作者信息第一作者姓名:王晶性别:男学历:研究生职称:博士生单位:西安交通大学联系地址:西安交通大学机械工程学院现代检测仪器研究所E-mail:wangpele@stu.xjtu.edu.cn联系电话:029-82663707-806,13891938303身份证号:642123810630001通讯作者姓名:王晶性别:男学历:研究生职称:博士生单位:西安交通大学联系地址:西安交通大学机械工程学院现代检测仪器研究所E-mail:wangpele@stu.xjtu.edu.cn联系电话:029-82663707-8061基于形态学滤波器的棘波提取技术王晶1*,徐光华2,张四聪1,朱君明3(1.西安交通大学机械工程学院,710049,西安;2.机械制造系统工程国家重点实验室,710049,西安;3.浙江省人民医院神经外科,310014,杭州)摘要:本文提出了一种基于形态学滤波器的脑电棘波检测方法。首先,选择三角形为结构元素,采用数学形态学中的级联开闭和闭开运算分别对脑电信号进行处理,去除癫痫样瞬态信号;然后对级联开闭和闭开运算采用平均加权的方法,消除统计偏倚现象,得到背景脑电信号;最后将处理结果和原始脑电信号做差,提取出脑电信号中的棘波。通过仿真信号的对比分析和临床癫痫脑电信号的应用,表明该方法适用于双向棘波的提取,与以往的方法相比,背景脑电的抑制能力更强,提取出的信号特征成分更完整。关键词:形态学滤波器;脑电图;癫痫;棘波中图分类号R318.04ASpikeDetectionMethodBasedonMorphologicalFilterWANGJing1*,XUGuang-Hua2,ZHANGSi-Cong1,ZHUJun-Ming3(1.SchoolofMechanicalEngineering,Xi′anJiaotongUniversity,Xi′an710049,China;2.StateKeyLaboratoryforManufacturingSystemsEngineering,Xi'anJiaotongUniversity,Xi'an710049,China;3.DepartmentofNeurosurgery,ZhejiangProvincialPeople'sHospital,Hangzhou310014,China)Abstract:Aspikedetectionmethodbasedonmorphologicalfilterwasproposedinthispaper.Twomorphologicalfilters,open-closingandclos-opening,wereappliedrespectivelytoremovingepilepticsignalsinEEGbyusingatrianglestructureelement.Then,anaverageweightedcombinationofopen-closingandclos-openingwasutilizedtoeliminatestatisticaldeflectionofamplitudeandobtainthebackgroundEEG.ThespikewavesweredetectedfromEEGbysubtractingthebackgroundEEGfromtheoriginalEEG.EvaluationresultsofsimulatedEEGdataandclinicalepilepticEEGshowedthattheapproachexhibitedtheeffectivenesstoextractbi-directionspikewavesfromEEG.Keywords:morphologicalfilter;electroencephalogram;epilepsy;spike*通讯作者。E-mail:wangpele@stu.xjtu.edu.cn引言癫痫是一种慢性脑部疾病,以脑部神经元过度放电所致的突然反复和短暂的中枢神经系统功能失常为特征[1]。临床上有典型癫痫发作的患者,通常可以在EEG检查中发现癫痫样特征波形—棘波。因此,棘波的检测对癫痫诊断具有决定意义。相对于背景EEG信号,棘波具有高幅、瞬变特性,临床上癫痫脑电的检查主要是通过目视检测脑电信号中的棘波。识别棘波的方法很多,最早是由Saltzberg等人在1967年提出的利用棘波的周期、幅度和二阶导数等指标进行单个波形识别[2]。近年来,小波分析方法的研究在信号分析领域掀起了一个热潮,其良好的时频局部化性质在医学信号处理中得到了广泛应用[3~6]。其中,Tulga[3]等用Daubechies小波分解癫痫EEG信号,作为神经网络的输入信号,对棘波进行检测,由于母小波和棘波特征存在差异,分解重构得到的信号中,背景脑电抑制较差,棘波提2取效果不太理想;沈强等[4]将小波变换模极大值对检测信号奇异点的理论应用于癫痫脑电信号,用二进样条小波对脑电信号进行变换,分析含有奇异点的信号与其小波变换模极大值对的关系,对8例癫痫脑电中的754个正相棘波进行识别,正确率达到了94.2%,但是作者同时指出,该方法检测负相棘波时,产生的假阳性率较高。形态学滤波器是一种非线性滤波器,它基于信号的几何特征,利用预先定义的结构元素对信号进行匹配,提取出与其相似的信号特征。基于数学形态学的滤波方法具有算法简便易行、物理意义明确、实用有效等特点,它可以将含有复杂成分的信号分解为具有物理意义的各个部分,使信号与背景分离并保持其全局或局部的主要形态特征。Nishida等[7]首次用数学形态学的方法检测出EEG中的棘波,但是没有考虑到单一的开-闭或者闭-开运算而引发的统计偏倚现象。本文利用数学形态学中的开、闭运算,构造了一种形态开闭组合滤波器,能够消除幅值统计偏倚现象,在保留棘波特征的前提下将背景脑电完全抑制,因此在双向棘波检测中具有良好的应用前景。