王 超，白瑞峰，魏藝明，章曉麗

基于小波變換肺部氣血阻抗分離及能量分析

王 超，白瑞峰，魏藝明，章曉麗

(天津大學(xué)電氣與自動(dòng)化工程學(xué)院，天津 300072)

肺部血管搏動(dòng)信號與呼吸信號對于肺部疾病或心血管疾病的鑒定有重要意義，為了提取這2種信號，根據(jù)人體生物阻抗測量特點(diǎn)，設(shè)計(jì)了阻抗測量平臺，可實(shí)現(xiàn)20,kHz和200,kHz的混頻激勵(lì)．針對測得的氣血阻抗信號，利用小波變換實(shí)現(xiàn)了氣血阻抗信息分離，結(jié)合能量分析法，氣血變化規(guī)律可表征人體不同體位和呼吸狀態(tài)，為肺部疾病的精確診斷奠定基礎(chǔ)．

生物阻抗測量技術(shù)；小波變換；能量分析；肺功能檢測；混頻激勵(lì)

pulmonary function testing；mixing frequency excitation

肺部是人體的重要器官，它不僅是氣體交換中樞，還是人體血液循環(huán)的重要組成．肺部疾病發(fā)病率高且并發(fā)癥多，使肺部疾病確診更加困難．衛(wèi)生部公布的《2009年全國職業(yè)病報(bào)告情況》表明塵肺是中國目前發(fā)病人數(shù)最多的職業(yè)?。壳皦m肺等肺部疾病主要檢測方法有X射線法(檢出率小于5%)和CT法(檢出率24.83%)，但檢測效果都不盡人意[1]．活體檢查對鑒別和診斷有很大幫助，但具有較大的創(chuàng)傷且易造成氣胸等并發(fā)癥．

肺部疾病，如塵肺、腫瘤、肺心病和結(jié)核等，都會(huì)引起肺部通氣和血流的變化，通過肺部的氣血信息分析可以對肺部功能給出更準(zhǔn)確的診斷[2-5]．

受姿勢、運(yùn)動(dòng)和說話等因素的影響，呼吸信息比血流信息更加難以檢測．傳統(tǒng)的熱敏電阻和應(yīng)變計(jì)等非侵入性的測試儀可以獲得精度不高的呼吸信息．呼吸量測定法[6]和呼吸速度描記儀[7]等精度相對高的侵入方法(需要屏氣和深呼氣)不適于自然狀態(tài)下的連續(xù)檢測和運(yùn)動(dòng)檢測．生物阻抗技術(shù)對于肺部的氣血信號，有很好的敏感性[8-9]，具有無創(chuàng)無害、操作簡單、信息豐富、醫(yī)生和病人易于接受等特點(diǎn)．電感體積描記術(shù)和阻抗描計(jì)圖[10]是當(dāng)今應(yīng)用較廣的方法，這2種方法基于生物阻抗技術(shù)．呼吸速率等信息主要通過帶通濾波器獲得且成功應(yīng)用于很多研究[11].

基于屏氣測量的阻抗分析方法，不能連續(xù)監(jiān)測，也不適用于嬰兒或其他不能長期處于特殊呼吸狀態(tài)的人，限制了其應(yīng)用范圍．氣血信號的有效分離將為肺部氣血信息的分布研究提供條件．自然呼吸主頻與血管正常搏動(dòng)頻率分布有較明顯的區(qū)別，以此為基礎(chǔ)利用小波分析將通氣和血流信息相區(qū)別，可為肺功能的評價(jià)提供新的信息．

1 系統(tǒng)設(shè)計(jì)

1.1 實(shí)驗(yàn)平臺設(shè)計(jì)

硬件系統(tǒng)由信號源模塊、信號調(diào)理模塊、數(shù)據(jù)采集模塊、電源模塊以及通訊接口單元等部分組成，結(jié)構(gòu)如圖1所示．信號源模塊利用2個(gè)AD7008(具有50,MHz時(shí)鐘頻率)芯片產(chǎn)生混頻激勵(lì)電流信號，該模塊內(nèi)嵌單片機(jī)，通過RS-232接口接收計(jì)算機(jī)發(fā)出的DDS配置信息；信號調(diào)理模塊包括放大單元和抗混疊濾波器，完成A/D采集前的信號預(yù)處理；數(shù)據(jù)采集卡采用NI公司的PCI-6111(ADC精度為12位，單通道最高采樣速率為5,MHz)．軟件主要由LabVIEW編寫通過RS-232實(shí)現(xiàn)PC機(jī)與單片機(jī)的通訊、采集模塊的控制、阻抗信息的提取和分析．

