CN101449973B - 用于心电干扰信号识别的判断指标的生成方法及装置 - Google Patents

Abstract

本发明公开了一种用于心电干扰信号识别的判断指标的生成方法，包括以下步骤：A1、采集心电信号，得到原始心电信号数据序列；B1、对一定时间段内的所述数据序列进行分组，统计每组的最小值；D1、在查找出的由每组的最小值组成的最小值集合中查找出其中的最小值和最大值；E1、将步骤D1中找出的最大值和最小值的差作为第一基线漂移判断指标，用于识别低频干扰和不规则干扰。本发明立足客观检测存在的噪声，并据此生成合理的判断指标，以便对干扰进行有效识别，从而可以提高心电信号分析结果的可靠性。

Description

用于心电干扰信号识别的判断指标的生成方法及装置

【技术领域】

本发明涉及一种心电信号的处理，尤其涉及用于心电干扰信号识别的判断指标的生成方法及装置。

【背景技术】

心电信号作为心脏电活动在人体体表的表现，信号一般比较微弱，幅度在10μV～5mV，频率为0.05～100Hz。在心电信号的测量过程中，会引入各种噪声和干扰。这些噪声和干扰主要有以下几种：

(1)基线漂移：引起基线漂移的因素很多，其中既有人的因素又有仪器本身的因素。如人的呼吸、电极和人体皮肤间的阻抗、体位移动所引发的扰动，放大器的热噪声等；

(2)肌电及电子设备等产生的高频干扰。肌肉收缩会产生微伏级的电势，幅值大约是ECG峰峰值的10％，维持时间大约是50毫秒，频率成分可以从0～10KHz；外科手术中用的器具的高频电流会完全改变ECG信号，从而产生频率在100KHz-1MHz的高频噪声，幅值约是ECG峰峰值的200％，维持时间为1-10秒。

(3)电极接触噪声是由于电极和皮肤接触不良或是被测对象和测量系统脱离引起的瞬态干扰。这种脱离在诸如运动和振荡时有可能发生，可以是永久的或者是间断性的。电极接触噪声可以看作是一个随机发生的快速基线改变，这种改变可能只发生一次，这种情况只产生一个阶跃干扰，也可能快速发生好几次。该噪声信号维持时间大约1秒，幅值可达到放大器最大输出。

(4)50Hz工频干扰；

为了改善心电信号的质量，必须采用有效的滤波器来去除这些噪声和干扰。在早期的仪器中，主要采用硬件电路的设计来抑制这些噪声和干扰。自微计算机和微处理器出现以来，数字滤波器由于精度高，可靠性好，使用灵活，已逐渐显示出取代模拟滤波器的趋势。

目前对于这些干扰信号的处理有两种方法：一是直接对噪声进行抑制，以改善信号分析结果；二是对噪声进行有效识别，以实现多路信号的优选或进行正确的报警提示。目前采用方式一的方法较多，包括经典滤波处理、曲线拟和、自适应处理、小波变换等方法对噪声进行抑制，处理后的信号再进行进一步分析。方法二研究的较少，多通过过零点次数检测、方差计算的方法判断给出一个粗略的判断，但基本仅适用于规则的高频噪声和依赖于QRS波稳定可靠的检出，实际应用环境中均有较大局限。

【发明内容】

本发明的主要目的就是提供一种用于心电干扰信号识别的判断指标的生成方法及装置，采用合理的判断指标来识别心电干扰信号，从而可从多路信号中选择质量好的通道进行分析，以提高分析结果的可靠性。

