信息技术在生物医学工程中的应用

王鸿雁

（赤峰学院 物理与电子信息工程系，内蒙古 赤峰 024000）

信息技术在生物医学工程中的应用

王鸿雁

（赤峰学院 物理与电子信息工程系，内蒙古 赤峰 024000）

信息技术的发展对生物医学信号的检测、处理以及数字图像信号的处理几个方面发挥着重要的作用.本文阐述了信息技术和生物医学工程两门学科在理论体系上的联系，并分别从这两个学科的前沿展望了基于信息技术发展所带来的医疗领域的辉煌前景.

信号检测；生物传感器；信号处理；小波变换；图像信号处理

生物医学工程(Biomedical-Engineering)是一门新兴的边缘学科，它综合工程学、生物学和医学的理论和方法，在各层次上研究人体系统的状态变化，并运用工程技术手段去控制这类变化，其目的是解决医学中的有关问题，保障人类健康，为疾病的预防、诊断、治疗和康复服务.近些年来信息技术的迅速发展为生物医学领域提供了丰富的研究方式、方法和手段.例如在生物医学信号的检测中传感器发挥着重要作用，而在信息技术中常用的信号分析和处理方法也广泛地应用于生物医学信号的分析处理中.本文主要从信息技术发展的角度介绍这门交叉学科的现状和发展.具体的应用体现在以下几个方面：

1 生物医学信号的检测

生物医学信号检测是对生物体中包含生命现象、状态、性质、变量和成份等信息的信号进行检测和量化的技术.生物医学信号处理的研究，是根据生物医学信号的特点，对所采集到的生物医学信号进行分析、解释、分类、显示、存贮和传输，其研究目的一是对生物体系结构与功能的研究，二是协助对疾病进行诊断和治疗.生物医学信号检测技术是生物医学工程学科研究中的一个先导技术，由于研究者所站的立场、目的以及采用的检测方法不同，使生物医学信号的检测技术的分类呈现多样化.

生物信号一般可以分成电信号和非电信号，如心电、肌电、脑电等属于电信号；其它如体温、血压、呼吸、血流量、脉博、心音等属于非电信号，非电信号又可分为：①机械量，如振动(心音、脉搏、心冲击、Korotkov音等)、压力(血压、气血和消化道内压等)、力(心肌张力等)；②热学量，如体温；③光学量，如光透射性(光电脉波、血氧饱和度等)；④化学量，如血液的pH值、血气、呼吸气体等.如从处理的维数来看，可以分成一维信号和二维信号，如体温、血压、呼吸、血流量、脉博、心音等属于一维信号；而脑电图、心电图、肌电图、x光片、超声图片、CT图片、核磁共振(Mm)图像等则属于二维信号.

生物医学信号检测是对生物体中包含生命现象、状态、性质、变量和成份等信息的信号进行检测和量化的技术.生物医学信号处理的研究，是根据生物医学信号的特点，对所采集到的生物医学信号进行分析、解释、分类、显示、存贮和传输，其研究目的一是对生物体系结构与功能的研究，二是协助对疾病进行诊断和治疗.生物医学信号检测技术是生物医学工程学科研究中的一个先导技术，由于研究者所站的立场、目的以及采用的检测方法不同，使生物医学信号的检测技术的分类呈现多样化，具体介绍如下：①无创检测、微创检测、有创检测；②在体检测、离体检测；③直接检测、间接检测；④非接触检测、体表检测、体内检测；⑤生物电检测、生物非电量检测；⑥形态检测、功能检测；⑦处于拘束状态下的生物体检测、处于自然状态下的生物体检测；⑧透射法检测、反射法检测；⑨一维信号检测、多维信号检测；⑩遥感法检测、多维信号检测；一次量检测、二次量分析检测；分子级检测、细胞级检测、系统级检测.

由于生物医学信号的上述特点和检测方法，使其成为传感器技术的一个重要应用领域.

在生物医学工程上常用的传感器除了常用的压力、心音、温度、液位报警等类型外，近几十年来生物传感器技术有了迅速的发展.生物传感器(biosensor)是对生物物质敏感并将其浓度转换为电信号进行检测的仪器.是由固定化的生物敏感材料作识别元件（包括酶、抗体、抗原、微生物、细胞、组织、核酸等生物活性物质）与适当的理化换能器（如氧电极、光敏管、场效应管、压电晶体等等）及信号放大装置构成的分析工具或系统.生物传感器具有接受器与转换器的功能.通过将待测物质经扩散作用进入生物活性材料，经分子识别，发生生物学反应，产生的信息继而被相应的物理或化学换能器转变成可定量和可处理的电信号，再经二次仪表放大并输出，便可知道待测物浓度.

生物传感器有如下特点：

（1）采用固定化生物活性物质作催化剂，价值昂贵的试剂可以重复多次使用，克服了过去酶法分析试剂费用高和化学分析繁琐复杂的缺点.

（2）专一性强，只对特定的底物起反应，而且不受颜色、浊度的影响.

英国新马克思主义学派的代表人物之一胡格维尔特的《发展社会学》一书，在对社会进化过程中的不同阶段及各阶段中社会系统的功能差异进行了分析的同时，提出了发展理论的研究框架，胡格维尔特将结构功能主义下静态的单一社会分化和整合的发展视为作为“过程”的发展，将人类社会视为相互联系和作用的整体更大范围内的发展视为“互动”的发展，而将某种文化取向和社会关系下的主体行动则视为作为“行动”的发展。结合胡格维尔特的理论框架笔者认为对于现有的关于社会组织的研究可以划分为几个类型。

（3）分析速度快，可以在一分钟得到结果.

