19、压力理疗与生物信号：探索人体奥秘的关键

压力理疗与生物信号：探索人体奥秘的关键

1. 引言

在生活中，我们所接触到的很多事物都可以被归类为系统。系统可以被宽泛地定义为“一系列相互作用以实现共同目标的操作或对象”。在生物工程领域，我们关注信号和系统，这里的系统是指对一个或多个信号进行操作或生成信号的一系列动作或组件的组合。

人体就是一个充满各种系统的复杂集合。例如，循环系统负责将富含氧气的血液输送到内皮细胞；心肺系统则承担着空气与血液之间的气体（主要是氧气和二氧化碳）交换；肾脏系统的任务是维持水和离子的平衡，并调节离子和分子的浓度；内分泌系统通过血液传播信号分子来实现广泛的信息传递；而神经系统则利用神经元和轴突，以精确控制的方式分析和传输以电脉冲形式编码的信息。

生物工程师需要与这些有机系统进行交互，而生物信号就成为了实现这种交互的关键。生物信号能够传输数据，是系统内部通信的媒介。与噪声不同，信号携带了对人类有用的信息。专业人员和医学科学家常常利用生物信号来判断或评估心血管系统的状态。许多基于生物体的变量变化都会产生生物信号，如心脏、肌肉和中枢神经系统的电脉冲、血压、脉搏率、血液中的挥发性物质和某些成分的浓度，以及心脏及其腔室产生的声音等，这些都是诊断医学中常见的检测信号。

在实验或治疗过程中，向有机系统传输信号是很有必要的。指向特定生理系统的信号通常被称为“刺激”，而由这些输入引发的输出信号则被称为“响应”。在这种情况下，有机系统就像一个具有输入和输出的系统，这是系统分析中的常见范式。

生物信号的“源”是指那些无需输入刺激就能产生输出的系统，例如心脏的电活动。虽然像运动这样的刺激可以调节心脏的电活动，但基本的信号产生并不依赖于特定的刺激。而安慰剂通常被设计为不引发生理反应，但有时也会产生显著的效果，这可能是由于复杂且尚未完全理解的神经机制所致。

由于生物信号在我们与生理系统的所有交互中都起着重要作用，因此了解这些信号的特性至关重要。信号处理技术在生物工程中也非常关键，它可以从生物信号中提取更多的信息。现代医学技术大多致力于收集新的生理信号或从各种生物信号中获取更多有用信息。

2. 生物信号

生物信号是对生物体活动（如心跳或肌肉收缩）在空间、时间或时空上的记录。在这些生物事件中，化学、电气和物理活动常常会产生可监测和评估的信号。因此，生物信号包含了重要信息，有助于解读特定生物事件或实体背后的机制，以及进行治疗诊断。

生物信号的获取方式多种多样，医生可以使用听诊器听取患者的心脏声音，也可以借助先进的生物医学设备进行检测。在收集到生物信号后，需要对其进行评估以提取有用信息。许多生物信号可以使用基本的信号分析方法进行分析，如放大、滤波、处理、数字化和存储等。这些方法通常通过简单的电子电路或数字计算机来实现。此外，一些先进的数字处理技术，如信号平滑、小波分析和机器学习技术等，也被广泛应用，能够大大提高数据恢复的质量。

2.1 生物信号的物理起源

2.1.1 生物电信号

生物电信号是由肌肉和神经细胞内部及细胞之间的电化学变化产生的。当肌肉或神经细胞受到足够强的刺激，达到一定阈值时，就会产生动作电位。通过细胞内或细胞外电极，可以检测到动作电位，它反映了离子在细胞膜上的短暂移动。激活的细胞产生的动作电位可以通过轴突从一个细胞传递到另一个细胞。当大量细胞同时活跃时，会在有机组织中形成一个外部电场。可以使用表面电极来测量组织或生物体表面的细胞外电位变化，这种现象在胃电图（EGG）、心电图（ECG）、脑电图（EEG）和肌电图（EMG）中都可以观察到。

