生物医学信号处理（通用6篇）
篇1：生物医学信号处理
1.生物医学简述
1.1生物医学信号概述
生物医学信号是人体生命信息的体现，是了解探索生命现象的一个途径。因此，深入进行生物医学信号检测与处理理论与方法的研究对于认识生命运动的规律、探索疾病预防与治疗的新方法以及发展医疗仪器这一高新技术产业都具有极其重要的意义。国内外对于生物医学信号检测处理理论与方法的研究都给予极大的重视。人体给出的信号非常丰富，每一种信号都携带着对应的一个或几个器官的生理病理信息。由于人体结构的复杂性，因此可以从人体的不同的“层次”得到各类信号，如器官的层次、系统的层次以及细胞的层次,这些信号大致分为电生理信号、非电生理信号、人体生理信号、生化信号、生物信息以及医学图像[1]。1.2生物医学信号的特点
生物医学信号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。
⑴信号弱，如心电信号在mV级，脑电信号在µV级，而诱发电位信号的幅度更小。⑵噪声强，人体是电的导体，易感应出工频噪声；其次是信号记录时受试者移动所产生的肌电噪声，由此引起电极移动所产生的信号基线漂移。另外，凡是记录中所含有的不需要成分都是噪声，如记录胎儿心电时混入的母亲的心电。⑶随机性强且一般是非平稳信号，由于生物医学信号要受到生理和心理的影响，因此属于随机信号。
⑷非线性，非线性信号源于非线性系统的输出，人体体表采集到的电生理信号都是细胞膜电位通过人体系统后在体表叠加的结果，因此这些信号严格地说都是非线性信号，但目前都是把他们当作线性信号来处理[2]。
2.生物医学信号的检测
生物医学信号检测是对生物体中包含地生命现象、状态、性质和成分等信息进行检测和量化地技术，涉及到人机接口技术、低噪声和抗干扰技术、信号拾取、分析与处理技术等工程领域。绝大部分生物医学信号都是信噪比很低地微弱信号，且一般都是伴随着噪声和干扰地信号,对于此类信号必须采用抑制噪声地处理技术。由于生物系统十分复杂，生物体内的信息丰富，生物信号检测技术十分重要。生物信号的检测一般需要通过以下步骤：①生物医学信号通过电极拾取或通过传感器转换成电信号；②放大器及预处理器进行信号放大和预处理；③经A/D转换器进行采样，将模拟信号转变成数字信号；④输入计算机；⑤通过各种数字信号处理算法进行信号分析处理，得到有意义的结果[3]。
图1 生物医学信号检测流程
生物医学的检测技术分为以下几类：①无创检测、微创检测、有创检测；②在体检测、离体检测；③直接检测、间接检测；④非接触检测、体表检测、体内检测；⑤生物电检测、生物非电检测；⑥形态检测、功能检测；⑦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；⑧透射法检测、反射法检测；⑨一维信号检测、多维信号检测；⑩分子级检测、细胞级检测、系统级检测[4]。
3.生物医学信号的处理
生物医学信号处理是研究被干扰和噪声淹没的信号中提取有用的生物医学信息的特征并作模式分类的方法。生物医学信号处理的目的是要区分正常信号与异常信号，在此基础上诊断疾病的存在。近年来对生物医学信号的处理广泛地使用了数字信号分析处理方法。以下为几种常用地处理方法：
⑴小波变换方法。在信号处理、图像处理、语音分析、模式识别、量子物理及众多非线性科学领域小波变换受到广泛地应用，被认为是近年来在工具及方法上地重大突破。所谓地小波变换是指把某一被称作为基本小波地函数作位移τ后，在不同尺度α下与待分析信号作内积[5]。小波变换具有以下特点：时频局部化特点，即可以同时提供时域和频域局部化信息;多分辨率，即多尺度的特点，可以由粗到细逐步观察信号；带通滤波的特点，可以根据中心频率的变化调节带宽，中心频率的高低与带宽成反向变化，可以观测出信号的低频缓变部分和高频突变部分[6]。这种变焦特性决定了它对非平稳信号处理的特殊功能。在生物医学工程中的信号处理，信号压缩，医学图像处理中，小波变换均有应用。
⑵频域滤波。频域滤波是数字滤波中常用的一种方法，是消除生物医学信号中噪声的另一种有效方法，当信号频谱与噪声频谱不相重叠时，或虽有重叠，但信号在重叠部分的能量很小时，可用频域滤波法来消除干扰。数字滤波器由于可做到非因果性，所以具有较模拟滤波器更为优越的频响特性，较之能更接近理想滤波器对数字滤波器的要求时相频线性，通带平坦，过度带窄[7]。
⑶生物医学信号的混沌测量。传统的测量技术以线性方法为主，强调的是平稳、平衡和均匀性。而非线性系统是在不稳定、非平衡的状态中提取信息、处理信息，从而显示它特有的优点。混沌用于测量可以说是一种尝试，也许人们很难想象一个极不稳定的混沌系统，其检测灵敏度却明显超出目前的科技水平，这是一个全新的测量概念，是很有发展前途的领域。该方法的最大的特点是初值敏感性和参数敏感性，即蝴蝶效应。其基本的思路就是把蝴蝶效应倒过来应用，将敏感元件作为混沌电路的一部分，其敏感参数随待测量变化而变化，并使系统的混沌轨道变化，测出混沌轨道的变化就可得到待测量。
⑷人工神经网络(ANN),人工神经网络是指由大量简单元件广泛相互连接而成的复杂网络系统。神经网络有很多具体模型，其共同的基本特征是以大规模并行处理为主，采用分布式存储具有较强的容错性和联想功能，强调自适应过程和学习训练过程[8]。人工神经网络的最新发展使其成为信号处理的强有力工具，对于那些用其他信号处理技术无法解决的问题，人工神经网络的应用开辟了新的领域，许多ANN的算法和它们的应用已广泛的在自然科学的各个领域被应用。这些网络模型中，多层感知器被认为是最有用的学习模型，广泛应用于脑电信号、心电信号的处理中。由于神经网络可以把专家知识和先验知识结合进一个数学框架来完成特征提取和分类识别等功能，而不需要任何对数据和噪声的先验统计假设，也不需要把专家知识和经验归纳成严密清晰的条文，所以最适应用于研究和分析生物医学信号。
4.生物医学信号处理的应用及发展前景
生物医学信号至今已在临床和生命学科的研究中获得了广泛的应用，而基于生物医学信号处理、医学成像系统和计算机的医疗仪器已成为现代医院的重要组成部分。随着科学技术的发展，现代医学已由过去的定性诊断逐渐转变为强调定量诊断。而定量诊断的依据即是病人的生理信号、医学图像和生化指标等。
