基于小波变换肺部气血阻抗分离及能量分析

王 超，白瑞峰，魏艺明，章晓丽

基于小波变换肺部气血阻抗分离及能量分析

王 超，白瑞峰，魏艺明，章晓丽

(天津大学电气与自动化工程学院，天津 300072)

肺部血管搏动信号与呼吸信号对于肺部疾病或心血管疾病的鉴定有重要意义，为了提取这2种信号，根据人体生物阻抗测量特点，设计了阻抗测量平台，可实现20,kHz和200,kHz的混频激励．针对测得的气血阻抗信号，利用小波变换实现了气血阻抗信息分离，结合能量分析法，气血变化规律可表征人体不同体位和呼吸状态，为肺部疾病的精确诊断奠定基础．

生物阻抗测量技术；小波变换；能量分析；肺功能检测；混频激励

pulmonary function testing；mixing frequency excitation

肺部是人体的重要器官，它不仅是气体交换中枢，还是人体血液循环的重要组成．肺部疾病发病率高且并发症多，使肺部疾病确诊更加困难．卫生部公布的《2009年全国职业病报告情况》表明尘肺是中国目前发病人数最多的职业病．目前尘肺等肺部疾病主要检测方法有X射线法(检出率小于5%)和CT法(检出率24.83%)，但检测效果都不尽人意[1]．活体检查对鉴别和诊断有很大帮助，但具有较大的创伤且易造成气胸等并发症．

肺部疾病，如尘肺、肿瘤、肺心病和结核等，都会引起肺部通气和血流的变化，通过肺部的气血信息分析可以对肺部功能给出更准确的诊断[2-5]．

受姿势、运动和说话等因素的影响，呼吸信息比血流信息更加难以检测．传统的热敏电阻和应变计等非侵入性的测试仪可以获得精度不高的呼吸信息．呼吸量测定法[6]和呼吸速度描记仪[7]等精度相对高的侵入方法(需要屏气和深呼气)不适于自然状态下的连续检测和运动检测．生物阻抗技术对于肺部的气血信号，有很好的敏感性[8-9]，具有无创无害、操作简单、信息丰富、医生和病人易于接受等特点．电感体积描记术和阻抗描计图[10]是当今应用较广的方法，这2种方法基于生物阻抗技术．呼吸速率等信息主要通过带通滤波器获得且成功应用于很多研究[11].

基于屏气测量的阻抗分析方法，不能连续监测，也不适用于婴儿或其他不能长期处于特殊呼吸状态的人，限制了其应用范围．气血信号的有效分离将为肺部气血信息的分布研究提供条件．自然呼吸主频与血管正常搏动频率分布有较明显的区别，以此为基础利用小波分析将通气和血流信息相区别，可为肺功能的评价提供新的信息．

1 系统设计

1.1 实验平台设计

硬件系统由信号源模块、信号调理模块、数据采集模块、电源模块以及通讯接口单元等部分组成，结构如图1所示．信号源模块利用2个AD7008(具有50,MHz时钟频率)芯片产生混频激励电流信号，该模块内嵌单片机，通过RS-232接口接收计算机发出的DDS配置信息；信号调理模块包括放大单元和抗混叠滤波器，完成A/D采集前的信号预处理；数据采集卡采用NI公司的PCI-6111(ADC精度为12位，单通道最高采样速率为5,MHz)．软件主要由LabVIEW编写通过RS-232实现PC机与单片机的通讯、采集模块的控制、阻抗信息的提取和分析．

图1 系统结构Fig.1 Structure of system

1.2 电极设置

肺部结构分左右两部分．右肺分3叶；左肺分2叶．肺血流和分布受重力、胸腔内压和肺泡压力等因素的影响较大．在立位时，由于重力关系，肺尖部和肺底部血流量不同，分别为0.6,L/min和3.4,L/min，相差达5倍之多[1]．肺部的血流会随人的体位变化呈现不同的分布，而肺底部体现得更为明显，因此选择肺底部对应位置放置电极，为了避免心脏部位的影响，针对人体右胸进行测量，电极位置示意如图2所示．

图2 电极位置示意Fig.2 Position of electrode

电极表面镀金，尺寸为1.5,cm×1.0,cm，采用4电极测量方法，激励电极与测量电极的分离，可以克服两电极测量法存在的皮肤接触阻抗的问题且适用于较宽频率范围内生物电阻抗的测量．前胸部位，激励和测量电极上缘与右第5肋骨下缘相平，激励电极在锁骨中线内1.5,cm处，测量电极在锁骨中线外1.5,cm处；后背部位，激励和测量电极上缘平肩胛骨下角水平线，激励电极在距脊柱外测3.0,cm处，测量电极在激励电极外3.0,cm处，见图2．

2 二进离散小波分离阻抗气血信号

任意函数f(x)∈L2(R)的连续小波变换为

式中：a,b∈R，a≠0，将连续小波变换离散化，伸缩因子取a=，平移因子取b；ψ(x)为一个小波基或母小波，在工程中应用较广的母小波包括Haar小波、Daubechies小波、Morlet小波等．