本发明的次要目的是提供一种用于心电干扰信号识别的判断指标的生成方法及装置，生成多个判断指标，从而可对心电干扰信号进行综合识别，以进一步提高分析结果的可靠性。

为实现上述目的，本发明提供一种用于心电干扰信号识别的判断指标的生成方法，包括以下步骤：

A1、采集心电信号，得到原始心电信号数据序列；

B1、对一定时间段内的所述数据序列进行分组，统计每组的最小值；

D1、在查找出的由每组的最小值组成的最小值集合中查找出其中的最小值和最大值；

E1、将步骤D1中找出的最大值和最小值的差作为第一基线漂移判断指标，用于识别低频干扰和不规则干扰。

在优选的实施例中，所述步骤D1之前还包括以下步骤：

C1、对查找出的由每组的最小值组成的最小值集合进行滤波。

其中，步骤B1中所述的分组通过以下方式中任一种实现：

B11、采用时间窗对数据序列进行分割以形成分组；

B12、采用滑动时窗在数据序列上滑动以形成分组。

其中，所述一定时间段可以为最近2秒时间。

在本发明进一步改进的实施例中，在步骤B1中还统计每组的最大值和窗高，所述每组的窗高为该组的最大值减去最小值。

在步骤B1之后还包括以下步骤：查找一定时间段内的最小窗高值，并将所述最小窗高值作为高频噪声判断指标，用于识别高频噪声。

在本发明另一改进的实施例中，在步骤B1之后还包括以下步骤：查找一定时间段内的每组窗高的最大变化值，并将所述窗高的最大变化值作为QRS幅度判断指标，用于识别QRS幅度的高度。

在本发明另一改进的实施例中，在步骤A1之后还包括以下步骤：

A2、根据原始心电信号的数据检测QRS波；

B2、查找每个QRS波的起点；

C2、检测最近若干QRS波起点的波动值，所述波动值为若干QRS波起点中的最大值减去最小值，并将所述波动值作为第二基线漂移判断指标，用于识别低频干扰。

在本发明另一改进的实施例中，在步骤A1之后还包括以下步骤：

A3、对原始心电信号的数据进行滤波；

B3、对滤波后一定时间段内的所述数据序列进行分组，统计每组的最大值、最小值和窗高，所述每组的窗高为该组的最大值减去最小值；

C3、查找最近指定时间内的最大窗高值，并将所述最大窗高值作为信号过小判断指标，用于判断信号是否过小。

为实现上述目的，本发明还提供一种用于心电干扰信号识别的判断指标的生成装置，包括：

采样单元，用于采集心电信号，得到原始心电信号数据序列；

第一分组统计单元，用于对一定时间段内的所述数据序列进行分组，统计每组的最小值；

第一基线漂移判断指标生成单元，用于在查找出的由每组的最小值组成的最小值集合中查找出其中的最小值和最大值，并将找出的最大值和最小值的差作为第一基线漂移判断指标，以用于识别低频干扰和不规则干扰。

在优选的实施例中，还进一步包括用于对查找出的由每组的最小值组成的最小值集合进行滤波的第一滤波单元。

在本发明进一步改进的实施例中，所述第一分组统计单元还用于统计每组的最大值和窗高，所述每组的窗高为该组的最大值减去最小值。

还包括高频噪声判断指标生成单元，其用于查找一定时间段内的最小窗高值，并将所述最小窗高值作为高频噪声判断指标，以用于识别高频噪声。

在本发明另一改进的实施例中，还包括QRS幅度判断指标生成单元，其用于查找一定时间段内的每组窗高的最大变化值，并将所述窗高的最大变化值作为QRS幅度判断指标，以用于识别QRS幅度的高度。

在本发明另一改进的实施例中，还包括：

QRS波检测单元，用于根据原始心电信号的数据检测QRS波；

起点查找单元，用于查找每个QRS波的起点；

第二基线漂移判断指标生成单元，用于检测最近若干QRS波起点的波动值，并将所述波动值作为第二基线漂移判断指标，用于识别低频干扰，所述波动值为若干QRS波起点中的最大值减去最小值。

