基于修正算法的颅内压信号单波特征点提取方法技术

本发明专利技术提供一种基于修正算法的颅内压信号单波特征点提取方法。该方法利用提升小波变换方法对颅内压信号进行去噪处理，并分窗初步提取出颅内压信号中各单波的极值点，再通过修正算法判断这些极值点的准确性，逐一剔除误判特征点、找出漏检特征点，保证特征点识别的准确性。本发明专利技术方法提供了以计算机平台为应用基础的颅内压信号单波特征点提取方法，实现计算机对颅内压信号单波特征点的自动提取；以本发明专利技术方法作为基础，有助于进一步实现颅内压信号分析设备对各单波的特征参数的计算，提高颅内压信号单波特征参数计算的精度，从而得到丰富的临床诊断信息，增强临床颅内压监护中对颅内压变化趋势的分析和预警能力，具有广阔的医疗器械产业应用前景。

【技术实现步骤摘要】

本专利技术涉及颅内压信号的自动检测与分析
，特别涉及一种基于特殊的修 正算法的颅内压信号单波特征点提取方法。
技术介绍
颅内高压是引起颅内疾病患者死亡的常见原因，及时、准确地掌握患者颅内压的 水平和定量诊断，是临床治疗至关重要的一步。颅内压增高，可导致一系列的生理功能紊乱 和病理改变，表现出头痛恶心、呕吐、视乳头水肿等典型表现，严重颅内压增高还可并发肺 水肿等并发症；亦可因脑疝形成压迫或破坏下丘脑造成植物神经功能紊乱，并可在短时间 内危及生命，是神经内外科疾病引起死亡的主要原因。对于临床医生而言，精确获知患者颅 内压高低以及颅内压变化趋势，对于判断病情、指导治疗、抢救生命以及治愈后的复查判断 都是非常重要的。颅内压信号随着心脏的搏动而波动，这是心脏的每一搏出引起动脉扩张的结果， 因此颅内压信号是一种以连续波动的方式传播的准周期逐拍信号，连续逐拍中每一节拍的 起点代表着一次心脏搏动期间的颅内压信号成分的到来。如图1所示的一段颅内压信号， 其中圈点即为单个波形的起始点。从图1中所示的颅内压信号波形能够看到，尽管颅内压 信号随心脏的搏动呈准周期变化，其波形形态却非常不规律，信号波形中还同时伴随着高 频率的节律性波动，并且信号的基线也存在起伏漂移，这主要是因为颅内压信号受到多方 面因素的影响，例如全身血管和脑血管活跃的运动影响着颅内压，颅内压对静脉压的变动 也非常敏感等。同时，因为静脉压的影响，憋气、用力也会引起颅内压信号的基线产生相应 的明显漂移，特别是咳嗽、喷嚏等动作更会引起颅内压信号产生相应的剧烈抖动。由于这些 复杂的因素，采用计算机方法对颅内压信号中单个波形的特征提取和波形识别比较困难， 因此现有临床颅内压检测设备大多以颅内压平均值Micp (各采样点颅内压力之和/采样点 数)作为临床指标；但是，颅内压信号单波的特征信息，如单波波形的时长、单波中极大值 点的幅值等可以提供更丰富的临床信息，颅内压信号单波的这些特征信息也往往与脑血流 的自律和脑脊液系统的顺应性有关，因此，对颅内压信号进行单个波形的有效识别和特征 信息的提取，在前沿医疗领域具有重要意义。
技术实现思路
针对现有技术存在的上述不足，本专利技术的目的是提供一种基于修正算法的颅内压 信号单波特征点提取方法，使之能够利用计算机平台实现连续颅内压信号的单波特征点的 自动提取，以应用于颅内压信号分析设备领域，有助于提高颅内压信号分析设备的诊断分 析能力。本专利技术的目的是这样实现的， 其特征在于，将颅内压监护仪采集的颅内压信号输入计算机，通过计算机处理获得颅内压 信号的特征点；所述计算机处理具体包括以下步骤1)对采集的颅内压信号进行采样预处理，再对预处理后的颅内压信号按N段/分 钟的间隔进行分段；其中，2彡N彡10 ；2)利用提升小波变换对每一分段的颅内压信号进行降噪处理；3)以滑动系数为δ =fs/2f、滑动窗宽为w = fs/2f的滑动窗对每一分段的颅内压 信号进行分窗处理；其中，fs表示预处理的采样频率，f表示颅内压信号的波形周期频率；4)求得每个分窗的颅内压信号中幅值的极大值和极小值对应的采样点，作为颅内 压信号中单个波形的特征点；5)预设定起点时间间隔取值范围Cwl、峰值时间间隔取值范围Cw2、幅值取值范围Cp 