4.1心电信号的应用 心电信号中最重要的特征是R波、P波、T波的位置、幅度和形态，此外还有S-T段的形态、Q波、S波、QRS宽度、U波、心室晚电位及T波交替等。心电R波检测是所有其他心电特征检测和自动诊断的基础，其检测的精度直接影响到仪器的性能，检测精度至少在99%以上。R波自动检测已有近40年的历史，从早期的差分域值法、模板匹配法、积分法、滤波器法，发展到20世纪90年代，基于小波变换的算法逐渐成为主流。至今新的R波检测算法仍然在不断的被提出，例如将R波检测和心电数据压缩相结合的算法，目的是使算法在用于可穿戴心电监护仪时具有实时分析功能并降低仪器的功耗，算法对R波的检测精度达到了99.64%。由于P、S、T等波形的幅度远低于P波，且形态多变，因此，用于对它们的检测非常困难。完成了P、Q、R、S和T等波形的检测，即可算出R-R间隔，从而得到瞬时心率以及P-R间隙、QRS宽度、P-T间隙以及S-T段形态等参数。这些参数总的又可分为两类：①心电形态学的信息②心电节律的信息，它们时心电图临床诊断的重要依据。根据检测出的参数、心脏疾病的原理和医生的临床经验，建立起各种心律异常的数学模型，从而对心电信号作出判别，决定是否异常，若异常时属于哪一种异常。这一工作即是心电的自动诊断，它也是信号处理的应用。
4.2脑电信号的应用
人类大脑无疑是自然界中最精密也是最复杂的巨系统。开展脑科学研究的目的：①阐明脑的功能和机理；②保护大脑，即脑疾病的预防、治疗及延缓衰老；③进一步开发大脑；脑科学的研究主要有两大研究方向：①微观层次的研究，包括神经生物学、分子生物学和细胞生物学等学科；②宏观层次的研究，即通过大脑宏观层次的测量来分析大脑内部隐含的生理、病理信息。目前，大脑宏观层次的测量主要是脑电图和脑部成像两大类。脑电图是无创并低价的脑测量手段，无论是在神经内科还是在神经外科都获得了广泛的应用，几乎是神经门诊的必做项目之一，同时它在脑的认知研究中也起着重要的作用。
5.结语
由于生物医学信号来自于人体器官、组织及细胞，因此存在信号的多样性、复杂性及应用的特殊性等突出特点。随着现代医学对定量诊断和精确治疗的要求越来越高，因此，生物医学信号处理的应用领域也越来越迅速扩展。正因为生物医学信号的上述属性，因此吸引了众多学科的信号处理工作者到该领域来探索。可以说生物医学信号处理领域充满了挑战性和创新机会，其给科研工作者带来了勇攀高峰的激情和期待。
参考文献
[1]何琳，郭静玉，胡志刚.生物医学信号处理方法概述[J].科技资讯，2012.[2]周杰.生物医学信号 处理方法概述[J].华章，2012.[3]许海青 陈柱 史婷奇.生物医学信号处理及应用[J].浙江临床医学，2010.[4]张阳德，周以，李小莉.基于生物医学信号处理技术的医疗检测与诊断[J].中国医学工程，2005.[5]王鸿雁.信息技术在生物医学工程中的应用[J].赤峰学院院报，2010.[6] 许海青 陈柱 史婷奇.生物医学信号处理及应用[J].浙江临床医学，2010.[7] 周杰.生物医学信号 处理方法概述[J].华章，2012.[8] 何琳，郭静玉，胡志刚.生物医学信号处理方法概述[J].科技资讯，2012.[9]梁世盛，乔凤斌，张燕．基于ＦＰＧＡ的数字相敏检波算法实现[J].自动化仪表，2013，34(11):13-16.５９
生物医学工程学杂志 第３３卷
［ Ｊ］．自动化仪表，２０１３，３４（１１）： １３ － １６
篇2：生物医学信号处理
课程设计报告
心电信号采集
指导老师：
学号： 姓名： 学号： 姓名： 学号： 姓名：
起止日期：
目录
一、前言 ———————————————————— 3
二、心电信号简介 ———————————————— 3
三、实验要求 —————————————————— 5
四、软件设计及仿真 ——————————————— 6
五、硬件电路及仿真 ——————————————— 12
六、人体测量结果 ———————————————— 13
七、实验总结 —————————————————— 14
一、前言
心脏是人体血液循环的动力泵，心脏搏动是生命存在的重要标志，心脏搏动节律也是人体生理状态的重要标志之一。心电信号是心脏电活动的一种客观表示方式，是一种典型的生物电信号，具有频率、振幅、相位、时间差等特征要素，比其他生物电信号更易于检测，并具有一定的规律性。由于心电信号从不同方面和层次上反映了心脏的工作状态，因此在心脏疾病的临床诊断和治疗过程中具有非常重要的参考价值。对心电信号的采集和分析一直是生物医学工程领域研究的一个热点，是一项复杂的工程，涉及到降低噪声和抗干扰技术，信号分析和处理技术等不同领域，也依赖于生命科学和临床医学的研究进展。
人体体表的一定位置安放电极，按时间顺序放大并记录这种电信号，可以得到连续有序的曲线，这就是心电图。心电信号的各种生理参数都是复杂生命体(人体)发出的强噪声条件下的弱信号(除体温等直接测量的参数外)，心电信号的幅度在10µV～4mV之间，频率范围为0.05～100Hz，淹没在50Hz的工频干扰和人体其他信号之中，检测过程及方法较复杂。去除信号检测过程的干扰和噪声、进行心电信号的分析是心电仪器的重要功能之一，心电信号的放大质量直接影响着分析仪器的性能和对人体心脏疾病的诊断。本次设计了一个心电信号检测放大电路，充分考虑了人体心电信号的特点，采用三导联输入—前置放大电路—带通滤波电路—次级放大电路组成的模式，并且利用软件对相应的电路进行仿真，实验结果表明，电路能够很好地完成人体心电信号的检测放大。
关键词：AD620、TL082CP、OP07CP、LM358、陷波、右腿驱动、NI ELVIS
二、心电信号简介
1.心电图
心肌是由无数个心肌细胞组成，由窦房结发出的兴奋，按一定的途径和时程，依次向心房和心室扩布，引起整个心脏的循环兴奋。心脏各部分兴奋过程中出现的电位变化的方向、途径、次序、和时间均有一定的规律。由于人体为一个容积导体，这种电变化也必须扩布到身体表面。鉴于心脏在同一时间内产生大量的电信号，因此，可以通过安放在身体表面的胸电极或四肢电极，将心脏产生的电位变化以时间为函数记录下来，这种记录曲线称为心电图，如下图所示。心电图反映心脏兴奋的产生、传导和恢复过程中的生物电变化。心肌细胞的生物电变化时心电图的来源，但是心电图曲线与单个心肌细胞的膜电位曲线有明显的区别。ECG波形是由不同的英文字母统一命名的。
