耳听觉诱发电位的小波模极大值方法研究

VIP免费

3.0 侯斌 2024-11-19 4 4 1.26MB 66 页 15积分

侵权投诉

摘要

听觉诱发电位，即听性脑干反应(Auditory Brainstem evoked Response, ABR)，

是在给予短声刺激后潜伏期在 10ms 内诱发出一系列电位。ABR 在听力损伤的鉴

别、异常听觉的定位、对听觉测试结果的复核等方面具有重要的应用价值。

由于自发脑电及体外环境的干扰，通常采集到的 ABR 信号被淹没在较大的背

景噪声之中，因此通过工程技术手段和数学方法对 ABR 信号进行去噪处理，从而

提供特征清晰的 ABR 波形具有重要临床意义。传统的去噪方法是叠加平均技术，

即施加多次刺激，将离散化数据调整为与每次刺激出现的时刻对齐，然后取平均

值。通常这种方法需要叠加几百次甚至上千次才能得到比较好的 ABR 波形。然而，

大量重复刺激易造成神经系统疲劳，进而产生适应性，导致测量出现误差。根据

ABR 信号中噪声特点，信号和噪声的小波系数幅值随着尺度变化的趋势不同，噪

声系数幅值随着尺度的增加很快衰减为零，有用信号系数幅值基本保持不变。本

文采用小波模极大值方法去除 ABR 信号噪声。

过去人们在 ABR 自动检测方面有许多的尝试，然而这些检测方法只能够检测

到有限个波峰，这对临床上的诊断带来极大不便。本文根据临床需要，提出运用

矢量余弦和方法进行 ABR 的波峰检测和自动标识。这种方法不需要专门提高刺激

强度，受试者不需要分左耳和右耳。

文章中采用 MATLAB 对ABR 采集数据进行去噪和标识算法的实验仿真，并

运用其计算功能实现实验数据的分析。实验表明，小波模极大值去噪方法及矢量

余弦和自动标识算法有很好的稳定性、可靠性。

文章最后利用 Visual C++ 6.0 软件开发环境实现以上 ABR 小波模极大值去噪

方法及波峰自动标识算法。同时设计了信号波形输入输出用户界面，可以方便地

进行信号去噪和标识操作。

关键词：听觉诱发电位模极大值去噪小波变换矢量余弦和

ABSTRACT

Brainstem Auditory Evoked Potential, namely Auditory Brainstem Response

(ABR), is a series of evoked potentials after giving a short acoustic stimulation within

10ms . ABR has important applications in hearing impairment, abnormal auditory localization

and auditory test results review.

As a result of the disturbance from EEG and the exterior environment of human

body, the ABR signal collected is usually submerged in the huge background noise.

Therefore, through the engineering technology and mathematical methods researchers

carry on denoising process to the ABR signal in order to providing the clear waveform

characteristic for clinical practice. And this has the important meaning. The traditional

denoising method for ABR is based on the average stack technology which is exerting

stimulation on human brain many times, adjusting the discrete data with the time which

the stimulation appears to aline, and then averaging the values. This method usually

requires hundreds or even thousands of superposition to get better ABR waveform.

However, a large number of repeated stimulation could easily lead to the nervous

system fatigue and adaptive resulting in measurement errors. According to the noise

characteristics of ABR signal, Wavelet coefficients amplitude of signal and noise has

different trends with the different decomposition scales. The wavelet coefficients of

noise decay rapidly to zero with increasing scale number, while the coefficients of

useful signal remain unchanged. This paper uses the wavelet modulus maxima method

to remove ABR signal noise.

People had many attempts in ABR automatically detection in the past. However,

these detection methods can detect only a finite number of peaks, which has caused

great inconvenience. Based on the clinical needs, this paper proposed the vector cosine

sum method to carry out peaks detection and automatic identification. This method does

not require special stimulus intensity, and the subjects do not need to point the left ear

and right ear.

The paper carried out the denoising and identification experiment simulation of the

ABR data using MATLAB, and used its computing power to analyze the experimental

data. Experiments show that the wavelet modulus maxima denoising and vector cosine

sum automatic identification algorithm has good stability and reliability.

Finally, this paper brought out the above wavelet modulus maxima denoising and

peak automatic identification algorithm in Visual C++ 6.0 software development

environment, also designed the user interface, which could be easily carry out signal

denoising and identification operation.

Key Word：

Auditory Brainstem Response, Modulus maxima denoising,

Wavelet transformation, Vector cosine sum

中文摘要

ABSTRACT

第一章绪论 .................................................................................................................1

§ 1.1 课题研究背景 ..................................................................................................1

§ 1.1.1 听觉脑干诱发电位知识 ........................................................................1

§ 1.1.2 听觉脑干诱发电位的临床意义 ............................................................1

§ 1.2 本课题的研究内容及解决的问题 ..................................................................2

第二章小波变换技术 .....................................................................................................4

§ 2.1 小波变换的由来 ..............................................................................................4

§ 2.2 小波的含义 ......................................................................................................4

§ 2.3 连续小波变换 ..................................................................................................5

§ 2.4 离散小波变换 ..................................................................................................6

第三章 ABR 信号去噪算法设计 ......................................................................................9

§ 3.1 小波变换消噪基本原理 ..................................................................................9

§ 3.2 李氏指数（Lipschitz exponent）α............................................................... 10

§ 3.3 小波系数模极大值与李氏指数之间的关系 ................................................10

§ 3.4 模极大值小波域概念 ....................................................................................11

§ 3.5 ABR 信号小波模极大值方法提取步骤 ........................................................12

第四章 ABR 波峰标识新算法---矢量余弦和方法 ......................................................14

