基于labVIEW的生物醫(yī)學信號虛擬實驗平臺設計

孫金平 劉愛麗 劉迢迢 顏菲

摘要：為加強學生的理論學習效果，提高學生綜合運用所學知識解決實際問題的能力，開發(fā)了基于LabVIEW的多功能生物醫(yī)學信號處理實驗平臺，實現(xiàn)心電信號和腦電信號的濾波、特征提取、頻譜分析等功能，方便學生直觀了解常用生物醫(yī)學信號處理方法，更好的服務理論教學。

關鍵詞：心電;腦電;實驗平臺;labVIEW

Abstract： In order to strengthen students' effect of the theoretical learning and improve the ability to solve practical problems by using their knowledge comprehensively， a multi-functional biomedical signal processing experimental platform based on LabVIEW is developed to realize the filtering， feature extraction， spectrum analysis and other functions of ECG and EEG signals， so as to facilitate students to intuitively understand common biomedical signal processing methods and better serve the theory Teaching.

Key words： ECG; EEG; experimental platform;labVIEW

生物醫(yī)學信號處理是生物醫(yī)學工程專業(yè)的重要核心課程，旨在培養(yǎng)學生掌握生物信號處理的基本原理、方法，使學生具備獲取、處理生物醫(yī)學信號的能力。但是生物醫(yī)學信號處理課程知識點和數(shù)學公式多、理論概念抽象，學生理解困難[1-3]。為培養(yǎng)學生綜合運用多個理論知識點解決實際問題的能力，基于臨床常見的心電和腦電信號，開發(fā)了多功能生物醫(yī)學信號處理虛擬實驗平臺，使學生可以直觀了解常用信號處理方法和效果， 提高學生理論聯(lián)系實際、運用多種信號處理知識解決一類信號問題的綜合實踐能力。

LabVIEW是美國NI公司推出的一種基于圖形化編程語言的虛擬儀器軟件開發(fā)工具，?可?快速?訪問?硬件?和?數(shù)據?信息。它?提供?了?一種?可?視?化?、圖形?化?編?程?方法，?可?直觀?顯示?應用?的?各個?方面。?程序?框?圖可?直觀?地?表示?復雜?的?邏輯，?開發(fā)?數(shù)據?分析?算法;控件面板集成常用工程控件，可?自?定義??用戶?界面[4]。LabVIEW集成多種常用編程、測量、數(shù)據通信、數(shù)學、信號處理等常用函數(shù)，具有開發(fā)周期短、運行速度快、使用方便靈活等優(yōu)點。

1 信號簡介

心電圖（Electrocardiogram，ECG）和腦電圖（Electroencephalogram，EEG）是臨床常用檢查[5-6]。在正常心動周期中，一個典型的心電波形主要包括P波，QRS波群，S-T段、T波，各波形和波段分別表示不同的心臟電生理活動特征[7]。實驗平臺用心電數(shù)據來自PhysioBank[8]中的MIT-BIH Arrhythmia Database數(shù)據庫[9]，共48組心電數(shù)據，它是目前國際上公認的標準的心電數(shù)據庫之一，數(shù)據采樣頻率為360Hz。

腦電圖按頻率大致劃分為四個波段，即δ（1-4Hz）、θ（4-8Hz）、α（8-13Hz）、β（13-30Hz），不同頻率波形表征不同的大腦活動[10]。實驗平臺用腦電數(shù)據來自PhysioBank 中的EEG During Mental Arithmetic Tasks數(shù)據庫[11]，共35組，每組數(shù)據包含受試者在執(zhí)行心算任務之前和期間的腦電記錄，數(shù)據采樣頻率為500Hz。

2 實驗平臺設計

實驗平臺包括心電處理和腦電處理兩大部分。集成了IIR濾波器、FIR濾波器、小波變換、頻譜分析等信號處理知識，實現(xiàn)交互式窗口設計，可以實時查看設置不同參數(shù)對信號處理效果的影響。系統(tǒng)結構圖見圖1。

2.1 數(shù)據預處理

數(shù)據預處理可以提高信號中有效數(shù)據的質量，從而有助于提高后續(xù)數(shù)據處理的精度。實驗分別選取有限沖激響應濾波器（FIR）、無限沖激響應濾波器（IIR）和小波變換方法對心電和腦電信號進行濾波[12]。FIR濾波器具有線性相位、容易設計等優(yōu)點;IIR濾波器可用較低的階數(shù)獲得高的選擇性，所用的存儲單元少，計算量小，效率高;小波變換則具有多分辨率的特點，可在不同尺度下對信號進行濾波。通過選擇不同的濾波參數(shù)或濾波器組合，可觀察不同類型濾波器以及同一類型濾波器設置不同參數(shù)時的濾波效果。

2.2 特征提取

R波是心電信號中最明顯的信號特征，R波的正確提取是計算心率、分析心率變異性等其他參數(shù)的基礎[13]。R波具有幅值大、變化劇烈等特點，同時，不同人心電信號的R波有一定的差異，因此選用差分自適應閾值法提取心電信號R波[14-15]。學生可直觀地了解不同濾波效果對R波提取準確度的影響。