心肌是由无数个心肌细胞组成，由窦房结发出的兴奋，按一定的途径和时程，依次向心房和心室扩布，引起整个心脏的循环兴奋。心脏各部分兴奋过程中出现的电位变化的方向、途径、次序、和时间均有一定的规律。由于人体为一个容积导体，这种电变化也必须扩布到身体表面。鉴于心脏在同一时间内产生大量的电信号，因此，可以通过安放在身体表面的胸电极或四肢电极，将心脏产生的电位变化以时间为函数记录下来，这种记录曲线称为心电图，如下图所示。心电图反映心脏兴奋的产生、传导和恢复过程中的生物电变化。心肌细胞的生物电变化时
心电图的来源，但是心电图曲线与单个心肌细胞的膜电位曲线有明显的区别。ECG波形是由不同的英文字母统一命名的。正常心电图由一个P波、一个QRS波群和一个T波等组成。P波起因于心房收缩之前的心房极时的电位变化； QRS 波群起因于心室收缩之前的心室除极时的收位变化；T波为心室复极时的电位变化，其幅度不应低于同一导联R波的1/10，T波异常表示心肌缺血或损伤。ECG的持续时间由：P-R间期（或P-Q间期）为P波开始至QRS波群开始的持续时间，也就是心房除极开始至心室除极开始的间隔时间，正常值为0.12～0.20s，若P-R 期延长，则表示房室传导阻滞；Q-T间期为 QRS波群的开始至T波的末尾的持续时间，意为心室除极和心室复极的持续时间，正常值为 0.32～0.44s；S-T段为从QRS波群终末导T波开始之间的线段，此时心室全部处于除极状态，无电位差存在，所以正常时与基线平齐，称为等电位线，若S-T段偏离等电位线一定QRS波群持续时间正常值约为0.06～0.11s范围，则提示心肌损伤或缺血等病变；因此，实时的检测心电信号，可以从所得出的心电图上观察心脏的变化，医生就可以从所测的心电图上判断心脏各个部位的功能是否正常，所以心电图是医生治疗心脏方面的疾病所不可或缺的依据。因此心电检测就有了实际应用的意义。
图1 标准心电图图例
2.人体心电信号的干扰
人体心电信号是一种弱电信号，信噪比低。一般正常的心电信号频率范围为0.05-100Hz，而90％的心电信号(ECG)频谱能量集中在0.25-35 Hz之间。采集一种电信号时，会受到各种噪声的干扰，噪声来源通常有下面几种：
(1)工频干扰50 Hz工频干扰是由人体的分布电容所引起，工频干扰的模型由50Hz的正弦信号及其谐波组成。幅值通常与ECG峰峰值相当或更强。
(2)电极接触噪声,电极接触噪声是瞬时干扰，来源于电极与肌肤的不良接触，即病人与检侧系统的连接不好。其连接不好可能是瞬时的，如病人的运动和振动导致松动；也可能是检测系统不断的开关、放大器输入端连接不
好等。电极接触噪声可抽象为快速、随机变化的阶跃信号，它按指数形式衰减到基线值，包含工频成分。这种瞬态过渡过程可发生一次或多次、其特征值包括初始瞬态的幅值和工频成分的幅值、衰减的时间常数；其持续时间一般的1s左右，幅值可达记录仪的最大值。
(3)人为运动,人为运动是瞬时的(但非阶跃)基线改变，由电极移动中电极与皮肤阻抗改变所引起。人为运动由病人的运动和振动所引起，造成的基线干扰形状可认为类似周期正弦信号，其峰值幅度和持续时间是变化的，幅值通常为几十毫伏。
(4)肌电干扰(EMG),肌电干扰来自于人体的肌肉颤动，肌肉运动产生毫伏级电势。EMG基线通常在很小电压范围内。所以一般不明显。肌电干扰可视为瞬时发生的零均值带限噪声，主要能量集中在30-300Hz范围内。
(5)基线漂移和呼吸时 ECG 幅值的变化 基线漂移和呼吸时 ECG 幅值的变化一般由人体呼吸、电极移动等低频干扰所引起，频率小于 5 Hz；其变化可视为一个加在心电信号上 的与呼吸频率同频率的正弦分量，在 O.015-O.3Hz 处基线变化变化幅度的为 ECG 峰峰值的 15％。
三、实验要求
1.实验仪器设备：
1)作图工具：TINA原理图编辑器
2)仿真工具：使用Multisim交互式地搭建电路，然后仿真。3)电路图实验设计：面包板
4)电路测试：使用NI ELVISmx提供电压，显示电路数据。
2.设计要求
体表心电信号是微弱信号，极易受到干扰，心电前置放大电路设计要求尽可以将外界干扰排除，再通过ELVIS平台传到上位机做数字信号处理和显示。要求完成以下技术指标
(一)电路的放大倍数：800~1000倍。(二)电路的共模抑制比：大于75(三)电路的输入阻抗：大于20M(四)电路的信号的频率响应范围：0.05~120Hz
我们要设计的是三导联。心电前置放大电路一般会由两~三级组成，第一级是CMRR很高的差动放大电路，主要用来抑制共模干扰，比如工频电场干扰，但这一级放大倍数一般在10倍左右（为什么这么设定，请大家思考并查资料，采用什么电路方式来提高共模抑制比也可以查资料）。第二级通常是一个两阶低通滤波和放大10倍左右的电路。（请大家去找到合适的两阶滤波器电路，并选用合适的电容与电阻）。最后一级通常是可调放大倍数的放大电路，并提供一个低内阻的输出级。高通滤波一般在前端采用无源的一阶滤波器。
四、软件设计及仿真
1、前置放大电路和右腿驱动电路的设计
（1）前级放大电路是将采集到的心电信号直接放大，该信号包含了很多背景噪声以及较高的共模信号，若这些干扰信号也随着心电信号一起被放大，将导致心电信号完全被湮没在噪声信号中，因此前级放大电路是关键，它必须满足高输入阻抗，高共模抑制比，低噪声，低漂移等特点。因此选用仪用放大器AD620，它采用经典的三运放改进设计，只需要一个电阻就能实现对增益的调节。它具有较高的输入阻抗和共模抑制比，能够很好地达到要求。对于前级放大的增益不宜过大，否则会使干扰信号过强，不利于后期处理。
（2）右腿驱动电路专为针对50Hz工模干扰，提高CMRR而设计的，原理是采用人体为相加点的共模电压并联负反馈，其方法是取出前置放大级中的共模电压，经驱动电路反相后在加回体表上，一般做法是将此反馈信号接到人体的右腿上，所以称为右腿驱动。通常，病人在做正常的心电检测时，空间电厂在人体产生的干扰电压以及共模干扰是非常严重的，而用右腿驱动电路就能很好地解决了上述问题。
图1 前置放大电路
由电路图1可知1脚和8脚之间的等效电阻RG20k6.67k，根据
