本發(fā)明涉及腦血氧檢測技術(shù)領(lǐng)域，更具體地說，本發(fā)明涉及一種腦血氧檢測的信號處理方法及檢測系統(tǒng)。

背景技術(shù)：

基于近紅外光譜技術(shù)的腦血氧檢測是一種無創(chuàng)的檢測技術(shù)，廣泛應(yīng)用于腦功能的研究。

現(xiàn)有技術(shù)中，在采樣過程中由于人體的生理活動和隨機(jī)噪聲等干擾帶來的基線漂移和高頻噪聲，將嚴(yán)重影響數(shù)據(jù)的精確度。

另外，在目前設(shè)備中，基于近紅外光譜技術(shù)的腦血氧檢測所用的檢測器多數(shù)為光電倍增管(Photomultiplier Tube，PMTs)或光電二極管(Photo-Diode,APDs)作為檢測器。然而，PMTs對過曝光非常敏感、操作電壓高且體積大；APDs則大大降低了靈敏度。

技術(shù)實(shí)現(xiàn)要素：

針對上述技術(shù)中存在的不足之處，本發(fā)明提供一種腦血氧檢測的信號處理方法，以改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解(Improved complete ensemble EMD,ICEEMD)和排列熵(Permutation Entropy，PE)結(jié)合的方式對光密度電壓信號去噪，有效降低了基線漂移和高頻噪聲的影響，提高了數(shù)據(jù)的精確度；

本發(fā)明還提供一種腦血氧檢測系統(tǒng)，檢測器采用硅光電倍增管，具有體積小、操作電壓低、靈敏度高和精確度高的優(yōu)點(diǎn)。

為了實(shí)現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點(diǎn)，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)：

本發(fā)明提供一種腦血氧檢測的信號處理方法，包括以下步驟：

采集未被腦組織血紅蛋白吸收的模擬式的光密度電流信號，對模擬式的所述光密度電流信號進(jìn)行一級處理，輸出數(shù)字式的光密度電壓信號；

對所述光密度電壓信號進(jìn)行二級處理以去噪；

其中，所述二級處理包括以下步驟：

對所述光密度電壓信號進(jìn)行改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解，輸出所有模態(tài)分量；

對每個(gè)模態(tài)分量進(jìn)行排列熵計(jì)算，選擇閾值，進(jìn)行信號重構(gòu)。

優(yōu)選的是，所述一級處理，包括依次進(jìn)行電流電壓轉(zhuǎn)換、低通濾波、比例放大以及模數(shù)轉(zhuǎn)換。

優(yōu)選的是，對所述光密度電壓數(shù)字信號進(jìn)行改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解，輸出所有模態(tài)分量，包括以下步驟：

對采集的光密度電壓信號添加高斯白噪聲，生成新的光密度電壓信號：

對新的光電密度電壓信號進(jìn)序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到第一個(gè)模態(tài)分量和第一個(gè)余量信號；

根據(jù)第一個(gè)模態(tài)分量以及第一個(gè)余量信號，做重復(fù)迭代，計(jì)算出所有的模態(tài)分量。

優(yōu)選的是，對每個(gè)模態(tài)分量進(jìn)行排列熵計(jì)算，選擇閾值，進(jìn)行信號重構(gòu)，包括以下步驟：

對光密度電壓信號的所有模態(tài)分量進(jìn)行空間重構(gòu)；

空間重構(gòu)得到的矩陣中每行為一個(gè)重構(gòu)分量，根據(jù)數(shù)值大小，將矩陣中的多個(gè)重構(gòu)分量按升序進(jìn)行排序，得到新的重構(gòu)分量，計(jì)算出模態(tài)分量的排列熵；

對模態(tài)分量的排列熵進(jìn)行歸一化處理；

基于歸一化處理后的模態(tài)分量排列熵，選擇閾值，進(jìn)行信號重構(gòu)。

一種腦血氧檢測方法，還包括以下步驟：

基于去噪后的光密度電壓信號，采用修正的朗伯-比爾定律，計(jì)算出腦組織血氧飽和度。

優(yōu)選的是，采用修正的朗伯-比爾定律，計(jì)算出腦組織血氧飽和度，包括以下步驟：

基于修正的朗伯-比爾定律，計(jì)算出血紅蛋白的濃度和血氧飽和度：

其中，OD為光密度；I_Out表示透射光強(qiáng)度；I_In表示入射光強(qiáng)度；ε表示摩爾吸光系數(shù)；C表示吸光物質(zhì)濃度；L為有效路徑長度；G表示背景散射補(bǔ)償系數(shù)；則，基于雙檢測的采集方式，修正的朗伯-比爾定律的矩陣為：