2.1.2 生物磁信号

人体的所有器官都会产生微弱的磁场或缓慢的电磁波。这些磁场（电磁波）有时非常微弱，并且与相应的生物电信号相关。“生物磁学”是研究与特定身体活动相关的磁信号的学科，这些磁信号通常伴随着特定器官或组织产生的电场。通过使用高精度的磁传感器或磁力计，可以精确监测外周神经（磁神经图，MNG）、大脑（脑磁图，MEG）、心脏（心磁图，MCG）和胃肠道（胃磁图，MGG）的磁活动。

2.1.3 生物化学信号

生物化学信号反映了体内不同化学物质浓度的变化。可以测量和记录细胞内不同离子（如钾、钙等）的浓度。为了确定血液中氧气浓度的正常范围，常常会检测血液或呼吸系统中氧气（pO₂）和二氧化碳（pCO₂）的分压变化。这些都是生物信号的例子，它们可以用于检测葡萄糖、乳酸和代谢物水平，以及提供有关许多身体系统运行情况的信息。

2.1.4 生物力学信号

运动、张力、位移、流量、压力和力等都是有机系统的机械过程，这些过程会产生可观察到的生物信号。例如，血压是血液对血管壁施加的压力，可以用波形来记录血压的变化。波形的上升沿反映了心脏心室的收缩，此时血液从心脏排出，血压上升到收缩压（最大值）；当血压下降到最低值（舒张压）时，波形显示心室舒张。

2.1.5 生物声学信号

生物声学信号与振动有关，是生物力学信号的一个子类。许多生物过程都会产生声学噪声，例如血液流经心脏瓣膜时会发出独特的声音。通过分析心脏瓣膜的生物声学信号，可以检测其是否正常工作。呼吸系统、关节和肌肉也会产生生物声学信号，这些信号可以通过有机介质传播，并使用麦克风、加速度计等听觉传感器在皮肤表面进行监测。

2.1.6 生物光学信号

生物光学信号是由有机系统的光学特性产生的。这些信号可以自然产生，也可以通过外部光源人工产生，用于评估有机变量。例如，测量羊水的荧光特性可以提供有关胎儿健康的信息。染料稀释技术通过评估色素在血液中的循环浓度来估计心输出量。此外，红光和红外光在许多应用中被用于检测皮肤或特定组织的光吸收，以精确测量血液中的氧气水平。

2.2 生物信号的特征

生物信号可以根据多种标准进行分类，如波形形状、统计模式和时间特性等。常见的信号类型包括离散信号和连续信号。

连续信号由连续变量函数表示，在时间或空间上是连续的。连续时间信号“x”随连续时间“t”变化，用符号x(t)表示。生物事件产生的信号几乎都是连续信号，如心脏的电压读数、动脉血压读数和大脑的电活动测量等。

离散信号在当今的医疗领域也经常出现。与连续信号在连续的时间或空间区间上取值不同，离散信号只在特定的时间和/或空间点上取值。离散信号通常用整数数组或序列表示。一个离散序列y在离散时间n的特定点上出现，用符号x(n)表示，其中n是整数，代表离散序列中的第n个元素。虽然大多数生物信号本质上不是离散的，但离散信号在现代数字技术中起着重要作用。先进的医疗设备通常会将人体的连续信号转换为离散的数字序列，以便计算机进行分析和解释。例如，CAT扫描会从不同角度获取患者的连续X射线图像，并进行数字采样，然后对这些数字化处理后的图像片段进行增强、修改和处理，最终创建出患者内部器官的三维数字模型，这对于临床诊断至关重要。

生物信号还可以分为确定性信号和随机信号。确定性信号可以用数学函数或规则来描述，它由周期性信号和瞬态信号组成。周期性信号通常由多个正弦波或正弦曲线叠加而成，可以表示为：
[y(t)=y(t + aT)]
其中，y(t)表示信号，整数“a”表示周期倍数，“T”表示周期。周期是指周期性信号在时间轴上相邻重复部分之间的距离。周期性信号具有固定的波形，会无限重复，周期为T个单位。瞬态信号在短时间内不为零或发生变化，然后随着时间的推移衰减到恒定值。例如，正弦波以一秒的重复间隔无限重复，是最简单的周期性信号。