圖1 系統(tǒng)結(jié)構(gòu)Fig.1 Structure of system

1.2 電極設(shè)置

肺部結(jié)構(gòu)分左右兩部分．右肺分3葉；左肺分2葉．肺血流和分布受重力、胸腔內(nèi)壓和肺泡壓力等因素的影響較大．在立位時(shí)，由于重力關(guān)系，肺尖部和肺底部血流量不同，分別為0.6,L/min和3.4,L/min，相差達(dá)5倍之多[1]．肺部的血流會(huì)隨人的體位變化呈現(xiàn)不同的分布，而肺底部體現(xiàn)得更為明顯，因此選擇肺底部對應(yīng)位置放置電極，為了避免心臟部位的影響，針對人體右胸進(jìn)行測量，電極位置示意如圖2所示．

圖2 電極位置示意Fig.2 Position of electrode

電極表面鍍金，尺寸為1.5,cm×1.0,cm，采用4電極測量方法，激勵(lì)電極與測量電極的分離，可以克服兩電極測量法存在的皮膚接觸阻抗的問題且適用于較寬頻率范圍內(nèi)生物電阻抗的測量．前胸部位，激勵(lì)和測量電極上緣與右第5肋骨下緣相平，激勵(lì)電極在鎖骨中線內(nèi)1.5,cm處，測量電極在鎖骨中線外1.5,cm處；后背部位，激勵(lì)和測量電極上緣平肩胛骨下角水平線，激勵(lì)電極在距脊柱外測3.0,cm處，測量電極在激勵(lì)電極外3.0,cm處，見圖2．

2 二進(jìn)離散小波分離阻抗氣血信號

任意函數(shù)f(x)∈L2(R)的連續(xù)小波變換為

式中：a,b∈R，a≠0，將連續(xù)小波變換離散化，伸縮因子取a=，平移因子取b；ψ(x)為一個(gè)小波基或母小波，在工程中應(yīng)用較廣的母小波包括Haar小波、Daubechies小波、Morlet小波等．

根據(jù)信號特征，選擇4層小波分解，如圖3所示，最低頻段范圍至0.625,Hz以下，自然呼吸一般頻率為0.28,Hz左右，這樣就可以分離出呼吸信息了．

經(jīng)比較，選擇六階Daubechies小波(db6)，保證了一定的消失矩和光滑性．原始信號為各層系數(shù)累加和，即

呼吸信號在第4層的低半頻帶a4，血管搏動(dòng)信號為去除第4層低半頻帶后重構(gòu)的信號．

圖3 4層小波分解Fig.3 Four scales wavelet decomposition

使用小波分析方法分離阻抗信號的結(jié)果如圖4所示．從圖4中可以看出小波變換可以有效地分離出呼吸信號和血管搏動(dòng)信號，呼吸信號和血管搏動(dòng)信號有良好的周期性．

圖4 阻抗模值、呼吸信號、血管搏動(dòng)信號(自然呼吸)Fig.4 Modulus of impedance，respiratory impedance signal and vascular throb impedance signal (natural breathing)

3 阻抗氣血比分析

為了更好地表現(xiàn)阻抗信號在各個(gè)尺度下的能量特征，提出能量分析的方法計(jì)算小波分解各尺度重構(gòu)信號的能量．通過對阻抗信號各尺度重構(gòu)信號能量的比較，分析實(shí)驗(yàn)對象在不同體位、不同呼吸狀態(tài)下的肺部阻抗信號．

細(xì)節(jié)系數(shù)重構(gòu)信號的能量為

式中,ijx為組成信號id的離散值．近似系數(shù)重構(gòu)信號的能量為

式中,ijy為組成信號ia的離散值．

自然呼吸的主要頻率大概在0.28,Hz左右，而正常血管搏動(dòng)的頻率往往要在1.00,Hz以上．因此阻抗信號的呼吸部分可以用近似信號4a表示，血管搏動(dòng)部分則可以用細(xì)節(jié)信號4d～1d表示．用細(xì)節(jié)信號的能量和除以近似信號的能量就可以表征阻抗信號血管搏動(dòng)部分能量與呼吸部分能量的比例關(guān)系，定義為阻抗血?dú)獗龋胋gr(blood gas ratio)表示為