3G49.4k1可得，该电路的增益RGG=8.41，其中电阻R1、R2的匹配性会直接影响到该放大电路的共模抑制比，因此要尽量保持阻值的相等。
图3 仿真结果
由图3仿真结果可以看出，输入1mV，40HZ的交流电压后，经AD620芯片 放大测量出的信号值达到12mV左右，有效值为8.64mV，即实际放大倍数为8.64倍，与理论值相近。
2、滤波电路的设计
因为电路所要求的频带范围为0.05Hz到100Hz，由于纯粹的带通滤波器的幅频特性不好控制，因此选择低通和高通两个滤波器串联，形成一个带通滤波器。低通滤波器的截止频率为100Hz，高通滤波器的截止频率为0.5Hz。在芯片选择方面，由于运放本身的频带范围会影响所做滤波器的特性，因此选择频带范围较宽的TL082做为滤波器的运放。TL082是一种通用的J-FET双运算放大器，能够用一个芯片来完成低通和高通滤波。我们采用二阶的滤波器，虽然滤波阶数越高，滤波效果越好，但是，滤波阶数过高了就会提高成本，而且阶数越高滤波电路结构会更加复杂，调试也更加有难度。二阶低通滤波相对于一阶来说，其滤波性能
1更加稳定，效果更好。图1为滤波电路。根据公式f得，截止频
2R1R2C1C2率分别为49Hz和0.08Hz，并其增益都为1。
图1 带通滤波电路图
通过过对实际信号的滤波来检验滤波器的特性，心电信号是属于低频信号，则前级要放大的信号必定为低幅值、低频率的信号，由于信号的幅值和频率都很小，更加容易受到噪声的影响。在经过高通和低通滤波之后，可以看出滤波器在截止频率范围内提供了有效的滤波。
3、主放大电路设计
整个电路的放大部分主要由主放大来承担，由于前级的放大倍数为8.6倍，因此将主放大的倍数定在100倍，整个电路总的增益为860倍（陷波器的增益不包括在内）。这部分利用低偏置电压的TL081CD来承担。反向输入端的1K和100K的电阻决定100倍增益，同相输入端利用100K电阻平衡两端电压，增大共模抑制比。如图1所示：
图1 主放大电路仿真图
在同相输入端输入60Hz,1mV Vpp的正弦信号，经运算放大器放大后在6号脚测到信号Vpp约为10.1V，如图2所示：主放大电路的实际放大倍数大约在100倍，与理论值的误差是由芯片本身的特性以及电阻的失配引起。
图2 主放大电路仿真结果 4、50HZ陷波器的设计
由于测得的心电信号中夹杂了工频干扰，难以去除，并且干扰信号的幅值与心电信号相近，严重影响了心电信号的识别，因此在对信号进行第二级放大时采用了一个陷波器，用于除去工频干扰。该陷波器的中心频率为50Hz，并且具有1.5倍的增益。50HZ陷波电路电路图如图1所示：
图1 陷波电路
图2 仿真结果
理论上中心频率50Hz左右时有比较明显的衰减，而测量结果也跟理论相近，对于实际电路，采用频率50Hz，峰峰值为1V的，正弦信号进行测试，从图2中看出，经过陷波器之后，原本峰峰值为1V的信号，在1.5的增益下应该为1.5V，实际测得的增益为由于是50Hz的信号，衰减至0.1V，效果较明显。
5、总体电路设计
图1 心电采集设计框图
电路设计中最重要的是抑制信号中噪声的产生及对噪声信号的滤除，使其对心电信号本身的影响达到最小。本次实验中心电信号选择为0.5至100Hz之间的频带。因为心电信号幅值大致都在1mV至3mV之间，电路供电电压为±5V，因此选择放大倍数为800至1000倍。总的电路图设计如图2所示：
图2 心电采集电路总图
图3 仿真结果
理论上的放大倍数计算得出，前置放大倍数为8.41倍，主放大倍数为100倍，所以总体放大倍数约为841倍。然而从图3的仿真结果看出，实际前置放大倍数约为7.57倍，这是因为带通滤波模块会衰减一部分信号，使总体的放大倍数减小，仿真实验到此成功结束。
五、硬件电路及仿真
1、前置放大电路
在面包板上搭建了以AD620为中心的差动放大电路以后，用NI ELVIS软件仿真，输入一个频率为25Hz，峰峰值为1V的正弦信号，得出的结果如图1，可看出峰峰值放大了8倍左右，与软件仿真结果相近。当共模输入信号时，测得的共模增益小于0.001，如图2所示。
图1 前置放大电路测试结果
图2 共模输入测试结果
2、带通滤波电路
用一个低通滤波电路和一个高通滤波电路搭建好一个带通滤波电路，软件仿真计算出的带通截止频率在0.08Hz-49Hz之间，但由于是实际的电路做不到理想化，所以信号从30Hz就开始衰减，如图1所示。
图1 带通滤波器测试结果 3、50Hz陷波电路
图1 陷波测试结果
图1可看出在中心频率为51Hz左右时的信号有明显的衰减，由于阻值的选择不同，所以测试结果与软件仿真结果存在一定的误差。
4、后级放大电路
图1 后级放大测试结果
搭建好电路以后，测试得出图1的结果，由图可看出，后级放大倍数在110倍左右，与理论值的误差是由芯片本身的特性以及电阻R4和R5的失配引起。
5、总体电路
图1 差模输出 图2 共模输出
输入为25Hz，10mV的正弦波。采用差模输入时，输出为11.13V左右，放大1113倍采；用共模输入时，输出为1.59mV，放大0.16倍。由公式CMRR10log(Ad2)可得，整个电路的共模增益为76.8dB。Ac
六、人体测量结果
图1 实际测量结果
在实际测量时，电极贴的位置及个人的皮肤状况也会影响测量结果。可以用清水湿润皮肤，并用砂皮磨掉表面的死皮，这样会使测量效果更加。同时被测人的体质不同也会对测量结果有影响。
图2 实际电路图
在面包板上完成上述电路的搭建，并对每一部分都进行单独调试。最终的电路实物图如图2所示。左上为前置放大，使用了AD620芯片，左下为右腿驱动电路，使用的芯片为TL082CP，中上和中部构成了一个带通滤波电路，使用了两个TL082CP，中下为陷波电路，使用的芯片为OP07CP,右下为第二级放大，使用了TL082CP芯片。在实际测量时，采用三导联的方式，一根接右腿，其余两个分别接左右手，若分别接左右胸口效果会更佳，由于不是很方便就采用接左右手腕的方式。
七、实验总结
1、难点
（1）前置放大电路中抑制共模信号的调制。
（2）消除随机噪声、工频噪声、内部噪声的干扰。（3）电路图的设计，芯片、电阻等元件的选择。
2、调试经验
（1）开始连接的电路没有加入50Hz陷波电路，但在实际测量中有大量的工频干扰，于是加入了该模块，结果有效地一直掉了工频干扰。
