Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Рабочая программа'
- Федеральный перечень учебников, утвержденный приказом Минобрнауки РФ, рекомендованных (допущенных) к использованию в образовательном процессе в обще...полностью>>
'Программа'
Третьякова Татьяна Цирковой коллектив «Аллегро» ООО «ТАЧИС» МБУ ДО «Детская школа искусств пос. Сылва» , Пермский муниципальный район, Пермский край п...полностью>>
'Документ'
1. Внести в приказ Министерства труда и социального развития Республики Адыгея от 29 февраля 2016 года № 41 «О порядке осуществления внутреннего финан...полностью>>
'Документ'
На основании подпункта 6.22 пункта 6 Положения о Министерстве спорта и туризма Республики Беларусь, утвержденного постановлением Совета Министров Респ...полностью>>

Главная > Обзор

Сохрани ссылку в одной из сетей:
Информация о документе
Дата добавления:
Размер:
Доступные форматы для скачивания:

Университетские исследования, 2013.

УДК 519.23/25

Способ визуализации пульса

Чечулин В. Л., Черепанова Ю. А.,

Пермский государственный национальный исследовательский университет,

Россия, 614990, г. Пермь, ул. им. Букирева, 15.

chechulinvl@mail.ru

Описана процедура усиления видеосигнала для визуализации пульса человека. Использованы принципы фильтрации зашумлённых сигналов: линейное сглаживание, формирующее базовое значение сигнала, усреднение по промежутку времени равному среднему периоду пульса; линейное сглаживание, фильтрующее разность видеосигнала и полученного выше базового сигнала.

Ключевые слова: усиление видеосигнала, визуализация пульса человека, линейная фильтрация, обработка видеоизображений, фильтрация шумов.

 Чечулин В. Л., Черепанова Ю. А., 2013.

Обзор

Усиление видеосигнала используется для выявления и визуализации изменений, которые неразличимы невооружённым взглядом, но информация, содержащаяся в этом сигнале, является полезной для дальнейшей интерпретации (диагностики). Например, в медицинской диагностике большое количество полезной информации содержится в видеосигнале лица человека, так как во время сердечного цикла меняется цвет лица, что позволяет определить пульс человека.

Существует множество разработок в области определения пульса, основанных на анализе и обработке видео изменений, происходящих на поверхности кожи человека во время сердечного цикла. Основным методом, предлагаемым зарубежными авторами, является метод видеоусиления Эйлера [6], в основе которого лежит динамическое усиление сигнала. Недостатком этого метода является громоздкость кода и большой объём вычислений, это связано с тем, что предлагаемый алгоритм является универсальным (для усиления интенсивности и пространственных микродвижений). Другая методология бесконтактного измерения пульса основана на методе слепого исходного разложения (BSS – Blind Source Separation), в частности на методе анализа независимых компонент (ICA – Independent Component Analysis) [5]. Также существуют методы, основанные на информации, содержащейся в тепловом сигнале, излучаемом поверхностью кровеносных сосудов [3]. Все указанные выше методы требуют специальной аппаратуры видеосъёмки [5][3] или значительного объёма вычислений [4], что затрудняет их реализацию в мобильных устройствах широкого применения. Кроме того, они искажают информацию об исходном сигнале, делая произвольные предположения о форме исходного сигнала, что делает невозможным применение этих методов при тонкой медицинской диагностике – анализе аритмий и т. п.

Требуется разработать алгоритм, решающий задачу усиления видеосигнала для визуализации пульса с использованием доступного оборудования и простых математических методов, не требующих большого количества вычислений, т. е. такой метод, который сможет работать на обычном телефоне, оснащённом видеокамерой (обеспечивая тем самым массовость применения медицинской диагностики, основанной на этом методе).

Исходные данные

Как показано на рис. 1, имеется последовательность кадров , - момент времени, когда поступает изображение, (x,y) – битовый сигнал, .

Рис. 1. Исходная последовательность кадров

Каждый кадр представляет собой матрицу битов, каждый элемент которой характеризуется цветом, задаваемым с использованием аддитивной цветовой модели RGB. Цвет задаётся тремя кодами: R-код – красный, G-код – зелёный, B-код – синий, следовательно, каждый элемент матрицы содержит три элемента – три цветовых кода.