（4）准确度高，一般相对误差可以达到1%.

（5）操作系统比较简单，容易实现自动分析

（6）成本低，在连续使用时，每例测定仅需要几分钱人民币.

（7）有的生物传感器能够可靠地指示微生物培养系统内的供氧状况和副产物的产生.

生物传感器的种类：

（1）按照其感受器中所采用的生命物质分类，可分为：微生物传感器、免疫传感器、组织传感器、细胞传感器、酶传感器、DNA传感器等.

（3）按照生物敏感物质相互作用的类型分类，可分为亲和型和代谢型两种.

随着20世纪90年代开启的微流控技术的发展，目前生物传感器微流控芯片成为重要的发展方向，为系统生物技术开发药物筛选与基因诊断等提供了新的前景.

2 生物医学信号处理方法

生物医学信号处理主要任务是：根据生物医学信号特点，应用信息科学的基本理论和方法，研究如何从被干扰和噪声淹没的观察记录中提取各种生物医学信号中所携带的信息，并对它们进步分析、解释和分类.生物医学信号的特点是微弱、噪声大，所以滤波和灵敏度是生物医学信号采集的关键.另外生物医学信号的随机性强，它不但是随机的，而且是非平稳的.正是因为生物医学信号的这些特点，以傅里叶理论为基础的小波变换方法成为生物医学信号分析的有力工具.

生物医学信号中的心电(ECG)、脑电(EEG)、肌电(EMG)等电生理信号和体温、血压、呼吸等非电生理信号通常比较微弱，信噪比不高，采集心电信号易受到仪器、人体活动的影响.利用小波变换能将原始心电信号分解为不同频率的信号，然后对信号进行重建，此方法能很好地消除心电信号中的基线漂移，抑制工频干扰和肌电干扰，同时能够获得QT间期的精确值，为临床诊断提供更准确的依据.心音信号具有非平稳的时变特性，经典谱分析方法难以揭示出心音信号的动态变化过程，从而也就无法进行准确的临床诊断.而小波变换通过对基波的平移、伸缩而形成一系列的小波，然后将其投影到由平移、伸缩小波构成的信号空间中，在不同的频率范围和时间位置对信号进行分析.

小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验地建立了反演公式，当时未能得到数学家的认可.正如1807年法国的热学工程师J.B.J.Fourier提出任一函数都能展开成三角函数的无穷级数的创新概念未能得到认可一样.幸运的是，早在七十年代，A.Calderon表示定理的发现、Hardy空间的原子分解和无条件基的深入研究为小波变换的诞生做了理论上的准备，而且J.O.Stromberg还构造了历史上非常类似于现在的小波基；1986年著名数学家Y.Meyer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家I.Daubechies撰写的《小波十讲（Ten Lectures on Wavelets）》对小波的普及起了重要的推动作用.它与Fourier变换、视窗Fourier变换（Gabor变换）相比，这是一个时间和频率的局网域变换，因而能有效的从信号中提取资讯，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题，从而小波变换被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展.

小波(Wavelet)这一术语，顾名思义，“小波”就是小区域、长度有限、均值为0的波形.所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式.与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号 (函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破.

小波分析的应用是与小波分析的理论研究紧密地结合在一起的.现在，它已经在科技信息产业领域取得了令人瞩目的成就.电子信息技术是六大高新技术中重要的一个领域，它的重要方面是图象和信号处理.现今，信号处理已经成为当代科学技术工作的重要部分，信号处理的目的就是：准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复).从数学地角度来看，信号与图象处理可以统一看作是信号处理(图象可以看作是二维信号)，在小波分析的许多分析和应用中，都可以归结为信号处理问题.现在，对于其性质随时间是稳定不变的信号，处理的理想工具仍然是傅立叶分析.但是在实际应用中的绝大多数信号是非稳定的，而特别适用于非稳定信号的工具就是小波分析.

小波分析理论在生物医学信号处理中的应用才刚刚起步，其应用主要集中在信号特征提取方面.但小波理论为生物医学信号处理提供了新的思路，随着理论研究的日趋成熟、PACS的应用、远程医疗诊断的需要和家庭医疗保健的发展，在医学信号分析、图像增强、去噪、压缩等方面提出更高的要求，小波分析将在生物医学领域发挥更重要的作用.

3 医学成像和图像处理

通过数字图像处理 (DigitalImageProcessing)技术用计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理.数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展 (特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长.生物医学领域中的应用主要有X射线、超声、显微图像分析、计算机断层摄像(即CT)分析和重建等.

小波变换具有良好的空间域及频率域局部化特性，适合医学图像信号处理.目前，小波分析已成功地应用于信号处理、图像处理、语音与图像编码、语音识别与合成、多尺度边缘提取和重建等科学领域.小波分析用于信号与图象压缩是小波分析应用的一个重要方面.它的特点是压缩比高，压缩速度快，压缩后能保持信号与图象的特征不变，且在传递中可以抗干扰.基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波域纹理模型方法，小波变换零树压缩，小波变换向量压缩等.

在可以预见的未来，随着信息技术在通信、远程控制、微处理及模式识别等方面的不断发展，必将为生物医学工程领域带来更大的发展空间，并由此使人们可以接受更高水平的医疗服务.

〔1〕邢国泉.生物医学信号研究概况[B].咸宁学院学报(医学版)，2006，20（5）.

〔2〕李良成.小波变换在生物医学信号中的应用[J].中国医疗器械信息，2008，14（80）.

〔3〕http://baike.baidu.com/view/323786.htm?fr=ala0_1_1.

〔4〕http://baike.baidu.com/view/83268.htm?fr=ala0_1_1.

R318.04

A

1673-260X（2010）09-0165-03