基于自回归滑动平均谱分析的医用红外热图分析方法技术

本发明专利技术属于医用红外热图计算机辅助论断领域，本发明专利技术基于自回归滑动平均谱分析通过对温度变化过程的多幅热图进行现代谱分析，将病变区域对温度变化的响应过程用谱参数表现为谱曲线的形式，将病变区域的温度响应特征以一系列子波的波峰和波谷定量地表现出来。这种特征曲线的表示方法更深刻地揭示了疾病的内在固有特征，并且以更直观的方式显示，有助于对不同疾病特征参数的确定和区分，且减少了诊断的模糊性，提高了诊断的可靠性。（*该技术在2021年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术属于医用红外热图计算机辅助诊断
，特别涉及将自回归滑动平均谱分析方法应用于医用红外热图的分析。自回归滑动平均模型是以传统的傅立叶变换和滤波理论为基础的新型谱分析方法。自现代自回归滑动平均谱产生的二十多年来，在为数众多的领域中都得到了很好的应用，如在工程、医学、气象学、农业学等领域。在医学领域中，应用自回归滑动平均谱对心电图、脑电图、肌电图进行信号分析；在信号传播领域中，用于对语音的识别以及语音的处理与合成；在地震预报方面用作地震信号的建模；在机械系统的故障诊断中用来进行机械系统的参数识别；在军事信号检测方面，自回归滑动平均谱估计方法也已取得了成熟的应用，如对雷达和声纳信号的检测等等。自回归滑动平均模型是一种有效的时序分析模型。从谱分析的观点来讲，自回归滑动平均谱分析在记录的时间序列数据较短时，能够产生高分辨率的谱估计，方法木身是数据自适应的，其特例自回归模型和滑动平均模型在进行时序分析的系统参数辨识的时候，各有特色。用自回归模型辨识出来的系统，是一个全极点的系统，在此基础上进行的功率谱估计的波峰较准；而滑动平均模型辨识出来的系统是一个全零点的系统，在此基础上估计出来的功率谱的波谷较准；自回归滑动平均模型则集中了自回归模型和滑动平均模型的长处，所估计出来的功率谱的各方面的性能都比较好。时间序列是指按时间顺序排列的一组数据，主要是指一组有序的随机数据。它们是同产生它们的、可称为系统的客观事物相关联的。因此，某一时间序列便反映着该系统的动态变化过程，就是该系统的有关输出或者响应，以及该系统同外界相互联系的方式。医用红外热图是人体体表温度场的反映，是利用红外摄像仪，根据普朗克原理ωλ=C1λ51exp(c2/λT)-1]]>(ωλ——对应于波长λ的辐射能量，λ——辐射能波长，T——能量辐射体的绝对温度，C1C2——常数)从测量到的人体红外辐射能量计算出来的。根据医学物理学，人体绝大部分代谢都是放热的，并且大部分是通过皮肤辐射出去的，人体出现病变或异常时，首先会在人体体表温度场上有所体现，基于医用红外热图的医学诊断就是分析人体温度场变化的过程。已有的医用红外热图分析系统，主要由热图获取部分(红外摄像仪)和热图分析软件两部分组成。热图获取部分，大多采用的是光机扫描式的红外摄像仪，尽管扫描速度较慢，但其空间分辨率和温度分辨率都较高，已经能够满足医学诊断的要求。热图分析部分，所提供的分析方法，大多较为简单，仅仅局限于分析单幅红外热图，进行一些简单的温度统计(如指定区域的温度直方图)，总体上来说不能够完全分析出医用红外热图中所包含的病理信息，诊断的可靠性不高。之所以出现这样的问题是由于人体体表特征因人而异，差别较大。病灶在热图上的表现也存在有很大的差别，对于一些隐性的、潜在的疾病往往不能用单幅热图简单地分析其热图特征，因而不能对辅助诊断提供有力的分析结果和病变信息。本专利技术的目的是克服已有技术的不足之处，提供一种现代谱分析法在医用红外热图分析方面的应用，通过多幅红外热图来获取待测人体表面区域对温度变化的响应过程，然后对代表改响应过程的时域温度数据作现代谱参数的估计，从而将体表温度的变化，尤其是将动态过程体表温度的变化转化为谱特征参数，这些参数进而可被提供用于临床诊断的数据。本专利技术提出一种，包括以下步骤(1)计算被输入的多幅病变区医用红外热图的温度变化时域数据，生成自回归(n)模型和滑动平均(m)模型的正则方程，其中n和m分别为自回归模型和滑动平均模型的阶次，所说的阶次n和m根据模型适用性检验准则来确定；(2)求解自回归(n)模型的正则方程及病变区的极点参数，将所述参数代入滑动平均(m)模型的正则方程中，求解病变区的零点参数，用该模型估计出来的零、极点参数表征所述体表上的所述点对温度刺激的响应特征；(3)由自回归(n)模型和滑动平均(m)模型生成自回归滑动平均(n,m)模型的正则方程，从中计算病变区的自回归滑动平均(n,m)功率谱曲线；(4)将计算出来的自回归(n)模型的参数同标准病理模板中的自回归(n)模型参数做互相关系数计算，得到辅助诊断指标一；(5)将计算出的滑动平均(m)模型的参数同标准病理模板中的滑动平均(m)模型参数做互相关系数的计算，得到辅助诊断指标二；(6)对指标一和指标二综合考虑从而为临床诊断提供有关数据。所说的自回归(n)模型的阶次、滑动平均(m)模型的阶次及自回归滑动平均(n,m)模型的阶次n和m均可为10。上述的标准病理模板的自回归(n)模型参数和滑动平均(m)模型参数以及自回归滑动平均(n,m)功率谱曲线的计算方法与病变区的所述参数及所述功率谱曲线的计算方法相同。本专利技术方法的理论基础在于如上所述，现代谱分析法尤其是自回归滑动平均谱分析法已在包括医学信息处理在内的诸多频域得到了应用，这种方法的优点在于能利用有限的时间序列数据来对分析对象建立模型，并且估计出模型的参数，利用参数来揭示被测对象的内在本质。因此，本专利技术将自回归滑动平均谱分析方法引入到医用红外热图的分析与诊断领域。任何一部分人体都是一个系统，有自己的系统参数，发生相同病变的区域的系统参数一定有其相似的成分。诊断的过程，就是分析待测区域病理参数，和标准病理模板中的标准病理系统参数进行比较的过程。而对于系统参数的计算，在工程上已经有了比较成熟的做法，可以对病变区加以外界刺激，分析其响应数据，利用已有的时序分析方法，估算出其系统参数(一般为零/极点形的系统参数)，并以现代自回归滑动平均谱的形式以曲线的方式显示其变化过程。本专利技术所应用的自回归滑动平均谱相关的基础理论说明如下线性回归模型一个随机变量yt取决于多个随机变量xt,x2t,x3t,…xnt:yt=β1x1t+β2x2t+…βnxnt+εtεt～NID(0,σ2)其中βt是模型的参数，εt是模型的残差。利用最小二乘法估计βtS=Σt=1Nϵ^t2=Σt=1N2]]>对βt求导，令其为零，得∂S∂βt=0]]>t=0,1,2,3…N。求解方程组，得到系统的线性回归模型 y=βx+εYt由两部分组成，一部分是确定性部分，完全取决于各自变量的线性组合 是Yt的数学期望；另一部分是随机部分，完全独立于各xit，由自噪声εt决定，是导致Yt称为随机变量的原因。自回归滑动平均(n,m)模型按照多元线性回归的思想，一个自回归滑动平均(n,m)模型可表示为xt=φ1xt-1+φ2xt-2+…+φnxt-n-θ1αt-1-θ2αt-2-…-θmαt-m+αtαt～NID( 0,σ2α)n,m分别表示自回归部分和滑动平均部分的阶次；φi(i=1,2,…,n),θi(i=1,2,…,m)为各部分的模型参数；xi(i=t-1,t-2,…t-n)为采样的离散时间序列；αi(i=t,t-1,…t-m)为具有零均值与方差σ2α的白噪声。n,m的阶次是否适用于模型，需进行验证。具体检验过程如下(1)检测αt是否是白噪声，检测αt是否与αt-1,αt-2,…无本文档来自技高网...

