论文部分内容阅读
脑血管病是指脑部动脉或支配脑的颈部动脉发生阻塞或破裂，引起的以脑部出血性或缺血性损伤症状为主要临床表现的一组疾病，发病率、死亡率和致残率极高。脑血管血流动力学基础、临床和动物实验研究都表明，许多脑血管疾病(如脑梗死等)在发病前期，颈动脉血管壁弹性及血流动力学参数往往已经有显著性的改变。超声多普勒技术是目前医用超声诊断领域中一个十分重要的获取心脑血管系统血管血流动力学信息的方法。最新的研究表明，动脉血管壁的弹性及血管腔内壁周围的微小血流状态异常的检出及其导致的剪切应力对血管内皮细胞的损伤机制研究，对心脑血管系统发病机理的揭示具有极为重要的作用。然而，一方面由于心脏周期性泵血作用使得血管内的压力呈周期性变化，从而导致血管壁本身在作径向的搏动，这就给准确提取血管腔内壁周围的微小血流信号带来困难；另一方面由于颈动脉血管壁搏动的速度慢(通常多普勒频移小于200 Hz)，最大位移小(几百个微米)，目前国内外对其的超声测量大都基于射频超声回波跟踪及多门脉冲多普勒。由于采样频率高，数据量大，对处理设备的软、硬件性能都具有较高要求，限制了其应用范围。
本文应用自适应的非线性信号分析理论，基于连续超声多普勒研究颈动脉血管腔内壁周围的微小血流信号、血管壁搏动速度及位移等血流血管信息的检测。检测方法首先对超声多普勒信号进行运动方向的分离。相对于超声检测探头，人体血管壁及血管内的血流可以同时存在正、反向运动。双向运动的信息通常用两路正交解调的超声多普勒信号来表示。为避免后续非线性处理引起正交信号的相位畸变，利用相位滤波技术(Phase Filter Technique，PFT)将包含有运动方向信息的两路正交解调多普勒管壁血流混合信号分解成两个正、反方向的单向混合信号。
基于经验模式分解(Empirical Mode Decomposition，EMD)算法，本文提出一种从混合超声多普勒信号中自动确定管壁博动与血流信号成分的方法。EMD的分解是自适应的，在每一步中提取的内模函数总是信号中频率最高的成分。因此内模函数根据提取出来的先后顺序其频率是递减的。利用EMD算法的这一特性分解含有管壁搏动的超声多普勒血流信号，先被提取出的内模函数具有低幅值和高频率，被认为是血流信号；而后被提出的内模函数具有高幅值和低频率，可被认为是管壁搏动信号。根据管壁搏动信号与血流信号的功率比变化曲线，提出信号功率比值法自动确定管壁博动与血流信号成分，并重构为复数形式表示的正交多普勒血流信号，该信号中包含了靠近血管腔内壁周围的微小血流信号成分。
本文进一步估计管壁搏动信号的希尔伯特谱(Hilbert Spectrum，HS)以获得血管壁搏动的速度及位移信息。对于确定出的管壁信号成分，分别计算对应的各内模函数的希尔伯特谱，然后将结果累加起来获得管壁搏动信号的时频分布。然后应用标准百分比法从中提取出最大频率(速度)变化曲线。将速度曲线对时间积分获得血管壁搏动的位移曲线，从中计算血管壁搏动的峰峰位移。
为了验证新方法的有效性，本文进行了计算机仿真试验和临床试验。在仿真试验中建立了含前、后血管壁搏动的正常颈动脉和股动脉多普勒血流信号模型。在计算机上仿真了正交解调的多普勒混合信号。用提出的方法分离血管壁搏动和血流信号，并与原仿真理论值相比较。提取的靠近管腔内壁的血流信号成分其在频域功率谱上的相对误差为30-50％，在时域幅度的相对误差为25-45％，与高通滤波器方法的相对误差95％相比，准确性得到提高。用提出的方法估计血管壁搏动位移，与原仿真理论值比较，搏动峰峰位移误差的均值及标准差为15±5μm。在临床试验中，采集含有管壁搏动成分的人体正常颈动脉、40％-50％狭窄的颈内动脉及正常股动脉的超声多普勒血流信号做管壁血流信号分离试验，结果表明：与传统的高通滤波器方法相比，新方法保留了更多的双向低速血流信号，能够提供更多的临床诊断信息。用本文提出血管壁搏动估计方法从12例健康男性检测到的颈总动脉血管壁搏动峰峰位移，其均值及标准差为620±154μm，该结果与基于射频超声回波跟踪及多门脉冲多普勒检测的结果基本一致，达到需要的精度。这些动力学信息的获取将有助于深入研究心脑血管疾病的产生、发展和治疗。
最后对所提出的管壁血流处理算法进行了深入分析，提出了EMD分解中三次样条插值各个环节的优化方法。在个人计算机上用C语言实现了优化后的处理方法，并对实际信号进行了处理速度测试。结果表明，我们在PC机上编程实现的优化处理方法能够实时分离血流信号，提取血管壁搏动速度及位移曲线。
本文的研究成果已用用于国家自然科学基金项目“高原脑血管病超声多普勒血流信号的特征提取及其自动检测”(编号：60661002)和“高原脑水肿颅内外动脉及血流动力学特征提取及检测”(60861001)的研究，拓展了盅流血管超声检测的研究和临床应用。