临床颅脑电阻抗成像技术原始电压信号的干扰研究

发布时间：2020-09-25 19:56

　　 电阻抗断层成像(electrical impedance tomography,EIT)是一种新的生物医学成像技术,相较与CT、MRI等大型生物医学影像学检查手段,电阻抗断层成像技术具有功能成像、无辐射、低廉、适用于床旁图像监护等优点,在颅脑血管疾病的连续监护方面有很好的应用前景。在EIT临床脑部监护过程中常发生因数据测量状态发生改变引入信号干扰,导致原始测量的交流电压信号中引入非颅内阻抗变化的边界电压改变。常见的体动干扰可能导致采集数据中断、数据采集不准确等影响后续数据分析与图像重构分辨率的情况,本文针对上述背景,开展了相应的研究,以提高临床颅脑EIT技术的适用性。本课题的研究包含了原始电压信号的采集、信号分析、量化估计及干扰预处理。首先,本文采用最大熵频谱分析方法对临床颅脑EIT原始电压信号进行数据的频域分析,利用最大熵频谱分析方法的高分辨率和短时性特点得到原始电压信号的频谱分析结果。采用经验模式分解法(empirical mode decomposition,EMD)将颅脑EIT原始电压信号中不同尺度的波动信号和其趋势逐级进行分解继而产生具有不同特征尺度本征模式函数(intrinsic mode function,IMF)分量,通过对本征模式函数分量进行Hilbert变换,获取颅脑EIT原始电压信号频率的瞬时特性,对原始电压信号的局部时变特征进行自适应时频分解。从时域、频域、时频结合的角度对临床颅脑EIT原始电压信号特点进行了定性、定量分析,将临床人体的原始电压信号特点与电阻网络物理模型物理仿真数据作对比研究,发现临床颅脑EIT对人脑进行监护过程应用过程中的数据差异。随后针对临床颅脑EIT测量过程中存在的影响原始电压信号质量的干扰误差因素,从原始电压信号到解调信号之间的数据变换角度、实际测量过程中存在的干扰情况角度对临床数据进行量化分析。分析了临床颅脑EIT监护、测量过程中电极系统受压力变化和电极脱落情况对原始电压信号的影响程度并作相关的临床实验研究。最后,针对临床颅脑EIT应用中由于测量电极与皮肤之间的测量状态发生改变引发电极极化干扰,导致原始测量的交流电压信号中引入干扰噪声造成非颅内阻抗变化的边界电压改变现象进行干扰预处理方法研究,提出了线性噪声模型,设计了具有正则项的目标函数,并利用梯度下降法进行数据平滑优化处理,并进行了仿真和临床实验验证。结果表明,通过对原始电压信号的时频域分析,可以得到原始电压信号中存在低频干扰,通过分析临床颅脑EIT监护过程中常见干扰因素,得到在原始电压信号中电极脱落干扰表现为原始信号的尖峰干扰,电极受压力作用表现为原始信号中的幅值阶跃变化,对电极极化干扰现象进行原始电压信号预处理,可以利用偏置斜率值评估数据质量,辅助临床数据的分析工作。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R741.044;TN911.7
【部分图文】：

第二章 临床颅脑 EIT 信号分析理论基础2.1.2 EIT 技术的基本原理在进行临床颅脑 EIT 监护时，数据采集前需要将颅脑 EIT 系统的 16 个电极的固定在患者头部如图 2.2 所示。临床颅脑 EIT 的理论基础是通过 16 个电极在目标表面施加安全范围内的交流激励电流信号，采用对向激励同向测量模式同时目标组织表面的电压信号，用测量得到的边界交流电压信号经过数字信号处理的和解调技术得到的一维单帧 192 个有效测量数据进行颅脑图像重构得到颅脑组部的阻抗或阻抗变化图像。在 EIT 进行人体组织测量时，由于人体是个大的生体，人体内的组织和器官具有一定的电阻抗特性，经临床试验研究，不同的生物组同种组织的生理病理的电阻抗特性具有差异。在组织外部选择输入合适的激励信在组织表面测得体表信号，经计算机处理后，得到颅脑 EIT 的阻抗特性的相应EIT 技术正是用这一基本原理，通过边界测量目标木质区域外边界的电压信号变计目标导体内部的电阻率变化情况。

对临床数据进行 EMD 分解后得到的多个 IMF 分量中的 IMF3 进析，得到瞬时频率，如图 3.16 所示，这使得时间序列尺度上的瞬时的物理意义从图中的 IMF3 瞬时频率结果来看信号随着时间序列信号波动性。图 3.17 展示的是对 EMD 处理的结果进行统计显著性检验的颅脑 EIT 人体数据 IMF3 分量的 Hilbert 谱分析结果。上下两个图是对应信号和 IMF3 分量信号的瞬时频率。

