CN100493448C - 心室复极高频波体表检测方法与装置 - Google Patents

Abstract

本发明公开了一种心室复极高频波体表检测方法及装置。该方法通过体表电极检测出含有心室复极高频波和干扰信号的原始信号，经放大和模数转换后输入计算机进行软件滤波，首先利用高共模抑制比放大器、50Hz陷波器和带通滤波器去除工频干扰和仪器噪声；然后，将模式识别与维纳滤波联用，模式识别器监测原始信号的信噪比并据此调整维纳滤波器的参数，从而将肌电干扰有效地去除，实现心室复极高频波的体表检测。实现装置包括移动部分与固定部分，移动部分包括信号采集、放大、模数转换、发射模块，固定部分包括数据接收、USB通信、PC算法处理和输出模块。本发明解决了心室复极高频波的体表无创检测问题，可以用于对心脏病患者的心脏猝死危险性的监测。

Description

心室复极高频波体表检测方法与装置

技术领域

本发明涉及一种心室复极高频波的体表无创检测方法，以及实现这种方法的装置。

背景技术

猝死(Sudden Death，简称SD)是指突然、快速、意料不到的自然死亡，人类死亡中SD占15％～32％。据统计，全世界每年约有600万人因SD而丧生，美国每年有35万人SD，平均每分钟0.7人。我国每年有180万人死于SD，平均每分钟有3.4人。SD又分为心脏猝死(60％～75％)和非心脏猝死(25％～40％)两大类。心脏猝死(Sudden CardiacDeath，简称SCD)是指心脏原因意外地引起猝然死亡。SCD在西方发达国家是威胁生命的重要因素，据美国心脏病协会(American Heart Association，简称AHA)不完全统计，美国每年有22.5万的成人因SCD而导致死亡。我国每年经临床证实的SCD发生率在0.36‰～1.28‰之间，实际发生率可能略高一些。SCD的发生与年龄、有无心脏病史、职业特点和性别等因素有关。

SCD是难以预料的悲剧性事故，特别是一些貌似健康的青壮年SCD，事发前没有任何危及生命的征兆，约有60％～70％死于医院之外。院外SCD约80％发生于家里，15％发生于公共场所。约40％的SCD没有他人在场。从急救技术的发展现状看，心脏停搏每超过1分钟，电除颤抢救成功率降低7％～10％，如超过10分钟，抢救成功率就微乎其微了。因此，避免SCD主要靠预测、预防。2001年《欧洲心脏杂志》发表了一篇欧洲心脏病学会(European Society of Cardiology，简称ESC)关于SCD的专题报告，对引发SCD的多种危险因素和已有的预测、预防方法进行了全面的评估，并提出了一系列很好的预测、预防建议。2002年《中国心脏起搏与心电生理杂志》编辑部与中国生物医学工程学会心脏起搏与电生理分会组织力量，借鉴欧洲心脏病学会的SCD专题报告，结合我国现状，编写了我国SCD防治建议。2003年美国心脏病学会(American College ofCardiology，简称ACC)又与ESC共同发表了一份关于SCD的专家调查报告，就SCD风险分级、预防提出很多新的建议，并指出青壮年猝死预测仍是尚未解决的难题。

近十多年来，随着一系列新预测技术的不断引入，如生化检测、基因检测、心血管造影、超声心动图、电生理检测(包括程序电刺激、希氏束)、心电图(包括动态心电图Holter和平板运动试验)、信号平均心电图/心室晚电位、QT变量和T波微伏级振幅交替等，使SCD的预测、预防有了较快进展。对SCD预测方法，目前仍然存在很多争议，但大多数学者的看法如下：器质性心脏病伴低钾血症、低镁血症可增加SCD的危险；基因分析可对遗传性SCD进行预测；冠脉造影多支或主干极度狭窄，对SCD具有较大预测价值；超声心动图证实的室壁极度肥厚、左室射血分数(LVEF)极度异常为SCD高危人群；有创电生理检测(EPS)对心律失常事件具有较高预测价值，但随着溶栓治疗的推广，其价值有所下降；多项研究报道，心率快是SCD独立的危险因素；心率变异性(HRV)降低可作为普通人群SCD的一项预测指标；QRS延长是SCD的独立预测因子；ST段压低、抬高或“墓碑性”改变伴随T波高耸或倒置对SCD有一定的预测价值；室早、室速(VT)和室颤(VF)与SCD密切相关；平均信号心电图(SAECG)/心室晚电位是SCD的独立预报因素，但正常人中有1％～5％假阳性；心电图QT间期是一次心动周期中心室的除极与复极时间的总和，为反映心肌复极状态的指标。由于先天性或后天性长/短QT综合征患者发生SCD的危险性很高，因此在人群研究中用QT间期和QT离散度作为危险性的判断指标，但QT离散度对SCD的预测价值尚有争论；虽然对于T波微伏级振幅交替提示室性心律失常倾向的机理还有争议，但在独立预测室性心律失常方面的确显示了其显著的意义。美国2000年正式批准T波微伏级振幅交替检测系统可作为一种无创伤性心脏诊断工具用于发现SCD高危患者。尽管对SCD的预测、预防取得了上述成就，但它仍是一个国际性的研究热点和难点问题。

