See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/270514064
Article in IEEE Journal of Biomedical and Health Informatics · December 2014
DOI: 10.1109/JBHI.2014.2369821 · Source: PubMed
CITATIONS
9
READS
175
3 authors, including:
Wangmeng Zuo
Harbin Institute of Technology
276 PUBLICATIONS 3,685 CITATIONS
David Zhang Tianjin University
553 PUBLICATIONS 18,352 CITATIONS
All content following this page was uploaded by Wangmeng Zuo on 27 February 2015.
The user has requested enhancement of the downloaded file.
Some of the authors of this publication are also working on these related projects:
Image enhancement and restoration View project
Biomedical View project
Comparison of Three Different Types of Wrist Pulse Signals by Their Physical Meanings and Diagnosis Performance
Wangmeng Zuo, Member, IEEE, Peng Wang, and David Zhang, Fellow, IEEE
Abstract— Increasing interest has been focused on computational pulse diagnosis where sensors are developed to acquire pulse signals and machine learning techniques are exploited to analyze health conditions based on the acquired pulse signals. By far, a number of sensors have been employed for pulse signal acquisition, which can be grouped into three major categories, i.e., pressure, photoelectric, and ultrasonic sensors. To guide the sensor selection for computational pulse diagnosis, in this paper, we analyze the physical meanings and sensitivities of signals acquired by these three types of sensors. The dependency and complementarity of the different sensors are discussed from both the perspective of cardiovascular fluid dynamics and comparative experiments by evaluating disease classification performance. Experimental results indicate that, each sensor is more appropriate for the diagnosis of some specific disease that the changes of physiological factors can be effectively reflected by the sensor, e.g., ultrasonic sensor for diabetes and pressure sensor for arteriosclerosis, and improved diagnosis performance can be obtained by combining three types of signals.
