CN107693043A - 肠鸣音信号的非线性动力学分析方法 - Google Patents
肠鸣音信号的非线性动力学分析方法 Download PDFInfo
- Publication number
- CN107693043A CN107693043A CN201710711315.0A CN201710711315A CN107693043A CN 107693043 A CN107693043 A CN 107693043A CN 201710711315 A CN201710711315 A CN 201710711315A CN 107693043 A CN107693043 A CN 107693043A
- Authority
- CN
- China
- Prior art keywords
- mrow
- signal
- borborygmus
- analysis method
- sound signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
Abstract
一种肠鸣音信号的非线性动力学分析方法，其包括：第一步，获取肠鸣音测量信号s(n)，其中n＝1,2,...,N；第二步，提高所述获取的肠鸣音测量信号的信噪比；第三步，采用相空间重构方法对所述肠鸣音测量信号进行相空间重构；所述相空间包括N‑(m‑1)d个向量；其中，s(n)是肠鸣音测量信号的时间序列；m是嵌入维数；d是时间延迟；第四步，计算所述相空间的递归矩阵其中ε是递归半径，为常数；‖‖表示取向量的Euclidean范数；是Heaviside函数；i＝1,2,...,N‑(m‑1)d；j＝1,2,...,N‑(m‑1)d；根据所述递归矩阵计算并绘制递归图；所述递归图用于定性识别所述肠鸣音测量信号中是否存在肠鸣音信号。
Description
技术领域
本发明涉及肠鸣音信号的分析方法，具体涉及肠鸣音信号的非线性动力学分析方法。
背景技术
肠鸣音是肠管内物质随着肠子蠕动时产生的声音，它是人体重要的生理信号之一，不同的肠鸣音能够反映不同的生理状态。肠鸣音不像心电信号或呼吸信号那样有明显的规律可循,它是梭状的瞬变声学信号，具有信号弱，背景噪声强、个体差异大以及随机性强等特点，肠鸣音信号的有效频率在1500Hz以内。
肠鸣音信号可以指征胃肠状态，在临床上，有通过观察胃肠蠕动状态来监测进食事件，进而为人工胰腺系统中对血糖指标监测提供参考依据；肠鸣音信号可以作为胃肠道疾病的指征参数之一，胃肠道发生如果发生病变，比如出现胃十二指肠疾病、小肠疾病和大肠疾病，相应的肠鸣音强度或数量也会出现异常。另外，肠鸣音信号可以作为其他疾病的指征参数之一，近几年的研究发现，肠鸣音除了可以指征胃肠状态以外，还对败血症、帕金森氏症等病症有临床意义。胃肠道是唯一一个由中枢神经、肠神经和自主神经共同支配的系统，肠鸣音信号还可以间接反映神经系统的功能。在临床应用中，与神经系统调节相关的功能可以用肠鸣音来间接评估。
目前，临床的医护人员用普通听诊器置于腹部来听取肠鸣音的强弱情况，进而通过个人经验来评估患者的胃肠状态，这种方法的有效性是受到质疑的。对于信号处理分析方法研究，目前主要集中在肠鸣音自身的处理、分析和识别，而且分析识别主要是采用时频域变换相关方法进行特征提取并识别。胃肠系统是复杂的非线性动力学系统，其产生的肠鸣音信号具有广泛的非线性特征，需要非线性动力学方法来处理。
发明内容
鉴于上述问题，本发明旨在提出一种肠鸣音信号的非线性动力学分析方 法，其能够定性识别肠鸣音信号；其次，本发明还旨在提出一种肠鸣音信号的非线性动力学分析方法，其能够定量识别肠鸣音信号；本发明还旨在提出一种肠鸣音信号的非线性动力学分析方法，其能够定量计算肠鸣音信号的非线性特征，深层挖掘肠鸣音信号所蕴含的信息。
为此，本发明提出一种肠鸣音信号的非线性动力学分析方法，其包括：
第一步，获取肠鸣音测量信号s(n)，其中n＝1,2,...,N；N为信号中的采样点的个数。
第二步，提高所述获取的肠鸣音测量信号的信噪比；
第三步，采用相空间重构方法对所述肠鸣音测量信号进行相空间重构；所述相空间包括N-(m-1)d个向量
其中，s(n)是肠鸣音测量信号的时间序列；m是嵌入维数；d是时间延迟；
第四步，计算所述相空间的递归矩阵其中ε是递归半径，为常数；||||表示取向量的Euclidean范数；Θ(x)是Heaviside函数；i＝1,2,...,N-(m-1)d；j＝1,2,...,N-(m-1)d；
根据所述递归矩阵计算并绘制递归图；
所述递归图用于定性识别所述肠鸣音测量信号中是否存在肠鸣音信号。
优选地，进一步包括：
第五步，利用直方图函数计算所述相空间的时间分布相空间直方图，其中M＝N-(m-1)d。
优选地，利用直方图函数计算所述相空间的时 间分布相空间直方图时，首先将其进行归一化和补充变换为
优选地，对所述时间序列相空间直方图函数值经过取包络、中值滤波后，通过设定的阈值检测肠鸣音信号的瞬态信号。
优选地，通过定量递归分析方法计算递归率、确定率、最长对角线长度、递归熵中至少一个特征参数。
优选地，所述肠鸣音测量信号包括多路信号。
优选地，在第一步中，获得所述肠鸣音测量信号的同时获得背景噪声。
优选地，在第二步中，利用所述背景噪声对所述肠鸣音测量信号进行自适应滤波，由此提高所述获取的肠鸣音测量信号的信噪比。
本发明采用非线性方法分析的肠鸣音信号，能够准确地反映肠鸣音的非线性特征，还原胃肠活动的非线性本质。
附图说明
图1为原始肠鸣音信号；
图2a-图2d为分段肠鸣音信号的递归图；
图3a-图3d为分段肠鸣音信号的重复率和确定性参数示意图；