在研究体表希氏束检测技术的过程中，申请者意外地发现了心室复极间期内(S-T-U段)的6个高频小波，其峰-峰值在几微伏至十几微伏之间。经文献检索，没有发现相关的研究报道，故将这6个高频波统称为心室复极高频波(如图1所示)将心室复极高频波与QT变量、T波微伏级振幅交替比较一下就会发现：在时间方向上，心室复极高频波提供的信息量远远超过QT变量，而且细节更多，时间间隔测量误差可控制在±1ms范围内；在幅值方向上，由于心室复极高频波中已滤除了低频的T波和U波干扰，其波形分辨率及幅值测量的准确度均为T波微伏级振幅交替无法企及的。在SCD预测方面，心室复极高频波有潜力得到比QT变量、T波微伏级振幅交替更好的结果。通过对心室复极高频波的深入研究，将对心脏疾病的诊断以及心脏猝死预测和预防提供新的工具和方法。

发明内容

本发明所要解决的技术问题是提供一种心室复极高频波的体表无创检测方法以及实现这种方法的装置。

本发明所采用的技术方案是：心室复极高频波体表检测方法，通过体表电极获得含有心室复极高频波信号与干扰信号的原始信号，经放大和模数转换后输入计算机进行软件滤波，所述软件滤波算法包括以下步骤，

首先，利用高共模抑制比放大器和50Hz陷波器，将体表电极提取的原始信号中的50Hz工频干扰信号消除；

然后，利用FIR或IIR带通滤波器将仪器噪声信号消除；

最后，将模式识别与维纳滤波联用，模式识别器监测混合有心室复极高频波信号与肌电干扰信号的输入信号的信噪比并据此调整维纳滤波器的参数，将肌电干扰信号消除，得到心室复极高频波信号，具体作法是：第一步，对混合有心室复极高频波信号与肌电干扰信号的输入信号进行特征抽取，获得该信号的方差/均值比；第二步，采用K-近邻算法对获得的信号方差/均值比进行模式识别，以判断信号类别是属于心室复极高频波信号还是肌电干扰信号；第三步，根据模式识别的结果调整维纳滤波器的参数，如果模式识别判断信号属于心室复极高频波信号类，则将维纳滤波器的参数调整为与之相适应以便让该信号通过，如果模式识别判断信号属于肌电干扰信号类，则相应地将维纳滤波器的参数调整为另一组参数以阻碍该信号通过，从而达到消除肌电干扰信号获得心室复极高频波信号的目的。

实现上述方法的装置包括移动部分和固定部分，在移动部分中，心室复极高频波导联电极与参考心电导联电极获得的电信号分别经过心室复极高频波放大器和ECG放大器放大后送到模数转换器ADC进行模数转换，得到数字信号送到先进先出存储器FIFO暂存，最后经过微控制器MCU和无线发射电路发射信号；在固定部分中，无线接收电路接收信号，再经过USB控制器和USB电缆与PC机通信，PC机对所获得的信息进行处理后将结果通过打印机输出。