Так как на изображение в значительной степени влияет изменение естественного освещения, при котором ведётся съёмка, а также передвижение в кадре объекта исследования (человека), то исходная последовательность кадров имеет большое количество шумов. Для решения данной проблемы предлагается применение метода двойной фильтрации, при котором для уменьшения влияния шума применяется два фильтра: по длинному среднему и по короткому среднему.

Описание алгоритма

Рассматривается преобразование R-кода (красного). Берётся кадр из исходной последовательности X. Если считать, что R-код непрерывен, то среднее считается по формуле:

. (1)

Короткое и длинное среднее в этом случае отличается выбором промежутка времени . Причём усреднение производится симметрично во времени, то есть среднее значение получается не на всем рассматриваемом периоде [], а, в соответствии с рис. 2, на промежутке [].


Рис. 2. Период получения среднего

Так как в реальности кадры поступают не непрерывно, то и R-код дискретен, поэтому среднее считается иначе:

  • короткое среднее - по кадрам, поступившим за промежуток времени находится среднее значение кода для выбранного бита:

, (2)

где , - количество кадров, поступивших за промежуток времени , выбирается из интервала 0,1–0,2 сек. (максимальная величина меньше трети минимального периода пульса).

  • длинное среднее - по кадрам, поступившим за промежуток времени находится среднее значение R-кода для выбранного бита:

, (3)

где , - количество кадров, поступивших за промежуток времени , выбирается из интервала 1–3 сек. (равная максимальному периоду пульса в интервале значений пульса).

Далее считается разница между длинным и коротким средним:

, (4)

где . Полученная разность усиливается умножением на коэффициент α, α>1. В результате сложения элементов исходной последовательности X и усиленной разности средних получается отфильтрованная усиленная последовательность , элементы которой находятся по формуле (5):

, (5)

где .

Вместо элементов исходной последовательности в формуле (5) можно использовать длинное среднее, т.е. усиленный сигнал получается как сумма длинного среднего и усиленной разности средних:

, (6)

где .

Коэффициент α выбирается таким образом, чтобы усиленный сигнал (5) или (6) не выходил за пределы диапазона [0; 255].

В формулах (2)-(6) результат должен быть вещественнозначным, он округляется при переводе в видеосигнал.

B-код и G-код обрабатывается аналогичным образом. Описанный выше алгоритм применяется к каждому биту исходного изображения и для каждого бита получается три последовательности усиленных сигналов: красного, синего и зеленого цветов.

Выбор участка изображения

Рассматривается три варианта применения алгоритма а) на имитационных данных б) на видеосигнале съемки щеки человека в) на видеосигнале съемки лба испытуемого (рисунок 11).

На рис. 3 представлен результат применения двойной фильтрации к имитационным данным.

Рис. 3. Имитационные данные

На рис. 4 представлен результат применения двойной фильтрации к данным, снятым с щеки человека, при этом коэффициент усиления берётся равным 60.

Рис. 4. Данные с щеки

На рис. 5 представлен результат применения двойной фильтрации к данным, снятым со лба человека, при этом коэффициент усиления берётся равным 10.

исходный сигнал

усиленный сигнал

рассматриваемый период времени

Рис. 5. Данные со лба

На рис. 4 и рис. 5 выделена область рассмотрения сигнала, в соответствии с рис. 2 период, выходящий за границы этой области, не рассматривается.

В случае использования данных со лба достаточен коэффициент усиления равный 10, в случае данных со щеки при таком значении коэффициента усиления колебаний пульса не видно, необходим коэффициент усиления 60. Амплитуда колебания видеосигнала, соответствующего пульсу человека, при анализе исходных данных, взятых со лба, больше, следовательно видеосигнал, взятый со лба, является более приемлемым для применяемого метода.1

Разность фаз

Считается, что частота пульса (p) известна, она измерена пульсометром, а фаза пульса (d) не известна. Тогда - идеальный пульс крови, соответствующий данной частоте пульса p, затем последовательно сдвигается, т. е. рассматривается . Далее считается коэффициент корреляции [1] между последовательностью и последовательностью . Искомой фазой считается та, при которой коэффициент корреляции принимает максимальное положительное значение, т. е. ищется:

. (13)

В табл. 1 приведены данные для примера нахождения фазы пульса при известной частоте на имитационных данных.

