基于EEMD有效成分优选的超声多普勒血流测速法

为克服短时傅里叶变换(Short-Time Fourier Transform,STFT)在应对非平稳血流信号分析的局限性,提出基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),并根据归一化波动指数(Normalized Fluctuation Index,NFI)选择有效血流成分的新方法EEMD_N.首先,对血流多普勒信号进行EEMD分解,得到本征模态函数(Intrinsic Mode Function,IMF)组,计算IMF的NFI;其次,使用傅里叶函数拟合不同NFI阈值的血流速度测量误差,以最小误差确定NFI最优阈值;然后,根据NFI最优阈值在IMF组中选择有效血流成分;最后,使用多普勒频移公式计算血流速度.仿真结果表明,与传统STFT法相比,EEMD_N法估计的血流速度剖面归一化均方根误差减小9.04%.人体颈动脉临床试验结果进一步验证了EEMD_N法的有效性.EEMD_N法能够有效改善血流速度剖面的测量精度,尤其是靠近血管壁的低速血流,有望为心血管疾病提供更准确的诊断信息.