俞凱君 許子非 李春

摘 ?要： 針對(duì)孕婦臍動(dòng)脈血流信號(hào)確定性與隨機(jī)性相結(jié)合的復(fù)雜非線性特征，從一個(gè)新的角度研究正常與病態(tài)血流信號(hào)間的差異。首先以孕婦真實(shí)的臨床診斷數(shù)據(jù)為研究對(duì)象，分析了超聲臍動(dòng)脈血流信號(hào)的搏動(dòng)指數(shù)、阻力指數(shù)及S/D值，并分析了其健康狀況，在此基礎(chǔ)上引入分形維數(shù)對(duì)非線性臍動(dòng)脈血流信號(hào)進(jìn)行對(duì)比研究。通過分析孕婦臍動(dòng)脈血流分形維數(shù)，分析異常臍血流信號(hào)的分形特征，結(jié)果表明：分形維數(shù)與孕周具有相關(guān)性，分形維可作為定量檢測孕婦及胎兒健康狀況的重要指標(biāo)。

關(guān)鍵詞： 臍血流信號(hào);搏動(dòng)指數(shù)（PI）;阻力指數(shù)（RI）;S/D值;分形維數(shù)

中圖分類號(hào)： R318; N93 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.04.035

本文著錄格式：俞凱君，許子非，李春. 臍動(dòng)脈血流信號(hào)非線性臨床研究[J]. 軟件，2019，40（4）：162167

【Abstract】： Aiming at the complex nonlinear characteristics of determinate and randomness of umbilical arterial blood flow signals in pregnant women， the difference between normal and abnormal blood flow signals is studied from a new perspective. Firstly， the actual clinical diagnosis data of pregnant women were taken as the research object. The pulsation index （PI）， resistance index （RI） and S/D value of ultrasound umbilical artery blood flow signal were analyzed， and their health status was analyzed. A comparative study of nonlinear umbilical arterial blood flow signals was performed by using fractal dimension. The fractal dimension of umbilical arterial blood flow and the fractal characteristics of abnormal umbilical blood flow signal were analyzed.The results showed that fractal dimension is correlated with gestational age and it can be used as an important indicator for quantitative detection of pregnant women and fetus health status.

【Key words】： Umbilical blood flow signal; Pulsation index （PI）; Resistance index （RI）; S/D; Fractal dimension

0 ?引言

臍動(dòng)脈是母體向胎兒傳遞營養(yǎng)和物質(zhì)的重要通道[1]，對(duì)孕婦臍動(dòng)脈的血流信號(hào)進(jìn)行采集和分析，可獲取有關(guān)胎兒生長發(fā)育的重要信息[2]。目前，超聲多普勒技術(shù)已廣泛應(yīng)用于產(chǎn)科的臨床診斷中以獲取胎兒發(fā)育的相關(guān)信息，通過對(duì)這類信息的分析及處理，盡早發(fā)現(xiàn)胎兒異常以便及時(shí)處理，提前治療以降低先天性疾病概率、提高生育質(zhì)量。

多普勒臍動(dòng)脈血流信號(hào)屬于典型的非平穩(wěn)信號(hào)，具有復(fù)雜的時(shí)變特征。傳統(tǒng)的臍動(dòng)脈多普勒血流信號(hào)的分析方法主要有聲譜參數(shù)法和波形分類法。

聲譜參數(shù)法是通過獲取聲譜參數(shù)數(shù)值大小，判斷臍血信號(hào)是否異常。常見的聲譜參數(shù)主要有收縮期血流速度最大值和舒張末期血流速度值之比S/D、搏動(dòng)指數(shù)PI和阻力指數(shù)RI等。如，Hima[3]對(duì)比分析了正常和患有宮內(nèi)生長遲緩（IntraUterine Growth Retardation，IUGR）孕婦的臍動(dòng)脈和大腦中動(dòng)脈多普勒血流信號(hào)，計(jì)算其聲譜參數(shù)，發(fā)現(xiàn)在探測IUGR病癥方面，臍動(dòng)脈血流信號(hào)效果更好;Blanco等[4]通過臍動(dòng)脈多普勒血流信號(hào)的聲譜參數(shù)，發(fā)現(xiàn)臍動(dòng)脈多普勒血流信號(hào)能檢測妊娠異常，為胎兒健康評(píng)估提供有效信息;Dai等[5]發(fā)現(xiàn)患有急性胎兒宮內(nèi)窘迫癥孕婦臍動(dòng)脈血流超聲波的聲譜參數(shù)S/D、PI和RI值更低。

