مقاله مروری بر نحوه استخراج ویژگیهای خطی و غیرخطی از سیگنال های حیاتی

بخشی از مقاله

*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***


مروری بر نحوه استخراج ویژگیهای خطی و غیرخطی از سیگنال های حیاتی

خلاصه

امروزه در زمینه پردازش سیگنال های حیاتی، بهمنظور آشکارسازی، شناسایی و یا طبقهبندی یک بیماری، کیفیت روشهای استخراج ویژگی مطلوب از سیگنال حیاتی بسیار حائز اهمیت است. موجودات زنده از سلول گرفته تا ارگانهای بدن، سیگنالهایی با منشاء بیولوژیکی تولید میکنند. این سیگنالها بهصورت الکتریکی، مکانیکی یا شیمیاییاند. منظور از پردازش سیگنال های حیاتی جدا کردن سیگنال مورد نظر از سیگنال های در هم آمیخته و نویزدار و سپس استخراج پارامترهای مفید سیگنال است. برای بازنمایی بهتر از سیگنال باید ویژگیهایی از آن استخراج شود، سپس این ویژگیها به طبقهبندی کننده اعمال گردد تا عمل تفکیک انجام شود. در این مقاله به نحوه استخراج ویژگیهای خطی و غیرخطی از سیگنال های حیاتی پرداخته شده است. این ویژگیها در 4 حوزه شامل، حوزه زمان، فرکانس، زمان-فرکانس و حوزه ویژگیهای غیر خطی مورد بررسی قرار گرفتند. از ویژگیهای غیرخطی مورد بررسی میتوان به بعد همبستگی، بعد فرکتال وآنتروپی اشاره نمود.

کلمات کلیدی: استخراج ویژگی، سیگنال های حیاتی، ویژگیهای خطی، ویژگیهای غیر خطی

1. مقدمه

اصطلاح سیگنال عموما به چیزی اطلاق میشود که اطلاعات را منتقل کند.[1] در واقع سیگنال تابعی از یک یا چند متغیر مستقل است که اطلاعاتی را در مورد یک پدیده فیزیکی یا بیولوژیکی در بردارد. سیگنال های حیاتی به 3 دسته تقسیم میشوند: الکتریکی، مکانیکی یا شیمیایی. سیگنال های الکتریکی نتیجه دپلاریزاسیون سلولهای عصبی یا ماهیچه قلبیاند. صدای تولید شده توسط دریچه های قلب نمونه ای از سیگنال های مکانیکی است یا PCO2 خون، سیگنال شیمیایی است. سیگنالهایی که توسط ارگانهای بدن تولید میشوند با هم دیگر ترکیب شده یا تحت تاثیر نویز قرار میگیرند. منظور از پردازش سیگنال های حیاتی جدا کردن سیگنال مورد نظر از سیگنال های مزاحم است.[2]

2. پردازش سیگنال های حیاتی

پردازش سیگنال های بیولوژیکی در 4 مرحله انجام میشود:

1. اندازهگیری یا ثبت سیگنال

2. تبدیل سیگنال

3. محاسبه پارامترهای سیگنال

4. تفسیر یا طبقه بندی سیگنالها

1

در مرحله 1، از مبدلها برای ثبت و جمعآوری سیگنال از بدن استفاده میشود. در این مرحله سیگنال های مکانیکی یا شیمیایی به سیگنال های الکتریکی تبدیل میشوند و سیگنال های الکتریکی تقویت میگردند. نکته مهم در سیگنالگیری حداقل بودن میزان آنتروپی آن است یعنی سیگنال با کمترین اغتشاش یا به عبارتی بیشترین نسبت سیگنال به نویز ثبت شود. برای پردازش کامپیوتری، سیگنال ثبت شده نمونه برداری میشود.

در مرحله دوم تبدیلهایی بر روی سیگنال اعمال میشود به نحوی که امکان استخراج پارامترهای معنادار در قسمت سوم تسهیل شود. این مرحله پیش-پردازش نامیده میشود که هدف آن کاهش نویز سیگنال و کم شدن حجم داده است تا استخراج ویژگیهای سیگنال در مرحله سوم آسانتر باشد. در مرحله سوم پارامترهای مناسب معنادار که ویژگیهای سیگنال نامیده میشوند استخراج میشوند. نتایج حاصل از این مرحله برای فرآیند تصمیمگیری در مرحله چهارم مورد استفاده قرار میگیرد. در مرحله چهارم با استفاده از ویژگیهای استخراج شده پزشک یا کامپیوتر تفسیر نهایی را اعلام میکنند. مرحله تفسیر یا طبقهبندی ویژگیهای سیگنال، بازشناخت الگو نامیده میشود.[2]