將去噪后的光密度電壓信號帶入，計(jì)算得出氧合血紅蛋白濃度和脫氧血紅蛋白濃度C_Hb；

根據(jù)氧合血紅蛋白濃度和脫氧血紅蛋白濃度C_Hb，計(jì)算出腦組織血氧飽和度：將腦組織血氧飽和度定義為rSaO₂，則，

一種腦血氧檢測方系統(tǒng)，包括：

光密度信號采集模塊，其用于采集未被腦組織血紅蛋白吸收的模擬式的光密度電流信號；

信號處理與運(yùn)算模塊，其通信連接到所述光密度信號采集模塊，用于對模擬式的所述光密度電流信號進(jìn)行一級處理、二級處理以及腦組織血氧飽和度的運(yùn)算處理；以及，

顯示模塊，其通信連接到所述信號處理與運(yùn)算模塊，用于顯示腦組織血氧飽和度；

其中，所述一級處理包括依次的電流電壓轉(zhuǎn)換、低通濾波、比例放大和模數(shù)轉(zhuǎn)換；所述二級處理包括對所述光密度電壓信號進(jìn)行改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解以輸出所有模態(tài)分量以及對每個(gè)模態(tài)分量進(jìn)行排列熵計(jì)算和信號重構(gòu)。

優(yōu)選的是，所述光密度信號采集模塊包括：

LED燈，其發(fā)出兩束射入大腦組織的近紅外光；

兩個(gè)檢測器，所述兩個(gè)檢測器分別接收兩束所述近紅外光中未被大腦組織吸收的光；

其中，兩束所述近紅外光的波長不同。

優(yōu)選的是，所述檢測器是硅光電倍增管；

優(yōu)選的是，所述顯示模塊包括手機(jī)或平板電腦或智能手表。

本發(fā)明至少包括以下有益效果：

1)本發(fā)明提供的腦血氧檢測的信號處理方法，以改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解和排列熵PE結(jié)合的方式對光密度電壓信號去噪，有效降低了基線漂移和高頻噪聲的影響，提高了數(shù)據(jù)的精確度；

2)一級處理包括依次進(jìn)行電流電壓轉(zhuǎn)換、低通濾波、比例放大以及模數(shù)轉(zhuǎn)換，將模擬式的光密度電流信號轉(zhuǎn)化為數(shù)字式的光密度電壓信號，降低了設(shè)備的操作電壓至人體安全電壓范圍；

3)本發(fā)明提供的腦血氧檢測系統(tǒng)，檢測器采用硅光電倍增管，在保持靈敏度的同時(shí)降低了設(shè)備的體積，使其具備可穿戴性。

本發(fā)明的其它優(yōu)點(diǎn)、目標(biāo)和特征將部分通過下面的說明體現(xiàn)，部分還將通過對本發(fā)明的研究和實(shí)踐而為本領(lǐng)域的技術(shù)人員所理解。

附圖說明

圖1為本發(fā)明所述的腦血氧檢測的信號處理方法的流程圖；

圖2為本發(fā)明所述的二級處理的流程圖；

圖3為本發(fā)明所述的改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解的流程圖；

圖4為本發(fā)明所述的排列熵計(jì)算的流程圖；

圖5為本發(fā)明所述的計(jì)算出腦組織血氧飽和度的流程圖；

圖6為本發(fā)明所述的腦血氧檢測系統(tǒng)的通信示意圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)說明，以令本領(lǐng)域技術(shù)人員參照說明書文字能夠據(jù)以實(shí)施。

應(yīng)當(dāng)理解，本文所使用的諸如“具有”、“包含”以及“包括”術(shù)語并不排除一個(gè)或多個(gè)其它元件或其組合的存在或添加。

實(shí)施例1

如圖1所示，本發(fā)明提供一種腦血氧檢測的信號處理方法，其包括以下步驟：

S10，采集未被腦組織血紅蛋白吸收的模擬式的光密度電流信號，對模擬式的光密度電流信號進(jìn)行一級處理，輸出數(shù)字式的光密度電壓信號；

S20，對光密度電壓信號進(jìn)行二級處理以去噪；

其中，如圖2所示，二級處理包括以下步驟：

S21，對光密度電壓信號進(jìn)行改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解，輸出所有模態(tài)分量；

S22，對每個(gè)模態(tài)分量進(jìn)行排列熵計(jì)算，選擇閾值，進(jìn)行信號重構(gòu)。

上述實(shí)施方式中，一級處理用于將模擬式的光密度電流信號轉(zhuǎn)換成數(shù)字式的光密度電壓信號。二級處理，通過將改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解(ICEEMD)和排列熵(PE)結(jié)合的方式對光密度電壓信號去噪，有效降低了基線漂移和高頻噪聲的影響，提高了數(shù)據(jù)的精確度。

