CN101461709A - 基于斜率绝对值分布离散度的可电击复律心律识别算法 - Google Patents
基于斜率绝对值分布离散度的可电击复律心律识别算法 Download PDFInfo
- Publication number
- CN101461709A CN101461709A CNA2009100451518A CN200910045151A CN101461709A CN 101461709 A CN101461709 A CN 101461709A CN A2009100451518 A CNA2009100451518 A CN A2009100451518A CN 200910045151 A CN200910045151 A CN 200910045151A CN 101461709 A CN101461709 A CN 101461709A
- Authority
- CN
- China
- Prior art keywords
- absolute value
- heart
- slope
- rhythm
- distribution dispersion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
Abstract
一种基于斜率绝对值分布离散度的可电击复律心律识别算法,适用于疾病诊治的仪器或装置包括步骤:S1.对心电信号进行预处理;S2.识别心电信号是否为心脏停搏心律,若为心脏停搏心律,则判为不可电击复律心律;若不是心脏停搏心律,则继续执行后续步骤S3和S4;S3.计算斜率绝对值分布离散度;S4.根据斜率绝对值分布离散度来判别是否属于不可电击复律心律或属于可电击复律心律。本发明提高了识别可电击复律心律的灵敏度和特异性,也简化了算法的计算复杂度,可应用于现有的心电监护仪和自动体外除颤器等需要根据体表心电图识别可电击复律心律的仪器设备。
Description
技术领域
本发明涉及一种心电信号(ECG)识别方法,特别涉及一种可改进现有的心电监护仪和自动体外除颤器性能的可电击复律心律(Shockable Rhythrm,ShR)识别算法。
背景技术
心脏性猝死(SCD)是指由于心脏原因引起的突然发生的自然死亡。造成心脏性猝死的原因大部分是在各类心血管病变基础上发生的一时性功能障碍和电生理改变,并引起恶性室性心律失常如室性心动过速(简称室速,VT)、心室纤维颤动(简称室颤,VF)等。电击除颤是终止多数快速性恶性室性心律失常的首选有效方法。
1997年,美国心脏协会(AHA)在循环(Circulation)杂志上发表了一份与自动体外除颤器(AED)算法性能报道相关的建议《用于公共场合除颤的自动体外除颤器:对说明和汇报的心律失常分析算法的性能、包含新的波形和提高安全性的建议》(《Automatic External Defibrillators forPublic Access Defibrillation:Recommendations for Specifying and ReportingArrhythmia Analysis Algorithm Performance,Incorporating New Waveforms,and Enhancing Safety.》)。
该建议将心律分为以下三大类:可电击复律心律(shockable rhythms,ShR),不可电击复律心律(nonshockable rhythms,NShR)和中间心律(Intermediate rhythms)。
目前文献报道的可电击复律心律识别算法存在着各种问题,如由于室颤时心电图的形态会发生很大的变化,各种基于心电图R波识别的算法不适用于可电击复律心律的判别;相空间重建(Phase Space ReconstructionAlgorithm,PSR)算法、信号比较算法(Signal Comparison Algorithm,SCA)等虽然有很高的特异性,但灵敏度却很差;而一些基于各种变换和复杂度分析的算法计算复杂,对硬件要求较高。所以,已有的可电击复律心律的判别算法仍存在灵敏度和特异性不能兼顾,或计算复杂等问题,例如,作为典型的例子,HILB算法应用于疾病的诊治的仪器或装置中也存在这样的一些缺点,HILB算法使用了在分析非线性信号时经常使用的方法-希尔伯特变换法构建相空间。