然而，实际的生物信号几乎总是包含一些噪声或参数变化的不确定性，因此并非完全确定性的。例如，正常休息时心脏的心电图（ECG）看起来几乎是连续的，但T波、P波和QRS复合波的具体模式在每次心跳中都会有所不同。由于心率变异性（HRV）的存在，QRS复合波之间的时间间隔（R - R间隔）会随时间变化。HRV是一种诊断技术，可以用于预测心脏病发作后心脏的健康状况。一般来说，HRV较低的人长期预后比HRV较高的人差。

随机信号（也称为随机信号）的变量是不确定的，无法用数学函数准确描述。通常使用统计技术来评估随机信号，包括对信号的随机变量进行处理，以及使用概率密度函数或基本分析测量（如标准差和均值）等。肌电图（EMG）是一种随机信号，用于诊断神经肌肉问题，它记录了骨骼肌的电活动。具有平稳随机统计特性或频谱的信号，其统计特性或频谱不随时间变化；而非平稳随机信号的统计特性或频谱则会随时间变化。在许多情况下，识别随机信号的静态部分对于信号分析、医学诊断和模式识别至关重要。

2.3 信号采集

2.3.1 生物信号数据采集分析

生物信号通常非常微弱，并且常常包含不需要的噪声或干扰。这些干扰会掩盖测量信号中可能存在的有价值数据。外部噪声可能来自受试者身体外部，如传感器的热噪声或数据采集设备电子部件中由照明系统引起的陷波噪声。如果有机介质本身具有噪声，噪声也可能来自测量位置附近的组织或器官。例如，附近肌肉的生物电活动可能会影响心脏心电图的测量结果。

为了从信号中提取与理解特定有机系统或事件相关的重要数据，通常需要使用先进的数据采集设备和技术。为了减少不必要噪声的影响，常常需要高精度的低噪声技术。生物仪器系统的基本组成部分如下图所示：

graph LR
    A[传感器] --> B[放大器]
    B --> C[模拟滤波器]
    C --> D[ADC转换器]
    D --> E[数字计算机]

在数据采集过程中，必须忠实地保留原始生物信号的信息和结构。放大、模拟滤波和/或A - D转换等技术不应产生不可追踪或误导性的畸变，因为这些信号经常用于辅助识别临床疾病。信号测量的畸变可能导致错误的诊断。

2.3.2 传感器、放大器和模拟滤波器

在有机介质（如细胞或皮肤表面）中，首先使用传感器来识别信号。传感器是有机系统与电气记录设备之间的接口，它将物理测量转换为电输出。根据不同的生物信号，会选择不同的传感器。例如，使用表面带有银/氯化银（Ag/AgCl）的电极连接到身体，检测离子的运动来测量心电图；使用能够感知压力变化的传感器来测量动脉血压。关键是，用于采集所需生物信号的传感器不应对信号的特性产生负面影响。

使用合适的传感器检测到生物信号后，通常会对其进行放大和滤波。运算放大器是一种电子电路，用于增强生物信号的大小或幅度。例如，生物电信号通常很弱，可能需要使用放大器将其放大上千倍。之后，可以使用模拟滤波器来减少噪声或调整传感器的畸变。为了满足数据采集系统的硬件要求，可能需要对生物信号进行放大和滤波。在进行数字化处理（如使用ADC转换器）并存储在数字计算机之前，连续信号可能需要被限制在特定的频率范围内。

3. 神经元

人类大脑中大约包含10万亿个神经元，这些神经元被分为不到1000种不同的类型，它们以有序的方式排列，外观较为一致。神经元主要分为神经细胞和神经胶质细胞，但在本文中，我们主要关注神经细胞，因为神经胶质细胞不参与信号传递，主要为神经细胞提供支持。为了了解神经元的信号传递特性，我们通常将神经元和神经细胞这两个术语互换使用。大脑的复杂功能主要通过神经元与其他神经元或外周组织的连接来体现，而不是取决于单个神经元的差异。