波形分類法則是通過對(duì)大量病例的統(tǒng)計(jì)分析，將正常波形和各種不同程度典型病例分為數(shù)類?；诓ㄐ纹ヅ?，從各種分類決策法中找出最相似的波形作為匹配結(jié)果，以此作為診斷結(jié)果[5]。Malcus等[6]針對(duì)臍動(dòng)脈多普勒流速波形圖，提出一種新的半定量波形自動(dòng)分類決策方法，并與臨床數(shù)據(jù)進(jìn)行對(duì)比，表明該方法有一定的臨床應(yīng)用價(jià)值;Latifoglu等[7]采集25位孕期13-40周孕婦臍動(dòng)脈血流多普勒信號(hào)，基于短時(shí)傅里葉和自回歸建模方法得出其功率譜密度圖，發(fā)現(xiàn)孕婦懷孕初期的功率譜密度頻率范圍低于懷孕晚期;文獻(xiàn)[8]在研制的彩色編碼血流聲譜圖上，通過計(jì)算多普勒信號(hào)的最大頻率自動(dòng)提取聲譜圖的包絡(luò)，然后自動(dòng)實(shí)現(xiàn)一種波形的分類決策方法，從而為醫(yī)學(xué)臨床提供了一定的診斷標(biāo)準(zhǔn)。

但血流信號(hào)的頻譜并未包含所有生理、病理特征信息，有許多富有極高價(jià)值的信息隱含在信號(hào)的相位譜中。僅通過分析信號(hào)頻譜或時(shí)間波動(dòng)規(guī)律尚不能進(jìn)行準(zhǔn)確的診斷。因此，選擇一種更準(zhǔn)確的非線性信號(hào)處理方法，對(duì)于臍血信號(hào)分析和孕婦、胎兒健康狀況檢測具有重要意義。

分形是解決非線性問題的一門重要學(xué)科，近年來相關(guān)研究十分活躍，其在化學(xué)、工程、生物、材料及醫(yī)學(xué)等領(lǐng)域均取得了良好的應(yīng)用效果，尤其是生物醫(yī)學(xué)信號(hào)處理方面[6-12]。國內(nèi)外相關(guān)研究人員已應(yīng)用分形理論處理多種類型的非線性信號(hào)，如生物信號(hào)檢測與指標(biāo)提取、圖譜分析與輔助功能診斷、心率變異性研究及蛋白質(zhì)二級(jí)和三級(jí)結(jié)構(gòu)預(yù)測 ? 等[13-16]。Sladana[17]通過分形理論處理腦電波數(shù)據(jù)，通過計(jì)算腦部受傷前后腦皮層信號(hào)的Higuchi分形維數(shù)，發(fā)現(xiàn)腦部警覺性變化將會(huì)改變腦電波信號(hào)的分形維數(shù);文獻(xiàn)[18]采用Imagej方法分析腰椎體松質(zhì)骨區(qū)域圖像，腰椎松質(zhì)骨CT圖像灰度紋理信息的分形維數(shù)可量化骨微結(jié)構(gòu)的退變程度，說明分形理論可基于CT圖像進(jìn)行定量的醫(yī)療診斷;Bogaert等[19]分析了正常人與心臟移植患者的心率變異信號(hào)的關(guān)聯(lián)維數(shù)，研究表明心率變異信號(hào)的關(guān)聯(lián)維數(shù)可以清楚地反映性別和生理差異;文獻(xiàn)[22]研究了受試者麻醉期心率變異性信號(hào)的關(guān)聯(lián)維數(shù)與尺度指數(shù)等分形特性參數(shù)，結(jié)果表明麻醉期心搏周期具有明顯的分形特性變化。