為了觀察不同頻率下阻抗血?dú)獗鹊淖兓攸c(diǎn)，選用20,kHz和200,kHz的混頻激勵(lì)方式，圖5為混頻激勵(lì)下，實(shí)驗(yàn)對象處于仰臥位時(shí)，自然呼吸、屏息、深呼吸狀態(tài)下肺部阻抗的模值．從圖5可以看出不同生理狀況下的人體局部器官阻抗模值有明顯不同．

圖5 仰臥位下肺部阻抗的模值Fig.5 Lung impedance modulus in supine position

利用能量分析法計(jì)算實(shí)驗(yàn)對象在各種情況下的肺阻抗模的血?dú)獗?，如?所示．

表1 各種情況下肺阻抗模的血?dú)獗萒ab.1 Blood gas ratio of lung impedance modulus

分別針對2種激勵(lì)頻率下的測量信號，通過小波變換進(jìn)行肺部氣血信號的分離并對信號進(jìn)行重構(gòu)，如圖6所示．

圖6 各尺度系數(shù)重構(gòu)信號Fig.6 Reconstructing signal of each scale coefficient

實(shí)驗(yàn)條件：實(shí)驗(yàn)對象為23歲健康男性，電流源采用0.5,mA峰峰值的20,kHz與200,kHz混頻正弦激勵(lì)，電極采用1.5,cm×1.0,cm鍍金四電極，放置右側(cè)肺底(如第1.2節(jié)所述)．

由表1可得如下結(jié)論．

(1) 實(shí)驗(yàn)對象在深呼吸狀態(tài)下的血?dú)獗让黠@小于自然呼吸狀態(tài)下的血?dú)獗?，說明這種基于小波變換的生物阻抗能量分析法可以很好地表現(xiàn)肺部血流和呼吸的關(guān)系．

(2) 實(shí)驗(yàn)對象無論在低頻激勵(lì)還是在高頻激勵(lì)下，仰臥位的血?dú)獗榷即笥谧坏难獨(dú)獗龋@是由于重力的作用，人體處于仰臥位時(shí)肺底部的血量小于坐位．而血液是電的良導(dǎo)體，這就導(dǎo)致由血流引起的阻抗變化在人體處于仰臥位時(shí)大于處于坐位時(shí)，從而使仰臥位的血?dú)獗容^大．

(3) 實(shí)驗(yàn)對象在自然呼吸和深呼吸狀態(tài)下，低頻和高頻激勵(lì)的血?dú)獗润w現(xiàn)出不同的規(guī)律．在自然呼吸狀態(tài)下，無論仰臥位或坐位，低頻激勵(lì)的血?dú)獗榷即笥诟哳l激勵(lì)的血?dú)獗?；在深呼吸狀態(tài)下，坐位低頻激勵(lì)的血?dú)獗却笥诟哳l激勵(lì)的血?dú)獗龋雠P位低頻激勵(lì)的血?dú)獗刃∮诟哳l激勵(lì)的血?dú)獗龋@可能是由于人體在仰臥位時(shí)，深呼吸的作用影響到了肺部血流的分布，從而導(dǎo)致高頻激勵(lì)時(shí)仰臥位深呼吸時(shí)的血?dú)獗瘸霈F(xiàn)異常；而在坐位時(shí)，深呼吸仍然會(huì)對肺部分布造成影響，但由于重力的作用，這種影響將被削弱．

4 結(jié) 語

本文根據(jù)生物阻抗測量信號的特點(diǎn)，應(yīng)用小波分析方法對混頻生物阻抗信號進(jìn)行處理，實(shí)現(xiàn)了氣血信號分離的目的，提取時(shí)頻特征，結(jié)合相關(guān)醫(yī)學(xué)背景，利用能量分析法對肺功能檢測進(jìn)行了初步的實(shí)驗(yàn)研究，對不同生理狀況下的氣血信息特點(diǎn)進(jìn)行了分析，證明了氣血信號可以反映出人體不同的生理狀況，為進(jìn)一步的臨床應(yīng)用奠定了基礎(chǔ)．

［1］ 吳天文. CT在矽肺診斷中與X線的優(yōu)勢對比[J]. 中國醫(yī)藥指南，2011，9(14)：24-25.