图4a为原始肠鸣音信号；图4b为时间序列相空间直方图；图4c为设定阈值检测肠鸣音瞬态信号的示意图。
具体实施方式
下面，结合附图对本发明的肠鸣音信号的非线性动力学分析方法进行详细说明。
原始肠鸣音信号即为肠鸣音测量信号。
肠鸣音信号的获取
通过多通道肠鸣音记录仪，记录6个通路的音频信号，包括5个通路不同位置的肠鸣音信号是s(n)和1个通路的背景噪声。s(n)包括N个样本点。
肠鸣音信号的初步处理
采用自适应滤波方法，滤除掉5路肠鸣音信号中的背景噪声，提高肠鸣音信号的信噪比，为其定性定量分析做好准备。不局限此种信号处理方法。
肠鸣音信号非线性动力学分析
采用Takens提出的相空间重构方法，对每路肠鸣音时间序列进行相空间重构，在相空间重构之前，需选择合适的算法，分别计算延时时间和嵌入维数。
其中s(n)是肠鸣音时间序列，m是嵌入维数，d是时间延迟。时间延迟d可通过线性自相关函数法、平均互信息法、或平均位移法等计算获得。嵌入维数m可通过虚假邻点法、关联积分法、或奇异值分解法等计算获得。
采用递归图定性识别肠鸣音信号
首先要计算所述相空间的递归矩阵其中ε是递归半径，为常数；||||表示取向量的Euclidean范数；Θ(x)是Heaviside函数；i＝1,2,...,N-(m-1)d；j＝1,2,...,N-(m-1)d；
根据递归矩阵绘制递归图可以看到，有肠鸣音瞬态信号出现的递归图和无肠鸣音瞬态信号出现的递归图有明显的区别，这样就可以定性识别肠鸣音信号，判断肠鸣音的有无。如图2a-2d所示，其中图2a、2c区段内没有肠鸣音信号，图2b、2d区段内有肠鸣音信号。
采用时间分布相空间直方图定量识别肠鸣音信号
时间分布相空间直方图就是在递归矩阵的基础上定义的，其公式为：
其中M＝N-(m-1)d，N是原始信号中样本的长度，是递归矩阵。
为了在检测瞬态信号时更加直观明朗，一般对该直方图函数进行归一化和补充变换，即，
时间序列相空间直方图函数值再经过取包络、中值滤波后，需要设定阈值才能检测肠鸣音瞬态信号。如图4c所示。
采用定量递归分析方法定量分析肠鸣音信号
相空间重构后，采用定量递归分析方法可以计算很多特征参数，包括递归率、确定率、最长对角线长度、递归熵等，这些参数都能定量地分析肠鸣音信号。如图3a-3c所示，其中图3a、3c表示的区段内没有肠鸣音信号，图3b、3d表示的区段内有肠鸣音信号。图中显示了两个参数，分别是递归率(RR)和确定率(DET)，从图中可以看出，图3a、3b、3c、3d中RR和DET不在一个数量级，通过RR和DET数值的大小，可以识别肠鸣音的类型。
本发明的肠鸣音信号非线性动力学分析方法,利用对获取的肠鸣音时间序列进行相空间重构，计算递归矩阵，一方面绘制递归图，定性识别肠鸣音信号，另一方面绘制时间分布相空间直方图定量识别肠鸣音信号。时间分布相空间直方图分析方法，能够准确地反映肠鸣音的非线性特征，还原胃肠活动的非线性本质。最后还可以采用定量递归分析方法定量计算肠鸣音信号的非线性特征参数，定量分析肠鸣音信号。通过定性定量识别和分析肠鸣音信号，为更加准确地挖掘肠鸣音的生理意义提供方法支持。
Claims (8)
1.一种肠鸣音信号的非线性动力学分析方法，其包括：
第一步，获取肠鸣音测量信号s(n)，其中n＝1,2,...,N；
第二步，提高所述获取的肠鸣音测量信号的信噪比；
第三步，采用相空间重构方法对所述肠鸣音测量信号进行相空间重构；所述相空间包括N-(m-1)d个向量
<mrow>
<mover>
<msub>
<mi>v</mi>
<mi>n</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
<mo>,</mo>
<mi>s</mi>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mi>d</mi>
</mrow>
<mo>)</mo>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>s</mi>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>d</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>;</mo>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mo>,</mo>
</mrow>
其中，s(n)是肠鸣音测量信号的时间序列；m是嵌入维数；d是时间延迟；
第四步，计算所述相空间的递归矩阵其中ε是递归半径，为常数；‖‖表示取向量的Euclidean范数；Θ(x)是Heaviside函数；i＝1,2,...,N-(m-1)d；j＝1,2,...,N-(m-1)d；
根据所述递归矩阵计算并绘制递归图；
所述递归图用于定性识别所述肠鸣音测量信号中是否存在肠鸣音信号。
2.如权利要求1所述的肠鸣音信号的非线性动力学分析方法，其特征在于进一步包括：
第五步，利用直方图函数计算所述相空间的时间分布相空间直方图，其中M＝N-(m-1)d。
3.如权利要求2所述的肠鸣音信号的非线性动力学分析方法，其特征在于：
利用直方图函数计算所述相空间的时间分布相空间直方图时，首先将其进行归一化和补充变换为
<mrow>
<msup>
<mi>TDPSH</mi>
<mrow>
<mo>&prime;</mo>
<mrow>
<mo>(</mo>
<mi>&epsiv;</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msup>
<mi>TDPSH</mi>