§ 4.1 矢量余弦和算法 ............................................................................................14

§ 4.2 自动标识算法实验验证 ................................................................................16

第五章 Matlab 实验数据分析 ...................................................................................... 19

§ 5.1 实验数据的采集及频谱分析 ........................................................................19

§ 5.2 Matlab 7.0 介绍 .............................................................................................. 20

§ 5.3 小波模极大值方法去噪实验 ........................................................................21

§ 5.4 余弦矢量方法自动标识 50 次数据 ABR 子波波峰实验 ........................... 25

§ 5.5 实验数据分析 ................................................................................................29

§ 5.5.1 去噪后自动标识值的动态变化分析 ..................................................29

§ 5.5.2 传统目测值与自动标识值对比分析 ..................................................30

第六章基于 VC++6.0 的ABR 自动检测软件实现 ................................................... 32

§ 6.1 Visual C++6.0 开发环境及 MFC 介绍 ..........................................................32

§ 6.2 离散小波分解及重构算法实现 ....................................................................32

§ 6.3 小波模极大值消噪及矢量余弦和自动标识算法实现 ................................33

§ 6.4 设计图形显示和对话模式 ............................................................................34

第七章总结与展望 .......................................................................................................38

§ 7.1 研究工作总结 ................................................................................................38

§ 7.2 工作展望 ........................................................................................................39

附录一小波模极大值去噪 MATLAB 代码 ................................................................ 40

附录二矢量余弦和算法 MATLAB 代码 .................................................................... 45

附录三小波模极大值去噪 C++代码 .......................................................................... 49

附录四矢量余弦和算法 C++代码 .............................................................................. 53

参考文献 .........................................................................................................................59

在读期间公开发表的论文和承担科研项目及取得成果 .............................................62

致谢 .............................................................................................................................63

第一章绪论

§ 1.1 课题研究背景

§ 1.1.1 听觉脑干诱发电位知识

诱发电位(Evoked potential, EP)是中枢神经系统在感受外在或内在刺激过程中

产生的生物电活动，代表中枢神经系统特定功能状态下的生物电活动的变化，是

继脑电图和肌电图之后临床神经电生理的第三大进展，是现今生物医学工程领域

研究的一个重要课题[1]。

60 年代末，研究者们发现一种潜伏期很短的诱发电位，现在人们称为听觉脑

干诱发电位(Auditory Brainstem evoked Response, ABR)。研究者们用电极给予短声

刺激并用远场记录，通过计算机叠加平均削弱脑电信号噪声，得到了一系列波幅

很小的电位变化[2,3]。经过近 40 年的学者们的不断努力，ABR 的研究日趋成熟。

ABR 是在给予短声刺激后潜伏期在 10ms 内诱发出一系列电位，属于短潜伏期诱

发电位。在成人可以记录到 7个正相波，通常用罗马数字Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、

Ⅵ、 Ⅶ表示,其中Ⅰ、Ⅲ、Ⅴ波最明显。七个波分别由听觉通道的听神经(Ⅰ)、

耳蜗核(Ⅱ)、上橄榄核(Ⅲ)、外侧丘系核(Ⅳ)、下丘核(Ⅴ)、内膝体(Ⅵ)和听区

颞横回(Ⅶ)这 7 个生理解剖部位发出[2]。

§ 1.1.2 听觉脑干诱发电位的临床意义

ABR 能够帮助幼儿幼小儿童和难于测试的受试者做出重要的听力学评价，它

在临床听力学领域发挥着重要的作用，主要可以总结为三个方面：①听力损伤的

鉴别；②异常听觉的定位；③对行为听觉测试结果的复核[2,3]。

ABR 测试技术的非常有效的用途之一是判别婴幼儿受试者的听力损伤情况，

它是一种早期发现听力损伤的有效筛选手段[4~6]。听功能正常的婴幼儿一般在六个

月左右开始学习语言，对于听力有严重障碍的婴幼儿，由于缺乏外部环境中语言

的声音刺激，不能正常进入语言学习阶段，最终会导致完全丧失任何语言功能，

变成聋哑人。ABR 测试技术可以尽早发现有听力障碍的婴幼儿，通过早发现早治

疗，使其语言发育和其他发育能够避免受听力障碍的影响。因此，ABR 测试技术

对婴幼儿的早期身心健康的全面发展有重要的医学作用[7]。

ABR 测试技术有两个突出特点，其一是反应的可靠性，特别是各波潜伏期的

稳定性；其二是机体状态对 ABR 反应的影响很小。

ABR 对中枢神经系统的生理状

态很稳定，但是只要脑干听通路产生了病变，ABR 潜伏期就对中枢的功能异常产

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要听觉诱发电位，即听性脑干反应(AuditoryBrainstemevokedResponse,ABR)，是在给予短声刺激后潜伏期在10ms内诱发出一系列电位。ABR在听力损伤的鉴别、异常听觉的定位、对听觉测试结果的复核等方面具有重要的应用价值。由于自发脑电及体外环境的干扰，通常采集到的ABR信号被淹没在较大的背景噪声之中，因此通过工程技术手段和数学方法对ABR信号进行去噪处理，从而提供特征清晰的ABR波形具有重要临床意义。传统的去噪方法是叠加平均技术，即施加多次刺激，将离散化数据调整为与每次刺激出现的时刻对齐，然后取平均值。通常这种方法需要叠加几百次甚至上千次才能得到比较好的ABR波形。然...

展开>> 收起<<

耳听觉诱发电位的小波模极大值方法研究.pdf

共66页,预览7页

还剩页未读，继续阅读

耳听觉诱发电位的小波模极大值方法研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: