消除医学信号采集中呼吸干扰的呼吸同步信号提取方法研究

朱 甬 周国辉 邬小玫，2#*

1(复旦大学信息科学与工程学院电子工程系，上海 200433)2(上海康复器械工程技术研究中心，上海 200093)

消除医学信号采集中呼吸干扰的呼吸同步信号提取方法研究

朱 甬1周国辉1邬小玫1，2#*

1(复旦大学信息科学与工程学院电子工程系，上海 200433)2(上海康复器械工程技术研究中心，上海 200093)

在多种现代医学信号采集过程中，呼吸活动会给采集信号带来不易消除的干扰。本研究提出一种呼吸同步信号提取方法，可以有效地解决这一问题。通过同步采集呼吸信号及待同步的医学信号，用呼吸同步算法判断每拍呼吸信号的峰、谷值，并结合精度要求在呼吸信号的峰/谷值两侧设置采样窗口，设置合适的同步模式，得到最优的同步信号。对于提取得到的呼吸同步信号，分别进行准确度和效率的分析。提取得到的呼吸同步信号的准确度达到99.88%，不同同步模式及阈值下呼吸同步信号的高电平占空比在16.15%～39.70%之间。所提出的方法可简单有效地减小呼吸对医学信号采集的影响，测量精度高，但会一定程度降低测量效率。测量精度和效率可根据要求通过调节采样窗口平衡，达到最佳效果。

同步；呼吸；可选阈值

引言

在多种现代医学信号的采集中，由于呼吸活动所造成的躯体振动和胸腔阻抗变化，会对被采集信号造成不易消除的干扰。如在临床应用越来越广泛的介入式诊断和治疗中，需要解决的一个关键问题是对进入人体的导管电极等医疗器械进行定位[1]，其中电场定位是常用的定位手段之一。而人体胸腔内的器官位置会随着呼吸运动不断变化，整个胸腔的电场分布也随之改变，进而会影响到电场跟踪和定位的精度[2]。又如，CT、MRI等现代医学成像技术被广泛应用于心脏[3]、肺部[4-5]、肝脏[6]等脏器疾病的诊断和治疗中，而在成像过程中，呼吸活动会不可避免地使得到的图像产生生理伪影[7-8]，从而影响到成像的效果。可见，在定位和成像等医学应用中，呼吸活动会明显地降低定位的准确程度以及成像质量，进而影响到诊断和治疗的效果。因此，在医学信号的采集过程中，需要通过一定的方式对呼吸活动进行补偿，以消除其对被采集信号造成的干扰。

传统消除呼吸活动干扰的方法，是在信号采集过程中，操作者通过监视呼吸动态指导患者在适当时机屏气，以避免呼吸引起干扰。但操作者不能主动控制患者呼吸运动，造成患者配合不理想；同时在采集过程中也容易引起患者不适；对于儿童、心肺功能差以及意识不清等依从性差的患者，更加不适用[9]。因此，又提出了一些不影响患者正常呼吸活动且能够自动消除或者减少呼吸干扰的方法，主要分为呼吸门控和呼吸补偿两大类[10]。门控的一种方法是对采集得到的呼吸信号进行差分放大延时并相减，得到门控信号[11]；另一种方法为用特征值对采集到的呼吸信号进行周期性的标记，根据特征值的标记门控采集其他医学信号[12]。上述门控方法简单有效，可以在一定程度上消除呼吸活动带来的影响；但是由于人体呼吸信号不同节拍间具有差异性，因此得到的门控信号并不十分准确，门控信号提取时的阈值和宽度也不能够根据每一呼吸节拍的不同而准确控制。呼吸补偿则是一种使用呼吸波形对被采集信号进行相位重排的技术[10]，能够有效地抑制呼吸伪影[13]，但方法往往较为复杂，且只针对某些特定的医学信号，不具备普适性。

针对现有方法存在的问题，笔者提出一种新的呼吸同步信号提取方法。该方法将呼吸周期中的特定时相，作为其他信号采样的时间窗，可用于消除多种医学信号采集中的呼吸干扰，具有普适性。且可以根据实际需要，通过调整阈值准确控制同步信号宽度，或选择在呼吸波峰值或谷值处进行同步。相对于现有的补偿技术，同步信号提取算法计算量较小，简单有效地消除了医学信号采集中呼吸活动带来的干扰。