本发明的优点是：

(1)消除了仪器噪声和工频干扰，并且有效地去除了肌电的干扰，实现了心室复极高频波的体表检测。

(2)通过无创检测的方法获得了心室复极高频波电图，病人无痛苦，检测方便。

(3)采用体表逐搏检测方法，可以对病人的心室复极高频波信号实时动态跟踪。

(4)采用无线传输的方法，可以对重症病人进行非靠近式监测，减少对病人的干扰。

(5)可以用于对心脏病患者的心脏猝死危险性的监测，也可以对普通人群进行心脏猝死风险的普查和筛选，以及对运动员、军人、飞行员等特殊行业人员进行科学的选拔和训练。

附图说明

图1典型的心室复极高频波

图2心室复极高频波检测装置移动部分结构示意图

图3心室复极高频波检测装置固定部分结构示意图

图4电极位置示意图

图5健康人的心室复极高频波

图6室早患者的心室复极高频波

图7房颤患者的心室复极高频波

图8心室复极高频波信号处理流程图

图9为模式识别与维纳滤波联用原理图

具体实施方式

下面结合附图对本发明作进一步的说明。

实施例：

心室复极高频波是申请者新发现的一种发生在心室复极间期内(S-T-U段)的高频微伏级心脏电生理信号。图1为典型的心室复极高频波。图中，上部为参考心电图，下部为心室复极高频波。

本发明的基本思想是首先利用高共模抑制比放大器和陷波器将体表电极提取的含有心室复极高频波信号的原始信号中的工频干扰消除；然后，利用带通滤波器去除仪器噪声；最后，将模式识别与维纳滤波联用，将肌电干扰有效地去除，得到心室复极高频波信号。

实现本发明的装置包括移动部分和固定定部分，移动部分如图2所示，在移动部分中，心室复极高频波导联电极与参考心电导联电极获得的电信号分别经过心室复极高频波放大器和ECG放大器送到模数转换器ADC，经模数转换后再送到先进先出存储器FIFO，最后经过微控制器MCU和无线发射电路发射信号；固定部分如图3所示，在固定部分中，无线接收电路接收信号，再经过USB控制器和USB电缆与PC机通信，PC机对所获得的信息处理后将结果通过打印机输出。

临床应用时，移动部分放置在患者的床边，实现心室复极高频波的放大、模数转换和无线发射；固定部分放置在远离患者的地方，实现数据的无线接收以及实时数据处理和显示。电极安装位置如图4所示，V_R ⁺和V_R ^-为心室复极高频波导联，V_E ⁺和V_E ^-为参考心电导联，V_G为参考电极。心室复极高频波导联放在V_R ⁺和V_R ^-位置；心电的负极V_E ^-放在右锁骨头下，心电正极V_E ⁺与参考电极V_G分别放在上半身对角线的左下角和右下角处。

放大器把体表电极检测到的微弱心室复极高频波信号放大和滤波，并且将信号调整到方便ADC转换的范围。各个放大器的共模抑制比CMRR大于80dB，输入阻抗大于5MΩ，带宽为0.1～200Hz，放大倍数为2000倍。

模数转换器(ADC)的采样分辨率为16-bit，转换时间为10us，可以达到16位不失码。ADC的结果存入FIFO存储器中，当存储数据量达到FIFO容量的一半时会产生半满中断信号。微控制器接收到中断信号后便从FIFO中读取数据，然后通过无线发射电路发射出去。

无线发射和接收电路工作在全球开放的2.4GHz ISM频段，抗干扰能力强，输出功率、传输速率和频道选择进行编程配置，支持250Kbps和1Mbps的数据传输速率。

无线接收电路接收到数据后便向USB控制器发送中断信号，USB控制器将接收到的数据通过USB总线传输到PC机进行实时处理和显示。

图5、图6、图7显示了利用本发明进行实际检测的心室复极高频波和参考心电图波形，其中，图5为健康人的心室复极高频波；图6为室早患者的心室复极高频波；图7为房颤患者的心室复极高频波。

信号处理在PC机中通过软件实现，最初输入PC机的原始信号是包含有心室复极高频波信号和工频干扰、仪器干扰、肌电干扰信号的混合信号。处理算法要做的就是通过软件滤波去掉这三种干扰信号，最后得到需要的心室复极高频波信号。在三种干扰信号中，工频干扰和仪器干扰与心室复极高频波信号的频率是不同的，因此可以用陷波器和带通滤波器去除，但是肌电干扰与心室复极高频波信号无论在时域或频域都是重叠的，因此只能通过最优滤波的方法去除。