以上研究說明，分形理論可以通過分析腦電波、動(dòng)脈多普勒血流信號(hào)和CT圖像等典型的醫(yī)學(xué)非線性特征，獲取不同醫(yī)學(xué)信號(hào)的隱含信息，從而對(duì)案例進(jìn)行科學(xué)診斷。與傳統(tǒng)聲譜參數(shù)法和波形分類法相比，分形理論具有更強(qiáng)大的非線性信息處理能力，可更為全面、透徹地反映信號(hào)的深層次信息。

為此，本文在超聲多普勒信號(hào)分析的基礎(chǔ)上引入分形維數(shù)對(duì)非線性臍動(dòng)脈血流信號(hào)進(jìn)行對(duì)比研究。通過分析孕婦臍動(dòng)脈血流分形維數(shù)，從一個(gè)新的角度研究正常與病態(tài)血流信號(hào)間的差異，并分析病態(tài)血流信號(hào)的畸變特征和病理特性。

1 ?分形維數(shù)計(jì)算原理及方法

1977年，哈佛大學(xué)教授B.B.Mandelbrot首次提出“分形（Fractals）”一詞;1986年，將部分與整體以某種形式相似的形體定義為分形[21]。分形具有自相似性、標(biāo)度不變性、存在分?jǐn)?shù)維數(shù)以及整體與局部、局部與局部具有長程相關(guān)性等特點(diǎn)[22]。分形維數(shù)是定量分析研究對(duì)象自相似性的一種度量參數(shù)，其計(jì)算方法有多種[23]。其中，計(jì)盒維數(shù)法原理簡單，易于實(shí)現(xiàn)，因此，成為應(yīng)用最廣泛的方法之一[24]。

2 ?臍血流多普勒信號(hào)的臨床意義與采集

2.1 ?臍血流信號(hào)的臨床意義

常用臍動(dòng)脈測定數(shù)據(jù)指標(biāo)有S/D值（收縮期最高峰值/舒張末期低峰值）、搏動(dòng)指數(shù)PI（PI=（SD）/ M，M為頻率變化均值）、阻力指數(shù)RI（RI=（SD）/S）。上述指標(biāo)可直接反應(yīng)血流波形在收縮期和舒張期的形態(tài)，雖然可以不依賴于聲波和血管的夾角，但這些波形受胎兒呼吸運(yùn)動(dòng)、胎心率變異、孕婦體質(zhì)等因素影響。例如，孕婦仰臥位時(shí)，臍血流阻力增加等。

臨床研究表明，對(duì)于處于不同孕周的健康孕婦及胎兒，臍血流信號(hào)的PI值、RI值及S/D值均有其正常的合理區(qū)間值。臨床診斷中將通過多普勒血流信號(hào)采集儀采集到臍血流信號(hào)與PI、RI及S/D的正常值參考曲線圖譜及參考標(biāo)準(zhǔn)進(jìn)行比較分析，最終以此判定胎兒及孕婦的健康狀況。臍血流信號(hào)各參數(shù)值的正常值及其健康區(qū)間范圍如圖3所示。

由圖3可知，健康的孕婦的胎兒PI值應(yīng)介于0.6～2.0之間，RI值介于0.4～1之間，S/D值介于2～4之間。在正常情況下PI值、RI值及S/D值均隨孕周增長而逐漸下降。30孕周時(shí)PI值降至0.8～1.2，RI值降至0.5～0.75，S/D值降至小于3。在孕周增長過程中，S/D值下降，說明血流阻力在逐漸降低，血流增加，這有利于胎兒的生長和發(fā)育。當(dāng)以上各指標(biāo)不在健康合理區(qū)間范圍內(nèi)時(shí)，通常表現(xiàn)出各種癥狀，比如RI過高，表明胎兒-胎盤、子宮-胎盤的循環(huán)阻力增高，臨床表現(xiàn)為妊高癥病理特征;再比如S/D值異常升高，通常與母體血清葡萄糖含量有關(guān)，所以S/D比值監(jiān)護(hù)可作為控制血糖水平的一項(xiàng)指標(biāo)。通過以上參數(shù)還可檢測胎兒是否發(fā)育遲緩、雙胎、早產(chǎn)、羊水過多與不足及臍帶異常等癥狀。