1 方法

本研究提出的呼吸同步信号提取方法结构如图1所示，分为三大部分：信号的预处理、呼吸同步信号的提取以及最终利用同步信号消除呼吸干扰。经呼吸传感器采集得到的呼吸信号，首先经过预处理模块进行放大滤波；经过预处理的呼吸信号，通过呼吸同步算法处理后，提取得到方波形式的呼吸同步信号；将呼吸同步信号作为待同步医学信号采样的时间窗，并根据实际的需要，选择合适的阈值和同步模式，最终消除医学信号中的呼吸干扰。

图1 呼吸信号提取方法结构Fig.1 Structure block diagram of the respiratory synchronization signal extraction method

1.1 呼吸信号的预处理

经呼吸传感器采集得到的呼吸信号往往幅度较小，且含有工频干扰、高频噪声、肌电干扰、基线漂移等[14]，因此在对信号进一步分析处理之前，要先滤除这些干扰，并对信号作放大处理。本方法中信号的预处理主要通过硬件电路实现。呼吸预处理模块中包括放大器和一个通频带为0.1～10 Hz的带通滤波器。经过放大滤波预处理后，滤除了工频干扰、高频噪声、肌电干扰，并在一定程度上改善了基线漂移，得到的呼吸信号的峰-谷值保持在2 V左右，用以在呼吸同步算法中进一步分析处理。

1.2 呼吸同步信号的提取

典型的呼吸波形能够反映出呼吸频率、潮气量、每分钟通气量等多个参数，可有效描述人体的呼吸活动[15]。在呼吸峰值和谷值处，分别代表呼吸达到吸气最大时刻和呼气最大时刻。因此提出的呼吸同步算法选取在峰值和谷值附近提取同步信号，以保证在相似的呼吸状态下进行其他医学信号的采集。呼吸同步算法的流程如图2所示，输入信号为经过硬件电路放大滤波预处理的呼吸信号。

图2 呼吸同步算法流程Fig.2 The flow chart of respiratory synchronization algorithm

预处理后的呼吸信号具有类似正弦波的形状，但每一呼吸节拍在幅值和频率上存在差异性，并且仍存在一定程度的基线漂移，以及呼吸过程中可能出现的由于机械干扰或电干扰等因素产生的“伪峰”。每一呼吸节拍在幅值和频率上的差异性决定了整个过程中同步信号提取的阈值并非固定不变。要准确地得到每一节拍的阈值，需要得到每一个呼吸节拍的峰值和谷值。此外，基线漂移和“伪峰”会对最终的提取结果产生影响，因此在提取过程中要排除它们的干扰。由于预处理后的呼吸信号具有类似正弦波的形状，因此可以通过判断极值点条件的方法来划分峰值和谷值可能存在的区间。而判断极值点条件，可以通过求取信号的一阶差分和二阶差分来实现。此外，求取一阶差分可以有效地消除基线漂移带来的影响。

针对在同步信号提取过程中可能产生影响的“伪峰”，算法中引入一个不应期的概念。这里的不应期类似于心肌电活动中的不应期，在峰/谷值标记过程中，不应期长度内的数据点不会再被标记为新的峰值或者谷值，这样可以有效避免“伪峰”的干扰。为达到最佳的效果，在标记峰/谷值区间之前，需要选取合适的不应期长度Lres。Lres不可太小，但也不能够超过呼吸周期的1/4。当受检者平静呼吸时(12～20次/min)，可选取Lres长度为0.15～0.25 s。利用在前述计算中得到的呼吸信号的一阶差分和二阶差分，以及选取的不应期长度Lres，可以进行峰/谷值区间的标记。首先利用呼吸信号的一阶差分和二阶差分来判断当前数据点是否满足极值点条件。对于满足极大/极小值条件的点，其前后Lres长度内的点均会被标记落入峰/谷值区间，再判断其是否已落在不应期内。若已落在前一峰/谷值区间不应期内，则视为仍落在与前一峰/谷值相同的区间内；若未落在前一峰/谷值区间的不应期内，则标记为一个新的峰/谷值区间。根据上述规则，完成对峰/谷值区间的标记，每个连续的峰值区间都被标记上一个唯一的正整数，每个连续的谷值区间都被标记上一个唯一的负整数，得到了峰/谷值区间标记信号。