和起-峰时间间隔取值范围Ct;6)在颅内压信号的特征点中，计算每两个相邻极小值点之间的时间间隔dwl、每两 个相邻极大值点之间的时间间隔dw2，以及每个极大值点与其前相邻极小值点的幅值差dp 和时间间隔dt ；7)根据求得的参数dwl、dw2、dp和dt，对颅内压信号的特征点进行如下的修正a)如果两个相邻极小值点之间的时间间隔dwl在Cwl以内，在该两个相邻极小值点 之间存在两个相邻的极大值点，并且该两个相邻极大值点之间的时间间隔dw2小于Cw2的下 限，则分别计算该两个相邻极大值点与其前一个相邻极小值点的幅值差dp ；若两个幅值差 均在Cp以内，将幅值差较小的一个极大值点作为误判点舍弃掉；否则，将幅值差小于(；下限 或大于Cp上限的极大值点均作为误判点舍弃掉；b)如果两个相邻极小值点之间的时间间隔dwl在Cwl以内，在该两个相邻极小值点 之间不存在极大值点，则计算该两个相邻极小值点之间幅值最大的采样点与该采样点前一 个相邻极小值点的幅值差dp ；若该幅值差在Cp以内，则将该幅值最大的采样点作为补充的 极大值点；否则，不作处理；c)如果两个相邻极大值点之间的时间间隔dw2在Cw2以内，在该两个相邻极大值点 之间存在两个相邻的极小值点，并且该两个相邻极小值点之间的时间间隔dwl小于Cwl的下 限，则分别计算该两个相邻极小值点与其后一个相邻极大值点之间的时间间隔dt ；若两个 时间间隔均在Ct以内，将幅值较大的一个极小值点作为误判点舍弃掉；否则，将时间间隔小 于Ct下限或大于Ct上限的极小值点均作为误判点舍弃掉；d)如果两个相邻极大值点之间的时间间隔dw2在Cw2以内，在该两个相邻极小值点 之间不存在极小值点，则计算该两个相邻极大值点之间幅值最小的采样点与该采样点后一 个相邻极大值点的时间间隔dt ；若该时间间隔在Ct以内，则将该幅值最小的采样点作为补 充的极小值点；否则，不作处理；8)重复步骤7)，直至颅内压信号的特征点中，不再存在a)和c)中所述的误判点， 也不再存在需要按b)和d)补充的极大值点和极小值点。作为一种优选，在对颅内压信号的预处理中，所述采样频率为fs为200 1000Hz。作为一种优选，所述起点时间间隔取值范围Cwl的下限为500ms，上限为800ms ；所 述峰值时间间隔取值范围Cw2的下限为500ms，上限为800ms ；所述幅值取值范围Cp的下限 为0. 5mmHg，上限为35. OmmHg ；所述起-峰时间间隔取值范围Ct的下限为100ms，上限为 250ms ο相比现有技术，本专利技术具有如下有益效果1、本专利技术方法通过先分段降噪，分窗粗略求出颅内压信号中极大值、极小值点作 为特征点，再采用修正算法对特征点进行进一步修正的方法，实现了颅内压信号中单波特 征点提取在计算机中的应用，不仅降低了颅内压临床医师的工作量，克服了人工手动提取 的误差，将之应用于颅内压信号分析设备领域还有助于提高颅内压信号分析设备的诊断分 析能力。2、本专利技术方法在对颅内压信号进行特征点提取之前，首先采用提升小波变换方法 进行降噪处理，保证处理效率的同时还确保了较好的降噪效果，降低了颅内压信号中噪声 对提取过程的不良影响。3、分窗处理时，滑动窗的滑动系数为δ = fs/2f、滑动窗宽为w = fs/2f，使得每个 分窗包含约半个单波波形，从而保证在步骤4)的特征点识别中不会过多的遗漏单波中的 极大值点或极小值点，为后续的修正处理作好前期基础，提高整体的提取处理效率。4、本专利技术同时具备较高的提取 准确性和运算鲁棒性。附图说明图1为颅内压信号示例波形图；图2为本专利技术方法的流程框图；图3为本专利技术实施例采集的颅内压信号中第一个分段的颅内压信号的波形图；图4为本专利技术实施例中第一分段的颅内压信号经提升小波变换降噪处理后的波 形图；图5为本专利技术实施例中第一分段的颅内压信号初步提取特征点的提取结果示意 图；图6为本专利技术修正算法中单波特征参数的示意图；图7本文档来自技高网...