2.2 ?臍動(dòng)脈血流信號(hào)的采集與分析

數(shù)據(jù)來源于無錫市錫山區(qū)人民醫(yī)院鵝湖分院臨床實(shí)驗(yàn)，實(shí)驗(yàn)設(shè)備為多普勒血流信號(hào)采集儀，型號(hào)為EDAN-MFM-OBM。該設(shè)備采集臍動(dòng)脈血流信號(hào)的原理是：利用多普勒效應(yīng)，聲源以固定頻率發(fā)射超聲波，超聲波遇到界面發(fā)生反射。用于測量血流時(shí)，聲源發(fā)射的超聲波在流動(dòng)的紅細(xì)胞上可發(fā)生后向散射，發(fā)射信號(hào)與反射信號(hào)的多普勒頻移會(huì)發(fā)生改變，將這種改變的數(shù)據(jù)進(jìn)行比較，用于測量血流方向和速度。多普勒血流信號(hào)采集儀的采集窗口如下。

根據(jù)上述臍血流信號(hào)采集原理，對(duì)處于不同孕周的104位就診孕婦進(jìn)行了多普勒信號(hào)采集，獲取了多普勒信號(hào)圖譜，如圖5為某孕婦30孕周時(shí)的臍動(dòng)脈血流信號(hào)圖譜。此外，記錄并分析了每個(gè)孕婦的搏動(dòng)指數(shù)（PI）、阻力指數(shù)RI及S/D值，結(jié)果如6所示。

由圖6可知，本文選取的104位孕婦孕周為26周至42周，年齡介于22歲到43歲之間。對(duì)104位孕婦臍血流信號(hào)進(jìn)行臨床診斷分析，其中61位診斷為正常，其余43位異?；虼嬖谝蓡?。根據(jù)搏動(dòng)指數(shù)診斷有14位孕婦的PI值出現(xiàn)異常，其中4位孕婦PI指數(shù)偏高，初步表面臍帶可能受到外界擠壓動(dòng)脈血流不暢，容易造成胎兒營養(yǎng)不良;另外10位PI指數(shù)偏低，將表現(xiàn)出其他臨床癥狀。根據(jù)阻力指數(shù)診斷，有18位孕婦臍血流信號(hào)異常，主要表現(xiàn)為臍帶流阻偏低。根據(jù)S/D值分析，有28位存在異常，初步診斷為母體血糖異常。

3 ?臍動(dòng)脈血流多普勒信號(hào)分形維數(shù)分析

根據(jù)分形維數(shù)計(jì)算分析原理，對(duì)104位孕婦臍血流信號(hào)圖譜進(jìn)行分形維數(shù)分析，為使結(jié)果更加準(zhǔn)確，分別對(duì)每位孕婦不同心動(dòng)周期下臍血流信號(hào)圖譜進(jìn)行分形維數(shù)計(jì)算，然后計(jì)算其平均值作為該孕婦臍血流信號(hào)的最終分形維數(shù)。

首先對(duì)61位健康孕婦臍血流信號(hào)圖譜的分維值計(jì)算與分析，結(jié)果如圖7所示。

由圖7結(jié)果可知：正常孕婦臍血流信號(hào)的分形維數(shù)介于1.718～1.776之間，分形維數(shù)與孕周之間具有相關(guān)性，隨孕周的增長，分形維數(shù)總體呈增大趨勢。究其原因?yàn)椋弘S著胎兒逐漸增大，所需營養(yǎng)增多，臍動(dòng)脈血流量增大，同時(shí)血流復(fù)雜性增大，因此分形維數(shù)有增大趨勢。