在本发明另一改进的实施例中，还包括：

第二滤波单元，用于对原始心电信号的数据进行滤波；

第二分组统计单元，用于对滤波后一定时间段内的所述数据序列进行分组，统计每组的最大值、最小值和窗高，所述每组的窗高为该组的最大值减去最小值；

信号过小判断指标生成单元，用于查找最近指定时间内的最大窗高值，并将所述最大窗高值作为信号过小判断指标，用于判断信号是否过小。

本发明的有益效果是：目前采用的噪声抑制方法可能导致一些伪心电波形的产生，而本发明立足客观检测存在的噪声，并据此生成合理的判断指标，以便对干扰进行有效识别，从而进行真实的报警或进行信号优选处理。本发明生成的判断指标对低频干扰、基线漂移和高频脉冲型的噪声干扰等常规滤波器难以处理的噪声有很好的识别作用，通过这种有效识别，可以提高心电信号分析结果的可靠性，尤其在进行多通道信号分析中，可以通过噪声的有效识别来选择信号质量较好的通道进行分析，大大提高了分析结果的可靠性。

【附图说明】

图1为本发明一种实施例的结构示意图；

图2为本发明一种实施例的流程图；

图3为心电信号存在有高频噪声时的分析结果图；

图4为心电信号存在有基线漂移时的分析结果图。

【具体实施方式】

本发明的特征及优点将通过实施例结合附图进行详细说明。

用于心电干扰信号识别的判断指标的生成装置的一种优选实施例如图1所示，采样单元、第一分组统计单元、第一滤波单元和第一基线漂移判断指标生成单元顺序相连的。采样单元用于采集心电信号，得到原始心电信号数据序列。第一分组统计单元，用于对一定时间段内的所述数据序列进行分组，统计每组的最小值、最大值和窗高。第一基线漂移判断指标生成单元用于在查找出的由每组的最小值组成的最小值集合中查找出其中的最小值和最大值，并将找出的最大值和最小值的差作为第一基线漂移判断指标，以用于识别低频干扰和不规则干扰。高频噪声判断指标生成单元与第一分组统计单元相连，用于查找一定时间段内的每组窗高的最小变化值，并将所述窗高的最小变化值作为高频噪声判断指标，以用于识别高频噪声。QRS幅度判断指标生成单元与第一分组统计单元相连，用于查找一定时间段内的每组窗高的最大变化值，并将所述窗高的最大变化值作为QRS幅度判断指标，以用于识别QRS幅度的高度。QRS波检测单元与采样单元相连，用于根据原始心电信号的数据检测QRS波；起点查找单元与QRS波检测单元相连，用于查找每个QRS波的起点；第二基线漂移判断指标生成单元与起点查找单元，用于检测最近若干QRS波起点的波动值，并将所述波动值作为第二基线漂移判断指标，用于识别低频干扰，所述波动值为若干QRS波起点中的最大值减去最小值。第二滤波单元与采样单元相连，用于对原始心电信号的数据进行滤波；第二分组统计单元与第二滤波单元相连，用于对滤波后一定时间段内的所述数据序列进行分组，统计每组的最大值、最小值和窗高，所述每组的窗高为该组的最大值减去最小值；信号过小判断指标生成单元与第二分组统计单元相连，用于查找最近指定时间内的最大窗高值，并将所述最大窗高值作为信号过小判断指标，用于判断信号是否过小。

判断指标的生成流程如图2所示，包括以下步骤：

步骤1，原始心电信号采集：

采用250hz采样率对心电信号进行数据采集，不经过任何的预处理步骤。

步骤2，QRS识别：

原始心电信号经过带通滤波与差分积分处理后，首先在积分信号中检测局部最大值，在该最大值超过检测阈值的情况下，检测与之对应的QRS波的位置和最大斜率等特征参数，再利用一些准则对其进行判断，看其是否符合QRS波的条件，如果符合，就检测到一个QRS波，并进行参数的更新；否则就认为当前的峰为噪声峰，目前QRS波检测技术属于较成熟技术，这里不详细说明。

步骤3、求出第二基线漂移判断指标；

以步骤2中检测的R峰处的最大斜率值1/8(也可以是其它值)为阈值，在R波前一段时间(例如200ms或其它时间)内搜索连续五点小于阈值的点作为该QRS波的起点，检测最近若干个(例如4个或5个)QRS波的起点，并计算这几个起点的电位水平的最大幅度值，将该值作为第二基线漂移判断指标；