【技术保护点】
一种基于自回归滑动平均谱分析的医用红外热图分析方法，包括以下步骤：１）计算被输入的多幅病变区医用红外热图的温度变化时域数据，生成自回归（ｎ）模型和滑动平均（ｍ）模型的正则方程，其中ｎ和ｍ分别为自回归模型和滑动平均模型的阶次，所说的阶次ｎ 和ｍ根据模型适用性检验准则来确定；２）求解自回归（ｎ）模型的正则方程及病变区的极点参数，将所述参数代入滑动平均（ｍ）模型的正则方程中，求解病变区的零点参数，用该模型估计出来的零、极点参数表征所述体表上的所述点对温度刺激的响应特征；３ ）由自回归（ｎ）模型和滑动平均（ｍ）模型生成自回归滑动平均（ｎ，ｍ）模型的正则方程，从中计算病变区的自回归滑动平均（ｎ，ｍ）功率谱曲线；４）将计算出来的自回归（ｎ）模型的参数同标准病理模板中的自回归（ｎ）模型参数做互相关系数计算，得到辅 助诊断指标一；５）将计算出的滑动平均（ｍ）模型的参数同标准病理模板中的滑动平均（ｍ）模型参数做互相关系数的计算，得到辅助诊断指标二；６）对指标一和指标二综合考虑从而为临床诊断提供有关数据。

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：王伯雄，罗秀芝，王宁，李志超，肖巍，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]