《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > HHT在血細(xì)胞特征提取中的應(yīng)用
HHT在血細(xì)胞特征提取中的應(yīng)用
2015年電子技術(shù)應(yīng)用第7期
羅 亮，龍 偉,，李富貴,，詹從來
南昌大學(xué) 信息工程學(xué)院，江西 南昌330031
摘要： 提出一種基于Hilbert-Huang變換(HHT)的特征分析方法,，該方法將血細(xì)胞信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解和Hilbert變換,，提取信號(hào)的平均強(qiáng)度、頻譜質(zhì)心和能量貢獻(xiàn)率作為頻域特征,，與信號(hào)的時(shí)域特征結(jié)合,，最終完成血細(xì)胞特征向量對(duì)脈沖信號(hào)的統(tǒng)計(jì)和識(shí)別。仿真實(shí)驗(yàn)中,，使用HHT的識(shí)別算法正確率由模擬電路法的72.33%提高至94.33%,；而使用該算法的血細(xì)胞分析儀與奧菲MYTHIC 18的可比性合格率達(dá)到98.5%，分類相關(guān)性系數(shù)都在94%以上,。實(shí)驗(yàn)結(jié)果表明,，該方法能提高儀器的計(jì)數(shù)正確度和分類準(zhǔn)確性。
中圖分類號(hào)： TP39
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.2015.07.043
中文引用格式： 羅亮,，龍偉,，李富貴，等. HHT在血細(xì)胞特征提取中的應(yīng)用[J].電子技術(shù)應(yīng)用,，2015,，41(7)：154-157.
英文引用格式： Luo Liang，Long Wei，Li Fugui,，et al. Application in blood feature extraction with Hilbert-Huang trans-
form[J].Application of Electronic Technique,，2015，41(7)：154-157.
Application in blood feature extraction with Hilbert-Huang transform
Luo Liang,，Long Wei,，Li Fugui，Zhan Conglai
School of Information and Engineering,，Nanchang University,，Nanchang 330031，China
Abstract： This paper proposes a method that using Hilbert-Huang transform(HHT) to analyze the characteristic of blood cell signal. This method makes empirical mode decomposition and the Hilbert transform for blood cell signal. Extracted the signal average strength, the center of mass and energy contribution of spectrum as a frequency domain characteristics, and combined with time domain characteristics of the signal, it finally completes the recognition of the pulse signal with blood cell′s eigenvector. The accuracy of using HHT identification algorithm is 94.33% while analog circuit method is 72.33%. The comparability is achieved by 98.5% and all of the correlation coefficient are more than 94% compared with MYTHIC 18. According to experimental results, this method can effectively improve the counting accuracy and classification accuracy of hematology analyzer.
Key words : blood cell signal,；feature extraction,；empirical mode decomposition；frequency domain characteristics,；Hilbert-Huang transform,；cell classification

    

0 引言

    血細(xì)胞分析儀是醫(yī)院檢驗(yàn)科、化驗(yàn)室的常規(guī)設(shè)備之一[1],。血細(xì)胞的計(jì)數(shù)與分類是臨床上判斷疾病類型和嚴(yán)重程度的重要標(biāo)準(zhǔn),。國(guó)內(nèi)外血液分析儀主要采用電阻抗法對(duì)細(xì)胞進(jìn)行判斷和識(shí)別。電阻抗法主要原理是細(xì)胞通過小孔電極產(chǎn)生電壓脈沖,，由脈沖的個(gè)數(shù)和幅值對(duì)細(xì)胞進(jìn)行計(jì)數(shù)和分類,。國(guó)產(chǎn)血細(xì)胞分析儀普遍采用模擬電路識(shí)別法[2]，將電壓脈沖信號(hào)轉(zhuǎn)化為能觸發(fā)計(jì)數(shù)器的方波來實(shí)現(xiàn)計(jì)數(shù),。該方法簡(jiǎn)單快捷,，能適應(yīng)于基本的臨床初診，但在計(jì)數(shù)正確度和分類準(zhǔn)確度上無法在臨床上進(jìn)一步病理分析和確診,，無法滿足高端市場(chǎng)的需求,。