作為優(yōu)選，一級處理，包括依次進(jìn)行電流電壓轉(zhuǎn)換、低通濾波、比例放大以及模數(shù)轉(zhuǎn)換。電流電壓轉(zhuǎn)換將采集的模擬式的光密度電流信號轉(zhuǎn)化為正常范圍的電壓信號(如幾伏的電壓)，同時(shí)獲得最小的電流噪聲和電壓噪聲。低通濾波優(yōu)選為二階有源反相濾波器，進(jìn)行低通濾波處理。比例放大用于比例放大低通濾波后的光密度電流信號，方便后續(xù)處理。通過一級處理，將模擬式的光密度電流信號轉(zhuǎn)化為數(shù)字式的光密度電壓信號，降低了設(shè)備的操作電壓至人體安全電壓范圍。

作為優(yōu)選，如圖3對光密度電壓數(shù)字信號進(jìn)行改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解，輸出所有模態(tài)分量，包括以下步驟：

S211，對采集的光密度電壓信號添加高斯白噪聲，生成新的光密度電壓信號：

S212，對新的光電密度電壓信號進(jìn)序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到第一個(gè)模態(tài)分量和第一個(gè)余量信號；

S213，根據(jù)第一個(gè)模態(tài)分量以及第一個(gè)余量信號，做重復(fù)迭代，計(jì)算出所有的模態(tài)分量。

上述實(shí)施方式中，步驟S211中，定義采集的光密度電壓信號為x(n)，算子E_k和M(.)，E_k表示經(jīng)驗(yàn)?zāi)B(tài)分解得到的第k個(gè)模態(tài)；M(.)則滿足M(x(n))＝x(n)-E₁(x(n))，改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解分解得到的第k個(gè)模態(tài)分量記為IMF_k，k＝1,2,…,K表示分解得到的模態(tài)分量個(gè)數(shù)。則，對x(n)添加高斯白噪聲生成新的光密度電壓信號xⁱ(n)：wⁱ表示第i組添加的高斯白噪聲，其定義為xⁱ(n)＝x(n)+β_kwⁱ(n)；其中，i＝1,2,…I，β_k使得每個(gè)分解階段選擇合適的信噪比。步驟S211中，將產(chǎn)生的光密度電壓信號序列xⁱ(n)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到IMF_k和第一個(gè)余量信號r₁，其定義為r₁(n)＝x(n)-IMF₁。步驟S213中，第二個(gè)余量信號為r₂，r₂為M(r₁(n)+β₁E₂(wⁱ(n))的平均值，IMF₂＝r₁(n)-r₂(n)，對于余下的IMF_k，k＝3,…,K，則利用r_k得到，其定義為：

作為優(yōu)選，如圖4所示，對每個(gè)模態(tài)分量進(jìn)行排列熵計(jì)算，選擇閾值，進(jìn)行信號重構(gòu)，包括以下步驟：

S221，對光密度電壓信號的所有模態(tài)分量進(jìn)行空間重構(gòu)；

S222，空間重構(gòu)得到的矩陣中每行為一個(gè)重構(gòu)分量，根據(jù)數(shù)值大小，將矩陣中的多個(gè)重構(gòu)分量按升序進(jìn)行排序，得到新的重構(gòu)分量，計(jì)算出模態(tài)分量的排列熵；

S223，對模態(tài)分量的排列熵進(jìn)行歸一化處理；

S224，基于歸一化處理后的模態(tài)分量排列熵，選擇閾值，進(jìn)行信號重構(gòu)。

上述實(shí)施方式中，步驟S221中，將改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解得到的模態(tài)分量IMF_k(t)進(jìn)行空間重構(gòu)，k＝1,2…,K表示模態(tài)分量個(gè)數(shù)，t＝1,2,…,n，得到矩陣：

其中N＝n-(m-1)τ，m為嵌入維數(shù)，τ為延遲時(shí)間。步驟S222中，空間重構(gòu)得到的矩陣中每行為一個(gè)重構(gòu)分量，根據(jù)數(shù)值大小，將矩陣中的多個(gè)重構(gòu)分量按升序進(jìn)行排序，得到新的重構(gòu)分量，如下式：