一个典型的神经元由细胞体、轴突、突触前末梢和树突组成。神经元的细胞体与其他细胞类似，包含细胞核和其他营养物质。与其他细胞不同的是，神经元的细胞体连接着许多树突和一条长长的轴突，轴突将细胞体与突触前末梢相连。树突是神经元的接收部分，它们可以被动地接收来自数百万个其他神经元的冲动，而无需放大。树突和细胞体上有受体位点，用于接收相邻神经元突触前末梢的输入。平均而言，每个神经元有10⁴到10⁵个突触。神经元之间通过释放神经递质来进行通信，神经递质可以改变细胞膜的特性。

轴突的长度从哺乳动物脊髓中的1米到大脑中的几毫米不等，直径范围从小于1毫米到500毫米。一般来说，轴突直径越大，信号传输速度越快，信号传输速度在0.5到120米/秒之间。轴突就像一条信息传输线，能够将信息快速从一个神经元传递到另一个神经元。粗大的轴突上有规则的间隙，称为郎飞结，这些结使得动作电位能够从一个节点传递到相邻节点。轴突还被一层脂肪绝缘层（髓鞘）包裹，动作电位可以看作是一个连续的脉冲，在轴突长度上传播而不会衰减。轴突末端有一个由多达10000个分支组成的系统，每个分支都将通过轴突传播的动作电位传递到突触前细胞。突触前末梢是神经元的传播单元，当被激活时会释放神经递质，神经递质穿过20纳米的间隙到达相邻细胞，并与突触后膜相互作用，改变其电位。

3.1 膜电位

与人体中的其他细胞一样，神经元有一个外部膜，用于分隔电荷。在神经元中，细胞膜的外侧带正电，内侧带负电。膜电位是由细胞膜对离子的选择性通透性导致的电荷分离引起的。神经元细胞膜两侧的电位差在60到90毫伏之间。

综上所述，生物信号和神经元在生物工程和医学领域中具有重要意义。了解生物信号的特性、采集方法以及神经元的信号传递机制，有助于我们更好地理解人体的生理功能，为疾病的诊断和治疗提供有力支持。

4. 膜电位与动作电位的产生机制

4.1 膜电位的维持

神经元的膜电位能够维持在一定范围内，主要依赖于细胞膜上的离子通道和离子泵。细胞膜上存在多种离子通道，如钠通道、钾通道和氯通道等，这些通道对不同离子具有选择性通透性。同时，钠 - 钾泵不断地将细胞内的钠离子泵出细胞，将细胞外的钾离子泵入细胞，从而维持细胞内外离子浓度的差异，进而保持膜电位的稳定。

以下是膜电位维持相关的离子浓度和电位情况表格：
|离子|细胞内浓度（mM）|细胞外浓度（mM）|平衡电位（mV）|
| ---- | ---- | ---- | ---- |
|钠离子（Na⁺）|12|145|+60|
|钾离子（K⁺）|155|4|-90|
|氯离子（Cl⁻）|4|120|-70|

4.2 动作电位的产生过程

当神经元受到足够强的刺激时，会引发动作电位。动作电位的产生过程可以分为以下几个阶段：
1. 去极化阶段 ：当刺激使细胞膜电位达到阈值（通常约为 -55mV）时，细胞膜上的钠通道迅速开放，大量钠离子涌入细胞内，导致细胞膜电位迅速上升，从静息电位（约 -70mV）去极化到 0mV 以上。
2. 反极化阶段 ：随着钠离子的持续内流，细胞膜电位进一步上升，达到峰值，此时细胞膜电位为正，形成反极化状态。
3. 复极化阶段 ：钠通道在开放一段时间后会迅速关闭，同时钾通道开放，大量钾离子外流，使细胞膜电位迅速下降，恢复到静息电位水平。
4. 后超极化阶段 ：在复极化结束后，钾通道关闭较慢，导致钾离子继续外流，使细胞膜电位低于静息电位，形成后超极化状态。之后，通过钠 - 钾泵的作用，逐渐恢复细胞内外的离子浓度平衡，使膜电位重新回到静息电位。