信号处理算法流程如图8所示。心室复极通道最初得到的信号为n(t)+s(t)+m(t)，其中n(t)为噪声信号(包括工频干扰和仪器噪声)，s(t)为心室复极高频波信号，m(t)为肌电信号。经过50Hz陷波和带通滤波将噪声信号n(t)去除，将处理后的信号s(t)+m(t)同时输入到模式识别器和维纳滤波器。模式识别器监测原始信号的信噪比并据此调整维纳滤波器的参数，从而将肌电信号m(t)有效地去除，实现心室复极高频波信号s(t)的检测。

图9给出了模式识别-维纳滤波联用去除肌电干扰原理框图。尽管心室复极高频波信号与肌电干扰在时域与频域均重叠在一起，但实验发现两者的方差/均值比存在明显的差别，这样利用方差/均值比就可对心室复极高频波信号与肌电干扰进行聚类分析，计算出相应类的中心点值。特征抽取输出的方差和均值作为模式识别器的输入，模式识别器判断其属于哪一类，如果属于心室复极高频波类用一组参数的维纳滤波器，如果属于肌电干扰类则用另一组参数的维纳滤波器。表面上看，此种做法与卡尔曼滤波和自适应滤波没有本质上的差别，都是调整维纳滤波器的参数来适应输入序列信/噪比的动态变化，但模式识别-维纳滤波联用的参数调整速度要快得多。由于心室复极高频波持续时间很短，常规最优滤波器来不及调整参数，所以滤波结果不理想；模式识别-维纳滤波可以在心室复极高频波起始处瞬间调整好参数，所以能在有效地去除肌电干扰的同时得到较好的心室复极高频波波。

根据以上原理采用的算法包括以下步骤，

首先，利用高共模抑制比放大器和50Hz陷波器，将体表电极提取的原始信号中的50Hz工频干扰信号消除；

然后，利用FIR或IIR带通滤波器将仪器噪声信号消除；

最后，将模式识别与维纳滤波联用，模式识别器监测混合有心室复极高频波信号与肌电干扰信号的输入信号的信噪比并据此调整维纳滤波器的参数，将肌电干扰信号消除，得到心室复极高频波信号，具体作法是：第一步，对混合有心室复极高频波信号与肌电干扰信号的输入信号进行特征抽取，获得该信号的方差/均值比；第二步，采用K-近邻算法对获得的信号方差/均值比进行模式识别，以判断信号类别是属于心室复极高频波信号还是肌电干扰信号；第三步，根据模式识别的结果调整维纳滤波器的参数，如果模式识别判断信号属于心室复极高频波信号类，则将维纳滤波器的参数调整为与之相适应以便让该信号通过，如果模式识别判断信号属于肌电干扰信号类，则相应地将维纳滤波器的参数调整为另一组参数以阻碍该信号通过，从而达到消除肌电干扰信号获得心室复极高频波信号的目的。

本发明中的模式识别采用K-近邻法则，即在待分类样本X的K个近邻中，按出现最多样本的类别来作为X的类别。换句话说，就是先对X的K个近邻一一找出它们的类别，然后对X的类别作出一次表决。

K-近邻法则的基本思想与最近邻法相似。首先假定K固定，而样本数目可以无限，则K个近邻都会收敛于X。我们把K个近邻中的每一个的类别都看成随机变量，并且是独立的。以概率P(ω_i|X)作出决策，i＝1，2。如果K个近邻中多数属于ω_m类，则K-近邻法则就选择ω_m作为X的类别。这个事件的概率为

$\underset{i=\underset{\‾}{K+1}}{\overset{K}{\mathrm{\Σ}}}{C}_K^i\·P{\left({\mathrm{\ω}}_m\right|X)}^i{[1-P\left({\mathrm{\ω}}_m\right|X)]}^{K-i}---\left(1\right)$

一般说来，K的值越大，选择ω_m的概率就越大。在实际问题中，样本数总是有限的，一方面希望K大些以便得到的估计更可靠，但另一方面又希望K个近邻离X都很近，所以K值只能折中选取。只有当样本数趋于无穷大时，K-近邻法则才能达到最优性能。