利用峰/谷值区间标记信号，可以求到每一个峰/谷值区间的最大/小值，并且得到相应的峰/谷值及其在时间轴上的位置。根据求得的最新的4组峰/谷值在时间轴上的位置，通过取平均的方式计算可以得到当前的呼吸频率。根据当前的呼吸频率，选取合适的时间窗宽Wres，用以在得到最终同步信号时与峰值进行比较。一般时间窗宽Wres选取为当前呼吸周期长度的1/4时，可以满足与峰值比较时全部的阈值需要。当阈值选取百分比较高时，也可以根据需要适当减少Wres。

根据实际需要，由操作者设置阈值(该可选阈值为峰-谷值的百分比，如95%、90%等，系统默认阈值为峰-谷值的90%)，得到合适宽度的同步信号。对一组对应的峰值和谷值，记峰值为Ap、谷值为Av，选取的可选阈值为η。对于峰值点左右Wres长度内的点，若对应信号值高于Av+η(Ap-Av)，则同步信号中相应位置取为1；对于谷值点左右Wres长度内的点，若对应信号值低于Ap-η(Ap-Av)，则同步信号中相应位置取为-1；其他点在同步信号中相应位置取为0。经过可选阈值的限定，得到并输出呼吸同步信号。

1.3 利用同步信号消除呼吸干扰

在得到呼吸同步信号后，将同步信号作为待同步医学信号采样的时间窗，以消除医学信号中的呼吸干扰。根据实际需要，可以选择不同的同步模式，在呼吸信号峰值处或谷值处进行同步。在峰值处同步则使得最终保留的医学信号均在吸气最大时刻采集得到，而在谷值处同步则使得最终保留的医学信号均在呼气最大时刻采集得到。

在同一时刻开始采集呼吸信号及待同步的医学信号，并保持两路信号在时间轴上一致。在采集信号的同时对呼吸信号采用呼吸同步算法进行处理，得到相应呼吸同步信号。在同步信号中高电平处，相应时间点采集得到的待同步医学信号予以保留；反之，在同步信号中低电平处，相应时间点采集得到的待同步医学信号予以舍弃，抑或在该时间点不进行信号采集。这样，保留下来的医学信号均在相同或相近的呼吸状态下采集得到，消除了呼吸活动带来的干扰，可用作进一步的分析处理。例如，在电场标测时只保留同步信号中高电平处对应时间点采集的定位信息，其余时间点采集的定位信息予以舍弃，这样最后保留下来的定位数据均在相同或相近的呼吸状态下采集得到，可用作体内导管定位、器官组织模型重建等，且不受呼吸活动干扰。

测试系统的操作界面如图3所示，操作者可以根据需要选择合适的呼吸同步阈值以及同步模式。界面中可实时显示当前呼吸频率，坐标图动态显示当前同步信号的提取，帮助操作者进行判断，选取较为合适的模式和阈值，以消除呼吸活动对其他医学信号采集带来的影响。

图3 测试系统的操作界面Fig.3 The operating interface of test system

1.4 实验方法

对于通过任意方法采集得到的呼吸信号，均可使用本方法进行呼吸同步信号的提取。本研究采用热敏电阻型呼吸信号采集放大电路，得到用于测试的呼吸信号数据[15]。采集到的呼吸信号经硬件放大滤波处理，设置采样率为360 Hz，用LabVIEW的myDAQ模块采集进入计算机用作分析处理，用Matlab实现呼吸同步算法，得到的呼吸同步信号用于测试。对采用呼吸同步算法提取得到的呼吸同步信号，进行准确度和效率的分析。实验选取了20段时长为5 min的呼吸信号用作测试，采样率为360 Hz，总计216万个数据点。准确度分析中可选阈值设定为90%，进行测试。