    類似血細(xì)胞信號(hào)這種非線性、非平穩(wěn),、非高斯,、非確定性的時(shí)變信號(hào)，常見的特征提取方法有：短時(shí)窗傅里葉變換(STFT),、Wigner-Ville分布,、小波變換等[3，4],，但這些方法各自均有不足之處,，如：STFT容易受窗函數(shù)的影響，Wigner-Ville分布受到交叉項(xiàng)的干擾,，小波變換的時(shí)頻分辨率不高且不具備自適應(yīng)能力,。為此,，Norden E.Huang等人提出了一種新的信號(hào)分析方法——希爾伯特-黃變換(Hilbert-Huang Transform，HHT)[5-8],，通過EMD(Empirical Mode Decomposition,，EMD) 方法將信號(hào)分解為有限個(gè)IMF(Intrinsic Mode Function，IMF)的和,，對(duì)每個(gè)IMF進(jìn)行Hilbert變換得到有意義的瞬時(shí)頻率,，從而給出頻率隨時(shí)間變化的精確表達(dá)，進(jìn)而表示出信號(hào)在時(shí)間-頻率平面上的幅度分布,。本文主要研究應(yīng)用HHT 對(duì)血細(xì)胞進(jìn)行特征提取,，并在此基礎(chǔ)上采用多類分類支持向量機(jī)方法實(shí)現(xiàn)了多形態(tài)血細(xì)胞信號(hào)的分類識(shí)別。

1 血細(xì)胞信號(hào)分析

    根據(jù)庫(kù)爾特原理[9],，血細(xì)胞通過檢測(cè)小孔時(shí)產(chǎn)生電壓脈沖信號(hào),，根據(jù)脈沖數(shù)量得到單位時(shí)間內(nèi)通過細(xì)胞的個(gè)數(shù)。實(shí)際檢測(cè)過程中由于樣本濃度,、小孔負(fù)壓、微型氣泡等影響,，檢測(cè)到的細(xì)胞脈沖形態(tài)多樣[10],，圖1（a）是一個(gè)細(xì)胞通過時(shí)的單峰信號(hào)，圖1（b）是兩個(gè)或多個(gè)細(xì)胞同時(shí)通過時(shí)的M型多峰脈沖信號(hào),，圖1（c）是單個(gè)細(xì)胞從檢測(cè)小孔邊緣斜向通過時(shí)的“m”型駝峰式脈沖信號(hào),。多形態(tài)的脈沖信號(hào)影響血細(xì)胞計(jì)數(shù)的準(zhǔn)確度，因而,，在對(duì)血細(xì)胞信號(hào)進(jìn)行正確分類與識(shí)別前,，需要對(duì)這3種形態(tài)的血細(xì)胞脈沖信號(hào)進(jìn)行合適的特征分析與提取。

jsj5-t1.gif

2 血細(xì)胞特征提取

2.1 時(shí)域特征提取

    單純的脈沖計(jì)數(shù)容易將M信號(hào)和m信號(hào)誤判為單峰信號(hào),，引起脈沖信號(hào)的誤計(jì)或漏計(jì),。考慮到M信號(hào)和m信號(hào)時(shí)域特征相似,，本小節(jié)以M信號(hào)為代表對(duì)這兩種形態(tài)的雙峰信號(hào)建立模型進(jìn)行特征分析,。

    圖2是一例典型的M信號(hào)脈沖波形。α,、β分別是第一個(gè)脈沖下降時(shí)的平均角度和第二個(gè)脈沖上升時(shí)的平均角度,。

jsj5-t2.gif

    根據(jù)信號(hào)分析結(jié)果可知，m信號(hào)的谷值較M信號(hào)谷值高,，且后者的第二個(gè)脈沖變化程度較前者劇烈,，因此，采用峰谷比和陡度描述兩者在時(shí)域的差異,。

jsj5-t2-x1.gif

    根據(jù)上述分析,，提取兩個(gè)脈沖的寬度和高度以及峰谷比和陡度構(gòu)造M信號(hào)的時(shí)域特征向量：

    jsj5-gs1.gif

2.2 頻域特征提取

    血細(xì)胞脈沖信號(hào)的時(shí)域特征能夠有效區(qū)分單峰和雙峰脈沖信號(hào)。本小節(jié)主要分析兩種形態(tài)的雙峰脈沖信號(hào)的特征差異，提取能夠正確區(qū)分這兩種形態(tài)脈沖的特征量,。

