生物医学信号处理（biomedical signal processing）的主要任务是根据生物医学信号（biomedical signal）的特点，应用资讯科学的基本理论和方法，并研究如何从被干扰和噪声淹没的观察记录中，提取各种生物医学信号中所携带的资讯，对它们进一步分析、解释、分类、显示、储存和传输。
 | 此条目不符合维基百科的质量标准，需要完全重写。 (2015年12月14日) |
生物医学信号处理
针对不同的生物医学信号，如心电图(ECG)、脑波图(EEG)、肌电图(EMG)，有不同的算法设计，一方面提取出信号特征，另一方面有效的消除信号噪声。由于生物医学信号通常是非稳态信号(non-stationary signal)、时变率高，较不适合使用傅立叶转换分析，使用时频分析方法或小波转换较能精确描述每个时间点的频率、波形变化。如小波转换可保留接近原始信号成分的低频讯号，以及分离出疑似噪声的高频讯号，对于即易受噪声干扰的生物医学信号来说相当适合。
心跳是重要生命迹象，而由心电图可辨别出许多疾病征兆，因此快而准确的心电图信号分析对于病情诊断相当有帮助。 心电图信号处理包含以下几个部分：特征萃取(feature extraction)、 特征选取(feature detection)、资料压缩、心律变异分析(heart rate variability,HRV)以及R波侦测(R-wave detection)。当中又以R波侦测为心电图信号处理当中的重要步骤，相关算法的第一个步骤几乎都是找到R波波峰位置，再依照R波位置辨别出P、Q、T、S波之相对位置。而两个相邻R波波峰距离(RR Interval)与心率(Heart Rate)可用来进行心律变异分析，可由此分析判断病人的健康状况。
- R波侦测
R波侦测算法时作主要有三大类：时域、频域与其他分析方法。在时域部分，通常是将R波看为一瞬间极大振幅变化，对时间域上的信号微分，比较一次微分和二次微分的结果，得到R波波峰位置，如So and Chan Algorithm。时域上的分析通常相当准确、快速，因此适合在即时监测时使用，但容易受噪声干扰。频域分析通常使用小波转换或希尔伯特黄转换进行，通常可得到精确且不受噪声干扰的结果，然而频域分析所需时间较长，不适合提供即时数据。其他分析方法则包含zero-crossing method、morphologic filtering、gene-based design……等方法。[1]
- 心电图资料压缩
为了有效分析心跳数据，ECG讯号通常是24小时监控，资料量相当庞大，所面临的挑战除了压缩资料大小，也必须确保资料复原后的准确度。Walsh Transform(WHT)是一种类似传统离散傅立叶转换(DFT)的信号处理，除了与DFT相似的正交性，WHT由于振幅为1，皆为实数运算且不需任何乘法，因此具有快速算法，可在短时间内进行频谱分析。相关算法包含：Cooley-Tukey、Manz’s Sequence Algorithm、John L. Shark’s Algorithm。[2]
脑波图的纪录可分为两种：脑电波与脑磁波。前者测量大脑皮质的电流，后者则测量脑磁波。大脑皮质电流是由细胞群之间电位差所造成，为细胞外的电流。而在神经活化、产生电讯号的时候，会因法拉第第一定律产生磁场变化，磁场讯号变化大小即为脑磁波。通常会将EEG讯号标注刺激(stimulus)、自发动作(event)或反应(response)等基点，取固定的时间间距中的讯号，再配合PCA(Principle Component Analysis)及ICA(Independent Component Analysis)确认正确发出讯号的时间点、波频和传递方向。 人脑中有许多不同频率大小的功能区域性脑波律动(Brain Rhythm)，如：感觉运动区的Mu Rhythm频率约在10~20Hz之间、枕叶视觉区的Alpha Rhythm约为10Hz。借由判定特定区域脑波图的讯号组成，可推测出该区域功能。
骨骼肌收缩时会产生一动作电位，收缩幅度越大、运动越大则该电位振幅越大，肌电图即是纪录骨骼肌动作电位变化。肌电图可用来判别肌肉的疲惫程度，借由时间域上的分析可监控可能状况和周边疲惫，而频率域上的分析则可了解运动单元的激发率。目前在时域及频域分析上已有多项指标可做为医疗运用参考。时域指标包含振幅均方根值(root mean square，RMS)、积分肌电图(integral electromyography，IEMG)、经全波整流之肌电活动(Electrical Activity，EA)。而频域则有平均功率频率(mean power frequency，MPF)及中位频率(median frequency，MDF)……等指标。[3]
生物医学信号的特性