Таблица 1. Пример расчёта частоты и фазы пульса

Частота пульса, в кадрах видео

1,6

1,6

1,6

1,6

1,6

Фаза пульса, в кадрах видео

0

8

16

24

32

Коэффициент

корреляции

0,39

0,15

-0,64

0,91

-0,86

Частота пульса берётся равной 1.6, фаза пульса перебирается последовательно, начиная с 0, с периодом 8. Искомой величиной фазы пульса является 24, т. к. при этом значении получается максимальный коэффициент корреляции между усиленным и смоделированным сигналами.

На рис. 6 изображён процесс поиска фазы пульса для имитационных данных, фаза подбирается для усиленного сигнала.

Рис. 6. Определение фазы пульса

Так как для красного и синего кодов усиленный сигнал представляет две разных последовательности, то получается два разных значения фазы для R-кода и B-кода. Разность фаз красного и синего кодов предназначена для дальнейшей медицинской диагностики. Более подробное описание приведено в [2].

Библиографический список

1. Айвазян С. А., Енюков И. С., Мешалкин Л. Д., Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. – 471с.

2. Чечулин В. Л., Черепанова Ю. А., Разработка математических методов обработки видеосигнала для выявления скрытых закономерностей кадров изображений видеосигнала // отчёт о НИР № госрегистрации 01201363814, заказчик ЗАО "ИВС", 2013.—22 с.

3. Garbey M., Sun N., Merla A., Pavlidis I., Comtact-free measureement of cardiac pulse based on the analysis of thermal imagery // URL: http://bioinstrumentacion.eia.edu.co/documentacion/bio/contact_free.pdf

4. Haiying Xia, Zhouxiao Bao, Haomiao Jiang, Mobile cardiac pulse measurements / Electrical Engineering, Stanford // URL: http://www.stanford.edu/class/ee368/Project_12/Reports/Jiang_Bao_Xia_Mobile_cardiac_pulse_measurements.pdf

5. Lorenzo Scalise, Non contact heart monitoring //

URL: /pdfs/27007/InTech Non_contact_heart_monitoring.pdf

6. Peter J. Burt, Edward H. Adelson, The laplacian pyramid as a compact image code // URL: https://www.cs.tau.ac.il/~hezy/Vision%20Seminar/pyramid83.pdf

Pulse visualization method

Chechulin V. L., Cherepanova Yu. A.,

Perm State University, MMF

Russia, 614990, Perm, Bukirev st., 15.

chechulinvl@

Procedure of video signal gain for pulse visualization is described. Principles of noisy signals filtering are used: linear smoothing, forming a base value of the signal; averaging over a time interval equal to the average period heartbeat; linear smoothing, filtering a difference of video signal and received above base signal.

Keywords: video signal gain, pulse visualization, linear filtering, video-display processing, noise filtering.

 Chechulin V .L., Cherepanova Yu. A., 2013.

1 Лоб человека практически не содержит жирового слоя, в отличие от щеки, поэтому колебания яркости на любу заметнее.

стр. 10 из 10



Похожие документы:

  1. Университетские исследования, 2013 (1)

    Документ
    ... С. Н., Леготкин В. С., Механизм поглощения инфляции // Университетские исследования. 2013. Раздел экономика. URL: /files/articles ... В. С. Оценка произведенной инфляции России // Университетские исследования, 2013. Раздел экономика. URL: http://www ...
  2. Университетские исследования, 2013 (3)

    Документ
    ... численности населения по странам мира. // Университетские исследования, 2013. /files/articles/692_21635.doc 3. Чечулин ... предельной численности населения регионов России. // Университетские исследования, 2013. /files/articles/691_46364.doc 4. Росстат ...
  3. Университетские исследования, 2013 (5)

    Документ
    Университетские исследования, 2013 УДК 911.3; 314.3 Приближенная модель ... численности населения по странам мира. // Университетские исследования, 2013. www. – Википедия (Источник данных о населении ...
  4. Университетские исследования, 2013 (4)

    Документ
    Университетские исследования, 2013 УДК 911.3; 314.3 Приближенная модель ...
  5. Университетские исследования, 2013 около теоремы коуза

    Документ
    Университетские исследования, 2013 УДК 330 ... точках. © Чечулин В. Л., Белкин Д. Г., 2013. В западной экономической теории имеются положения ... Методика оценки валовой прибыли банка // Университетские исследования, 2013 (раздел: экономика). URL: /files ...

Другие похожие документы..