崔紅巖，胡 勇，徐圣普，馮 莉，謝小波

0 引言

體感誘發(fā)電位（somatosensory evoked potentials，SEP）可以檢測(cè)到脊髓功能的改變，是脊髓監(jiān)護(hù)中最常應(yīng)用的電生理技術(shù)。然而，在實(shí)時(shí)監(jiān)測(cè)及診斷中，術(shù)中SEP信號(hào)不僅受到患者自身產(chǎn)生的各種噪聲（如心電、腦電、肌電等）的干擾，更多地受到手術(shù)室中其他因素的干擾，如各種手術(shù)和監(jiān)護(hù)設(shè)備以及醫(yī)生在操作過(guò)程中的干擾，使得SEP的信噪比（signaltonoise ratio，SNR）非常低（一般為-20～-30 dB）[1-3]，分析和解釋十分困難。

目前，臨床監(jiān)護(hù)普遍采用的平均疊加技術(shù)耗時(shí)長(zhǎng)、缺乏動(dòng)態(tài)變異信息[4]，檢測(cè)時(shí)間的延誤可能錯(cuò)過(guò)術(shù)者進(jìn)行補(bǔ)救的最佳時(shí)機(jī)，出現(xiàn)不可逆的脊髓功能損害。因此，需要盡量減少信號(hào)疊加次數(shù)，實(shí)現(xiàn)動(dòng)態(tài)提取體感誘發(fā)電位。

自適應(yīng)濾波技術(shù)已應(yīng)用于誘發(fā)電位處理領(lǐng)域。早期主要是單一的自適應(yīng)噪聲減法器（adaptive noise canceller，ANC）和自適應(yīng)增強(qiáng)器（adaptive signalenhancer，ASE），近年來(lái)許多學(xué)者對(duì)該技術(shù)進(jìn)行了改進(jìn)[5-10]。然而，SEP是非確定性平穩(wěn)信號(hào)，每次刺激的響應(yīng)波形是變化的，現(xiàn)有技術(shù)無(wú)法迎合SEP的非線(xiàn)性特征，影響濾波效果。

本研究針對(duì)體感誘發(fā)電位的特征，基于前期的研究基礎(chǔ)[9-10]，利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性處理優(yōu)勢(shì)，基于現(xiàn)場(chǎng)可編程門(mén)陣列（field programmable gate array，F(xiàn)PGA）平臺(tái)，設(shè)計(jì)徑向基函數(shù)自適應(yīng)減法器硬件算法，提高信號(hào)信噪比，保證其性能穩(wěn)定、可靠，在算法上實(shí)現(xiàn)SEP的快速提取。

1 自適應(yīng)濾波器設(shè)計(jì)

1.1 原理與方法

如圖1所示，基于徑向基函數(shù)的自適應(yīng)減法器（ANC-RBF）由ANC與徑向基函數(shù)（radialbasis function，RBF）神經(jīng)網(wǎng)絡(luò)構(gòu)成。輸入信號(hào)經(jīng)ANC消噪后初步提高SEP信噪比，然后經(jīng)RBF對(duì)信號(hào)進(jìn)行非線(xiàn)性處理。其中，ANC和RBF的結(jié)構(gòu)與文獻(xiàn)[10]相同。

圖1 基于徑向基函數(shù)的自適應(yīng)信號(hào)減法器工作原理

1.2 基于FPGA的ANC-RBF設(shè)計(jì)

研究中，以FPGA作為SEP快速提取算法的硬件載體。如圖2所示，ANC-RBF由ANC模塊和RBF模塊構(gòu)成，帶噪信號(hào)s（n）與相關(guān)噪聲r(shí)（n）經(jīng)自適應(yīng)消噪后，將誤差信號(hào)e1輸入RBF進(jìn)行逼近，得到進(jìn)一步去除噪聲的信號(hào)z（n），即濾波器最終輸出。2個(gè)模塊均采用最小均方算法（leastmean square，LMS）更新濾波器（finite impulse response，F(xiàn)IR）權(quán)值，以RBF作為神經(jīng)網(wǎng)絡(luò)激勵(lì)函數(shù)。

圖2 ANC-RBF在FPGA中的實(shí)現(xiàn)

對(duì)于LMS算法，不同的FPGA硬件結(jié)構(gòu)算法在運(yùn)算速度和資源消耗等方面有顯著差異。為加大運(yùn)算速度，采用串并結(jié)合的結(jié)構(gòu)來(lái)實(shí)現(xiàn)LMS算法[10]，如圖3所示。對(duì)于FIR算法，采用并行FPGA硬件結(jié)構(gòu)，即不同階的數(shù)據(jù)同時(shí)運(yùn)算，不共用乘法器和加法器，這種結(jié)構(gòu)器件使用效率更高。

圖3 LMS自適應(yīng)算法硬件實(shí)現(xiàn)