<mrow>
<mo>(</mo>
<mi>&epsiv;</mi>
<mo>)</mo>
</mrow>
</msup>
</mrow>
<mrow>
<mi>max</mi>
<mo>{</mo>
<msup>
<mi>TDPSH</mi>
<mrow>
<mo>(</mo>
<mi>&epsiv;</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>}</mo>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
4.如权利要求3所述的肠鸣音信号的非线性动力学分析方法，其特征在于：对所述时间序列相空间直方图函数值经过取包络、中值滤波后，通过设定的阈值检测肠鸣音信号的瞬态信号。
5.如权利要求1所述的肠鸣音信号的非线性动力学分析方法，其特征在于：通过定量递归分析方法计算递归率、确定率、最长对角线长度、递归熵中至少一个特征参数。
6.如权利要求1所述的肠鸣音信号的非线性动力学分析方法，其特征在于：
所述肠鸣音测量信号包括多路信号。
7.如权利要求1所述的肠鸣音信号的非线性动力学分析方法，其特征在于：
在第一步中，获得所述肠鸣音测量信号的同时获得背景噪声。
8.如权利要求7所述的肠鸣音信号的非线性动力学分析方法，其特征在于：
在第二步中，利用所述背景噪声对所述肠鸣音测量信号进行自适应滤波，由此提高所述获取的肠鸣音测量信号的信噪比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710711315.0A CN107693043B (zh) | 2017-08-18 | 2017-08-18 | 肠鸣音信号的非线性动力学分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710711315.0A CN107693043B (zh) | 2017-08-18 | 2017-08-18 | 肠鸣音信号的非线性动力学分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107693043A true CN107693043A (zh) | 2018-02-16 |
| CN107693043B CN107693043B (zh) | 2019-10-11 |
Family
ID=61171152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710711315.0A Active CN107693043B (zh) | 2017-08-18 | 2017-08-18 | 肠鸣音信号的非线性动力学分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107693043B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111616686A (zh) * | 2019-12-27 | 2020-09-04 | 电子科技大学 | 基于Heaviside核函数的生理信号非平衡性分析方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6228040B1 (en) * | 1998-08-04 | 2001-05-08 | Western Research Company, Inc. | Method and apparatus for diagnosis of irritable bowel syndrome |
| US20060198533A1 (en) * | 2005-03-04 | 2006-09-07 | Wang Le Y | Method and system for continuous monitoring and diagnosis of body sounds |
| CN101259015A (zh) * | 2007-03-06 | 2008-09-10 | 李小俚 | 一种脑电信号分析监测方法及其装置 |
| CN102488516A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种非线性脑电信号分析方法以及装置 |
| CN104321015A (zh) * | 2012-03-29 | 2015-01-28 | 昆士兰大学 | 用于处理患者声音的方法与装置 |
| CN106021948A (zh) * | 2016-05-30 | 2016-10-12 | 清华大学 | 一种面向肠鸣音信号监护系统的信号处理方法 |
-
2017
- 2017-08-18 CN CN201710711315.0A patent/CN107693043B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6228040B1 (en) * | 1998-08-04 | 2001-05-08 | Western Research Company, Inc. | Method and apparatus for diagnosis of irritable bowel syndrome |
| US20060198533A1 (en) * | 2005-03-04 | 2006-09-07 | Wang Le Y | Method and system for continuous monitoring and diagnosis of body sounds |