2.1. روشهای پردازش سیگنال های حیاتی

در این قسمت به صورت خلاصه مروری بر روشهای پردازش سیگنال های زیستی خواهیم داشت.
· روشهای مبتنی بر دامنه سیگنال

تابع توزیع چگالی ddf ، نمایشی از سیگنال است که برخی خصوصیات پنهان آن را آشکار میکند. ddf در سیگنال های نمونه برداری شده با شمارش تعداد نمونه هایی که مقدار دامنه آنها بین x و dx است، تعیین می شود. dx تغییر کوچک مقدار دامنه است. در نتیجه تعداد نمونه ها در هربازه dx مشخص میشود و میتوان آن را با هیستوگرام نشان داد. اگر تعداد نمونه های موجود از سیگنال به حد کافی زیاد باشد میتوان ddf را به عنوان تقریب خوبی از تابع احتمال در نظر گرفت.[2]

· طیف فرکانسی و فیلتر کردن
ایده اصلی مفهوم طیف فرکانسی این است که هر سیگنال از ترکیب توابع سینوسی و کسینوسی ساخته میشود. طیف فرکانسی از آنالیز فوریه بهدست میآید. تبدیل فوریه سیگنال مشخص میکند که چه فرکانسهایی در سیگنال وجود دارند. با داشتن تبدیل فوریه سیگنال میتوان خود سیگنال را با کمک عکس تبدیل فوریه بهدست آورد. در بسیاری موارد خصوصیاتی که از طیف فرکانسی سیگنال استخراج میشوند، بسیار مفیدتر از خصوصیات زمانی هستند.
شکل 1 طیف فرکانسی چند سیگنال حیاتی شامل ECG، اسپیروگرام و EEG دارای موج (اجزاء شبه پریودیک EEG حول 10 هرتز) را نشان می-دهد. فیلتر کردن سیگنال حذف بخشهای فرکانسی ناخواسته از طیف فرکانسی سیگنال است. در فیلتر کردن تبدیل فوریه سیگنال محاسبه میشود تا طیف آن مشخص شود. پس از آن مولفه های فرکانسی نامطلوب سیگنال حذف میشوند و در نهایت با اعمال تبدیل عکس فوریه سیگنال فیلتر شده در حوزه زمانی بهدست میآید.

شکل.1 طیف فرکانسی چند سیگنال حیاتی

از فیلترهای خطی متداول میتوان به فیلتر پایین گذر، فیلتر بالاگذر، فیلتر میان گذر، فیلتر میان نگذر اشاره نمود. یک نمونه ساده از فیلتر سیگنال های حیاتی کاربرد فیلتر میان گذر در پردازش سیگنال ECG است. باند فرکانسی سیگنال ECG بین 0/15 تا 150 هرتز است. اما در ثبت این سیگنال نویز ناشی از فعالیت ماهیچه ها و اغتشاش خط مبنا ناشی از تغییر امپدانس تماس الکترود و بدن و نیز پتانسیلهای آفست وارد میشوند. نوسانات خط مبنا فرکانس پایین تر از 1 هرتز دارد و نویز ناشی از ماهیچه ها فرکانس بالاتر از 150 هرتز دارد. فیلتر میان گذر همانطور که در شکل 2 نشان داده شده است، فرکانسهای بین یک تا 150 هرتز را عبور میدهد.[2]

2

شکل.2کاربرد فیلتر میان گذر در پردازش سیگنال ECG

• نسبت سیگنال به نویز

در ثبت و انتقال همه سیگنال های حیاتی اغتشاش یا نویز وارد میشود. به عنوان نمونه در ثبت ECG حین فعالیت بدنی اغتشاشات کم فرکانس خط مبنا از یک طرف و سیگنال های الکترومایوگرام فرکانس بالا ناشی از فعالیت ماهیچه ها از سوی دیگر بر سیگنال اثر میکنند. بنابراین استفاده از روشهایی برای افزایش نسبت سیگنال به نویز ضروری است. یعنی سیگنال ثبت شده که حاوی اطلاعات اصلی و نویز است باید به نحوی پردازش شود که در آن نویز به حداقل میزان ممکن برسد. متوسطگیری همزمان یکی از سادهترین روشها برای کم کردن نسبت سیگنال به نویز درسیگنال های شبه پریودیک مانند ECG است. در این روش فرض میشود که سیگنال اطلاعات ECG ماهیت معین دارد در حالی که نویز سیگنال آماری با توزیع نرمال است. در ابتدا لحظه شروع شکل موجها مشخص شده و همانطور که در شکل 3 نشان داده شده، متوسطگیری همزمان اعمال میشود. در این روش مجموع همه سیگنالها (مثلاً k تا سیگنال) محاسبه میشود.