Index Terms— computational pulse diagnosis; pulse signal acquisition; pressure sensor; photoelectric sensor; ultrasonic sensor.
- INTRODUCTION
P
ULSE diagnosis has played an i
全文共48014字，剩余内容已隐藏，支付完成后下载完整资料
PULSE诊断在传统中医（TCM）和传统阿育吠陀医学（TAM）中发挥了重要作用[1-3]。一般来说，手腕脉搏信号主要由心脏收缩和松弛产生，并且也受血液运动和血管直径变化的影响，使它们对于分析心脏和非心脏疾病。然而，脉诊是一种主观技能，需要多年的训练和实践才能掌握[4]。此外，诊断结果依赖于从业者的个人经验。对于不同的从业者，诊断结果可能不一致。为了克服这些局限性，研究人员最近研究了计算脉搏诊断，以对象化和量化脉搏诊断验证了脉搏信号与几种特定疾病的联系[5-12]。
在计算脉冲诊断的发展过程中，已经开发了许多用于采集脉冲信号的传感器和系统。Sorvoja等人[13]报道了一种基于机电薄膜的压力脉冲传感器。 Kaniusas等人 [14]使用磁弹性皮肤曲率传感器来设计一个机械心电图系统，用于不干扰测量血压信号。陈等人。[15]提出了一种测量脉冲信号的液体传感器系统。Wu等人[16]提出了一个测量脉冲信号的气压系统。Renevey等人。 [17]提出了一种红外（IR）脉冲检测系统。Wang等人[18]提出了一个具有线性子传感器阵列的多通道压力脉冲信号采集系统。胡等人。[19]提出了基于聚偏二氟乙烯（PVDF）压力传感器阵列的脉冲测量系统。Zhang和Wang [20]提出了一种测量手指脉冲信号的光电系统。
在这些系统中，用于脉冲信号采集的三种主要类型的传感器是：压力传感器，光电传感器和超声波传感器。 脉冲诊断采用压力传感器来模拟脉冲采集的TCM程序[18]，主要采用光电传感器，因为其价格低廉且易于制造[21]，并且通常采用超声波传感器对干扰的鲁棒性[6]。 就脉诊而言，脉压波形分类和胆囊炎，肾病综合征和糖尿病的诊断一直在进行压力信号研究[18,22-24]。 Lee等人 发现光体积描记图（PPG）变异性与交感神经血管运动活性有关，光电信号（即PPG）与常规心血管测量（即心率和平均动脉压）结合用于诊断低全身血管阻力（SVR ）[25]。 最后，超声波信号已被用于诊断动脉硬化，胰腺炎，十二指肠球部溃疡，胆囊炎和肾炎[5,9,26]。
在本文中，通过比较研究，我们分析了生理和病理因素的物理意义，相关性，敏感性和诊断由这三种类型的传感器获得的脉冲信号的性能。 通过这些研究，我们打算揭示每种类型的脉冲信号的相对优势，这可以指导我们选择合适的传感器来诊断特定疾病，并结合不同类型的脉冲信号来提高诊断的准确性。在本文的其余部分安排如下。 部分图2是关于三种传感器采集的信号的采集方法和物理意义的讨论。 第3部分分析了不同脉搏信号与这些脉搏信号对不同生理和病理因素的敏感性之间的关系。 第4节提供的实验结果证明了不同类型脉冲信号的相对优势，并通过组合不同传感器提高了性能。 最后，第5节给出几个结论性意见。
一、测量机制
在本节中，我们介绍三种主要类型传感器的测量机制，以揭示获取的脉冲信号的物理意义。 如图1所示，一个典型的脉冲采集硬件系统通常包括三部分：传感器，放大器和数字化仪单元，这些脉冲系统的主要区别在于传感器单元。 因此，通过分析传感器单元，我们讨论了不同脉冲信号采集系统的测量机理。
- 压力传感器的测量机理
如图2所示，压力传感器设计用于测量血管某些位置的透壁压力。 脉搏波由心脏排出血液而产生收缩进入主动脉，导致血管扩张[27]。 血流发生在封闭的血管系统中，任何生成的压力都会影响整个系统。 手腕桡动脉靠近皮肤表面，因此可以非侵入性地测量压力的变化。
测得的压力pm由压制压力pc的反力和来自血管p的透壁压力组成，即pm = pc p。通常，由于皮肤和组织的阻尼，p比它的真实值小。由于桡动脉靠近皮肤表面，阻尼通常很轻微，这就是为什么中医从业人员选择手腕作为脉搏诊断的位置。
- 光电传感器的测量机理
如图3所示，光电传感器设计用于测量血管某一区域的血容量。 反射光的强度与容器的体积成比例。 当血管中的血容量随着心跳而变化时，反射光会相应地改变，因此可以通过测量血管反射光的强度来记录体积变化。 红外光通常用于光电传感器，因为它可以穿透血管比可见光更深，同时被表皮黑色素吸收/反射更少[28]。 测得的体积信号Vm由来自组织V0的反射光和来自血管Vs的反射光组成，即Vm = Vs V0，其中V0对于同一个人而言几乎是恒定的，并且Vs与时间有关并且随着血管体积。 如图3所示，对于光电传感器，光电晶体管只能接收来自某个区域的反射红外光。 测量体积是由传感器尺寸确定的长度l上横截面积的积分。由于l是恒定的，所以通过光电传感器测量的体积将取决于测量内的横截面积的变化