根据信号特征，选择4层小波分解，如图3所示，最低频段范围至0.625,Hz以下，自然呼吸一般频率为0.28,Hz左右，这样就可以分离出呼吸信息了．

经比较，选择六阶Daubechies小波(db6)，保证了一定的消失矩和光滑性．原始信号为各层系数累加和，即

呼吸信号在第4层的低半频带a4，血管搏动信号为去除第4层低半频带后重构的信号．

图3 4层小波分解Fig.3 Four scales wavelet decomposition

使用小波分析方法分离阻抗信号的结果如图4所示．从图4中可以看出小波变换可以有效地分离出呼吸信号和血管搏动信号，呼吸信号和血管搏动信号有良好的周期性．

图4 阻抗模值、呼吸信号、血管搏动信号(自然呼吸)Fig.4 Modulus of impedance，respiratory impedance signal and vascular throb impedance signal (natural breathing)

3 阻抗气血比分析

为了更好地表现阻抗信号在各个尺度下的能量特征，提出能量分析的方法计算小波分解各尺度重构信号的能量．通过对阻抗信号各尺度重构信号能量的比较，分析实验对象在不同体位、不同呼吸状态下的肺部阻抗信号．

细节系数重构信号的能量为

式中,ijx为组成信号id的离散值．近似系数重构信号的能量为

式中,ijy为组成信号ia的离散值．

自然呼吸的主要频率大概在0.28,Hz左右，而正常血管搏动的频率往往要在1.00,Hz以上．因此阻抗信号的呼吸部分可以用近似信号4a表示，血管搏动部分则可以用细节信号4d～1d表示．用细节信号的能量和除以近似信号的能量就可以表征阻抗信号血管搏动部分能量与呼吸部分能量的比例关系，定义为阻抗血气比，用bgr(blood gas ratio)表示为

为了观察不同频率下阻抗血气比的变化特点，选用20,kHz和200,kHz的混频激励方式，图5为混频激励下，实验对象处于仰卧位时，自然呼吸、屏息、深呼吸状态下肺部阻抗的模值．从图5可以看出不同生理状况下的人体局部器官阻抗模值有明显不同．

图5 仰卧位下肺部阻抗的模值Fig.5 Lung impedance modulus in supine position

利用能量分析法计算实验对象在各种情况下的肺阻抗模的血气比，如表1所示．

表1 各种情况下肺阻抗模的血气比Tab.1 Blood gas ratio of lung impedance modulus

分别针对2种激励频率下的测量信号，通过小波变换进行肺部气血信号的分离并对信号进行重构，如图6所示．

图6 各尺度系数重构信号Fig.6 Reconstructing signal of each scale coefficient

实验条件：实验对象为23岁健康男性，电流源采用0.5,mA峰峰值的20,kHz与200,kHz混频正弦激励，电极采用1.5,cm×1.0,cm镀金四电极，放置右侧肺底(如第1.2节所述)．

由表1可得如下结论．

(1) 实验对象在深呼吸状态下的血气比明显小于自然呼吸状态下的血气比，说明这种基于小波变换的生物阻抗能量分析法可以很好地表现肺部血流和呼吸的关系．

(2) 实验对象无论在低频激励还是在高频激励下，仰卧位的血气比都大于坐位的血气比．这是由于重力的作用，人体处于仰卧位时肺底部的血量小于坐位．而血液是电的良导体，这就导致由血流引起的阻抗变化在人体处于仰卧位时大于处于坐位时，从而使仰卧位的血气比较大．

(3) 实验对象在自然呼吸和深呼吸状态下，低频和高频激励的血气比体现出不同的规律．在自然呼吸状态下，无论仰卧位或坐位，低频激励的血气比都大于高频激励的血气比；在深呼吸状态下，坐位低频激励的血气比大于高频激励的血气比，而仰卧位低频激励的血气比小于高频激励的血气比．这可能是由于人体在仰卧位时，深呼吸的作用影响到了肺部血流的分布，从而导致高频激励时仰卧位深呼吸时的血气比出现异常；而在坐位时，深呼吸仍然会对肺部分布造成影响，但由于重力的作用，这种影响将被削弱．

4 结 语

本文根据生物阻抗测量信号的特点，应用小波分析方法对混频生物阻抗信号进行处理，实现了气血信号分离的目的，提取时频特征，结合相关医学背景，利用能量分析法对肺功能检测进行了初步的实验研究，对不同生理状况下的气血信息特点进行了分析，证明了气血信号可以反映出人体不同的生理状况，为进一步的临床应用奠定了基础．

［1］ 吴天文. CT在矽肺诊断中与X线的优势对比[J]. 中国医药指南，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. 基于肺部先验知识的电阻抗成像重构算法[J]. 天津大学学报，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］ 中华医学会呼吸病学分会慢性阻塞性肺病组. 慢性阻塞性肺疾病诊治指南[J]. 中华结核和呼吸杂志，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. 阻抗血流图测量方法的发展与提高[J]. 中国医学装备，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，Fynn 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］ 肖贵遐，韩 冰. 生物电阻抗技术的医学运用[J]. 中国医学物理学志，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.

(责任编辑：孙立华)

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.

国家自然科学基金重点资助项目(50937005).

王 超（1973— ），男，博士，教授.

王 超，wangchao@tju.edu.cn.