表1 呼吸同步信号提取准确度的测试结果

在效率分析中，选取准确度测试中检测准确率为100%的、总计时长为60 min的呼吸信号数据段对应的同步信号进行效率分析。同步信号中的高电平点数代表了最终指导其他医学信号采集的时间窗宽度，通过计算同步信号中平均每分钟的高电平点数，及相应高电平占空比，可以反映同步信号的效率。实验采用的呼吸信号采样率为360 Hz，因此在一分钟内总采样点个数为21 600。由此，相应占空比的计算公式为

高电平的占空比=

通过比较不同的同步模式和阈值下同步信号平均每分钟高电平点数和高电平占空比，反映同步模式和阈值选择对效率的影响。

2 结果

呼吸同步算法提取得到呼吸同步信号如图4所示。图4(a)为硬件放大滤波预处理后的呼吸信号，作为呼吸同步算法的输入，图4(b)(c)分别为呼吸信号的一阶及二阶差分信号。经过呼吸同步算法处理后，得到初步的呼吸同步信号，见图4(d)。根据实际需要，可以选择在峰值处(见图4(e))或者谷值处(见图4(f))进行同步，得到最终的同步信号，为一方波状门控信号。

图4 呼吸同步信号的提取。(a)预处理后呼吸信号；(b)呼吸信号的一阶差分信号；(c)呼吸信号的二阶差分信号；(d)初步的呼吸同步信号；(e)在呼吸信号峰值处同步的同步信号；(f)在呼吸信号谷值处同步的同步信号Fig.4 Extraction of respiratory synchronization signal. (a)Preprocessed respiratory signal; (b) First-order difference of respiratory signal; (c) Second-order difference of respiratory signal; (d) Initial Respiratory synchronization signal; (e) Synchronization signal synchronized at respiratory signal peaks; (f) Synchronization signal synchronized at respiratory signal valleys

呼吸同步信号提取的准确度的测试结果如表1所示。可以看出，呼吸同步信号的提取达到了99.88%的检测准确率，提取的准确度很高。

不同呼吸阈值下，在呼吸信号峰值处和谷值处同步的同步信号平均每分钟高电平点数和高电平占空比如表2所示。可以看出，不同的呼吸阈值及同步模式下，同步信号中高电平占空比在16.15%～39.70%区间内变化。相同呼吸阈值下，在呼吸信号峰值处同步的同步信号平均每分钟高电平点数及占空比高于在呼吸信号谷值处同步的同步信号。当呼吸阈值增大时，相应的同步信号中高电平门控会变窄，提取出的信号会更加准确，但高电平的占空比将会减小，同步信号的效率会降低。对于需要采集的医学信号(如定位信号、图像信号等)，为得到相同长度的经过同步选择的有效信号，高阈值条件下需要更长的采集时间。

表2 不同阈值及同步模式下呼吸同步信号的效率分析

3 讨论和结论

总体而言，本方法提取出的呼吸同步信号具有很高的检测准确度。在同步模式的选取上，应根据待采集的医学信号的特点。对于更适合在吸气最大时刻采集的医学信号，选择在呼吸信号峰值处进行同步；反之，选择在呼吸信号谷值处进行同步。呼吸阈值则应根据待采集的医学信号的特点以及对于测量精度和效率的要求进行选择。

将本方法与较为经典的一阶差分及Hilbert变换法相结合，可用于心电同步信号提取。将体表标测心电信号经过求取一阶差分并作Hilbert变换后，引入本方法中提出的不应期及可选阈值，可以提取出心电信号中的R波，进而提取出PR段。由于心电信号的PR段对应心肌活动处于全心舒张期，因此可以选用PR段进行心电信号的同步，用以消除心脏跳动对其他医学信号采集带来的干扰。心电同步信号与本方法中提取得到的呼吸同步信号相结合，可以同时消除呼吸活动及心脏跳动对医学信号采集带来的影响，这也是本方法继续研究的方向。

与大部分门控方法类似，由于大部分的数据点被舍弃，同步信号总体效率不高，为得到足够长度的有效医学信号需要更长的采样时间。获得很高的准确度的同时牺牲了效率，这是本方法的一大缺陷。通过选取合适的同步模式和阈值，平衡测量精度和效率，可在一定程度上得到改善。

本研究针对多种现代医学信号采集过程中呼吸活动带来的干扰问题，提出了一种呼吸同步信号提取方法，能够准确地提取出呼吸同步信号，并可以根据实际需要通过选择合适的阈值和同步模式准确地进行控制，得到合适的同步信号，用以指导其他医学信号的采集，达到消除呼吸干扰的目的。

[1] 张勇，徐丹江，沈海东.心内膜三维电生理标准设备关键技术分析[J].上海生物医学工程，2007，28(1):19-23.