Wu Tianwen. The advantages contrast in diagnosis of silicosis between CT and X-ray[J]. Guide of China Medicine，2011，9(14)：24-25(in Chinese).

［2］ 王化祥，汪 婧，胡 理，等. 基于肺部先驗(yàn)知識的電阻抗成像重構(gòu)算法[J]. 天津大學(xué)學(xué)報(bào)，2008，41(4)：383-388.

Wang Huaxiang，Wang Jing，Hu Li，et al. An image reconstruction algorithm of EIT based on pulmonary prior information[J]. Journal of Tianjin University，2008，41(4)：383-388(in Chinese).

［3］ Ergen B，Tatar Y，Gulcur H O. Time-frequency analysis of phonocardiogram signals using wavelet transform：A comparative study[J]. Computer Methods in Biomechanics and Biomedical Engineering，2012，15(4)：371-381.

［4］ 中華醫(yī)學(xué)會(huì)呼吸病學(xué)分會(huì)慢性阻塞性肺病組. 慢性阻塞性肺疾病診治指南[J]. 中華結(jié)核和呼吸雜志，2007(1)：8-17.

Chinese Medical Association of Respiratory Disease Branch COPD Study Group. Chronic obstructive pulmonary disease diagnosis and treatment guidelines [J]. Chinese Journal of Tuberculosis and Respiratory Diseases，2007(1)：8-17(in Chinese).

［5］ 任超世，沙 洪，王 妍. 阻抗血流圖測量方法的發(fā)展與提高[J]. 中國醫(yī)學(xué)裝備，2005，2(4)：37-38，40.

Ren Chaoshi，Sha Hong，Wang Yan. Development and improvement of impedance rheogram measurement method[J]. China Medical Equipment，2005，2(4)：37-38，40(in Chinese).

［6］ Enright P L，Johnson L R，Connett J E，et al. Spirometry in the lung health study (Ⅰ)：Methods and quality control[J]. The American Review of Respiratory Disease，1991，143(6)：1215-1223.

［7］ Oliver S J，Ingram E，F(xiàn)ynn D，et al. Limits of agreement for peak expiratory flow measured by mini-wright’s meter and a pneumotachograph[J]. Thorax，2010，65：A133.

［8］ 肖貴遐，韓 冰. 生物電阻抗技術(shù)的醫(yī)學(xué)運(yùn)用[J]. 中國醫(yī)學(xué)物理學(xué)志，2003，20(4)：287-290.

Xiao Guixia，Han Bing. Medical application of bioelectrical impedance technology[J]. Chinese Journal of Medical Physics，2003，20(4)：287-290(in Chinese).

［9］ Houtveen J H，Groot P F C，de Geus E J C. Validation of the thoracic impedance derived respiratory[J]. International Journal of Psychophysiology，2005，59(2)：97-106.

［10］ Wolf G K，Arnold J H. Noninvasive assessment of lung volume：Respiratory inductance plethysmography and electrical impedance tomography[J]. Critical Care Medicine，2005，33(3)：163-169.

［11］ Ernst J M，Litvack D A，Lozano D L，et al. Impedance pneumography：Noise as signal in impedance cardiography[J]. Psychophysiology，1999，36(3)：333-338.

(責(zé)任編輯：孫立華)

Separation of Pulmonary Gas-Blood Bio-Impedance and Energy Analysis Based on Wavelet Transformation

Wang Chao，Bai Ruifeng，Wei Yiming，Zhang Xiaoli
(School of Electrical Engineering and Automation，Tianjin University，Tianjin 300072，China)

Pulmonary vascular throb signal and respiratory signal have important implications for the identification of lung disease and cardiovascular disease. In order to extract the two signals, according to human’s pulmonary bioimpedance characteristics, a measurement system was designed, which could realize 20 kHz and 200 kHz mixing frequency excitation. Wavelet transform was applied in the separation of respiratory and vascular throb bio-impedance signal. Using energy analysis method, different body positions and respiratory states could be characterized by the rule of respiratory and vascular throb information. The study in this paper lays the foundation for pulmonary function testing and accurate clinical diagnosis.

biological impedance measurement technology(BIMT)；wavelet transformation；energy analysis；

TH97

A

0493-2137(2014)03-0195-05

10.11784/tdxbz201206058

2012-06-25；

2012-11-02.

國家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(50937005).

王 超（1973— ），男，博士，教授.

王 超，wangchao@tju.edu.cn.