    圖3是兩種形態(tài)的雙峰脈沖信號(hào)序列,，其序列長(zhǎng)度和脈沖個(gè)數(shù)均相同。

jsj5-t3.gif

    對(duì)這兩種脈沖序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解[11],，得到一序列模態(tài)分量,，如圖4所示。

jsj5-t4.gif

    由圖4可見：原始脈沖序列經(jīng)過EMD分解后得到一序列頻率由高到低的模態(tài)分量,，且越早分解出來的分量頻率越高,，IMF1分量代表原始信號(hào)的最高頻率成分，往后依次分解得到次高頻,、中頻,、低頻成分，最后得到單調(diào)的趨勢(shì)分量,。各個(gè)分量在同一局部位置上的頻率成分和振蕩模式均不相同,，表明經(jīng)驗(yàn)?zāi)B(tài)分解能夠充分體現(xiàn)原始信號(hào)的所有局部振蕩。

    對(duì)分解后的IMF分量進(jìn)行Hilbert變換,，得到各分量的瞬時(shí)幅值和瞬時(shí)頻率,。將幅值表示成時(shí)間-頻率的分布后，得到原始信號(hào)的Hilbert幅值譜(簡(jiǎn)稱Hilbert譜),，如圖5所示,。在Hilbert譜的基礎(chǔ)上求得原始信號(hào)的邊際譜如圖6所示。由信號(hào)的Hilbert譜和邊際譜可以看出,，對(duì)信號(hào)幅值和能量的主要貢獻(xiàn)頻率主要集中在IMF2~IMF8所表示的的頻段上,。

jsj5-t5.gif

jsj5-t6.gif

    血細(xì)胞脈沖信號(hào)的形態(tài)差異和固有特征與其自身的幅值、頻率和能量有著密切的內(nèi)在關(guān)聯(lián),。為了研究?jī)煞N形態(tài)的雙峰脈沖信號(hào)的差異性,，對(duì)兩者的平均強(qiáng)度、頻譜質(zhì)心,、能量貢獻(xiàn)率這3個(gè)特征量進(jìn)行了對(duì)比分析,。設(shè)原始信號(hào)經(jīng)EMD分解后得到M個(gè)模態(tài)分量和一個(gè)殘余量，其中第i階模態(tài)分量共有N個(gè)采樣點(diǎn),，則第j個(gè)采樣點(diǎn)的瞬時(shí)幅值,、瞬時(shí)頻率、瞬時(shí)強(qiáng)度,、瞬時(shí)能量分別為aij,、fij、Aij,、Eij,，i=1,，2，…,，M,；j=1，2,，…N,。

    (1)平均強(qiáng)度

    平均強(qiáng)度體現(xiàn)了在給定頻帶范圍內(nèi)信號(hào)的幅值特征，反映了信號(hào)在頻域空間的強(qiáng)度分布,。第i階模態(tài)分量的平均強(qiáng)度可定義為：jsj5-gs2-s1.gif

    (2)譜質(zhì)心

    譜質(zhì)心[12]是信號(hào)分析的一個(gè)重要特征量,，是在給定頻帶范圍內(nèi)以每個(gè)頻率成分的能量為權(quán)重的加權(quán)平均頻率，它反映了信號(hào)能量與頻率成分之間的分布關(guān)系,。第i階模態(tài)分量的譜質(zhì)心可定義為：

    jsj5-gs2-3.gif

    (3)能量貢獻(xiàn)率

    能量貢獻(xiàn)率表示單個(gè)模態(tài)分量的能量在原始信號(hào)總能量中的比重,，它能夠體現(xiàn)原始信號(hào)的某些固有特征。第i階模態(tài)分量的能量貢獻(xiàn)率可定義為：

