利用小波变换提取声谱图参数一种方法

1919分析,从而识别声谱包络特征点的方法。这种方法还可以推广到其它生理信号的特征点识别和提取上。1 所谓声谱图,就是将三维信息的信号的频谱在两维平面上进行显示,即以横轴表示时间,纵轴表示信号的频率血流速度)。而某一频率点的频谱幅度则以灰度或颜色加以调制。本文认为超声声谱图既是两维灰阶彩色图像,又有不同于一般两维灰阶彩色)图像的特异性它的声谱图的包络就是信号的最大频率曲线。声谱参数提取中的包络曲线特,需要在最大频率曲线上自动搜寻收缩期最大值S点和舒张末期值D点。在确定了这两点后SDRI值便可得出。其它的参数值的计算,如PI值等一旦最大频率曲线已知其时间平均值也是不难得出的。S点和舒张末期值D点的定义可知,值和极小值点。但是,由于血流情况的复杂性及其它因素的影响,最大频率曲线并非一光滑曲线,存在许多极值。因此,必须对所得的极值点加以判别来得到真正的S值点和D值点,最大频率曲线奇异点进行去伪存真的搜寻。 为了寻找最大频率曲线的极值点,首先必须提供一种表示信号奇异性的方法,然后对所得的最大频率曲线奇异点进行识别和筛选,S值点和D值点。这里,,但若函数在某处有间断或某阶导数不连续,数在此处有奇异性。xyR,0<式中B=AB是与A同阶的无穷小量,n(RR上的n阶1 以往,Fourier变换一直是研究函数奇异性的基本工具由一函数的Fourier变换趋于零的近年来小波变换具有很好的“变焦距”性质。因此,直观上讲,它应对信号的奇异性YMeyer5]证明了以下定理从而导出了在Lipschitzf)CR,

12

αj x xft) 2RωxωCΧ

d< 3x

x)1

x26fxΧx的衰减性来确定它的Lipschitz指数,而只须 它的小波变换在一些特殊线上的衰减性即可。也就是说,当尺度S2j足够小时,函数fx的小波变换Wsfx)的极大值可以表征其剧烈变化点的位置。1 由23节得出,过在Lipschtz指数意义下分析信号的奇异性,从而为识别信号的特征点提供了一种。本文将这种方法应用络血流最速度曲线上,对其作小波变换后,取模极大值并以此识别特征点。本文采用Mallat的快速小波变换算法[51j=2Wdj1f=1Sdj＊G j f=Sdjf＊H2j 3j=j+14j<21HGxjj为归一化系数,Sdf为原始离散信号。在本文中,t取为二次样条函数。1本文在尺度25上以一定阈值5获得一正负模极大值对,从而确定一个心动周期。在此4寻相应的正负模极大值对并取阈值3。上述作法的原因是Mallat算法的实质是等效滤波器组,的延时,而在较小的尺度上又存在较高频率噪声的影响,不宜直接在其上搜寻模极大值对。因此,在较大尺度上确定模极大值的搜寻范围,在较小尺度的相应区间确定模极大值对的具置,这种利用信号变换后在不同尺度的性质来识别特征点的方法是可行的。为了消除可能出现的干扰,采用了一些在心电处理中检测QRS波常用的不应期处理方法7200ms值。23D点。至于收zecrossingpoint。2360～90跳之间,相应的血流速度周期为600～1000ms。通过分析本文选取的二次样条小波所对应的Mallat算法等效滤波组和最大频率曲线频谱可知,其能量主要集中在尺度23。最大频率曲线的原始信号及其小波变换后在不同尺度下的结果如图2a)取模极大值后的结果如图所示。a) b)图 最大频率曲线在不同尺度的变换结 本文首先对计算机仿真的最大频率曲线进行特征点识别。本文临床对象是小儿,计算机仿500s左右变动。计算机仿真的最大频率曲线如图3a所示。本文算法3a图中用符号“”、收缩期最大值S点和舒张末期值D点。在计算机仿真信号上分别加20dB和10dB和所示。3可以看出,本方法对计算机仿真信号的特征点识别结果是令人满意的,也能较有效2

图 Xms,YkHz”为在原信号上加20dB噪声的识别结果)为加10dB噪声的识别结果。图 本文应用该方法对1645的临床数据取自一小儿主动脉血4为对最大频率曲线进行特征5为提取声谱包络和特征点识别的综合结果。符号”期最大值S点和舒张末期值D点。表1是本文方法与人工识别方法对 图 表1中,所有结果均是以三位超声诊断医生识别结果的平均值作为参考对象,其中Emean表示绝对误差平均值,Std表示标准差。从表1中可以看出,单个医生的人工识别结果的绝对误差平均值和标准差比较大,说明人工方法与操作者的技术和经验有关,重复性和准确性均不理想,,分析效率也很高,基本上可以取代人工方法。表 收缩期最大值 mem)tdm)eanm)m)nm)m)am)m)107744特征点的方法,其实质是利用信号在小波变换后,不同频率区间的模极大值点特性,在Lipschitz目前,进一步的临床应用正在第二医学新华医院进行中致谢感谢新华医院陈树宝教授、孙琨和张玉奇博士提供了许多临床数据,感谢本组余建国、汪源源超声血流信息提取方法的研究复旦大学博士,94,18～陈良龙,李金国,蓝玉福超声心动图血流频谱计算机自动分析系统中国医疗器械,1921汪源源,吴晓峰,.超声血流声谱参数的计算机自动分析方法.复旦学报(自然科学版,344,汪源源,利用改进的百分比法提取血流声谱图包络声学技术,1998,1719～MallatS,ZhongSCharacterizationofSignalsfromMultiscaleEgesIEEETrnsonPatternysisandMachineInligence,92,147710～732秦前清,杨宗凯实用小波分析西安西安电子科技大学,19480～etrnformsrasoBiomedicalEngineering,195421)21～28MallatSZerocrossingsofaWaveletTransformIEEETransonInformationTheory,1991,3771019苗振魁等PD1型电子体温计性能改进的研 1,法是合理的是行之有效的好的有一定的推广价值。3

2m h前m)0.600.921.051.251.50h后m)1.501.561.511.501.50D P163 ,1992年8黄俊钦静、动态数学模型的实用建模方法机械工业, ,1988,326～·EXTRACTIONOFSONOGRAMPARAMETERSUSINGWAVELETTRANSFORMDpartmentofElectronicEngineering,FudanUniversity,Shanghai04)ABSTRACWiththemoreandmoreclinicaluseofDopplerultrasoundtechnique,somesonogramparametershavebeenfoundtoberelatedtobloodflowsituationsInordertoextractsonogramparametersautomatically,amultiscaleysismethodbasedonMallatalgorithmwasproposedTherecognitionofcharacteristicpointsofasonogramfromitsmaximumfrequencycurveunderdifferents