步骤4、基线漂移识别；

该步骤中利用步骤3中检测出的第二基线漂移判断指标来判断低频干扰强度，若心电信号的点位变化幅度较大，则认为该通道的干扰强度较大。还可将第二基线漂移判断指标根据实际应用环境用于报警或信号质量判断。

步骤5、以时间窗(例如100ms～1s的时间窗)分割一定时间段内的数据，统计各窗内的最大、最小值；计算各个窗高值。一定时间段可以选取最近2s或3s，以下以2s为例进行说明。

由于滤波处理容易将临床中一些不规则干扰处理成类似QRS波形，此处进行窗分割的对象是原始心电信号；考虑到QRS波宽度范围在40～120ms范围内，如果选用200ms的时间窗来分割最近2s的数据，经统计，可以分别得到10个最大、最小值，各窗内的最大值减去最小值可以计算出对应窗的窗高。

步骤6、滤波；

对步骤5所统计出的各窗内的最小值sAmp200msWinMin[]进行连续滤波，可采用3点的最大值滤波处理。

步骤7、在步骤6进行滤波处理后的各窗最小值中查找出其中的最大值、最小值；

步骤8、求出第一基线漂移判断指标；

将经过步骤6滤波后数据的幅度变化(即步骤7中查找出的最大值和最小值之差)，作为第一基线漂移判断指标。因3点最大值滤波处理对象是一定时间段内各个时间窗内的最小值，所以利用第一基线漂移判断指标可以检出基线漂移宽度大于200ms～400ms的基线波动，只要是大于此宽度范围的基线漂移均可被检出。延时400ms，基本与QRS检出时间同步。因滤波数据中的最大最小值之差对应的就是不规则干扰的强度，所以第一基线漂移判断指标还可以用于判断不规则干扰强度。该判断指标根据实际应用环境的不同，用于报警或信号质量判断。

步骤9、查找最近2s内的最小窗高值；

高频噪声的幅度要小于QRS波的幅度，所以最近2s的最小窗高值能够反映出高频噪声情况。首先将每秒的最小窗高值，那么最近2s内有两个最小窗高值，但是在多导分析中存在有多个数据通道，故将其存入一个二维数组sOrgAmpMinOffsetLast[]，查找最近2s内窗高的最小值org_min_offset，并将该最小值作为高频噪声判断指标；

步骤10、高频噪声判断；

将步骤9中得到的高频噪声判断指标用于判定高频干扰强度。该值可与本发明中的其他指标联合判断信号质量，用于报警或信号优选。高频噪声的幅度要小于QRS波的幅度，所以最近2s的最小窗高值能够反映出高频噪声的强度情况；在存在有两道信号的情况下，这个值可以作为判断两道信号质量的一个指标进行比较。

步骤11、查找最近2s的最大窗高值；

与步骤9的原理相类似，最近2s的最大窗高值能够反映出QRS幅度大小情况；将每秒的最大窗高值存于数组sOrgAmpMaxOffsetLast[]，查找最近2s内的最大窗高值org_max_offset，该值可以反映出QRS的幅度水平，所以将最近2s内的最大窗高值作为QRS幅度判断指标。

步骤12、QRS幅度判断；

步骤11中得到的QRS幅度判断指标正常可反映QRS幅度高度，可用于多通道信号分析中的导联优选，因QRS幅度判断指标表明了不同通道QRS波幅度大小，在多导优选中，尽量选择QRS幅度较大，且接近处于正常生理范围的导联。实际上该指标可能受到阶梯样干扰影响，因而可与第一基线漂移识别指标联合判断，作为信号有效幅度判断依据，即当基线漂移识别指标2与QRS幅度判断指标接近，表明QRS幅度判断指标可能由基线漂移指标导致，在优选中应尽量排除此类导联。因此依据应用环境不同，QRS幅度判断指标可用于报警或导联优选。

步骤13、滤波；

本步骤对原始心电信号数据进行滤波。滤波方法可以采用简单整系数带通滤波方法或其它为本领域技术人员所熟知的方法，初步抑制高频与低频噪声干扰。

步骤14、分组统计最大最小值；

以200ms时间窗对步骤13滤波后的数据进行分割，统计出每组中的最大最小值。

原始的心电信号经过带通滤波以后，再以200ms窗进行分割，并统计各窗内最大与最小值，计算各个窗高值，将每秒窗高最大值存于数组sAmpMaxOffsetLast[]。