1基本数学形态学变换数学形态学是建立在积分几何和随机集论等严格数学理论基础上的一门密切联系实际的科学[8]。数学形态学方法用于信号处理的基本思想是利用一个称作结构元素的“探针”在信号中不断移动,即可考察信号各个部分之间的相互关系,从而提取信号全局或局部的有用特征。所有的形态学处理方法都是基于结构元素的概念。基本形态学变换建立在Minkowski和差运算的基础之上,其基本运算包括腐蚀、膨胀、形态开运算和形态闭运算。根据分析信号的不同,可以分为二值形态变换和灰值形态变换,本文中只限于一维离散信号的灰值形态变换。定义1设()fn和()gn分别是定义在{0,1,,1}FN=−L和{0,1,,1}GM=−L上的离散函数,且MN。其中,()fn是输入的时间序列,()gn是结构元素。则()fn关于结构元素()gn的形态腐蚀和膨胀运算分别定义为:0,1,,1()()min{()()}mMfGnfnmgm=−=+−L\(0,1,,)nNM=−L(1)0,1,,1()()max{()()}mMfGnfnmgm=−=++⊕L(0,1,,2)nNM=+−L(2)式中\和⊕分别表示腐蚀和膨胀运算。则()fn关于结构元素()gn的形态开运算和闭运算分别定义为:()()[()]()fGnfGGn=⊕o\(3)()()[()]()fGnfGGn•=⊕\(4)式中o和•分别表示形态开和形态闭运算。形态开、闭运算对信号处理的效果不同:形态开可以平滑信号中的正向脉冲(峰),形态闭可以平滑信号中的负向脉冲(谷)。同时,形态滤波效果还和结构元素的尺寸和形状有关,应根据信号的特点选取不同的结构元素。Maragos[9][10]提出了开、闭运算的级联组合方式,构造出形态开-闭和形态闭-开滤波器,可以同时去除信号中的正、负向脉冲。定义2设()fn和()gn分别是定义在{0,1,,1}FN=−L和{0,1,,1}GM=−L上的离散函数,且MN。其中,()fn是输入的时间序列,()gn是结构元素。则()fn关于结构元素()gn的形态开-闭(OC)和闭-开(CO)滤波器分别定义为:(())()OCfnfnGG=•o(5)(())()COfnfnGG=•o(6)2形态学滤波器的棘波检测方法正常成人的脑电图多以8~13Hz的α节律为主要节律,还包括频率在14~25Hz之间的β波,同时混有少量的波幅θ波和δ波,癫痫发作时的异常脑电图主要有棘波、尖波、棘慢复合波、尖慢复合波和多棘波群。其中,棘波是癫痫的特异性波,为突发性的一过性脑电图变化,明显突出于背景活动,出现方式一般为孤立性或散在性,癫痫大发作时可以是连续性,持续时间小于83ms。根据相位的不同,棘波又可以分为阴性棘波和阳性棘波:以基线为标准,幅值为正的称为阴性棘波,幅值为负的称为阳性棘波。由于棘波是在相对变化较慢的背景EEG上的突变、高幅放电,将这种突变的癫痫样放电看作是迭加在背景脑电上的瞬态信号,则棘波的检测实际上就是从背景EEG信号中检测具有某种特征的瞬态信号。形态开-闭和形态闭-开滤波器可以同时检测出信号中的正、负向脉冲,利用这个特性,可以3有效的检测出双向棘波(或尖波)。但是,单一的开-闭或者闭-开运算存在着统计偏倚现象,这是由于闭运算的扩展性和开运算的反扩展性导致开-闭运算的输出幅度偏小,而闭-开运算的输入幅度偏大。本文中采用这两种滤波器的平均组合形式来解决幅度偏倚问题。2.1结构元素的选取结构元素的选取对信号处理结果有很大的影响。为了去除原始EEG中的瞬态成分,实现背景EEG和棘波的分离,选取的结构元素应该能够反映原始EEG信号的几何特征,同时其宽度应该介于棘波周期和背景EEG周期之间。这里选取如图1所示的三角形结构元素,数学表达式见式(7)。图1结构元素Fig.1Structureelement()*(1),(,,0,,)kgkAkLLL=−=−LL(7)考虑到棘波的周期通常在20~80ms之间,而本文中使用的实测数据采样率为128Hz,故将结构元素的宽度L设定为7,相当于55ms;中心高度设定至30Vµ,为棘波的幅值下限,即(){0,10,20,30,20,10,0}gk=,这样可以有效的提取出EEG中的棘波,同时抑制背景EEG中的一些高频成分(如β波)对棘波提取结果的影响。2.2级联开-闭(OC)、闭-开(CO)运算的平均组合设癫痫脑电信号()()()xksknk=+,其中()sk为慢变的背景EEG信号,而()nk为快变的瞬态信号,则()xk经开-闭、闭-开的平均组合滤波后,输出信号()yk为:1()[(())(())]2ykOCxkCOxk=+(8)利用式(7)构造出的结构元素对癫痫脑电信号进行形态开-闭、闭-开的平均组合运算,从原始EEG中检测出棘波,具体步骤如下:a)对一段时间的EEG信号利用(5)式和(6)式分别做形态开-闭和闭-开运算,去除EEG中的瞬态信号;b)利用式(8)去除波幅统计偏倚,剩下以背景EEG为主的输出信号()yk;c)输入的癫痫信号()xk与输出信号()yk做差()()()zkxkyk=−,突出输入信号中高幅瞬变成分,检测出棘波。3计算机模拟结果本文模拟了一个双向棘波,将其迭加在的背景EEG信号上,构成了图2所示的一段模拟癫痫脑电信号。图3(a)和(b)所示分别是用级联开-闭、闭-开平均组合算法分离出的双向棘波和背景脑电信号。在图3(a)中,虽然双向棘波的幅值有少量损失,但是背景脑电被全部抑制,这说明形态学滤波器具有极佳的奇异点识别能力和噪声抑制能力。012345-50050图2模拟癫痫脑电信号Fig.2SimulatedEEGwithspike012345-50050(a)012345-50050(b)图3(a)棘波提取结果;(b)分离出的背景脑电Fig.3(a)detectedspikes;(b)separatedbackgroundEEG图4所示是用墨西哥草帽函数(MexicanHat)为基小波,对图2的原始EEG信号做连续小波变换的结果。图4(a)、(b)、(c