（2）原来选择的低通滤波起的阻值为11K，理论计算出的截止频率为97.6Hz，但实际测量中大量的干扰频率在50Hz左右，于是修改了阻值，改为33K，这样可以滤掉更多的干扰，有利于得出正常的心电图。
（3）第一次没有成功测出心电信号，经讨论才知道是因为前置放大器模块没有做好，导致大量的共模信号进入了电路，由于心电信号非常微小，就被这些干扰信号淹没了，于是修改了差分输入的阻值，选择了两个特别接近的阻值，以减小共模干扰，计算出前置放大器的共模抑制比在0.001dB左右，有效抑制了共模干扰，最终得出了正常的心电信号。
（4）虽然最后实验成功了，但是还是存在一些干扰信号，说明滤波这一块还需改进。心电测量电路中对噪声的消除是十分重要的。外界噪声很有可能在电路的任何一部分掺杂进来，所以在最后再加一个低通滤波器滤除高频噪声是必要的。（5）电极的放置对心电的影响也很大，放在一个准确的位置可以很容易地从示波器上看到清晰的波形，反之，心电信号太过微弱会被噪声完全淹没。
（6）实验中，有源滤波器比无源的滤波效果要好很多。两个有源滤波器串联构成的带通滤波器也比无源和有源串联的效果好。
篇3：生物医学信号处理
1 关于现代生物医学信号处理课程
生物医学信号处理作为一门重要的分析方法, 在生物医学研究中显示出其不可或缺的重要性。从傅里叶变换开始至今, 生物医学信号已经有了很大的发展, 新理论和新算法层出不穷。近年来, 随着现代通信、信息理论和计算机技术的飞速发展, 经典信号处理理论也在向现代理论演化。现代生物医学信号处理课程[3,4,5,6]主要介绍了生物医学信号处理中的新理论、新技术、新方法、新应用。课程围绕现代生物医学信号处理理论和现代生物医学信号处理技术两大方面的内容展开。作为一门研究生课程, 我们不可能也没有必要涉及现代生物医学信号处理的所有内容。因此, 本课程从现代生物医学信号处理的庞大知识体系中选择了几个既相互独立、又有着密切联系的部分加以介绍。课程主要包括随机信号的特点、参数估计理论、现代谱估计、维纳滤波、卡尔曼滤波、自适应滤波、时频分析、滤波器组、小波分析、主成分分析、独立成分分析等基础原理, 并列举了这些方法在生物医学工程领域的应用实例。
2 课程建设体会
2 . 1 组织现代生物医学信号处理课程教学内容编写新教材
教材建设在教学工作中占有重要的地位, 是提高人才培养质量的一项关键因素。当前, 国内现代生物医学信号的教材大都是根据对原有的电信专业教材修订而成。一般理论性方面较强, 而对生物医学工程的实际应用方面强调不足。在教学内容与教材建设上, 现代生物医学信号处理课程的教学内容必须适应该领域的快速发展, 这样才可以激发学生对课程学习的积极性和主动性。为了进一步提高教学质量及效果, 依托于我校校级教研课题“北京工业大学研究生精品课程建设”, 在调研和分析国内外现代生物医学信号处理课程体系、教材和教学内容的基础上, 结合我校生物医学工程专业人才培养目标与要求, 从2014年开始编撰新的教材。我们对课程的建设更多是从研究性教学出发, 以高层次应用型创新人才为培养目标, 搭建自主创新的课程教育与实训平台, 全面推进课程教学改革。教材充分做到与国际接轨, 使人才培养能在教学内容上与国内外一流大学处于同一起跑线, 课程教学效果明显提高。
2.2 探索现代生物医学信号处理教学的双语教学新模式
现代生物医学信号处理是一门高速发展的学科, 不断出现新的研究方法和新的研究领域, 教材特别是国内的教材往往存在一定的滞后性。研究生教育担负着为社会培养综合性、复合型人才的使命。研究生从事前沿科学研究工作, 需要具备了解本学科前沿动态、阅读相关英文专业文献、分析解决问题、撰写英文学术论文等科研能力。研究生也是具有良好的学术和外语基础的专业人才。他们不但具备一定的专业基础, 而且大多数人已经具有较高的外语水平。这使得现代生物医学信号处理教学中的双语教学具有可行性和必要性。
双语教学不同于专业英语教学, 其本质上是专业课程的教学, 旨在通过英语系统讲授专业课程, 提高学生的专业知识水平。为了跟踪国际上现代生物医学信号处理的最新发展, 我们组织学生围绕"IEEE Transactions on Biomedical Engineering""IEEE Transactions on Signal Processing"以及"IEEE Signal Processing Magazine"中的最新相关内容展开讨论。这不仅弥补了教材建设中教材与国外最新发展脱节的问题, 而且可以帮助学生接触到国外相关领域的最新理论和技术, 将最新研究成果完整地传递给学生。良好的教学也离不开适合的教学评价体系的督促作用。笔者认为可以从学生参与课堂讨论部分去评价。结合学生的研究方向, 在学期末让学生自由选题, 用英文展开课题讨论并撰写报告。这样, 学以致用, 可以大大提高学生利用英文掌握最新知识的能力。在这方面, 笔者做了初步尝试, 很受学生欢迎。从学生的反馈来看, 双语教育可以显著提高学生对专业领域知识的英文阅读和交流能力, 并加强学生接受新知识的能力。
2.3 发挥专业教师科研优势积极推动实践教育
我校生命学院的生物医学电子与信息处理学科方向主要研究生物医学信号与图像处理以及生物医学电子与医疗仪器。现代生物医学信号处理是一门实践性很强的课程, 强调学生能学以致用。为了提高学生的自主学习能力和实践动手能力, 课程教学环节分为课堂讲授、论文讨论、课程设计等多个环节。在课程设计中, 我们结合本研究方向所开发的多款可穿戴式医疗诊断设备, 采集真实人体生理数据, 要求学生利用Matlab软件进行与课程相关的课程设计。这种课程实践设计, 在激发学生“想学”动机、提升学生“会学”能力方面取得了明显成效。学生普遍反映:通过课程设计巩固了课堂知识, 学到了如何把课堂上学习的理论知识应用于解决实际生物医学工程问题, 大大提高了实践动手能力。
3 结束语
通过调研和分析国内外现代生物医学信号处理课程体系、教材和教学内容, 结合我校生物医学工程专业人才培养目标, 创建了理论教学与实践教学并重的现代生物医学信号处理双语课程教学新体系, 大大激发了学生的学习积极性和主动性, 切实提高了学生的自主学习能力和实践动手能力。
参考文献
[1]吴水才.医学信号处理与应用[M].北京:北京工业大学出版社, 2014.