【技术保护点】
基于修正算法的颅内压信号单波特征点提取方法，其特征在于，将颅内压监护仪采集的颅内压信号输入计算机，通过计算机处理获得颅内压信号的特征点；所述计算机处理具体包括以下步骤：１）对采集的颅内压信号进行采样预处理，再对预处理后的颅内压信号按Ｎ段／分钟的间隔进行分段；其中，２≤Ｎ≤１０；２）利用提升小波变换对每一分段的颅内压信号进行降噪处理；３）以滑动系数为δ＝ｆ↓［ｓ］／２ｆ、滑动窗宽为ｗ＝ｆ↓［ｓ］／２ｆ的滑动窗对每一分段的颅内压信号进行分窗处理；其中，ｆ↓［ｓ］表示预处理的采样频率，ｆ表示颅内压信号的波形周期频率；４）求得每个分窗的颅内压信号中幅值的极大值和极小值对应的采样点，作为颅内压信号中单个波形的特征点；５）预设定起点时间间隔取值范围Ｃ↓［ｗ１］、峰值时间间隔取值范围Ｃ↓［ｗ２］、幅值取值范围Ｃ↓［ｐ］和起－峰时间间隔取值范围Ｃ↓［ｔ］；６）在颅内压信号的特征点中，计算每两个相邻极小值点之间的时间间隔ｄ↓［ｗ１］、每两个相邻极大值点之间的时间间隔ｄ↓［ｗ２］，以及每个极大值点与其前相邻极小值点的幅值差ｄ↓［ｐ］和时间间隔ｄ↓［ｔ］；７）根据求得的参数ｄ↓［ｗ１］、ｄ↓［ｗ２］、ｄ↓［ｐ］和ｄ↓［ｔ］，对颅内压信号的特征点进行如下的修正：ａ）如果两个相邻极小值点之间的时间间隔ｄ↓［ｗ１］在Ｃ↓［ｗ１］以内，在该两个相邻极小值点之间存在两个相邻的极大值点，并且该两个相邻极大值点之间的时间间隔ｄ↓［ｗ２］小于Ｃ↓［ｗ２］的下限，则分别计算该两个相邻极大值点与其前一个相邻极小值点的幅值差ｄ↓［ｐ］；若两个幅值差均在Ｃ↓［ｐ］以内，将幅值差较小的一个极大值点作为误判点舍弃掉；否则，将幅值差小于Ｃ↓［ｐ］下限或大于Ｃ↓［ｐ］上限的极大值点均作为误判点舍弃掉；ｂ）如果两个相邻极小值点之间的时间间隔ｄ↓［ｗ１］在Ｃ↓［ｗ１］以内，在该两个相邻极小值点之间不存在极大值点，则计算该两个相邻极小值点之间幅值最大的采样点与该采样点前一个相邻极小值点的幅值差ｄ↓［ｐ］；若该幅值差在Ｃ↓［ｐ］以内，则将该幅值最大的采样点作为补充的极大值点；否则，不作处理；ｃ）如果两个相邻极大值点之间的时间间隔ｄ↓［ｗ２］在Ｃ↓［ｗ２］以内，在该两个相邻极大值点之间存在两个相邻的极小值点，并且该两个相邻极小值点之间的时间间隔ｄ↓［ｗ１］小于Ｃ↓［ｗ１］的下限，则分别计算该两个相邻极小值点与其后一个相邻极大值点之间的时间间隔ｄ↓［ｔ］；若两个时间间隔均在Ｃ...

【技术特征摘要】

【专利技术属性】
技术研发人员：季忠，杨力，
申请(专利权)人：重庆大学，
类型：发明
国别省市：85[中国|重庆]