    jsj5-gs4.gif

    對(duì)圖3中的兩類脈沖信號(hào)進(jìn)行EMD分解和Hilbert譜分析,，求得各分量的平均強(qiáng)度,、譜質(zhì)心、能量貢獻(xiàn)率,，如圖7和圖8所示,。

jsj5-t7.gif

jsj5-t8.gif

    信號(hào)經(jīng)EMD分解后一序列IMF分量，其頻率是由高到低的,。根據(jù)IMF分量頻率分布規(guī)則，圖7中沿著X軸從右至左的分量分別是IMF1~IMF8,。對(duì)比分析兩類脈沖信號(hào)的分量特征可以發(fā)現(xiàn),，前3階分量m脈沖序列的譜質(zhì)心和平均強(qiáng)度均低于M脈沖序列；由第4~6階分量的譜質(zhì)心和平均強(qiáng)度可以看出,，M脈沖序列的模式特征較m脈沖序列突出,。由圖7可以看出，兩類脈沖序列的第2~5階分量特征有較好的區(qū)分度,。

    圖8反映了兩類脈沖序列的能量貢獻(xiàn)率差異與圖7中其平均強(qiáng)度的差異大體一致,。M脈沖的能量主要集中在第2~6階分量中，而m脈沖的能量則主要集中在第2~5階分量中,。

    綜合上述分析和討論,，兩類脈沖序列的特征差異主要體現(xiàn)在第2~5階分量上，分量的平均強(qiáng)度和能量貢獻(xiàn)率均反映了信號(hào)在頻域里的能量特征,。因此,，選擇第2~5階的分量譜質(zhì)心和能量貢獻(xiàn)率構(gòu)成血細(xì)胞脈沖信號(hào)的頻域特征向量：

    jsj5-gs5.gif

2.3 血細(xì)胞特征向量

    結(jié)合血細(xì)胞脈沖信號(hào)的時(shí)域特征向量、頻域特征向量,，可以得到用于區(qū)分3種形態(tài)的血細(xì)胞脈沖信號(hào)的14維血細(xì)胞特征向量：

    jsj5-gs6.gif

3 實(shí)驗(yàn)仿真與應(yīng)用

    從項(xiàng)目組自有的臨床數(shù)據(jù)庫(kù)中隨機(jī)選擇3種形態(tài)的脈沖樣本各200個(gè),，用以構(gòu)成本研究的樣本庫(kù),，奇數(shù)樣本用于訓(xùn)練，偶數(shù)樣本用于檢驗(yàn),。采用的分類器是多類分類支持向量機(jī)[13],，其參數(shù)設(shè)置如表1所示。

jsj5-b1.gif

    (1)用數(shù)據(jù)樣本庫(kù)中的奇數(shù)樣本對(duì)已設(shè)計(jì)好的多類分類器進(jìn)行訓(xùn)練,，用偶數(shù)樣本對(duì)訓(xùn)練好的分類器進(jìn)行測(cè)試,，同時(shí)使用模擬電路法進(jìn)行測(cè)試對(duì)比。表2分析比較了不同識(shí)別方法下的3種形態(tài)的血細(xì)胞脈沖信號(hào)的分類結(jié)果,。

jsj5-b2.gif

    (2)以瑞士奧菲MYTHIC 18儀器為參考,，按照《中華人民共和國(guó)醫(yī)藥行業(yè)標(biāo)準(zhǔn)——血液分析儀》的檢驗(yàn)方法，隨機(jī)選取醫(yī)院門診部門200位患者標(biāo)本,，以白細(xì)胞(white blood cell, WBC)為例對(duì)比采用HHT方法的國(guó)產(chǎn)儀器和MYTHIC 18的可比性和相關(guān)性,，結(jié)果見表3。

jsj5-b3.gif

    由表2可以看出,，根據(jù)HHT方法提取的血細(xì)胞特征量,，多類分類支持向量機(jī)能夠?qū)@3種形態(tài)的血細(xì)胞脈沖信號(hào)進(jìn)行正確分類與識(shí)別，分類精度可達(dá)94.33%,。而模擬電路識(shí)別法存在較大的識(shí)別誤差,。由于模擬電路識(shí)別法是通過觸發(fā)器將脈沖波轉(zhuǎn)化為方波來對(duì)脈沖信號(hào)進(jìn)行計(jì)數(shù)，且存在漏計(jì)或誤計(jì)的弱點(diǎn),，它無法反應(yīng)出血細(xì)胞信號(hào)的特征,，無法正確識(shí)別出雙峰信號(hào)。