假设心电信号为x(t),对它做希尔伯特变换后得到xH(t),如果用x(t)表示x轴坐标,用xH(t)表示y轴坐标,就构造出了一个二维的相空间。在这样一个相空间中,混沌信号的轨迹会比规律信号的轨迹杂乱。Anoton、Robert和Karl等人发现VF信号的相空间轨迹比SR(窦性心律)信号的相空间轨迹要杂乱。所以,他们假设VF信号是混沌的,而SR信号是规律的。他们将构建出来的相空间划分成40 x 40个相同大小的格子,并统计心电信号的相空间轨迹经过的格子点数。由于SR信号是规律的,VF信号是混沌的,所以与SR信号的相空间轨迹相比,VF信号的相空间轨迹会经过更多的格子。
为了减小计算量,还需要对信号做降采样。
HILB算法的详细过程如下:
1.对信号以50Hz降采样。
2.心电信号x(t)的希尔伯特变换为xH(t),构建40 x 40格的相空间,计算(x(t),xH(t))在所构建的相空间中所占的格数visited boxes。
3.定义 并取阈值为d0,
如果d>d0,则判为VF;
如果d<=d0,则判为SR。
发明内容:
如上所述,为心电监护仪和自动体外除颤器提供判别准确性高且运算速度快的可电击复律心律识别算法,乃是本发明所要解决的技术问题。为此,本发明的目的在于提供一种识别准确、计算简单、能满足应用要求的、基于标准化斜率绝对值分布离散度的可电击复律心律识别算法,以改进现有的需要使用可电击复律心律识别方法的仪器设备的性能。
本发明的技术方案如下:
根据本发明的一种斜率绝对值分布离散度的可电击复律心律识别算法,包括步骤如下:
首先,对心电信号进行心脏停搏心律的识别:
如果是心脏停搏心律,则判为NShR;
如果不是心脏停搏心律,则进行后面的步骤。
其次,计算斜率绝对值分布离散度;
最后,根据斜率绝对值分布离散度来判别NShR和ShR,
判别标准为:
如果斜率绝对值分布离散度>=阈值,则判为NShR;
如果斜率绝对值分布离散度<阈值,则判为ShR。
上述识别心脏停搏心律的具体过程为:
将幅度小于80uV的心电信号判为心脏停搏心律。
上述计算斜率绝对值分布离散度的具体过程为:
首先,将一段心电数据按相同时间间隔分成小段,每一小段称为一个栅条(bar),时间间隔称为栅条宽度(barwidth);
然后,计算每个栅条内的最后一个样点与第一个样点的差值的绝对值(slope),即slopei=abs(signali(barwidth)-signali(i)),其中slopei表示第i个栅条的斜率绝对值,signali表示第i个栅条内的样点序列;
接着,在所有斜率绝对值中的最大值和最小值之间,划分若干个(histnum)区域,统计落在各区域内的栅条投影的数量(slope_hist);
最后,计算这histnum个slope_hist的标准差(slope_stdhist),也就是斜率绝对值分布离散度。
由于采用了以上技术方案,提高了识别可电击复律心律的灵敏度和特异性,满足应用要求。另外也简化了算法的计算复杂度。本发明可应用于心电监护仪、植入式除颤仪(ICD)和自动体外除颤器(AED)等需要识别可电击复律心律的仪器设备。
附图说明:
图1是本发明的主体流程图。
图2是本发明主体流程图中“S1预处理”步骤的流程图。
图3是本发明主体流程图中“S3计算斜率绝对值分布离散度”步骤的流程图。
具体实施方式:
下面通过具体的实施例对本发明作进一步的描述。
本实施例是本发明在个人计算机(PC)和矩阵实验室(MatrixLaboratory,Matlab)平台上一种可能的实现,并在美国由麻省理工大学心律失常数据库(MITDB)、Creighton大学室性心律失常数据库(CUDB)、美国麻省理工大学恶性室性心律失常数据库(VFDB)三个标准数据库构成的测试数据集上进行测试和比较。本实施例具体步骤如下:
1.对心电信号进行预处理:
a)使用一个5阶的滑动平均滤波器,滤除散布噪声和肌电噪声等高频噪声;
b)使用一个截止频率为1Hz的高通滤波器,抑制基线漂移;
c)使用一个截止频率为30Hz的巴特沃思低通滤波器,进一步滤除无关的高频成分。
2.对心电信号进行心脏停搏心律的识别:
如果心电信号的幅度小于80uV,则认为是心脏停搏心律,判为NShR;
如果心电信号的幅度大于或等于80uV,则认为不是心脏停搏心律,继续后面的步骤。
3.计算斜率绝对值分布离散度:
a)将一段心电数据按相同时间间隔分成小段,每一小段称为一个栅条(bar),时间间隔称为栅条宽度(barwidth)。barwidth取为24ms(当采样率为250Hz时,对应为6个采样点);
b)计算每个栅条内的最后一个样点与第一个样点的差值的绝对值(slope),即slopei=abs(signali(barwidth)-signali(i)),其中slopei表示第i个栅条的斜率绝对值,signali表示第i个栅条内的样点序列;
c)将所有斜率绝对值中的最大值和最小值之间,划分成若干个(histnum)区域,统计落在各区域内的栅条投影的数量(slope_hist)。其中,histnum取为10;
d)计算这histnum个slope_hist的标准差(slope_stdhist),也就是斜率绝对值分布离散度。
4.根据标准化栅条投影标准差来判别NShR和ShR:
判别标准为:
如果标准化栅条投影标准差>=阈值T,则判为NShR;
如果标准化栅条投影标准差<阈值T,则判为ShR。
本实施例使用的软硬件配置如下:
-硬件:戴尔奔4电脑,主频226GHz,512兆内存(Dell OPTIPLEXGX270,Pentium(R)4(2.26GHz)and 512 MB DDR SDRAM)
-软件:MATLAB R13,“信号处理工具箱”版本6.0("Signal ProcessingToolbox"version 6.0)
在如下测试条件下,对本实施例和已有技术希尔伯特(HILB)算法[1][2]进行了测试和比较:
测试数据集为MITDB、CUDB、VFDB三个标准数据库的所有数据,以8s为一个片断(样本数据),相邻两个片断起始时间相差1s。
心律分类的金标准(Golden Standard):
a)根据数据库自带的参考注释(reference annotation),对数据片断进行心律分类。
b)ShR:心律(rhythm)类注释信息标注为VF、VT的心电数据,
NShR:其他所有心律;
c)含有混合心律的片断不使用。
测试结果如下表:
其中,AUC是指接收操作特性(ROC)曲线下的面积[3][4],是综合反映灵敏度和特异性的指标。
由表中可见,本实施例的AUC(0.980)大于HILB算法的AUC(0.965),并且该差异统计意义上显著 。说明本实施例的分类性能优于HILB算法。而且本实施例的计算时间也少于HILB算法。
若阈值T取为370.7,本实施例中基于斜率绝对值分布离散度的可电击复律心律识别算法的灵敏度为92.1%、特异性为95%,达到AHA所建议的灵敏度90%,特异性95%的性能要求。
*本发明参考文献
[1]DI Robert Tratnig.Reliability of New Fibrillation DetectionAlgorithms for Automated External Defibrillators[D].Dornbirn,Austria:Technische Universit"at Graz,2005.
[2]A.Amann,R.Tratnig,K.Unterkofler.A new ventricular fibrillationdetection algorithm for automated external defibrillators[J].Computers inCardiology,2005:559-562.
[3]JP Marques著,吴逸飞译.模式识别---原理、方法及应用[M].清华大学出版社,2002:113-115.
[4]宇传华,徐勇勇.非参数法估计ROC曲线下面积[J].中国卫生统计,1999,16(4):241-244.
[5]Richard E.Kerber,Chair MD,Lance B.Becker,et al.AutomaticExternal Defibrillators for Public Access Defibrillation:Recommendationsfor Specifying and Reporting Arrhythmia Analysis Algorithm Performance,Incorporating New Waveforms,and Enhancing Safety[J].Circulation,1997,95(6):1677-1682.