步骤15、查找最近指定时间内最大值；

查找最近指定时间(例如规定的停搏检测时间，这个时间是可以由用户来设置)内的最大窗高值，并将该最大窗高值作为信号幅度过小判断指标。

步骤16、信号过小判断；

该判断指标用于信号是否过小的判断，判断方法为：若在规定的停搏检测时间内滤波后信号幅度变化小于指定的阈值，则认为信号丢失，不能够用于后续分析。信号幅度过小判断指标用于判定当前信号是否能进行有效分析，由于该信号剔出了信号噪声，该值反映更真实的QRS幅度情况，作为后续判断优选的依据。

该步骤与步骤12不同，用于判断较长时间段内的信号幅度，以便稳定判断通道是否有效。

当心电信号有多个导联时，通过以上环节对各导联信号分别进行分析，得出五个信号质量判断指标，对这些指标进行比较，当某导联基线漂移、高频噪声指标较小，信号幅度较大时，则将此导联作为优选导联，进行心率计算、ARR分析等信号处理。当无最优导联，则可根据QRS幅度与高频噪声的比例、与基线漂移的比例进行优选，从而得到较优导联用于分析。

步骤5、14中的分隔时间窗还可以替换为滑动窗，在心电信号数据序列上以一定间隔滑动，以将心电信号数据序列划分出若干组，并通过后续步骤查找出各组的最大最小值。

本发明的各项判断指标在处理中结合心电信号特点，排除了单个的宽度200ms以内的突变波形，能够有效识别低频干扰、临床常见不规则干扰、高频干扰等信号，同时给出各通道QRS幅度参考信息，通过以上指标的联合判断，作为多导联优选分析的依据。

本发明只由加法、减法和比较运算构成，其运算相对简单，所需系统资源少，很适合于在基于嵌入式微处理器的心电图机等仪器中的应用。

图3与图4分别反映出在实际测得的两通道心电信号中存在有高频噪声与基线漂移时的指标分析结果。两图中Base_Qrs对应的是基于QRS起点电位变化水平的第二基线漂移判断指标；Base_M是进行连续3点的最大值滤波处理后的最近2s窗内最大值，作为第一基线漂移判断指标；mnoise_amp反映的是最近2s窗高的最小值，即高频噪声判断指标；而mqrs_amp对应的是最近2S内窗高的最大值，可以作为QRS幅度判断指标。

从图3中的mnoise_amp指标我们可以看出：通道1的各指标要明显高于通道0，在这种情况下，我们就可以判断出通道1中存在有高频噪声。图4的通道1中存在有低频干扰以及不规则的干扰信号，从Base_Qrs和Base_M指标中我们也可以发现：通道1的各指标均要明显地高于通道0，在这种情况下，我们可以明确的判断出通道1中存在有基线漂移。在得出以上分析指标结果后，程序可以根据需要给出相关的提示信息，或者进行多路信号的优选，提高分析结果的可靠性。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (16)

1.一种用于心电干扰信号识别的判断指标的生成方法，其特征在于包括以下步骤：

A1、采集心电信号，得到原始心电信号数据序列；

B1、对一定时间段内的所述数据序列进行分组，统计每组的最小值；

D1、在查找出的由每组的最小值组成的最小值集合中查找出其中的最小值和最大值；

E1、将步骤D1中找出的最大值和最小值的差作为第一基线漂移判断指标，用于识别低频干扰和不规则干扰。

2.如权利要求1所述的判断指标的生成方法，其特征在于：所述步骤D1之前还包括以下步骤：

C1、对查找出的由每组的最小值组成的最小值集合进行滤波。

3.如权利要求1所述的判断指标的生成方法，其特征在于：步骤B1中所述的分组通过以下方式中任一种实现：

B11、采用时间窗对数据序列进行分割以形成分组；

B12、采用滑动时窗在数据序列上滑动以形成分组。

4.如权利要求1所述的判断指标的生成方法，其特征在于：所述一定时间段为最近2秒时间。

5.如权利要求1至4中任一项所述的判断指标的生成方法，其特征在于：在步骤B1中还统计每组的最大值和窗高，所述每组的窗高为该组的最大值减去最小值。

6.如权利要求5所述的判断指标的生成方法，其特征在于：在步骤B1之后还包括以下步骤：查找一定时间段内的最小窗高值，并将所述最小窗高值作为高频噪声判断指标，用于识别高频噪声。