2.3 頻譜分析

信號頻譜代表了信號中不同頻率分量成分的大小，它能夠提供比時域信號波形更直觀、更豐富的信息。采用快速傅立葉變換對腦電信號進行頻譜分析，以頻率為橫坐標描述信號的頻率成分，并觀察不同濾波方法對腦電信號頻譜幅值的影響。

3 實驗平臺實現(xiàn)

按照實驗平臺設計方案，分別開發(fā)了心電和腦電數(shù)據實驗平臺，包括數(shù)據讀取模塊、數(shù)據預處理模塊、心電特征提取模塊、腦電頻譜分析模塊。

3.1數(shù)據讀取模塊

實驗平臺可任意選取48組心電數(shù)據中的任一組心電數(shù)據和35組腦電數(shù)據中任一組腦電數(shù)據進行顯示和處理。下文圖示中分別選取100組心電數(shù)據和Subject00_1組腦電數(shù)據的10秒長數(shù)據進行處理。

3.2數(shù)據預處理模塊

分別設計FIR濾波器、IIR濾波器和小波變換濾波器的前面板和程序框圖，可選擇單一濾波器，也可采用組合濾波器。分別顯示濾波前后的信號，便于直觀觀察不同濾波器或不同濾波參數(shù)的濾波效果。FIR濾波器可以選擇窗函數(shù)、等波紋等設計方法，低通、高通、帶通、帶阻等濾波類型，可顯示濾波器的頻率特性圖。IIR濾波器可以選擇Butterworth、Bessel、Chebyshev、Elliptic等設計方法，低通、高通、帶通、帶阻等濾波類型，設置濾波器階數(shù)，可顯示濾波器的頻率特性圖。小波變換濾波器可以選擇不同的小波函數(shù)，設置不同的分層層數(shù)以及各層系數(shù)，可顯示變換后的小波系數(shù)。FIR、IIR濾波器設置界面見圖2，小波變換濾波器子程序框圖見圖3。

3.3 特征提取模塊

選取10秒長即3600個數(shù)據長度的心電信號進行特征提取，采用差分自適應閾值法提取R波，每次濾波結束后自動進行R波位置檢測，觀察不同濾波方法對特征提取效果的影響。心電R波檢測效果見圖4。

3.4 頻譜分析模塊

選取10S的腦電數(shù)據進行頻譜分析，分別顯示濾波前后的腦電幅度譜，觀察不同濾波器對腦電頻譜的濾波效果。應用小波變換濾除低頻分量，濾波前后的頻譜對比見圖5。

4 結束語

實驗平臺集合了濾波器設計、特征提取、頻譜分析等常用信號處理知識，提升了運用多種信號處理知識解決某類信號問題的綜合實踐能力，熟悉了系統(tǒng)的、完整的信號處理流程。采用交互式界面，學生直觀了解信號處理結果，驗證了理論知識，激發(fā)了學習興趣，更好地服務了理論教學。

參考文獻：

[1] 饒妮妮，杜曉川，歐鳳.生物醫(yī)學信號處理課程研究性教學的探索與實踐[J].高教論壇，2011（8）：78-80.

[2] 胡廣書，汪夢蝶.生物醫(yī)學信號處理研究綜述[J].數(shù)據采集與處理，2015，30（5）：915-932.

[3] 韓萍，康健.基于LabVIEW的信號處理技術應用演示及實驗系統(tǒng)設計[J].實驗技術與管理，2010，27（7）：99-103.

[4] 張丙才，劉琳，高廣峰，等.基于LabVIEW的數(shù)據采集與信號處理[J].儀表技術與傳感器，2007（12）：74-75.

[5] 金林鵬，董軍.基于集成學習的臨床心電圖分類算法研究[J].生物醫(yī)學工程學雜志，2016，33（5）：825-833.

[6] 謝松云，張振中，楊金孝，等.腦電信號的若干處理方法研究與評價[J].計算機仿真，2007（2）：326-330.

[7] 盧喜烈.心電圖基礎理論[M].天津：天津科學技術出版社， 2005.

[8] Goldberger A L， Amaral LAN， Glass L， et al. PhysioBank， PhysioToolkit， and PhysioNet： Components of a New Research Resource for Complex Physiologic Signals [J]. Circulation 101 （23） ：e215 - e220.

[9] MOODY G B， MARK R G. The impact of the MIT-BIH Arrhythmia Database[J]. IEEE Eng in Med and Biol， 2001， 20（3）：45-50.

[10] 李穎潔.腦電信號分析方法及其應用[M].北京：科學出版社， 2009.

[11] Zyma I， Tukaev S， Seleznov I，et al. Electroencephalograms during Mental Arithmetic Task Performance [J]. Data，2019， 4（1）：14.

[12] 岳洪偉.基于LabVIEW的數(shù)字信號處理虛擬實驗平臺實現(xiàn)[J].實驗技術與管理，2011，28（8）：70-72.

[13] 吳建，李康，龐宇，等.基于差分閾值與模板匹配的心電R波提取算法[J].重慶郵電大學學報（自然科學版），2015，27（3）：372-376.

[14] 張勝，吳仲光，李征.一種自適應R波檢測算法實現(xiàn)[J].四川大學學報（自然科學版），2008（3）：498-502.

[15] 李秀麗. 基于小波變換的心電QRS波群檢測算法的研究[D].濟南：山東大學，2013.

【通聯(lián)編輯：王力】