然后對(duì)43位異?；虼嬉稍袐D臍血流信號(hào)圖譜的分維值計(jì)算與分析，結(jié)果如圖8所示。

由圖8結(jié)果可知：異?；虼嬉稍袐D臍血流信號(hào)的分形維數(shù)介于1.753～1.901之間?？傮w趨勢與正常孕婦臍血流信號(hào)的分形維數(shù)趨勢相似，分形維數(shù)隨孕周增大也呈增大趨勢。

對(duì)比圖7與圖8可知，總體上正常孕婦臍血流信號(hào)的分形維數(shù)較異常/存疑孕婦臍血流信號(hào)分形維數(shù)小。究其原因?yàn)椋航】翟袐D臍血流流量更加穩(wěn)定，胎兒呼吸均勻，因此其多普勒信號(hào)更加穩(wěn)定;而異常孕婦因存在病例上的不正常狀況所致，母體為胎兒的供血不穩(wěn)定或是胎兒呼吸不穩(wěn)定等因素造成多普勒檢測信號(hào)波動(dòng)較大，因此其分形維數(shù)較大。根據(jù)以上分析表明，孕婦臍血流信號(hào)具有分形維數(shù)，且分形維數(shù)與孕婦孕周存在相關(guān)性，表現(xiàn)為孕周越長分形維數(shù)越大;孕婦臍血流信號(hào)的分形維數(shù)與孕婦與胎兒的健康存在相關(guān)性，分形維數(shù)可定量檢測孕婦臍血流流動(dòng)的穩(wěn)定性。

4 ?結(jié)論

基于上述研究與分析，主要結(jié)論如下：

（1）孕婦臍動(dòng)脈血流信號(hào)的分形維數(shù)與孕周具有關(guān)聯(lián)性，孕周越大分形維數(shù)越大;

（2）孕婦臍血流信號(hào)的分形維數(shù)與孕婦與胎兒的健康狀況有關(guān)，分形維數(shù)可作為定量監(jiān)測胎兒健康狀況的指標(biāo)。

（3）臍動(dòng)脈血流信號(hào)的分維值在一定程度上反映母體對(duì)胎兒供血情況，具體表現(xiàn)為：健康孕婦臍動(dòng)脈血流多普勒信號(hào)分形維數(shù)總體較異常孕婦臍動(dòng)脈血流信號(hào)分形維數(shù)低，表明正常孕婦臍血流流動(dòng)更穩(wěn)定，而異常孕婦臍血流波動(dòng)更劇烈。

參考文獻(xiàn)

[1] Trudinger B J， Giles W B， Cook C M. Flow velocity wave-forms in the maternal uteroplacental and fetal umbilical placental circulations[J]. American Journal of Obstetrics and Gynecology， 1985， 152（2）： 155-163.

[2] 張振鈞， 王宏. 超聲多普勒臍動(dòng)脈血流測定的探討[J]. 中華婦產(chǎn)科雜志， 1990， 25（4）： 212-214.

[3] Blanco P G， Vercellini R， Rube A， et al. Evaluation of Feline Uterine and Umbilical Arteries Blood Flow in a Pharma-cologically Induced Abnormal Gestation Model[J]. Therioge?no?logy， 2016， 86（9）： 2323-2327.

[4] Latifoglu F， Kara S， Guney M. Spectral Analysis of Umbilical Artery Doppler Signals During Normal Pregnancy Using STFT and AR Method[C]. IEEE： International Sym-posium on Signal Processing and ITS Applications， 2007.

[5] 吳曉峰， 汪源源， 王威琪， 等. 對(duì)超聲DOPPLER聲譜圖進(jìn)行分類決策的兩種方法[J]. 應(yīng)用聲學(xué)， 1996， 11（3）： 7-11.

[6] Xia Shaoxu， Yao Bin， Chen Qiping， et al. Composites with Koch Fractal Activated Carbon Fiber Felt Screens for Strong Microwave Absorption[J]. Composites Part B Engineering， 2016， 105（11）： 1-7.

[7] Cai Wei， Chen Wen， Xu Wenxiang. Characterizing the Creep of Viscoelastic Materials by Fractal Derivative Models[J]. International Journal of Non-Linear Mechanics， 2016， 87（12）： 58-63.