[2]林家瑞.生物医学数字信号处理[M].武汉:华中科技大学出版社, 2001.
[3]胡广书.现代信号处理教程[M].北京:清华大学出版社, 2015.
[4]王炳和.现代数字信号处理[M].西安:西安电子科技大学出版社, 2011.
[5]柏正尧.高级信号处理原理及应用[M].北京:科学出版社, 2013.
篇4：浅谈生物医学信号应用与发展
【关键词】 数字信号处理； 小波分析； 人工神经网络； 维格纳分布
【中图分类号】R46 【文献标识码】B【文章编号】1004-4949（2015）03-0520-01
1 引言
自20世纪60年代以来，随着计算机和信息学科的飞速发展，大量的模拟信息被转化为数字信息来处理。于是就逐步产生了一门近代新兴学科——数字信号处理（Digital Signal Processing，简称DSP）技术。经过几十年的发展，数字信号处理技术现已形成了一门以快速傅里叶变换和数字滤波器为核心，以逻辑电路为基础，以大规模集成电路为手段，利用软硬件来实现各种模拟信号的数字处理，其中包括信号检测、信号变换、信号的调制和解调、信号的运算、信号的传输和信号的交换等各种功能作用的独立的学科体系。而生物医学工程就是应用物理学和工程学的技术去解决生物系统中所存在的问题，特别是人类疾病的诊断、治疗和预防的科学。它包括工程学、医学和生命科学中的许多学科。本文主要讨论数字信号处理技术中小波分析、人工神经网络、维格纳分布在生物医学工程中的应用。
2 数字信号处理在生物医学工程中的应用
2.1 小波分析在生物医学工程中的应用
近年来，小波的研究受到数学家，理论物理学家和工程学家们的关注，特别是在信号处理，图象处理，语音分析，模式识别，量子物理及众多非线性科学等应用领域，被认为是近年来在工具及方法上的重大突破。所謂的小波变换是指把某一被称为基本小波（motherwavelet）的函数ψ（ t） 作位移τ后，再在不同尺度α下与待分析信号x （ t） 作内积：
其中α为伸缩因子，τ为平移因子。等效的频域表示：
式中X （ω） ，Ψ （ω） 分别是x （ t） ，ψ（ t） 的傅里叶变换。
任何变换都必须能进行反变换才有实际意义，但反变换未必一定存在，对小波变换而言，所采用的小波必须满足允许条件可推论出Ψ （ω） = 0或∫ψ（ t） d t = 0，即小波变换必须具有带通性质。本来满足允许条件的ψ（ t） 便可作为基本小波，但考虑到频域上的局域要求， 条件就更苛刻一些：即要求小波在频域上局域性能好， 应要求ψ（ t） 的前n阶矩为零，也就是∫tnψ（ t） d t = 0，且n越大越好。在频域上这相当于要求Ψ （ω） 在ω = 0处有n阶零点。
小波分析方法具有以下特点： （ 1）时频局部化特点，即可以同时提供时域和频域局部化信息。（2）多分辨率，即多尺度的特点，可以由粗到细逐步观察信号。（3）带通滤波的特点，可以根据中心频率的变化调节带宽，中心频率的高低与带宽成反向变化，可以观测出信号的低频缓变部分和高频突变部分。这种变焦特性决定了它对非平稳信号处理的特殊功能。在生物医学工程中的信号处理，信号压缩，医学图象处理中，小波变换均有用武之地。
适当地选择小波基，可以方便地检测出信号的奇异点，观测信号的瞬态变化以及时域分析中信号不见的信息；此外利用带通特性，将信号分解成不同频带低频分解波和高频分解波，并提取出信号中的非平稳信号。
2.2 人工神经网络（ANN）在生物医学工程中的应用
人工神经网络是指由大量简单元件（即神经元，可以用电子元件，光学元件等模拟）广泛相互连接而成的复杂网络系统。神经网络有很多具体模型，其共同的基本特征是： （1）以大规模并行处理为主； （2）采用分布式存储，具有很强的容错性和联想功能； （ 3）强调自适应过程和学习（训练）过程。
人工神经网络的最新发展使其成为信号处理的强有力工具，对于那些用其它信号处理技术无法解决的问题，人工神经网络的应用开辟了新的领域，许多ANN的算法和它们的应用已广泛的在自然科学的各个领域被报道，在这些网络模型中，多层感知器被认为是最有用的学习模型，广泛应用于脑电信号，心电信号的处理中。
20世纪80年代末， 90年代初，神经网络的研究在国际上形成一股热潮，其原因是由于神经网络可将人脑的智能原理应用来解决工程技术及社会管理的许多复杂问题。生物医学工程工作者采用神经网络的方法来解释许多复杂的生理、病理现象，例如：心电、脑电、肌电、胃肠电等信号的识别，心电信号的压缩，医学图像的识别和处理等。人工神经网络是由大量的简单处理单元连接而成的自适应动力学系统，具有巨量并行性，分布式存贮，自适应学习的自组织等功能，可以用来解决生物医学信号分析处理中，用常规方法难以解决或无法解决的问题，神经网络在生物医学信号检测与处理中的应用主要集中在对脑电信号的分析，听觉诱发电位信号的提取；用于Holter系统的心电信号数据的压缩算法；医学图像的数据压缩算法等等。这些应用大多数都是基于神经网络的多层前馈网络反向传播算法（即BP算法）训练三层网络， 该方法能解决许多信号处理中的难题，如语言合成与识别，视觉模式识别。从输出层开始，连接到第一隐层的连接权用如下算法校正：
ΔWij =ηδj Xj
Wij （ t + 1） = Wij （ t） +ηδj Xj
其中， Wij （ t） 对应时刻t输出层i到隐层节点j的连接权， Xj 隐层第j个节点的输出；η为学习率控制常数，δj是误差。
由于神经网络可以把专家知识和先验知识结合进一个数学框架来完成提取特征和分类识别等功能，而不需要任何对数据和噪声的先验统计假设，也不需要把专家知识和经验归纳成严密清晰的条文，所以最适应于研究和分析生物医学信号。
W igne分析不需要假设信号是静止的，比FFT及AR分析有更高的分辨率。限制Wigner分布分析应用的不利特征为它只适用于单一成分的信号，如果信号中两种或者多种成分同时存在，函数中将产生伪峰，成为交叉项。