时通过前端的电极系统来进行，在，即使是麻醉状态，患者仍会有不行医护操作，这些外加的动作会在过程中引入体动干扰，通过分析，的边界测量数据变化。统受压力作用表示为电流从电极EIT 的使用场景中，电极涂抹导电电子经过一系列的电化学变化转换碍作用被称之为接触阻抗。在实，因此对电极特性的建模需要利用。所以，电极-头皮接触层的电传励频率，容性成分对应的容抗是固触阻抗可以认为是固定不变的。

【相似文献】

相关期刊论文 前10条

1 李新华,姚英彪;一种从采样数据中提取信号频率的方法[J];现代电子技术;2002年08期

2 李安,王殊;一种新的弱信号频率的提取方法[J];电子质量;2004年06期

3 束立红;;一种新的正弦信号频率估计方法[J];仪器仪表学报;2006年S1期

4 刘昌云;水鹏朗;李松;;基于频率模型和时频分析的正弦信号频率高精度估计算法[J];信号处理;2012年08期

5 吴杰康,龙军,王辑祥,何芬;基于迭代算法的信号频率快速估算[J];化工自动化及仪表;2003年05期

6 唐斌,熊英,肖先赐;基于高阶统计的欠采样多信号频率估计[J];仪器仪表学报;1999年03期

7 涂亚庆;杨辉跃;张海涛;肖玮;;复杂信号频率估计方法及应用研究——回顾与展望[J];后勤工程学院学报;2015年06期

8 张威;李松;李林;刘进忙;;基于校正余数筛选的余弦信号频率估计[J];探测与控制学报;2017年03期

9 李文哲;何萌;徐丽;袁芳;张保航;;时域上不同信号频率估计方法比较[J];中国医学物理学杂志;2016年02期

10 赵正敏,周玲;一种准周期信号频率的精确递推算法[J];电声技术;2001年08期

相关会议论文 前10条

1 郭迎清;徐德民;;振荡控制中加入振荡信号频率大小的研究[A];1997中国控制与决策学术年会论文集[C];1997年

2 陈略;唐歌实;孟桥;俞洁虹;李黎;邵华;;基于线性调频Z变换的卫星信号频率估计[A];中国宇航学会深空探测技术专业委员会第七届学术年会论文集[C];2010年

3 苟晓帅;梁红;杨长生;;基于压缩感知的LFM信号频率方位联合估计[A];2019年全国声学大会论文集[C];2019年

4 李杨;张宁;杨强;;基于最大偏差准则的频率估计修正常数选择方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

5 王良红;张冬玲;王锦玲;;用DFT实现连续时间信号频率和复振幅的计算[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年

6 折卫东;程卫东;冯新华;;基于参数化功率谱估计的正弦信号频率估计[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（下册）[C];2008年

7 朱虹;林君;王智宏;占细雄;;参考信号频率自调整的锁定放大器的设计应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

8 马彦;石要武;陈虹;;色噪声下的信号频率估计:基于互高阶累积量的MUSIC方法[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

9 向前;林春生;龚沈光;;基于约束总体最小二乘法的高分辨正弦信号频率估计方法[A];2004年全国水声学学术会议论文集[C];2004年

10 白瑞朋;黄翔东;;强噪声干扰下的欠采样波形的频率估计[A];第九届全国信号和智能信息处理与应用学术会议专刊[C];2015年

相关重要报纸文章 前1条

1 毛文波;欧盟与美国终于达成初步一致[N];科技日报;2004年

相关博士学位论文 前2条

1 任宇飞;北斗B1C信号高动态接收处理关键技术研究[D];中国科学院大学(中国科学院国家授时中心);2019年

2 魏金宝;基于标准CMOS工艺的ISFET生物微传感SOC的信号读取电路研究[D];中国科学院研究生院（电子学研究所）;2006年

相关硕士学位论文 前10条

1 曾玉姗;临床颅脑电阻抗成像技术原始电压信号的干扰研究[D];西安电子科技大学;2019年

2 姜维民;基于FPGA的高精度信号源的研究与实现[D];青岛大学;2019年

3 张玮;合成孔径激光雷达信号频率非线性研究[D];西安电子科技大学;2012年

4 张海军;基于最大似然法的正弦信号频率估计研究[D];新疆大学;2003年

5 伍晓霞;基于阻抗法无铅焊点的损伤特性研究[D];中南大学;2012年

6 李丹薇;雷达信号频率数字化测量方法研究[D];电子科技大学;2006年

7 段海鹏;基于激光干涉原理的水下声信号频率测试技术的研究[D];哈尔滨工业大学;2009年

8 陈翔;基于USRP的信号源参数估计方法研究与实现[D];电子科技大学;2016年

9 焦利霞;双频注入式定子接地保护的研究[D];华北电力大学;2013年

10 田敏;基于二维幅值谱的信号频率估计方法[D];内蒙古工业大学;2010年

本文编号：2826994