基于FPGA的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，關(guān)鍵是如何有效減少資源的消耗。研究中，徑向基函數(shù)硬件算法如圖4所示。由于SEP是周期信號(hào)，假設(shè)信號(hào)周期為T(mén)，隱單元數(shù)為N。簡(jiǎn)化徑向基函數(shù)：取徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中心和寬度分別為bj=（j-1），使徑向基函數(shù)在不同的隱單元處以ci為中心，且波形相同[10]。

圖4 徑向基函數(shù)硬件實(shí)現(xiàn)

1.3 仿真實(shí)驗(yàn)設(shè)計(jì)

本研究基于FPGA（Xilinx公司的Spartan3e系列）設(shè)計(jì)信號(hào)處理系統(tǒng)。利用Matlab的動(dòng)態(tài)系統(tǒng)仿真工具Simulink，對(duì)5例接受脊柱側(cè)彎手術(shù)患者的原始SEP信號(hào)進(jìn)行仿真實(shí)驗(yàn)，并與以自適減法器和徑向基函數(shù)為基礎(chǔ)構(gòu)造的濾波器（ANC-RBF）提取SEP的性能進(jìn)行評(píng)價(jià)。術(shù)中SEP監(jiān)護(hù)采用NicoletViking IV電生理監(jiān)護(hù)系統(tǒng)（美國(guó)Nicolet公司），頻率為5.1Hz，脈寬為0.3ms，以恒流方波電脈沖刺激正中神經(jīng)，刺激強(qiáng)度為25mA，刺激持續(xù)時(shí)間為3ms；記錄電極放置于與脊柱C5～C7位置平行的頸部皮膚表面，濾波器帶寬為 20～3 000 Hz，掃描時(shí)間為 100ms，采樣率為5 kHz，模數(shù)轉(zhuǎn)換分辨率為16位。

仿真實(shí)驗(yàn)中，將600次刺激響應(yīng)的SEP做總體平均，得到的信號(hào)作為標(biāo)準(zhǔn)的SEP模板。本研究用由白噪聲生成的腦電圖（electroencephalogram，EEG）和50Hz工頻干擾來(lái)模擬干擾SEP的噪聲[11]，采用5階ANC濾波器，原始SEP信號(hào)經(jīng)過(guò)ANC消噪后，使徑向基函數(shù)網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)降低，N取26，β按經(jīng)驗(yàn)值取 0.8[8]。在信噪比分別為-15、-25、-30 dB 時(shí)，利用信噪比和失真因子評(píng)價(jià)自適應(yīng)減法器與徑向基函數(shù)減法器提取體感誘發(fā)電位的性能[10]。

2 結(jié)果

2.1 信噪比分析

圖 5為不同信噪比（-15、-25、-30 dB）條件下，F(xiàn)PGA中實(shí)現(xiàn)的ANC和ANC-RBF對(duì)噪聲（工頻干擾、EEG噪聲）進(jìn)行消除后輸出信號(hào)信噪比的比較。結(jié)果顯示：隨著輸入信號(hào)信噪比的降低，各濾波器輸出信號(hào)的信噪比也相應(yīng)降低（同一顏色柱比較），但ANC-RBF和ANC收斂后，輸出信號(hào)的信噪比均大于0 dB；對(duì)同一輸入信號(hào)信噪比，ANC-RBF對(duì)工頻干擾、EEG噪聲濾波后的信噪比均大于ANC濾波后的信噪比。這說(shuō)明ANC-RBF和ANC輸出信噪比均得到改善，但是ANC-RBF對(duì)誘發(fā)電位的去噪效果更好。

圖5 FPGA中實(shí)現(xiàn)的ANC與ANC-RBF輸出信號(hào)信噪比比較

2.2 失真因子分析

圖 6為不同信噪比（-15、-25、-30 dB）條件下，F(xiàn)PGA中實(shí)現(xiàn)的ANC和ANC-RBF對(duì)噪聲（工頻干擾、EEG噪聲）進(jìn)行消除后輸出信號(hào)信噪比的比較。由圖6可知：對(duì)于工頻去噪，隨著輸入信號(hào)信噪比的降低，各濾波器工頻去噪后的輸出信號(hào)相對(duì)于模板信號(hào)的失真因子相應(yīng)增大，但輸入信噪比為-15 dB時(shí)，ANC輸出相對(duì)于模板信號(hào)的失真比ANC-RBF??；對(duì)于EEG去噪，雖然輸入信噪比為-15 dB時(shí)，ANC輸出相對(duì)于模板信號(hào)的失真比ANC-RBF小，但輸入信噪比增大時(shí)，ANC輸出相對(duì)于模板信號(hào)的失真比ANC-RBF大。同時(shí)，不同輸入信噪比條件下，ANC-RBF對(duì)EEG去噪的輸出相對(duì)于模板信號(hào)的失真變化不大，而ANC對(duì)于EEG去噪的穩(wěn)定性不好。輸入信噪比為-15 dB時(shí)，ANC對(duì)工頻干擾、EEG去噪的效果較好，但輸入信號(hào)信噪比較低時(shí)，ANC-RBF相對(duì)于模板信號(hào)的失真度更小。這說(shuō)明在信噪比低的情況下，RBF的加入可以將ANC中的高頻噪聲成分濾除，彌補(bǔ)了ANC的不足，保證了對(duì)信號(hào)特征的擬合。