    由表3則可以看出,，使用HHT對(duì)血細(xì)胞進(jìn)行特征提取識(shí)別能提高血細(xì)胞分析儀的可比性和分類相關(guān)性,。從整體上看，該算法識(shí)別準(zhǔn)確率相對(duì)較高,，有效提高了儀器的計(jì)數(shù)正確度和分類準(zhǔn)確度,。

4 結(jié)語(yǔ)

    本文研究了基于HHT 的血細(xì)胞信號(hào)的特征提取方法。HHT 作為一種新的信號(hào)處理方法,，在非平穩(wěn)非線性信號(hào)的分析上有著獨(dú)特的優(yōu)勢(shì),。研究表明，HHT 具有局部化特性,，分辨率高,，適應(yīng)性好并且實(shí)現(xiàn)簡(jiǎn)單，可用于實(shí)時(shí)計(jì)算,，為多形態(tài)血細(xì)胞脈沖信號(hào)的特征提取提供了有力的途徑和研究思路,。最后的實(shí)驗(yàn)結(jié)果也驗(yàn)證了HHT方法在特征提取方面的有效性與可行性。

參考文獻(xiàn)

[1] 胡少華.加強(qiáng)血細(xì)胞分析儀質(zhì)量控制提高血液檢驗(yàn)水平[J].中國(guó)實(shí)用醫(yī)藥,，2012,，7(8)：255.

[2] 許超.橈動(dòng)脈超聲多普勒血流信號(hào)的特征提取及分類研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),，2008.

[3] 許文榮.臨床血液學(xué)檢驗(yàn)(第五版/本科檢驗(yàn))[M].北京：人民衛(wèi)生出版社，2012.

[4] 孟慶豐.信號(hào)特征提取方法與應(yīng)用研究[D].西安：西安電子科技大學(xué),，2006.

[5] 周小龍.希爾伯特—黃變換在故障診斷中的應(yīng)用[D].吉林：長(zhǎng)春工業(yè)大學(xué),，2014.

[6] HUANG N E，SHEN Z,，LONG S R,，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[C].Proc.R.Soc.A.1998，454：903-995.

[7] HUANG N E.New method for nonlinear and nonstationary time series analysis：Empirical mode decomposition and Hilbert spectral analysis[C].In：Proceedings of SPIE,，2000,，4056：197-209.

[8] 賈春花.希爾伯特.黃變換及其在信號(hào)處理中的應(yīng)用研究[J].電力學(xué)報(bào)，2013,，28(4)：150-151.

[9] 叢玉隆,，樂家新，袁家穎.實(shí)用血細(xì)胞分析技術(shù)與臨床[M].北京：人民軍醫(yī)出版社,，2011.

[10] 張春光,，黃民雙，陶寶祺.血細(xì)胞計(jì)數(shù)分析儀的信號(hào)處理[J].自動(dòng)化與儀器儀表,，2000,，89(3)：27-29.

[11] 付曉波.經(jīng)驗(yàn)?zāi)B(tài)分解法理論研究與應(yīng)用[D].山西：太原理工大學(xué)，2013.

[12] 王娜, 陳克安.分段譜質(zhì)心特征在水下目標(biāo)識(shí)別中的應(yīng)用[J].兵工學(xué)報(bào),，2009,，30(2)：144-149.

[13] 白鵬，張喜斌,，張斌,，等.支持向量機(jī)理論及工程應(yīng)用實(shí)例[M].西安：西安電子科技大學(xué)出版社，2008.

此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載。