شکل .3متوسطگیری همزمان ECG

نتیجه حاصل سیگنالی است که که اندازه آن k برابر شکل موج اصلی است. بنابراین با Scale کردن، سیگنال بهبود یافته به دست میآید. مشخص است که با افزایش تعداد سیگنالها این روش به جواب بهتری منجر خواهد شد.[2]

5. استخراج ویژگیهای سیگنال

برای بررسی سیگنال به صورت مطلوب باید ویژگیهایی از آن استخراج شود، سپس این ویژگیها را به طبقهبندی کننده اعمال میکنند تا عمل تفکیک انجام شود. بدین منظور ویژگیهای آماری نظیر میانگین، پراش، چولگی و کشیدگی ، ویژگیهای فرکانسی نظیر توان نسبی باندهای فرکانسی دلتا، تتا، آلفا و گاما، ضرایب AR (به عنوان مثال برای سیگنال ( EEG و ویژگیهای مبتنی بر تبدیل ویولت و تحلیل غیرخطی نیز از سیگنالها استخراج می-شود. در این بخش ویژگیها در 4 حوزه مورد بررسی قرار خواهند گرفت که عبارتند از:

· ویژگیهای حوزه زمان
· ویژگیهای حوزه فرکانس
· ویژگیهای حوزه زمان - فرکانس
· ویژگیهای غیر خطی

3

3.1. ویژگیهای حوزه زمان

به منظور استخراج ویژگیهای زمانی، باید مراحل پیشپردازش به صورت زیر بر روی هر اپوک صورت گیرد: (1اعمال فیلتر مدین با طول مناسب بر روی هر اپوک (2 بهدست آوردن تفاضل اپوک اصلی از اپوک نرم شده (فیلتر میانه)

برای نمونه در یک سیگنال EEG برای یک فرد دچار بیماری صرع در شکل 4 داریم:

شکل.4 نمایش سیگنال صرعی با دامنههای عبوری از خط آستانه

.1 .1.3 مجموع دامنههای عبوری از آستانه (RSA)

این ویژگی، حاصل جمع دامنه اسپایکهایی میباشد که از مقدار آستانه تعیین شده عبور مینمایند. برای مثال در هنگام وقوع حملات صرعی، دامنههای سیگنال مغزی در مقایسه با حالت فاقد حملات صرع به شدت افزایش مییابد که در سیگنال های صرعی آبسانس افزایش دامنه بهصورتspike-wave خواهد بود. بنابراین عبور دامنه سیگنال پردازش شده از سطح از آستانه میتواند بیانگر وجود حملات صرعی باشد.[3]

3.2. ویژگیهای حوزه فرکانس

ویژگیهای مربوط به حوزه فرکانس عبارتند از: فرکانس غالب، توان متوسط در ناحیه انرژی اصلی، آنتروپی طیفی نرمالیزه شده.

.1.2.3 فرکانس غالب((DF

با توجه به نمونه اشاره شده در شکل 4 از آنجایی که تخلیهها spike-wave در محدوده فرکانسی بین 5-8 هرتز انجام میگیرد، لذا فرکانس اصلی اپوکهای صرعی ن)یز باید در این بازه باشد. بنابراین با تعریف فرکانس غالب میتوان این خصیصه متمایز کننده در سیگنال را آشکار نمود. یکی از روشهای معمول جهت استخراج فرکانس غالب در حوزه فرکانس استفاده از تبدیل فوریه سریع میباشد که به دلیل حساسیت زیاد آن به نویز، استفاده از تخمین طیف توان مناسبتر میباشد که در مقایسه با تبدیل فوریه علاوه بر حساسیت کمتر به نویز دارای تفکیک فرکانسی مطلوبتری است. در این روش، فرکانس غالب متناسب با ماکزیمم دامنه تخمین طیف توان سیگنال است.[3]

.2.2.3 توان متوسط در ناحیه انرژی اصلی (APmez)

با استفاده از فرکانس متوسط میتوان، توان متوسط در ناحیه انرژی اصلی را بهصورت زیر بهدست آورد:

(1