圖6 FPGA中實(shí)現(xiàn)的ANC與ANC-RBF輸出信號(hào)失真因子比較

2.3 波形分析

在臨床SEP監(jiān)護(hù)中，SEP信號(hào)的波幅和潛伏期是判斷脊髓損傷的關(guān)鍵指標(biāo)。圖7、8分別為輸入信噪比為-30 dB時(shí)，F(xiàn)PGA中實(shí)現(xiàn)的ANC和ANCRBF輸出波形與SEP模板信號(hào)的比較結(jié)果。由圖7、8可知：ANC和ANC-RBF均能較好地提取出SEP信號(hào)的波形特征，可以更準(zhǔn)確地識(shí)別SEP信號(hào)的波幅和潛伏期。但ANC-RBF提取的SEP雖然波形比較平滑，但與模板信號(hào)相比存在一定的差別，在一些不太重要的位置出現(xiàn)了一定的波形失真。然而，表1中的ANC-RBF對(duì)于模板信號(hào)的變異系數(shù)遠(yuǎn)小于ANC，說(shuō)明這種失真比較穩(wěn)定?？梢?jiàn)，由于節(jié)點(diǎn)數(shù)限制，ANC-RBF并未很好地?cái)M合出信號(hào)的峰值特征，但并不影響其對(duì)SEP信號(hào)的模擬效果。

圖7 FPGA中實(shí)現(xiàn)的ANC輸出波形與SEP模板信號(hào)比較（-30 dB）

圖8 FPGA中實(shí)現(xiàn)的ANC-RBF輸出波形與SEP模板信號(hào)比較（-30 dB）

表1 5個(gè)病例SEP輸出信號(hào)誤差分析

3 結(jié)論

在基于FPGA的濾波器設(shè)計(jì)中，選擇合理的硬件結(jié)構(gòu)可以簡(jiǎn)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，降低硬件資源消耗。基于徑向基函數(shù)的自適應(yīng)減法器比單一自適應(yīng)減法器對(duì)術(shù)中體感誘發(fā)電位的去噪效果更好，不僅提取出的信號(hào)失真度較小，而且波形更為平滑，使SEP信號(hào)的潛伏期和幅值更易識(shí)別，可為術(shù)中監(jiān)護(hù)提供更為準(zhǔn)確的監(jiān)護(hù)參數(shù)。本研究可為術(shù)中自動(dòng)監(jiān)護(hù)儀器的開(kāi)發(fā)提供基礎(chǔ)。

[1] NuwerM R.Spinalcord monitoring with somatosensory techniques[J].Clin Neurophysiol，1998，15（3）：183-193.

[2] Guerit JM.Neuro monitoring in the operating room： why，when，and how to monitor[J].Electroencephalo Clin Neurophysiol，1998，106（1）：1-21.

[3] CUIHong-yan，Keith D L，HUYong.Effects of physiological parameters on intraoperative somatosensory evoked potential monitoring：results from a multi factoranalysis[J].Medical Science Monitor，2009，15（5）：226-230.

[4] Thakor N V，ZHU Y S.Applications of adaptive filtering to ECG analysis：noise cancellation and arrhythmia detection [J].IEEE Transactionson Biomedical Engineering，1991，38（8）：785-794.

[5] Benny SC，HU Yong，Keith D K L，et al.Multi-adaptive filtering technique for surface somatosensory evoked potentials processing[J].Med Eng&Physics，2005，27：257-266.

[6] Lam BSC，HUYong，LuaWW，etal.Multi-adaptive filtering technique for surface somatosensory evoked potentials processing[J].Medical Engineering&Physics，2005，2： 257-266.

[7] Fung K S，Chan FH，Lam FK，etal.A tracing evoked potentialestimator[J].Med Biol EngComput，1999，37（2）：218-227.

[8] QIUWei，CHANGChun-qi，LIUWen-qing，etal.Real-time datareusing adaptive learning of a radialbasis function network for trackingevoked Potentials[J].IEEE Trans Biomed Eng，2006，53（2）：226-237.

[9] Lam B SC，Hu Y，LuWW，etal.Valid of adaptive signal enhancer in intraoperative somatosensory evoked potentials monitoring[J].Journal of Clinical Neurophysiology，2004，21（6）：409-417.

[10] 崔紅巖，謝小波，徐圣普，等.徑向基函數(shù)網(wǎng)絡(luò)在體感誘發(fā)電位實(shí)時(shí)監(jiān)測(cè)中的應(yīng)用[J].國(guó)際生物醫(yī)學(xué)工程雜志，2012，35（3）：137-141.

[11] Chan FHY，Lam FK.Detection of brainstem auditory evoked potentialbyadaptive filtering[J].Medical&Biological Engineering&Computing，1995，33：69-75.