医护环境下多变量生理趋势信号的伪差检测和信号估计

生理趋势信号的幅值和轨迹变化反映人体的生理病理状态，是医护人员对病人进行实时诊断的重要依据。多种生理参数可以在当前医护环境下被检测，但由于医护环境下的各种干扰，这些参数的测量值常常会远远偏离真值。如何去除信号上的伪差，提高生理趋势信号的可信度,无论对当前医疗应用还是对未来智能病人监护系统的发展都有重大意义。 当前关于生理趋势信号上的伪差去除和信号估计的研究多限于单变量方法。这些方法在检测非显著系统偏差，以及区分尖峰伪差和突变信号时的表现不尽人意。本项目提出，利用多个生理变量之间的静态和动态关系，结合各个变量自身的动态特性，来检测伪差的存在并进行信号估计。另外由于某些生理信号之间存在很强的非线性动态关系，必须使用非线性滤波器才能得到准确的信号估计值。在此背景下，本项目计划研究如何改进新兴的非线性滤波器－粒子滤波器，使其可以在计算能力有限的医护环境下进行生理信号的实时估测。

本项目旨在检测生理信号上的伪差，提高生理信号的可信度, 为病人健康的实时监测提供可靠依据。研究工作集中在以下两个方面：（1）综合生理变量间的关系和各个变量自身的动态特性，来检测伪差并进行信号估计；（2）对非线性非平稳生理信号进行非线性滤波。 ..项目实施过程中，选择了手术室和穿戴式家庭保健两大典型医疗场景。针对手术中麻醉病人的呼吸信号，根据呼吸支持系统和监测设备的运行原理和人体呼吸和代谢系统的生理机制，用线性模型描述呼吸信号之间的关系；用多阈值分步比较法，找出伪差位置，并利用数据调和手段，将信号之间的关系和有效范围作为限制条件，来估测信号的真值。临床数据实验表明，该方法对有强相关性的伪差的检测精度优于单变量方法。...家庭健康监测环境下着重研究了光电容积脉搏波信号（PPG）的降噪和信号质量评估。利用形态分析提取信号的多个动态特征，将提取的多个特征输入带约束的卡尔曼（Kalman）滤波器模型，对特征矢量进行时序变化的追踪，并将PPG的信号质量分成三级进行评价。实验结果表明，相比于单纯基于形态分析的方法和单纯基于时序分析的伪差检测方法，我们的方法能有效识别伪差并剔除不可用的信号数据段，以达到可靠准确提取生理特征参数的目的。此外，将运动伪差污染的PPG信号作为非线性非平稳生理信号的一个例子，使用经验模态分解（EMD）对信号进行多尺度分解，利用各尺度上信号的瞬时频率、能量等信息，检测和识别采集到的生理信号中的运动伪差，对信号进行降噪处理。..另外，在开展生理信号之间关系研究的过程中，我们根据主动脉中心血压和上臂末梢桡动脉的血压之间的关系，构建了二段式传输线模型来描述人体上臂血管的血压传导过程。实验结果表明，相比于基于传统单段传输线模型的方法，基于该模型的中心血压的重建精度有显著提高。