| CN101259015A (zh) * | 2007-03-06 | 2008-09-10 | 李小俚 | 一种脑电信号分析监测方法及其装置 |
| CN102488516A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种非线性脑电信号分析方法以及装置 |
| CN104321015A (zh) * | 2012-03-29 | 2015-01-28 | 昆士兰大学 | 用于处理患者声音的方法与装置 |
| CN106021948A (zh) * | 2016-05-30 | 2016-10-12 | 清华大学 | 一种面向肠鸣音信号监护系统的信号处理方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111616686A (zh) * | 2019-12-27 | 2020-09-04 | 电子科技大学 | 基于Heaviside核函数的生理信号非平衡性分析方法 |
| CN111616686B (zh) * | 2019-12-27 | 2020-12-29 | 电子科技大学 | 基于Heaviside核函数的生理信号非平衡性分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107693043B (zh) | 2019-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104883966B (zh) | 用于确定通气阈的方法和系统 | |
| JP6564475B2 (ja) | 数学的分析および機械学習を使用して病気を診断する方法およびシステム | |
| US9168018B2 (en) | System and method for classifying a heart sound | |
| Trenta et al. | Advanced motion-tracking system with multi-layers deep learning framework for innovative car-driver drowsiness monitoring | |
| US20220322996A1 (en) | Methods and devices using swallowing accelerometry signals for swallowing impairment detection | |
| CN106999062A (zh) | 基于人体微动而提取心脏信息的方法 | |
| CN112806977B (zh) | 基于多尺度融合网络的生理参数测量方法 | |
| WO2016168979A1 (zh) | 一种生命体征分析方法与系统 | |
| CN111370059A (zh) | 一种肿瘤突变负荷的预测系统及方法 | |
| CN107348971A (zh) | 一种基于心音检测和机器学习算法的心脏病筛查系统 | |
| CN114220543B (zh) | 一种肿瘤患者身心痛苦指数评估方法以及系统 | |
| CN108511064A (zh) | 基于深度学习自动分析人体健康数据的系统 | |
| US8016777B1 (en) | Hand-held probe for prostate cancer screening | |
| CN107693043B (zh) | 肠鸣音信号的非线性动力学分析方法 | |
| Happillon et al. | Detection of movement artefacts and contraction bursts using accelerometer and electrohysterograms for home monitoring of pregnancy | |
| CN206565961U (zh) | 心理跟踪分析仪 | |
| Saadi et al. | Low-cost ecg monitoring system with classification using deep learning | |
| CN103932733A (zh) | 一种基于肺音的肺间质纤维化的数字化检测分析方法 | |
| Jin et al. | VTMonitor: Tidal Volume Estimation Using Earbuds | |
| CN106580316A (zh) | 一种测评脑神经递质活动的装置及其测评方法 | |
| KR102091828B1 (ko) | 임피던스를 이용한 인공지능 기반 피부질환 진단시스템 | |
| CN210354670U (zh) | 一种基于混合传感的生理监测及分析系统 | |
| CN106055896A (zh) | 中医体外诊断方法及装置 | |
| Careena et al. | The Diagnostic Potential of Entropy and Standard Error of Lung Sounds for the Detection of Lung Diseases | |
| Kumar et al. | Heart variability analysis by using non-linear techniques and their comparison |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |