 删型 麓 ：一簧筝? 一一 则，舻移磁。每。禽曼! 竺：! ：| 薹j 塑茎：l 篮跑 l 篮鳖尘| 竺竺坠也：| 隔晒萄f 白 侈哆g 4 1 l 一 图3 53 6 条心磁心电图 2 0 第三章心磁信号分析软件包的研究与实现 3 4 2 心磁电矢量图 根据生物医学及c o h e n 等对运用场梯度的磁场测量分布研究 3 8 ，反解得 到对应心脏电偶模型的电场，从理论上推得心脏各测量点在某时刻的平面电流， 磁矢量间的关系，是关f 型生一型生、于矢量。由心脏磁场测量数据，计算产 生这个心脏磁场分布的 一 电流源矢量，即电流密度分布图。根据 容积导电和电偶向量模型，一定区域、一定量的心肌细胞在各时刻所产生的空 间综合心电矢量作为一级近似，并把各时刻各点的电流密度矢量叠加起来，形 成一个对应时刻等价的单个合成电偶极子，即各时刻点的额面合成心电矢量， 作为二级近似。虽然严格说来，根据h e l m h o l t z 定理，导体内的电流分布不可 能由其外部获得的信息惟一确定，但在单电流偶极子近似下，偶极子的大小和 方向均能通过外部的磁场分布被惟一确定 3 9 。以t = t j 时刻为例计算心脏等 价的单个合成电偶极子矢量l j 的幅值及相位的公式如下： 幅值： 相位： i j = ， i ( 3 1 ) = 车( a b z j 一，等) ( 3 2 ， 其中，为幅值修正权系数。 将各个时刻的电偶极子矢量连成一体，我们就可以得到心磁心电矢量环。 图3 6 给出了心脏磁场信号的心磁心电矢量环。 2 1 第三章心磁信号分析软件包的研究与实现 蹬一徵嬲羧嬲缵獭戆缪甥嬲黝黝燃嬲黝黝嬲幽嬲嬲隧嬲嬲魈嬲黝嗍朔朔嬲嬲嬲嬲嬲嬲戮甥隧缰陂髫圉 e j7 伴理j 蠊吧) 童鲁哪熬培t 处理帮助 ，o d 苗pi d ，d 国e t l t 就簿 辩 磁滋函渤磁谶瀚磋琵滋翟戮毖滋麓荔弱琵琵渤整琵邈鍪瑟愿鞠澄豳豳豳糕裁嘲拗妻勰 3 4 3 心磁电六导联图4 1 1 图3 6 心磁电矢量图 在3 4 2 中，我们得到对应时刻的瞬间综合向量三i 口j l 通过分别将其投影 到不同的导联轴上，我们可以得到相应得关于时间的各导联幅值投影曲线，即 各导联心磁电图。 承心砻。 形 7 a v r f - 2 2 第三章心磁信号分析软件包的研究与实现 投影算法：k j = i jc