Claims (5)
1.一种基于斜率绝对值分布离散度的可电击复律心律识别算法,适用于制造对疾病的诊治仪器或装置,包括步骤:
S1.对采集到的心电信号进行预处理;
S2.识别心电信号是否为心脏停搏心律,若为心脏停搏心律,则判为不可电击复律心律;若不是心脏停搏心律,则继续执行后续步骤S3和S4;
S3.计算斜率绝对值分布离散度;
S4根据斜率绝对值分布离散度来判别是否属于不可电击复律心律或属于可电击复律心律。若斜率绝对值分布离散度标准差>=阈值,则判为不可电击复律心律;若斜率绝对值分布离散度标准差<阈值,则判为可电击复律心律。
2.根据权利要求1所述的基于斜率绝对值分布离散度的可电击复律心律识别算法,其特征在于,所述的对采集心电信号的预处理,包括步骤:
S11.使用一个5阶的滑动平均滤波器,滤除高频噪声;
S12.使用一个截止频率为1Hz的高通滤波器,抑制基线漂移;
S13.使用一个截止频率为30Hz的巴特沃思低通滤波器,进一步滤除无关的高频成分。
3.根据权利要求1或2所述的基于斜率绝对值分布离散度的可电击复律心律识别方法,其特征在于,步骤S11滤除高频噪声包括散布噪声和肌电噪声。
4.根据权利要求1所述的基于斜率绝对值分布离散度的可电击复律心律识别算法,其特征在于,所述的不可电击复律心律的电信号的幅度小于80uV。
5.根据权利要求1所述的基于斜率绝对值标分布离散度的可电击复律心律识别算法,其特征在于,所述计算斜率绝对值分布离散度,包括步骤:
S31.将一段心电数据按相同时间间隔分成小段,将每一小段称为一个栅条,将每一时间间隔称为栅条宽度;
S32.计算每一个栅条内的最后一个样点与第一个样点的差值的绝对值,形成斜率绝对值序列;
S33.将所有斜率绝对值中最大值和最小值之间划成若干个区域,统计落在各个区域内的斜率绝对值的数量;
S34.计算斜率绝对值分布离散度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100451518A CN101461709B (zh) | 2009-01-12 | 2009-01-12 | 一种改进的可电击复律心律识别仪器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100451518A CN101461709B (zh) | 2009-01-12 | 2009-01-12 | 一种改进的可电击复律心律识别仪器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101461709A true CN101461709A (zh) | 2009-06-24 |
CN101461709B CN101461709B (zh) | 2011-02-09 |
Family
ID=40802652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100451518A Expired - Fee Related CN101461709B (zh) | 2009-01-12 | 2009-01-12 | 一种改进的可电击复律心律识别仪器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101461709B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104274907A (zh) * | 2014-09-19 | 2015-01-14 | 中国人民解放军第三军医大学 | 一种预测除颤成功概率的方法及除颤仪 |
CN104382590A (zh) * | 2014-12-11 | 2015-03-04 | 赖大坤 | 一种结合心电时频域特征分析的可电击复律心律自动识别和归类方法 |
CN107029354A (zh) * | 2015-12-18 | 2017-08-11 | 嘉泉大学产学协力团 | 心脏除纤颤器的冲击信号检测方法 |
CN109171708A (zh) * | 2018-10-25 | 2019-01-11 | 广东工业大学 | 一种可除颤心律识别装置 |
CN109602414A (zh) * | 2018-11-12 | 2019-04-12 | 安徽心之声医疗科技有限公司 | 一种多视角转换的心电信号数据增强方法 |
CN116328187A (zh) * | 2023-05-30 | 2023-06-27 | 苏州维伟思医疗科技有限公司 | 可电击心律识别方法、穿戴式心律转复除颤器及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6553257B2 (en) * | 2001-03-13 | 2003-04-22 | Koninklijke Philips Electronics N.V. | Interactive method of performing cardipulmonary resuscitation with minimal delay to defibrillation shocks |
CN101203267A (zh) * | 2005-06-23 | 2008-06-18 | 皇家飞利浦电子股份有限公司 | 具有自动选择首先电击/首先cpr的算法的除颤器 |
CN201098465Y (zh) * | 2007-08-09 | 2008-08-13 | 复旦大学 | 除颤器、除颤监护仪的监护控制设备 |
-
2009
- 2009-01-12 CN CN2009100451518A patent/CN101461709B/zh not_active Expired - Fee Related
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104274907A (zh) * | 2014-09-19 | 2015-01-14 | 中国人民解放军第三军医大学 | 一种预测除颤成功概率的方法及除颤仪 |
CN104274907B (zh) * | 2014-09-19 | 2016-08-31 | 中国人民解放军第三军医大学 | 一种除颤仪 |
CN104382590A (zh) * | 2014-12-11 | 2015-03-04 | 赖大坤 | 一种结合心电时频域特征分析的可电击复律心律自动识别和归类方法 |
CN107029354A (zh) * | 2015-12-18 | 2017-08-11 | 嘉泉大学产学协力团 | 心脏除纤颤器的冲击信号检测方法 |
CN109171708A (zh) * | 2018-10-25 | 2019-01-11 | 广东工业大学 | 一种可除颤心律识别装置 |
CN109602414A (zh) * | 2018-11-12 | 2019-04-12 | 安徽心之声医疗科技有限公司 | 一种多视角转换的心电信号数据增强方法 |