IMF_k(t)＝{IMF_k(t+(i₁-1)τ)，IMF_k(t+(i₂-1)τ)，...，IMF_k(t+(i_m-1)τ)}；其中，每個(gè)元素滿足如下關(guān)系：IMF_k(t+(i_j-1-1)τ)≤IMF_k(t+(i_j-1)τ)式中j＝2,3,…,m，因此IMF_k重構(gòu)所組成的矩陣中，每行都含有一組符號序列S(q)＝(i₁,i₂,...,i_m)，式中q＝1,2,…,N，且N≤m！種不同排列方式，不同的序列出現(xiàn)的概率為P，得到IMF_k分量的排列熵為步驟S223中，將H_p進(jìn)行歸一化處理，即：

作為本發(fā)明的另一種實(shí)施方式，腦血氧檢測的信號處理方法還包括以下步驟：

S30，基于去噪后的光密度電壓信號，采用修正的朗伯-比爾定律，計(jì)算出腦組織血氧飽和度。如圖5所示，具體地，包括以下步驟：

S31，基于修正的朗伯-比爾定律，計(jì)算出血紅蛋白的濃度和血氧飽和度：

其中，OD為光密度；I_Out表示透射光強(qiáng)度；I_In表示入射光強(qiáng)度；ε表示摩爾吸光系數(shù)；C表示吸光物質(zhì)濃度；L為有效路徑長度；G表示背景散射補(bǔ)償系數(shù)；則，基于雙檢測的采集方式，修正的朗伯-比爾定律的矩陣為：

S32，將去噪后的光密度電壓信號帶入，計(jì)算得出氧合血紅蛋白濃度和脫氧血紅蛋白濃度C_Hb；

S33，根據(jù)氧合血紅蛋白濃度和脫氧血紅蛋白濃度C_Hb，計(jì)算出腦組織血氧飽和度：將腦組織血氧飽和度定義為rSaO₂，則，

需要說明的是，基于雙檢測的采集方式，指的是，基于雙波長和雙檢測的采集方式。

實(shí)施例2

在實(shí)施例1提供的腦血氧檢測的信號處理方法的基礎(chǔ)上，如圖6所示，本發(fā)明提供一種腦血氧檢測系統(tǒng)，包括：

光密度信號采集模塊10，其用于采集未被腦組織血紅蛋白吸收的模擬式的光密度電流信號；

信號處理與運(yùn)算模塊20，其通信連接到光密度信號采集模塊，用于對模擬式的光密度電流信號進(jìn)行一級處理、二級處理以及腦組織血氧飽和度的運(yùn)算處理；以及，

顯示模塊30，其通信連接到信號處理與運(yùn)算模塊，用于顯示腦組織血氧飽和度；

其中，一級處理包括依次的電流電壓轉(zhuǎn)換、低通濾波、比例放大和模數(shù)轉(zhuǎn)換；二級處理包括對光密度電壓信號進(jìn)行改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解以輸出所有模態(tài)分量以及對每個(gè)模態(tài)分量進(jìn)行排列熵計(jì)算和信號重構(gòu)。

上述實(shí)施方式中，光密度信號采集模塊10包括LED燈11和兩個(gè)檢測器12。LED燈11發(fā)出兩束波長不同的近紅外光射入大腦組織。兩個(gè)檢測器12用于分別接收兩束近紅外光中未被大腦組織吸收的光。信號處理與運(yùn)算模塊20通過將改進(jìn)的總體完備經(jīng)驗(yàn)?zāi)B(tài)分解(ICEEMD)和排列熵(PE)結(jié)合的方式對光密度電壓信號去噪，有效降低了基線漂移和高頻噪聲的影響，提高了數(shù)據(jù)的精確度。

作為優(yōu)選，檢測器12采用硅光電倍增管，在保持靈敏度的同時(shí)降低了設(shè)備的體積，使其具備可穿戴性。將腦血氧檢測系統(tǒng)中的光密度信號采集模塊10制成可穿戴設(shè)備，佩戴到頭部，即可實(shí)施腦血氧的實(shí)時(shí)檢測。

作為進(jìn)一步優(yōu)選，顯示模塊30包括手機(jī)或平板電腦或智能手表。通過手機(jī)或平板電腦或智能手表形式的顯示模塊30來查詢實(shí)時(shí)檢測結(jié)構(gòu)，提高操作便利性。

盡管本發(fā)明的實(shí)施方案已公開如上，但其并不僅僅限于說明書和實(shí)施方式中所列運(yùn)用。它完全可以被適用于各種適合本發(fā)明的領(lǐng)域。對于熟悉本領(lǐng)域的人員而言可容易地實(shí)現(xiàn)另外的修改。因此在不背離權(quán)利要求及等同范圍所限定的一般概念下，本發(fā)明并不限于特定的細(xì)節(jié)和這里示出與描述的圖例。