[0026] 图1为现有的电生理信号多通道相或式决策级融合检测系统原理框图；
[0027] 图2为现有的电生理信号数据级融合检测检测系统原理框图；
[0028] 图3为现有的硬判决检测原理图；
[0029] 图4为本发明的电生理特征信号决策级柔性融合检测系统原理框图；
[0030] 图5为本发明的软判决证据生成原理图；
[0031] 图6为具体实施例中噪声环境下本系统的检测性能对比图。
【具体实施方式】
[0032] 为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式，对 上述技术方案进行详细的说明。
[0033] 本实施例以心电信号中的T波交替（TWaveAlternans，TWA)检测进行说明。目 前，临床应用的TWA检测方法主要为谱分析方法（SpectralMethod,SM)和修正滑动平均 法（ModifiedMovingAveragemethod,MMA)。其中SM方法通过将数字化后的心电信号分 段，利用快速傅里叶变换对截取的连续多个ST-T段数据进行谱分析，在0. 5cpb(cycleper beat)处频率所对应的数值则代表着该段心电数据中TWA水平。而MMA方法是一种时域分 析方法，其抗干扰的能力较弱，鲁棒性较差。
[0034] 本文提出的一种基于多通道柔性融合的生理信号检查系统，采用计算机心脏学会 2008年召开的TWA检测国际竞赛所采用的实验数据，选取了数据中由人工合成的32条心电 图记录数据，其中30个心电数据中含有很微弱的TWA成分，2个数据是正常人的心电数据， 每条数据记录包含12个通道数据，采样率500Hz，分辨率16bit，每条数据记录约2分钟。
[0035] 由此得到图4所示的系统原理框图，系统包括η条生理信号检测通道，本例为心电 信号检测通道且η= 12,每一条生理信号检测通道均设置有单通道特征提取模块，所述单 通道特征提取模块用于实现每个通道生理信号的预处理和特征提取，在每个单通道特征提 取模块的输出端连接有软判决证据生成模块，12条通道的软判决证据生成模块均连接至多 通道信息融合模块中，所述多通道信息融合模块采用不确定信息柔性融合方法将多个通道 的证据融合成一个证据，在所述多通道信息融合模块的输出端连接有诊断决策模块。
[0036] 如图5所示，所述软判决证据生成模块按照Η。、氏、Η2三个基本命题进行可信度分 配，从而得到每个通道的证据，其中Η。为预设特征信号确定不存在为预设特征信号确定 存在，H2为预设特征信号不确定存在/不存在；针对第i条通道中的软判决证据生成模块 而言，按照下式进行可信度分配：
[0037]
[0038] 其中，γ。为经验阀值，γ3表示特征提取后获取的该通道阀值，ki、k2S正常数，且 kZk；；，本例中ki= 0· 5,k2= 1. 5,m; (H。)、1? (?)、1? (H2)依次为第i条通道所得证据对应的 H。、氏、H2三个基本命题的可信度。
[0039] 当得到每条通道所得证据对应命题的可信度后，所述多通道信息融合模块按照以 下原则进行信息融合：
[0040]
[0041 ]
[0042]
[0043] 其中，PPCR5(H。)、、PPCR5(H2)分别为η条生理信号检测通道所得证据信息融 合后对应的Η。、氏、Η2三个基本命题的可信度。
[0044] 最后，所述诊断决策模块根据PPeR5 (Η。）与PPeR5 (?)的值生成诊断决策，当PrcR5 (Η。） >Pra^Hi)，认定为预设特征信号不存在，反之，则认定为预设特征信号存在。
[0045] 采用上述系统对各条记录的12个通道数据进行融合检测，结果如表1所示。可见 本发明提供的基于多通道柔性融合的生理信号检测系统，能够很好的对这32个数据进行 TWA检测，准确率达到100%。表1中，syn表示含有TWA的心电数据（synthesizedECGs withTWA)，sync表不不含有TWA的心电数据（synthesizedECGswithoutTWA)。111(?)表 示最终结果为阳性的概率，m(H。）表示最终结果为阴性的概率。m(H2)即表示融合结果的不 确定性。该值越大，认为融合检测结果的可靠性越差。在最终的判决阶段，如果mO^MOg， 则认为TWA探测结果为阳性，反之，则为阴性。
[0046] 从表1可以发现，所有记录的融合检测结果中，仅有52号与81号记录检测结果 m(H2)位于5%左右，其它记录的m(H2)普遍远小于1%。说明本系统对于数据的利用率非 常高，得到的结论更加鲁棒，可靠性更高，对阈值的依赖和敏感度更低。
[0047] 表1TWA多通道柔性融合检测结果
[0048]