CN116328187A (zh) * | 2023-05-30 | 2023-06-27 | 苏州维伟思医疗科技有限公司 | 可电击心律识别方法、穿戴式心律转复除颤器及存储介质 |
CN116328187B (zh) * | 2023-05-30 | 2023-09-26 | 苏州维伟思医疗科技有限公司 | 可电击心律识别方法、穿戴式心律转复除颤器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101461709B (zh) | 2011-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101461711A (zh) | 基于标准化斜率绝对值标准差的可电击复律心律识别算法 | |
Mohanty et al. | Efficient classification of ventricular arrhythmias using feature selection and C4. 5 classifier | |
Minami et al. | Real-time discrimination of ventricular tachyarrhythmia with Fourier-transform neural network | |
CN104382590B (zh) | 一种结合心电时频域特征分析的可电击复律心律自动识别和归类方法 | |
CN101461709B (zh) | 一种改进的可电击复律心律识别仪器 | |
Amann et al. | A new ventricular fibrillation detection algorithm for automated external defibrillators | |
CN101461710B (zh) | 一种改进的可电击复律心律识别仪器 | |
CN108403107B (zh) | 一种心律失常判别方法及系统 | |
Romero et al. | ECG frequency domain features extraction: A new characteristic for arrhythmias classification | |
Nguyen et al. | Diagnosis of shockable rhythms for automated external defibrillators using a reliable support vector machine classifier | |
Malek et al. | Automated detection of premature ventricular contraction in ECG signals using enhanced template matching algorithm | |
Jekova | Shock advisory tool: Detection of life-threatening cardiac arrhythmias and shock success prediction by means of a common parameter set | |
Parsi et al. | Prediction of sudden cardiac death in implantable cardioverter defibrillators: a review and comparative study of heart rate variability features | |
Hotradat et al. | Empirical mode decomposition based ECG features in classifying and tracking ventricular arrhythmias | |
Balasundaram et al. | Wavelet-based features for characterizing ventricular arrhythmias in optimizing treatment options | |
Dliou et al. | Abnormal ECG signals analysis using non-parametric time–frequency techniques | |
Othman et al. | A new semantic mining approach for detecting ventricular tachycardia and ventricular fibrillation | |
Murthy et al. | ECG signal denoising and ischemic event feature extraction using Daubechies wavelets | |
CN101474069B (zh) | 一种改进的可电击复律识别仪器 | |
Khadra et al. | A new quantitative analysis technique for cardiac arrhythmia using bispectrum and bicoherency | |
Dliou et al. | Noised abnormal ECG signal analysis by combining EMD and Choi-Williams techniques | |
Nemirko et al. | The Comparison of Algorithms for Life-threatening Cardiac Arrhythmias Recognition. | |
Afatmirni et al. | Predicting refibrillation from pre-shock waveforms in optimizing cardiac resuscitation | |
Clayton et al. | Linear and non-linear analysis of the surface electrocardiogram during human ventricular fibrillation shows evidence of order in the underlying mechanism | |
Zhang et al. | A shockable rhythm detection algorithm for automatic external defibrillators by combining a slope variability analyzer with a band-pass digital filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110209 Termination date: 20150112 |
|
EXPY | Termination of patent right or utility model |