[2] 刘延涛，苏智剑，陈中中，等.标测导管定位信号处理及仿真分析中呼吸与心跳运动的干扰[J].中国组织工程研究与临床康复，2011，15(43)：8093-8096.

[3] Segars WP，Mok SP，Tsui BMW. Investigation of Respiratory Gating in Quantitative Myocardial SPECT[J]. IEEE Transactions on Nuclear Science，2009，56(1):91-96.

[4] 侯仲军，张鑫，于晓君，等.磁共振心电门控HASTE和呼吸门控TSE的肺部应用[J].中国医学影像技术，2006，22(3)：413-416.

[5] 王义海，阿合力·那斯肉拉，潘广鹏，等.四维CT呼吸门控技术联合图像引导放射治疗在肺癌中的应用[J].重庆医学，2014，43(30)：3994-3996.

[6] 梁倩雯，钟桂棉，艾竹，等.采用门控技术克服呼吸及心脏运动对肝脏DWI影响的研究进展[J].放射学实践，2015，30(7)：787-789.

[7] Lee TS，Segars WP，Tsui BMW. The development and application of a realistic simulation dataset for simultaneous cardiac and respiratory gated ECT/CT[C]//2007 IEEE Nuclear Science Symposium Conference Record.Brisbane:IEEE, 2007: 3656-3659.

[8] 张晖.MRI腹部成像门控技术的比较[J].医疗卫生装备，2013，34(1)：103-104.

[9] 田蕴青，陈士贵，胡耄祺，等.在肺血图中应用自适应滤波法去除呼吸干扰[J].医疗设备信息，1998，(4)：1-3.

[10] 吕忠文，王元春，周生岩.浅谈减少腹部MRI生理伪影的技术及方法[J].医用放射技术杂志，2003，(10)：35-36.

[11] 东软飞利浦医疗设备系统有限责任公司.呼吸门控信号获取装置及方法：中国，201110166168.6[P].2012-12-19.

[12] 重庆微海软件开发有限公司.利用呼吸信号控制图像同步的方法及其装置：中国，200510004988.X[P].2006-08-09.

[13] Madore B，Farnbäck G， Westin CF，et al. A new strategy for respiration compensation, applied toward 3D free-breathing cardiac MRI[J]. Magnetic Resonance Imaging，2006，(24):727-737.

[14] 张翔，周严.基于自适应滤波的心电图中呼吸干扰的抑制[J].生物医学工程学杂志，2011，28(1)：58-62.

[15] 余学飞，吴建刚，邱力军，等.现代医学电子仪器原理与设计[M]广州：华南理工大学出版社，2007:197-198.

Research on Respiratory Synchronization Signal Extraction to Eliminate Respiratory Interference during Medical Signal Acquisition

Zhu Yong1Zhou Guohui1Wu Xiaomei1，2#*

1(DepartmentofElectronicEngineering,SchoolofInformationScienceandEngineering,FudanUniversity,Shanghai200433,China)2(ShanghaiRehabilitationEquipmentEngineeringTechnologyResearchCenter,Shanghai200093,China)

synchronization; respiration; optional threshold

10.3969/j.issn.0258-8021. 2016. 05.018

2015-12-22， 录用日期:2016-05-18

上海工程技术研究中心资助项目(15DZ2251700)；上海市科委产学研医合作项目(13DZ1941802)

R318

D

0258-8021(2016) 05-0631-05

# 中国生物医学工程学会高级会员(Senior member, Chinese Society of Biomedical Engineering)

*通信作者(Corresponding author)， E-mail:xiaomeiwu@fudan.edu.cn