本发明中采用的维纳滤波是最优滤波的一种。滤波的目的，就是要把有用的信号从噪声中提取出来。当信号和噪声的频谱互不重叠时，可以用带通滤波器把信号和噪声加以分离；但是当信号和噪声的频谱相互重叠时，就需要采用最优滤波器。维纳滤波器可以给出信号的线性最小均方误差估计。其基本原理如下。

设s(n)、v(n)分别为原始信号和噪声，那么混有噪声的输入信号x(n)，有时也被称作观测信号，便可以写成

x(n)＝s(n)+v(n)       (2)

x(n)经过滤波后所得到的输出值，即s(n)的估计值写成下述线性表达形式

$\hat{s}\left(n\right)=\underset{k=0}{\overset{\∞}{\mathrm{\Σ}}}h\left(k\right)x(n-k)---\left(3\right)$

其中h(k)，k＝0，1，…为滤波器的单位脉冲响应。这样，问题的关键就变为如何确定这些h(k)，k＝0，1，…的值，以获得最佳的滤波效果。如果定义估计误差

$e\left(n\right)=s\left(n\right)-\hat{s}\left(n\right)=s\left(n\right)-\underset{k=0}{\overset{n_b}{\mathrm{\Σ}}}h(n-k)x\left(k\right)---\left(4\right)$

Wiener滤波器的单位脉冲响应，应该使均方误差E[e²(n)]达到最小。

平稳序列的Wiener滤波是建立在求解Wiener-Hoff方程基础之上的。但在一般情况下，这是一个相当复杂的过程，原因就是所要求得的滤波器是因果的，即满足约束条件h(k)＝0，k<0。为使该问题简化，此处考虑滤波器为非因果时的情形。此时，用于对s(n)的观测可以取从-∞到∞的所有值，即式(3)可写成

$\hat{s}\left(n\right)=\underset{k=-\&infin;}{\overset{\&infin;}{\mathrm{\&Sigma;}}}h\left(k\right)x(n-k)---\left(5\right)$

而相应的Wiener-Hoff方程则变为

这样，通过对上式两边进行Z变换后，便可求得非因果Wiener滤波器的传输函数

$H\left(z\right)=\frac{{\mathrm{\&Phi;}}_{\mathrm{xs}}\left(z\right)}{{\mathrm{\&Phi;}}_{\mathrm{xx}}\left(z\right)}---\left(7\right)$

由此再经过逆Z变换后，便可求得最佳权值h(n)。

Claims (1)

1、心室复极高频波体表检测装置，包括移动部分和固定部分，其特征在于：在移动部分中，心室复极高频波导联电极与参考心电导联电极获得的电信号分别经过心室复极高频波放大器和ECG放大器放大后送到模数转换器ADC进行模数转换，得到数字信号送到先进先出存储器FIFO暂存，最后经过微控制器MCU和无线发射电路发射信号；在固定部分中，无线接收电路接收信号，再经过USB控制器和USB电缆与计算机通信，计算机获得与该接收信号对应的输入信号，计算机对该输入信号进行处理后将结果通过打印机输出，该处理包括以下滤波步骤；

首先，利用高共模抑制比放大器和50Hz陷波器，将输入信号中的50Hz工频干扰信号消除；

然后，利用有限脉冲响应FIR或无限脉冲响应IIR带通滤波器将输入信号中的仪器噪声信号消除；

最后，将模式识别与维纳滤波联用，利用模式识别器监测混合有心室复极高频波信号与肌电干扰信号的输入信号的信噪比并据此调整维纳滤波器的参数，将肌电干扰信号消除，得到心室复极高频波信号，具体作法是：第一步，对混合有心室复极高频波信号与肌电干扰信号的输入信号进行特征抽取，获得该信号的方差/均值比；第二步，采用K-近邻算法对获得的信号方差/均值比进行模式识别，以判断信号类别是属于心室复极高频波信号还是肌电干扰信号；第三步，根据模式识别的结果调整维纳滤波器的参数，如果模式识别判断信号属于心室复极高频波信号类，则将维纳滤波器的参数调整为与之相适应以便让该信号通过，如果模式识别判断信号属于肌电干扰信号类，则相应地将维纳滤波器的参数调整为另一组参数以阻碍该信号通过，从而达到消除肌电干扰信号获得心室复极高频波信号的目的。

Images