经过应用数学界几十年的努力，维格纳分布的理论已逐步趋于成熟。进入20世纪80年代以来，许多学者采用维格纳分布对多种非平稳信号进行了分析。由于生物医学信号的非平稳性比较突出，因近年来国内外都有人希望采用维格纳分布来较好地表现它们的频率特性随时间的变化，特别对较微弱的电生理信号。维格纳分布在生物医学信号分析中的应用及发展主要包括生理节律、心电信号、血流速率波信号、体感诱发电位、超声多普勒信号、听神经电活动信号、声音信号、脑电信号、第一心音、心室晚电位、心率，血压和呼吸信号等方面。
3 前景展望
数字信号处理技术的产生和发展时间并不长，但由于其处理问题的特殊技巧和特殊效果已成为理论研究和工程实际应用中强有力的工具。生物医学信号是一种相当复杂的信号，其主要特点是随机性和噪声背景都比较强，随机性强是因为影响生物信号的因素很多。生物信号作为随机信号的显著特点是它的非平稳性，也即信号的统计特征随时间而变，这是因为生物系统在外因素的影响下具有适应力，使得信号的统计特征自动变化。背景强噪声是生物医学电信号的另一特点，从强背景噪声中提取有用信息并对信号的某些部分进行局部定位是医学分析和诊断所提出的要求，而数字信号处理技术的特殊处理能力使其在生物医学电信号的检测、分析和处理中显示出极大的优越性。我们相信随着数字信号处理技术的飞速发展，数
字信号处理这一新兴的理论也将不断地丰富和完善， 各种新算法、新理论将不断地被提出，可以预计，在以后的时间里，数字信号处理在生物医学工程中的应用将得到更快的发展。
参考文献
[1] 高关心，夏慧琳. 生物医学工程学与最新发展技术[J]. 医疗设备信息. 2011（08）
[2] 何炳蔚. 具有程控增益的数据采集装置的开发[J]. 电子技术应用. 2014（11）
篇5：VBAI图像处理生物医学论文
1应用于微球内外径等尺度指标的自动测定
将微球投入溶液中，使其分布较均匀，并置于显微镜下观察，得到清晰的微球显微图像。根据我们先前的工作，通过测定微球的外径D以及其在溶液中所成像的黑环内径的d，可以根据有关理论方程来确定微球或其周边介质的折射率。因此，需要精确测定D与d。下面介绍我们用VBAI编写的程序如何实现对微球像D与d的智能自动测定。进入VBAI的InspectionState编辑窗口，可以编辑整个程序的主要过程。我们的设计是:先在“Inspect”过程中对图像进行预处理并找到物体，得到物体个数;然后在“GOON?”过程中判断检测到几个物体，是否已经检测完全部物体;随后在“Measure”过程中对当前序号的物体进行检测。进入每个过程进行具体步骤的编辑，只需双击右侧工具中的相应操作，就可以将该操作加入程序中，在属性窗口中对操作的各项参数进行设定。在“Inspection”过程中，我们首先打开图片，选中循环取图将依次获取目标文件夹中的每个图像文件。如要测量真实尺寸，则要对图像进行标定，VBAI中Calibrateimage有多种方式。通常实验室显微镜采用显微标尺进行标定，选择第一种模式，导入显微标尺的图像，标定完成后生成标定文件，检测时自动读取。
接着我们对图像进行预处理，这将打开visionassistant窗口，可对图像进行LUT变换、滤波、分割、形态学变换等多项操作，在本实例中将图像处理为适合寻找物体的二值化图像。然后对处理过的二值化图片进行DetectObjects操作，得到物体数列。SelectImage操作将原图像读入，代替处理过的二值化图像，为下一步检测做准备。SetVariable的操作是将DetectObjects操作中检测到的物体个数存入代表剩余物体数的X。“GOON?”过程中没有图像处理的具体操作，只在InspectionState编辑中有一个判断，在指向end的箭头定出编辑走向end的条件，为剩余物体数X<1，当X≥1时将执行默认箭头，走向“Measure”过程。“Measure”过程中，首先IndexMeasurements读取之前DetectObjects中检测得到的物体数列的的第X个物体。接着，要设置程序可以根据物体的位置、大小等自动建立相应的ROI，即检测区域，由于要进行微球图像直径的检测，因此区域类型选择圆环形。然后就可以在检测区域内进行圆的直径检测了，利用FindCircularEdge操作可以很方便地做到这一点。在直径检测中，程序在检测区域内沿径向生成一系列的检测线，曲线为沿检测线方向上灰度值变化曲线的一次导数曲线，反映了灰度值的变化速率，负数部分对应图像由亮变暗，正数部分对应图像由暗变亮，极值处即变化速率最快处，也就是边缘所在位置。曲线上方的参数设定包括判断边缘的阈值，平滑算子的大小，取样宽度，每条检测线之间的间隔等。由于是根据拟合出的曲线确定边缘位置，因此可以超越像素的限制，实现亚像素等级的超分辨率精确度。
检测程序首先得到每条检测线上的边缘点位置，再根据所有边缘点拟合出圆形边界，计算出直径数值，程序中给出精确到0.01个像素的结果。结果的稳定性还要取决于拍摄环境、光照、相机稳定性等。图像中微球边缘的黑环是由于光线折射造成的，根据我们先前工作，证明其粗细与微球与溶液的折射率比值成一定比例关系。因此，程序中通过分别测量各微球的D与d，调整FindCircularEdge操作中搜寻方向、边缘种类等参数可以搜寻到内径圆和外径圆。在精确测定D与d值后，可自动根据我们先前工作导出的方程式，给出微球的折射率或是其周边介质的折射率。Calculator是界面类似LabVIEW图像化编程工具的一项功能，可以由用户自己选择输入输出量、制定复杂的运算程序等，本实例中为利用文献的方程式计算出微球的折射率。DataLogging可以选择需要记录的数据写入指定的txt或csv文件，以便后续的数据分析统计。最后SetVariable将变量X减1。VBAI应用编写完成后可作为专用的检测软件使用，处理图片时将需要分析的图像放在同一目录下，进入VBAI文件，指定该路径，点击RunInspectioninLoop，就可以自动完成所以图片的分析，并得到记录有数据的txt或csv文件。这样生成的检测程序智能、客观、准确、快速，实现了图像中微球的识别寻位、移动ROI建立、两个直径的测量、折射率计算、数据保存等操作的完全自动化运行。而且整个操作与运算排除了人为操作中的主观性因素，精度亦达到亚像素水平，平均单个微球的测量时间仅需0.20s。为了检验其测定的准确性，在对拍摄系统和环境进行标定和控制之后，选择合适的微球作为检测对象进行多次检测。同时，用以往常用的油浸法对微球折射率作对照测定，测得的折射率与本VBAI生成系统测定结果高度吻合，说明VBAI检测程序的测量准确性可重复性较高。