[8] Mandelbrot B B. The Fractal Geometry of Nature[M]. New York： W. H. Freeman and Company， 1983.

[9] Ataei M， Kiyoumarsi A， Ghorbani B. Control of Chaos in Permanent Magnet Synchronous Motor by Using Optimal Lyapunov Exponents Placement[J]. Physics Letters A， 2010， 374（41）： 4226-4230.

[10] Heinz-Otto Peitgen， Hartmut Jürgens， Dietmar Saupe. Chaos and Fractals： New Frontiers of Science[M]. New York： Spr-inger， 2004.

[11] Heymans O， Fissett J， Vico P， et al. Is Fractal Geometry Useful in Medicine and Biomedical Sciences[J]. Medical Hypotheses， 2000， 54（3）： 360-366.

[12] Candela R， Mirelli G， Schifani R. PD Recognition by Means of Statistical and Fractal Parameters and a Neural Network[J]. IEEE Transactions on Dielectrics & Electrical Insulation， 2000， 7（1）： 87-94.

[13] Talebinejad M， Chan A D C， Miri A. Multiplicative Multi-fractal Modeling of Electromyography Signals for Discerning Neuropathic Conditions[J]. Journal of Electromy?ography & Kinesiology， 2010， 20（6）： 1244-1248.

[14] Y?lmaz D， Güler N F. Analysis of the Doppler Signals Using Largest Lyapunov Exponent and Correlation Dimension in Healthy and Stenosed Internal Carotid Artery Patients[J]. Digital Signal Processing， 2010， 20（2）： 401-409.

[15] Gaalaas L， Henn L， Gaillard P R， et al. Analysis of Tra-becular Bone Using Site-Specific Fractal Values Calculated from Cone Beam CT Images[J]. Oral Radiology， 2014， 30（2）： 179-185.

[16] Bagheri H， Ranjbari E， Amiri-Aref M， et al. Modified Fractal Iron Oxide Magnetic Nanostructure： A Novel and High Performance Platform for Redox Protein Immobilization， Direct Electrochemistry and Bioelectrocatalysis Applica?tion[J]. Biosensors & Bioelectronics， 2016， 85（11）： 814-821.

[17] Spasi? S. Surrogate Data Test for Nonlinearity of the Rat Cerebellar Electrocorticogram in the Model of Brain Injury[J]. Signal Processing， 2010， 90（12）： 3015–3025.

[18] 馮銀波， 方向明， 陳宏偉， 等. 分形維數(shù)在CT腰椎松質(zhì)骨圖像中應(yīng)用的研究[J]. 同濟(jì)大學(xué)學(xué)報(bào)醫(yī)學(xué)版， 2016（3）： 107-111.

[19] Bogaert C， Beckers F， Ramaekers D， et al. Analysis of Heart Rate Variability with Correlation Dimension Method in a Normal Population and in Heart Transplant Patients[J]. Autonomic Neuroscience Basic & Clinical， 2001， 90（2）： 142- 147.

[20] 劉曉芳， 葉志前， 劉群芳. 麻醉期心率變異性的分形特性分析[J]. 生物醫(yī)學(xué)工程學(xué)雜志， 2006， 23（3）： 10-13.

[21] Mandelbrot B B， Wheeler J A. The fractal geometry of nature[M]. Birkh auser Verlag， 1991.

[22] 李潭. 基于分形理論的高速列車狀態(tài)分析與故障診斷研究[D]. 成都： 西南交通大學(xué)， 2015.

[23] 王鵬程. 基于分形理論的結(jié)合面接觸特性分析[D]. 昆明： 昆明理工大學(xué)， 2015.

[24] Harrouni S， Guessoum A. Using fractal dimension to quan-tify long-range persistence in global solar radiation[J]. Chaos Solitons & Fractals， 2009， 41（3）： 1520-1530.

[25] Sarkar N， Chaudhuri B B. An efficient differential box- counting approach to compute fractal dimension of image[J]. IEEE Transactions on Systems Man & Cybernetics， 1994， 24（1）： 115-120.