区。
- 超声波传感器的测量机理
超声波传感器用于测量沿血管某些位置的血流速度。如图4所示，速度信息可以通过测量发射器发射的超声波（T）和返回到接收器（R）的超声波之间的频移来获得。 超声波信号反映了血液中红细胞的速度在软组织（约1,540米/秒）[29]。 通常，角度alpha;应该在30ordm;到60ordm;之间[27]。 在这项工作中，我们假设速度u是血管中心的速度，因为这种情况可以通过定位最大血液速度umax的位置来应用，并且这种策略在实践中通常使用[29]。
二、被测量的依赖性和互补性
在本节中，我们首先分析不同类型的脉冲信号之间的依赖关系。分析和讨论是从一些理想的简化假设开始的，以推导出由信号获得的信号之间关系的基本事实不同类型的传感器。然后，将讨论影响每种类型的测量信号的诊断因素。最后，我们会考虑它们的互补性。
A.假设
动脉系统是一个复杂的非线性各向异性和粘弹性系统，包括锥形，弯曲和分支管。 为了获得关于动脉脉搏特征的一些基本事实，我们对动脉系统和传感器提出了一些假设以简化分析。 首先，我们假定血液成分，血液密度和血管壁的弹性是均匀的，并且取样窗口中的流动是层流的，如大多数生理流体动力学理论所指示的。 我们还假定该容器是直的圆柱形管，并具有圆形的横截面，并且容器的变形很小。 因此，对于光电信号我们有：VM = VS V0 = 的Al V0 =lpi;R2 V0 (2)其中R是容器的半径。长度是固定的，因此光电信号与平方成正比在这个假设下的半径。 表I总结了测量信号的物理意义。 为了简单起见，测量的压力信号中的pc和测量的光电信号中的V0未被考虑在内。 由于这些信号被连续记录，所以这些信号的值和时间导数都可以很容易地得到。
B.稳定层流中血流速度，半径和压力之间的关系
在本节中，我们分析了血流速度，面积（半径）和稳定层流和脉动流中的压力之间的关系，以揭示它们之间的关系。
我们首先提供一个圆柱坐标系（r，theta;，z）这将在本节中使用。 如图5所示，沿着血管设置坐标，z轴位于血管的中心并且朝向血流的方向，并且r轴垂直于皮肤。为了确定基本的动脉脉搏特性，我们首先考虑最简单的模型：其中半径R，密度rho;，粘度eta;，速度u，体积V和压力p均恒定的稳定层流。 压力梯度也是均匀的。 一般的时间依赖控制方程可以由连续性和Navier-Stokes方程给出。考虑到脉冲波是以速度c不失真地行进的波，沿着z轴的压力梯度很难仅用一个传感器来测量。因此，沿着z轴的压力梯度的良好近似值是测量的压力信号的时间导数人们可以看到测得的速度umax，半径R和测量的压力p的时间导数彼此高度相关。 在第III.A节中所描述的简化假设下，如果我们分别有参数和c，连续压力和光电信号，我们可以得到速度通过使用公式（6）。如果我们有三种类型的测量信号，我们可以估计参数c。上面的讨论基于几个强烈的假设，以确定三种测量信号之间的基本关系。 如果我们考虑更现实的条件，这种关系将变得更加复杂。从这些方程中，可以看到压力信号对半径，弹性性质和血管厚度的变化敏感。如果我们让半径R成为一个时间相关的变量，那么该模型将更难以获得。 此外，对于实际的脉冲信号，参数和也是时间相关的，并且所有这些参数都会随个体，健康状况和许多其他因素而变化。 因此，虽然三种信号密切相关，但使用多种类型的信号来估计仍然可用的一些循环参数时，很难获得使用两个信号来估计另一个信号的显式模型，我们将在其中讨论下一节。生理和病理因素的影响
不同类型的传感器具有不同的物理意义，因此会受到不同的循环参数的影响。 在本节中，我们分析生理和病理因素对不同类型脉搏信号的影响。
压力信号与血管壁的弹性和半径有关。光电信号可用于测量血管中血液的体积变化，主要对血管敏感半径变化。 而且，物理上是光电信号
是对反射红外光强度的测量，并受血液成分的影响。 血液元素的红外吸收光谱也不同，即水，氧合血红蛋白和脱氧血红蛋白表现出不同吸收光谱，因此组成比可以影响红外吸收率[33]。 实际上，血氧监测仪是根据这一原理设计来测量血氧饱和度的。超声波信号代表血流速度。 从方程式。 （6）和（8），可以看出超声波信号与压力梯度，血液密度和粘度有关。 速度也反映了流量表。血液的粘度通常约为1/30泊，密度仅略大于1.当雷诺数超过200-400时，血管的某些分支会出现湍流; 当雷诺数超过大约2000时，即使在直线光滑的船只中也会出现湍流[27]。
