Page 16 - 《应用声学）》2023年第5期
P. 16

第 42 卷 第 5 期                                                                       Vol. 42, No. 5
             2023 年 9 月                          Journal of Applied Acoustics                 September, 2023

             ⋄ 研究报告 ⋄



             基于超声射频信号的支持向量机双参量B线识别方法                                                                      ∗






                                         张皓宇 马泉龙 张 蕾 钟 徽                         †


                                  (西安交通大学生命学院       生物医学信息工程教育部重点实验室          西安   710049)

                摘要：肺超声中的特殊征象 B 线对于临床诊断肺水肿等肺部疾病有重要意义，但诊断结果依赖于医生的主观
                判断。为了客观、自动地识别 B 线，提高诊断准确率，该文提出了一种基于超声回波射频信号的肺脏超声特殊
                征象 B 线识别方法。该文首先选取了射频信号的排列熵、信息熵、峰度、偏度、能量作为特征参数，利用独立样
                本 t 检验和单参数贝叶斯分类的方法检验超声射频数据中 B 线、非 B 线所对应射频数据的各个参量的差异性
                以及各参数与 B 线识别的相关性。然后将不同的双参量组合输入非线性支持向量机中进行分类，比较各个组
                合的分类效果。结果显示信息熵与排列熵参数组合基于射频信号的分类效果最好，分类灵敏度为 90.521%，特
                异性为 98.106%，准确率为 96.328%，受试者工作特征曲线下面积等于 0.95。在引入后处理算法后，B 线识别效
                果有进一步提升，得到分类平均灵敏度为 95.23%，平均特异性为 97.22%，平均准确率为 96.88%。研究结果表
                明基于射频数据的支持向量机双参量 B 线识别方法对辅助临床诊断具有重要价值，信息熵和排列熵的组合可
                以有效地对特殊征象 B 线进行高精度识别。
                关键词：肺超声；B 线；射频信号；双参量；支持向量机
                中图法分类号: R318.6          文献标识码: A          文章编号: 1000-310X(2023)05-0908-09
                DOI: 10.11684/j.issn.1000-310X.2023.05.002




             Support vector machine-based two-parameter B-line identification method using
                                         ultrasound radio frequency signal



                                ZHANG Haoyu      MA Quanlong    ZHANG Lei     ZHONG Hui

                (Key Laboratory of Biomedical Information Engineering of Ministry of Education Department of Biomedical Engineering,
                            School of Life Science and Technology, Xi’an Jiaotong University, Xi’an 710049, China)

                 Abstract: Special artifact B-line of lung ultrasound has important significance for clinical diagnosis of lung
                 lesions like pulmonary edema and so on. However, accurate diagnosis depends on subjective judgment of the
                 doctor. In order to identify B line objectively and automatically, so as to improve the diagnostic accuracy,
                 a B-line identification method for lung ultrasound using ultrasonic echo radio frequency (RF) signals was
                 proposed. The t-test and Bayes test methods were used to test distinction and identification correlation of
                 several characteristic parameters including permutation entropy, information entropy, kurtosis, skewness and
                 energy between B-Line and non-B-Line area. Different two-parameter combinations were input into nonlinear
                 support vector machine (SVM) for classification. The classification results of these combinations were compared.


             2022-05-10 收稿; 2022-06-14 定稿
             国家自然科学基金项目 (31870983)
             ∗
             作者简介: 张皓宇 (1998– ), 男, 湖北襄阳人, 硕士研究生, 研究方向: 肺超声成像与应用。
             † 通信作者 E-mail: bmezhonghui@xjtu.edu.cn
   11   12   13   14   15   16   17   18   19   20   21