2应用于细胞检测
2.1背景
细胞是生物医学研究的重要对象之一，通过分析细胞的显微图像我们可以得到很多有用的信息。红细胞是人类血液中存在的主要细胞，一直是研究的热点。正常的红细胞呈双凹圆盘状，而衰老和不健康的红细胞会呈棘形、双凹消失等不规则的形态。通过观察与分析显微图像中红细胞的形态可以评价其健康程度。所以这里以红细胞为例说明如何采用VBAI编写适合于进行细胞图像分析的.技术过程。
2.2方法
将红细胞悬浮于缓冲液中，置于显微镜下观察，利用数码CCD摄像头拍摄下细胞的图像。检测程序上需要先寻找到各个细胞，再对每个细胞进行检测，与微球检测的过程类似，程序总体设计上依然可以利用上节中微球的检测程序的设计，但需要根据有关图像处理分析的内容更改具体的图像处理分析操作。在图像预处理操作中需要将原始图像处理为适合物体识别的二值化图像，利用VisionAssistant，先对图像转灰度图像、适当的LUT处理，在分割处理上，由于细胞边缘处明暗对比较大，边缘锐利，因此选用基于移动窗口分割的算法可以较容易地找到边缘。通过实验比较证明，选用Backgroundcorrection分割，可综合局部和全局的灰度变化信息。分割移动窗口大小设置为边长接近细胞边缘宽度2倍的正方形最为合适。分割完成后再对二值图像进行一定的形态学变换操作，将边缘尽量变得闭合并填充孔洞。最后进行DetectObjects操。接着将对细胞形态进行分析。首先根据DetectObjects操作中所检测到的物体列表，对每个细胞进行检测区域的建立，即设置ROI。然后依然使用FindCircularEdge操作，在该操作中调整参数，使得检测线能较准确的发现边缘。该操作完成后，将输出一项名为Deviation的参数，该参数代表了细胞边缘与标准圆的标准偏差。同时该操作还可以得到细胞直径等相关的信息。将Deviation除以直径后可以得到细胞边缘与标准圆的相对标准偏差，由于健康红细胞的图像是近似圆形的，因此Deviation参数可以一定程度上反映红细胞的健康程度。将实验中拍摄到的采用不同保存格式、保存不同天数的红细胞图片归类，用VBAI程序进行分析，结果保存在csv文件中。为较健康的细胞，图像中细胞外轮廓近似圆形，Deviation/R=1.2‰;为发生了一定形变的细胞，Deviation/R=3.2‰为严重变形的棘形细胞，Deviation/R=7.3‰。随着细胞变形程度加重，细胞的相对标准偏差值也随之增加。通过软件分析的优势在于:可以客观而定量地给出每个细胞的变形程度;可以快速自动地分析大量的图片，得到大量的数据，并对数据进行后续的统计处理，具有统计学意义。除此之外，还可以获得细胞的大小信息，通过视野内细胞个数，得到细胞分布密度信息等。
3应用于图像的改善
3.1背景
某些生物医学样品的显微图像，由于各种原因，其清晰度与对比度都不能满意，对此，也可以运用VBAI的图像处理的方式对图像进行改善。下面介绍花粉孢子断层扫描图像中噪音及对比度不理想的断层图作改善的技术过程。
3.2方法
首先对整幅图像中的噪杂进行去除，通常改善的方法有空域滤波和频域滤波，两种方法都可通过VisionAssistant中的算法实现。其中空域滤波的算子较多，功能更加丰富。不仅提供了低通、高通等10多种算子、每种算子3×3，5×5，7×7三种尺寸，还可以由用户自定义算子以满足特殊需要。整幅图像改善完成后对左右对比度及清晰度不理想的花粉孢子断层图像进行增强，首先建立一覆盖中央花粉孢子像的区域，使用一可旋转的长方形区域，长方形的方向与左右像平移的方向垂直，宽度等于左右像平移的距离。接着利用Calculator操作计算图11(a)左右像的位置。输入中央像的中心点(X0，Y0)、角度α和平移距离L，则左像、右像中心点(X1，Y1)，(X2，Y2)分别为:X1=X0+LcosαY1=Y0-LsinαX2=X0-LcosαY2=Y0+Lsinα以此为中心点坐标参数，长宽与角度参数使用中央区域的长宽与角度，分别建立覆盖左右像的区域，使用VisionAssistant对左右区域内的图像进行对比度、明暗度的调整增强。得到处理后的图像，三个层面的图像的对比度基本相同。利用VBAI对图像进行处理与改善，不仅功能丰富，适用性强，且操作简单，易于掌握，程序建立完成后还可以快速的对其他同类图片进行处理，大大节省了时间。
4结语
使用VBAI创建图像分析处理程序，可对各种生物医学对象进行分析和检测，可对图像进行处理与改善，其优势在于:
(1)相比起人眼观测和手动测量，本方法能够提供客观和量化的数据，可快速对大量图像进行自动分析并保存检测结果。
(2)相比起通用化的测量分析软件，本方法针对性强，针对各种特定情况和需要制定适应的程序，准确性、有效性和实用性高。
篇6：生物医学信号处理
根据我国生物医学科学发展的现状和问题,文中提议在制订国家中长期科学和技术发展规划时应考虑国外当前生物医学科学战略转移所带来的`挑战和机遇;建议以系统分子生物学和多系统生物学为基础,把“DNA复制调控和人类疾病”的研究作为我国生物医学科学中长期战略发展的一个切入点和突破点.以此搭建我国生物医学科学的战略平台,建设系统的国家生物医学学科和完整的生物医学科学研发体系,并充分发挥基金激励机制.
作 者：徐恒 何维 刘谦 作者单位：徐恒(美国Emory大学医学院,Atlanta 30322)
何维,刘谦(中国医学科学院中国协和医科大学,北京,100730)