表II总结了不同类型的信号对生理参数变化的敏感性。 压力信号主要表示透壁压力，对血管壁的参数变化（如壁面弹性模量及其厚度）敏感。 光电信号代表了容器的体积信息并且对横截面的面积敏感。 此外，体积信息是衡量动脉系统的非线性各向异性和粘弹性特性以及不同参数之间的关系大都是非线性的。 因此，表II中的分析结果是基于大多数生理流体动力学理论中使用的一些常见假设获得的。 除了这些基本的循环参数外，其他一些重要的诊断参数也与压力，体积和速度有关，如血流量，血管顺应性和阻力。 这些参数的诊断有效性揭示了不同测量信号的互补性。
血流量是在一定时期内流经给定点的血液量。 血流量Q可以通过Q = uA来计算。 由于光电信号在与面积A成比例，血流与超声波和光电信号都有关。
血管顺应性在心血管生理学中具有特别重要的意义，据报道它对高血压，充血性心力衰竭和衰老敏感[34,35]。有文献记载的病症与血管阻力低有关，如败血症，胰腺炎，肝硬化等[36]。 根据定义，我们可以看到阻力参数与所有三种类型的信号有关。
由三个流行传感器测量的信号密切相关，但具有不同的物理意义，并且对不同的循环参数敏感。 通过组合不同类型的信号，可以推断出一些有用的诊断参数，例如血流量，血管顺应性和阻力，这证明了不同信号的互补性。 由于它们对可能与特定参数相关联的疾病具有不同的灵敏度参数，因此使用对该特定参数敏感的传感器可以实现更好的诊断性能。
在诊断相关疾病（如动脉硬化）方面比其他类型传感器的信号更有效。 基于类似的理由，光电传感器在诊断与血管横截面积和血液成分有关的疾病时应该比其他传感器更有效，超声波传感器在诊断血液方面应该比其他传感器更有效与流量有关的疾病，例如据报道与粘度有关的糖尿病。 而且，由于不同信号是互补的，因此这些信号的组合可以进一步揭示其他诊断参数，例如与多种疾病有关的血管顺应性和抗性。 因此，所有这些信号的组合可以进一步提高诊断性能。
实例探究
在案例研究中，采用我们实验室设计的压力和光电系统[18]和EDAN仪器公司提供的CBS2000超声波系统采集脉搏信号。图6显示了从健康的志愿者使用不同的系统，其中图6（a）显示了压力信号，图6（b）显示了光电信号，和图6（c），超声波信号。 从这些数字可以
看到不同类型的脉冲信号在波形方面是相似的，这表明这些信号是相关的。 然而它们的区别也很明显，这可能是因为它们不同的物理属性和影响因素。 因此，假设使用三种脉冲信号对不同疾病的诊断也可能不同性能。
糖尿病和动脉硬化诊断被用作两种因为糖尿病据报道，这些实验中的例子是
与血液粘度有关[37]，动脉硬化是指动脉增厚和硬化[38]。 使用这两种疾病，进行了实验来比较
三、诊断三种类型脉搏传感器的性能
（1）验证三种类型相结合的有效性
从表II可以看出，所有类型的信号都对血管的半径敏感，因此可以通过这些传感器检测与半径变化相关的疾病。 由于压力信号对弹性特性和血管壁厚度的变化更敏感，它们应该是测量信号。
（2）方法
在本小节中，我们介绍了预处理，特征提取和分类方法。 在预处理中，去除了与脉冲信号耦合的高频噪声和基线漂移。 这两种干扰主要分别由电源线干扰和呼吸引入。 采用小波去噪法消除噪声，采用基于小波的级联自适应滤波器[39]对基线漂移进行修正。
在特征提取中，提取了三种特征来表征脉冲信号。 首先，提取基于时域基准点的特征。 基于基准点的特征描述了一个平均脉冲周期的形状，它包括主脉冲信号分类中使用的最常见特征[7,40-44]中的主峰位置，重博缺口和次峰值。 其次，计算了脉冲信号的多尺度样本熵。 样本熵可以用来测量脉冲信号的不可预测性，多尺度样本熵可以揭示多时空尺度上的长程相关性的不可预测性
（3）结论
在本文中，我们研究了三种主要类型的传感器，即压力传感器，光电传感器和超声波传感器在脉冲信号诊断中的依赖性和互补性。 我们对它们的物理意义，关系和敏感因素的分析表明：（i）使用压力信号可以更容易地检测血管壁的弹性和厚度的变化; （ii）使用光电信号可以更容易地捕捉横截面面积和血液成分的变化; （iii）可以使用超声波信号更有效地表征血液粘度和血流状态的变化。 因此，我们认为每个传感器更适合于某些特定疾病的诊断，即生理因素的变化可以被传感器有效地反映出来，而不同类型的信号是互补的。
已经进行了案例研究来验证这些陈述。 实验结果表明，在精确度，灵敏度和特异性方面，超声波传感器在诊断糖尿病方面优于其他方法，而压力传感器在诊断动脉硬化方面优于其他方法。 这些结果可以解释为糖尿病的发病通常伴随着血流粘度的变化[37]，这可以通过超声信号很好地描述，动脉硬化通常会导致手腕桡动脉硬度和厚度的变化[38] ]可以很好地表征压力信号。 而且，三种
全文共5762字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[16145]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