7.如权利要求6所述的判断指标的生成方法，其特征在于：在步骤B1之后还包括以下步骤：查找一定时间段内的每组窗高的最大变化值，并将所述窗高的最大变化值作为QRS幅度判断指标，用于识别QRS幅度的高度。

8.如权利要求1至4中任一项所述的判断指标的生成方法，其特征在于：在步骤A1之后还包括以下步骤：

A2、根据原始心电信号的数据检测QRS波；

B2、查找每个QRS波的起点；

C2、检测最近若干QRS波起点的波动值，所述波动值为若干QRS波起点中的最大值减去最小值，并将所述波动值作为第二基线漂移判断指标，用于识别低频干扰。

9.如权利要求1至4中任一项所述的判断指标的生成方法，其特征在于：在步骤A1之后还包括以下步骤：

A3、对原始心电信号的数据进行滤波；

B3、对滤波后一定时间段内的所述数据序列进行分组，统计每组的最大值、最小值和窗高，所述每组的窗高为该组的最大值减去最小值；

C3、查找最近指定时间内的最大窗高值，并将所述最大窗高值作为信号过小判断指标，用于判断信号是否过小。

10.一种用于心电干扰信号识别的判断指标的生成装置，其特征在于包括：

采样单元，用于采集心电信号，得到原始心电信号数据序列；

第一分组统计单元，用于对一定时间段内的所述数据序列进行分组，统计每组的最小值；

第一基线漂移判断指标生成单元，用于在查找出的由每组的最小值组成的最小值集合中查找出其中的最小值和最大值，并将找出的最大值和最小值的差作为第一基线漂移判断指标，以用于识别低频干扰和不规则干扰。

11.如权利要求10所述的判断指标的生成装置，其特征在于：还包括用于对查找出的由每组的最小值组成的最小值集合进行滤波的第一滤波单元。

12.如权利要求10或11所述的判断指标的生成装置，其特征在于：所述第一分组统计单元还用于统计每组的最大值和窗高，所述每组的窗高为该组的最大值减去最小值。

13.如权利要求12所述的判断指标的生成装置，其特征在于：还包括高频噪声判断指标生成单元，其用于查找一定时间段内的最小窗高值，并将所述最小窗高值作为高频噪声判断指标，以用于识别高频噪声。

14.如权利要求13所述的判断指标的生成装置，其特征在于：还包括QRS幅度判断指标生成单元，其用于查找一定时间段内的每组窗高的最大变化值，并将所述窗高的最大变化值作为QRS幅度判断指标，以用于识别QRS幅度的高度。

15.如权利要求10所述的判断指标的生成装置，其特征在于：还包括：

QRS波检测单元，用于根据原始心电信号的数据检测QRS波；

起点查找单元，用于查找每个QRS波的起点；

第二基线漂移判断指标生成单元，用于检测最近若干QRS波起点的波动值，并将所述波动值作为第二基线漂移判断指标，用于识别低频干扰，所述波动值为若干QRS波起点中的最大值减去最小值。

16.如权利要求10所述的判断指标的生成装置，其特征在于：还包括：

第二滤波单元，用于对原始心电信号的数据进行滤波；

第二分组统计单元，用于对滤波后一定时间段内的所述数据序列进行分组，统计每组的最大值、最小值和窗高，所述每组的窗高为该组的最大值减去最小值；

信号过小判断指标生成单元，用于查找最近指定时间内的最大窗高值，并将所述最大窗高值作为信号过小判断指标，用于判断信号是否过小。

Images