[0049] 为了进一步验证多种噪声环境下系统的有效性，利用TWA检测国际竞赛提供的实 测数据，提取出真实的TWA波形作为原始信号，用以合成各种信噪比情况下的含TWA心电信 号，样本数据记录1〇〇〇条，每条记录分别包含12通道。考虑到动态监护环境，特别是高动 态监护过程中，心电信号普遍存在强电极接触噪声与肌电噪声干扰，特别将仿真信号信噪 比设置为_20dB。同时用高斯噪声与拉普拉斯噪声统一描述其它类型干扰。TWA信号特征 提取，仍然采用现行的临床谱分析方法，保留通道的生理意义，不改变医生的诊疗习惯。为 了与现有的多通道相或式决策级融合方法进行对比，图6给出了极低信噪比背景下的两种 决策级融合检测方法的性能曲线，通道证据生成参数4、匕取值保持不变。
[0050] 图6中带标号的曲线表示本系统的柔性融合检测结果，不带标号的曲线表示多通 道相或式融合检测结果，Ga、La、Ma、Em分别代表添加的四种噪声为高斯噪声、拉普拉斯噪 声、肌电噪声与电极噪声，FPR(FalsePositiveRate)、TPR(TruePositiveRate)表不误 检概率与检测概率。从图中可以看出，在四种不同的噪声条件下，多通道柔性融合检测的性 能均优于相或式的决策级检测方法。在误检率10%的情况下，可以获得80%以上的检测概 率，较现有的相或式方法检测性能大约提升10 %。可见，柔性融合检测方法具备更强的鲁棒 性，更适用于高动态监护环境。
[0051] 应当指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例， 本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改性、添加或替换，也应 属于本发明的保护范围。
【主权项】
1. 一种基于多通道柔性融合的生理信号检测系统，其特征在于，包括η条生理信号检 测通道，η为大于或等于2的正整数，每一条生理信号检测通道均设置有单通道特征提取 模块，所述单通道特征提取模块用于实现每个通道生理信号的预处理和特征提取，在每个 单通道特征提取模块的输出端连接有软判决证据生成模块，所述软判决证据生成模块按照 Η"、Ηι、Η2Ξ个基本命题进行可信度分配，从而得到每个通道的证据，其中Η。为预设特征信号 确定不存在；Hi为预设特征信号确定存在，Η2为预设特征信号不确定存在/不存在；η个通 道的软判决证据生成模块均连接至多通道信息融合模块中，所述多通道信息融合模块采用 不确定信息柔性融合方法将多个通道的证据融合成一个证据，在所述多通道信息融合模块 的输出端连接有诊断决策模块，该诊断决策模块根据所述多通道信息融合模块输出证据的 信值分布得到最终的诊断决策。2. 根据权利要求1所述的基于多通道柔性融合的生理信号检测系统，其特征在于，所 述η条生理信号检测通道为脑电信号检测通道、屯、电信号检测通道或肌电信号检测通道。3. 根据权利要求1所述的基于多通道柔性融合的生理信号检测系统，其特征在于，针 对第i条通道中的软判决证据生成模块而言，按照下式进行可信度分配：其中，丫。为经验阀值，丫，表示特征提取后获取的该通道阀值，ki、k2为正常数，且ki<k2,mi(H。)、mi化1)、mi化2)依次为第i条通道所得证据对应的&、Ηι、Η2Ξ个基本命题的可 信度。4. 根据权利要求1所述的基于多通道柔性融合的生理信号检测系统，其特征在于，所 述多通道信息融合模块按照W下原则进行信息融合：其中，PpCR日化)、PpCR日化）、PpCR日化）分别为η条生理信号检测通道所得证据信息融合后 对应的Η。、Hi、&立个基本命题的可信度。5.根据权利要求4所述的基于多通道柔性融合的生理信号检测系统，其特征在于，所 述诊断决策模块根据PpCK5(H。）与PpcKS化）的值生成诊断决策，当PpCK5(H。）>PpcK5化），认定 为预设特征信号不存在，反之，则认定为预设特征信号存在。
【专利摘要】本发明提供了一种基于多通道柔性融合的生理信号检测系统，其特征在于，包括n条生理信号检测通道，每一条生理信号检测通道均设置有单通道特征提取模块，在每个单通道特征提取模块的输出端连接有软判决证据生成模块，n个通道的软判决证据生成模块均连接至多通道信息融合模块中，在多通道信息融合模块的输出端连接有诊断决策模块。其效果是：解决了多通道二元检测存在的冲突性信息融合问题，实现了微弱电生理特征信号的鲁棒检测，在特征提取过程中，完整保留通道生理意义，符合医生判读习惯，临床上长期总结的经验阀值可在软判决过程中正常使用，对微弱电生理信号的多通道检测具有很强的通用性。
【IPC分类】A61B5/0402, A61B5/04, A61B5/0476, A61B5/0488
【公开号】CN105395185
【申请号】CN201510873447
【发明人】李国军, 周晓娜, 叶昌荣, 胡勇智, 胡名辉, 包杨, 强生泽, 宋传座
【申请人】中国人民解放军重庆通信学院
【公开日】2016年3月16日
【申请日】2015年12月3日