信号是由一个或多个变量组成，携带有用资讯的函数。如果有一个信号，是从某个生命系统（生物）上记录而得，并且能传达有关该生命系统的状态或行为的资讯，则我们称此信号是生物医学信号。例如，病人的体温记录、放置在头皮上的电极的电压记录，以及X射线吸收从CT扫描获得的空间图案 皆是生物信号。
信号可以是一维的，如果他们依赖于一个单一的变量，如时间，或多维如果他们取决于多个变量，如空间坐标生物医学信号，是属于强噪声背景下的低频微弱信号，它是由复杂的生命体发出的不稳定的自然信号，从信号本身特征、检测方式到处理技术，都不同于一般的信号。
- 从电的性质来讲，可以分成电信号和非电信号，如心电、肌电、脑电等属于电信号；其它如体温、血压、呼吸、血流量、脉搏、心音等属于非电信号。
非电信号又可分为：
- 机械量，如振动（心音、脉搏、心冲击、Korotkov音等）、压力（血压、气血和消化道内压等）、力（心肌张力等）；
- 热学量，如体温；
- 光学量，如光透射性（光电脉波、血氧饱和度等）；
- 化学量，如血液的pH值、血气、呼吸气体等。
如从处理的维数来看，可以分成一维信号和二维信号：
- 一维信号；体温、血压、呼吸、血流量、脉搏、心音等；
- 二维信号；脑电图、心电图、肌电图、x光片、超声图片、CT图片、核磁共振图像等。
信号处理的本质其实是选择性地消除资讯，这原因往往不是因为信号传达了与我们不相关的资讯，或是我们感兴趣的资讯，而是信号中本就混杂了各种资讯。例如，脑电图（EEG）的志愿测试者，其头皮的电生理活动记录，也许就沾染了心电信号和无处不在的60Hz交流电力线信号。
什么构成了我们感兴趣的资讯？取决于特定的应用。例如，语音信号包含语言资讯（这句话说了些什么？）以及有关讲者（谁说了这句话？）的资讯。对前者（语言资讯）有兴趣的应用，很显然在自动语音内容识别系统，而后者（讲者资讯）将被讲者识别系统所重视。
信号处理是有目的地选择，从信号中消除特定不相关的资讯，以便更容易接触到人类观察者或计算机系统所感兴趣的资讯。
在一个典型的生物医学应用中，信号处理可包括四个阶段：数据采集（data acquisition）、信号调理（signal conditioning）、特征提取（Feature extraction）和决策（decision making）。
数据采集的目的是捕获信号，并以适合于计算机处理的形式进行编码。在这个阶段中，主要关心的是避免遗失有关的信号资讯。
信号调节的目标是消除或减少所收集到信号的外来成分，如从该信号的噪声（noise）。通常情况下，这个工作会利用线性滤波器，有时，会与非线性运算子组合使用。主要目标是如何设计滤波器能让信号从噪声中独立出来的效果最好。
特征抽取的意思是分辨及量测少量的参数，或者在一个信号中，找出我们感兴趣的资讯的部分的最好特征。特征提取和信号调节之间的区别主要是在维度的改变。鉴于调节的结果，通常与输入信号具有相同的维度，而提取特征集合应该具有比输入信号低得多的维度，以促进储存，处理和可视化。例如：Principal component analysis（PCA）。此外，特征提取技术往往要考虑信号特性和特定于应用程序，而信号调节的方法则是非常普遍被使用于各种处理。
决策是生物医学信号处理的最后阶段，又名假设检验（hypothesis testing）。在临床应用中的行动方针尤其重要的，必须采取。它的目的是回答诸如“根据脑部扫描患者是否患有肿瘤？”或“根据心电图显示，病人的心脏跳动是否呈现一个具体的病理？”
生物医学信号检测是对生物体中包含生命现象、状态、性质、变数和成分等信息的信号进行检测和量化的技术。生物医学信号处理的研究，是根据生物医学信号的特点，对所采集到的生物医学信号进行分析、解释、分类、显示、储存和传输，其研究目的一是对生物体系结构与功能的研究，二是协助对疾病进行诊断和治疗。
生物医学信号检测技术是生物医学工程学科研究中的一个先导技术，由于研究者所站的立场、目的以及采用的检测方法不同，使生物医学信号的检测技术的分类呈现多样化，具体介绍如下：
- 无创检测、微创检测、有创检测；
- 在体检测、离体检测；
- 直接检测、间接检测；
- 非接触检测、体表检测、体内检测；
- 生物电检测、生物非电量检测；
- 形态检测、功能检测；
- 处于拘束状态下的生物体检测、处于自然状态下的生物体检测；
- 透射法检测、反射法检测；
- 一维信号检测、多维信号检测；
- 遥感法检测、多维信号检测；
- 一次量检测、二次量分析检测；
- 分子级检测、细胞级检测、系统级检测。
- 生物医学信号透过电极拾取或透过感测器转换成电信号，
- 经放大器及预处理器进行信号放大和预处理，
- 然后经A/D转换器进行采样，将类比信号转变为数位信号，
- 输入电脑，
- 然后通过各种数位信号处理算法进行信号分析处理，得到有意义的结果。
参见
参考资料
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