动作电位产生过程的 mermaid 流程图如下：

graph TD
    A[静息电位] --> B{刺激达到阈值?}
    B -- 是 --> C[去极化：钠通道开放，Na⁺内流]
    C --> D[反极化：膜电位变正]
    D --> E[复极化：钠通道关闭，钾通道开放，K⁺外流]
    E --> F[后超极化：K⁺继续外流]
    F --> G[钠 - 钾泵恢复离子平衡]
    G --> A[静息电位]
    B -- 否 --> A[静息电位]

5. 生物信号处理技术在医学诊断中的应用

5.1 心电图信号处理与心脏疾病诊断

心电图（ECG）是一种常见的生物信号，通过记录心脏的电活动来反映心脏的功能状态。在医学诊断中，对心电图信号进行处理可以帮助医生检测心脏疾病。具体操作步骤如下：
1. 信号采集 ：使用电极将人体体表的心电图信号采集下来，通常采用标准的 12 导联系统。
2. 预处理 ：对采集到的心电图信号进行滤波处理，去除噪声和干扰，如工频干扰、肌电干扰等。可以使用低通滤波器、高通滤波器和带通滤波器等。
3. 特征提取 ：从预处理后的心电图信号中提取特征参数，如 P 波、QRS 复合波和 T 波的幅度、宽度和间期等。这些特征参数可以反映心脏的电生理特性。
4. 疾病诊断 ：根据提取的特征参数，结合医学知识和诊断标准，判断是否存在心脏疾病，如心律失常、心肌梗死等。

5.2 脑电图信号处理与神经系统疾病诊断

脑电图（EEG）是记录大脑电活动的生物信号，对于神经系统疾病的诊断具有重要意义。脑电图信号处理的操作步骤如下：
1. 信号采集 ：使用电极将头皮表面的脑电图信号采集下来，通常采用多导联系统。
2. 信号预处理 ：对采集到的脑电图信号进行滤波、去噪和伪迹去除等处理，以提高信号的质量。
3. 特征分析 ：分析脑电图信号的频率成分、功率谱和相关性等特征，以了解大脑的功能状态。例如，癫痫患者的脑电图信号可能会出现异常的棘波、尖波等。
4. 疾病诊断 ：根据脑电图信号的特征分析结果，结合患者的临床症状和其他检查结果，进行神经系统疾病的诊断，如癫痫、脑肿瘤等。

6. 生物信号与神经元研究的未来展望

6.1 技术发展趋势

随着科技的不断进步，生物信号检测和分析技术将不断发展。例如，传感器技术将更加微型化、智能化和高灵敏度化，能够更准确地检测生物信号。同时，人工智能和机器学习技术在生物信号处理中的应用将越来越广泛，能够实现更精准的疾病诊断和预测。

6.2 医学应用拓展

生物信号和神经元研究的成果将在医学领域得到更广泛的应用。除了现有的疾病诊断和治疗外，还可以用于康复医学、预防医学和个性化医疗等领域。例如，通过监测生物信号可以实现对患者康复过程的实时评估和调整治疗方案；通过分析个体的生物信号特征，可以制定个性化的预防措施和治疗方案。

6.3 跨学科研究合作

生物信号和神经元研究涉及生物学、医学、物理学、工程学等多个学科领域。未来，跨学科研究合作将更加紧密，不同学科的专家将共同攻克生物医学领域的难题，推动生物医学科学的发展。

总之，生物信号和神经元的研究对于深入了解人体生理功能、疾病发生机制以及开发有效的诊断和治疗方法具有重要意义。随着技术的不断进步和研究的不断深入，相信生物信号和神经元研究将为人类健康事业做出更大的贡献。