CN101866423A - 一种动脉压信号逐拍分割方法 - Google Patents

Abstract

本发明提供一种动脉压信号逐拍分割方法。该方法利用波形特征提取和模板匹配来识别动脉压信号的节拍起点，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响；同时，对差向量进行对数极坐标转换并加以分区来度量波形的相似性，这种度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息并对波形抖动具有鲁棒性，这种将点与点的相似度量转化为点所在波形的度量的方法，实现了对动脉压信号节拍起点的准确识别和检测。将该方法应用于相关的动脉压分析设备中，能够实现对动脉压信号的准确逐拍分割，有助于提高动脉压分析设备的检测和分析能力。

Description

一种动脉压信号逐拍分割方法

技术领域

本发明涉及动脉压自动检测与分析技术领域，特别涉及一种基于波形特征提取和模板匹配的的动脉压信号逐拍分割方法。

背景技术

动脉压信号携带着重要的生理病理信息，例如血流的入射和反射，心脏搏血功能，动脉管壁的弹性和僵硬度等信息。动脉压信号随着心脏的搏动而波动，是一种以连续波动的方式传播的准周期逐拍信号，连续逐拍中每一节拍的起点代表着一个脉搏波的到来，两个连续节拍起点之间为一个完整节拍的动脉压信号，它提供着重要的血压信息和心脏搏动信息，患者当前的血压和心脏参数都可以由一个节拍的动脉信号计算得到。目前，临床上使用的动脉压分析设备正是通过综合分析不同节拍的动脉压信号，获取患者当前的血压和心脏参数，从而检测患者的心率、收缩压以及舒张压。因此，对于动脉压分析设备而言，动脉压信号的逐拍分割技术是非常关键的，逐拍分割的准确与否，将直接影响到动脉压分析设备对心率、收缩压以及舒张压的检测精度的好坏。

动脉压信号的逐拍分割技术中，节拍起点检测是非常重要和基础的，通常动脉压信号的逐拍分割都采用“检测节拍起点→以节拍起点为分割点进行逐拍分割”的方法实现。现有技术中，主要采用的节拍起点检测方法有两种。一种方法是通过计算动脉压信号的幅值大小来检测节拍起点，该方法首先利用信号自相关或者功率谱估计来估算被测动脉压信号的近似周期，即信号周期处的频率对应的功率贡献最大，然后通过近似周期确定节拍起点的大概范围，找到该范围内信号幅值最小的点，即把该点作为动脉压信号中的一个节拍起点；另一方法是通过计算动脉压信号的局部最小值点来检测节拍起点，该方法首先对动脉压信号求导运算，取得动脉压信号上导数为“0”的极值点，再进一步判断这些极值点是极大值点还是极小值点，其中的极小值点即为动脉压信号的局部最小值点；最后比较局部最小值点的幅值，幅值最小的点即判定为节拍起点。这两种节拍起点检测方法，用于检测波形轮廓比较规则的动脉压信号中的节拍起点，检测效果还是比较好的。但是在临床实践中，由于受到入射动脉波和反射波的相互作用，动脉压信号的波形轮廓会产生一定程度的变异性；特别是在每一节拍的波尾处，反射波的作用逐渐增强，入射波的作用逐渐减弱，导致每一节拍动脉压信号波尾处的波动剧烈，变异性增强。因此，在临床实际检测得到的动脉压信号中，某些节拍波尾部分的最小值不一定是下一节拍的节拍起点。例如，如图2所示的动脉压信号，其中点p₂是实际信号节拍的节拍起点，点p₁只是该节拍起点前一节拍波尾部分的变异性干扰点；但是无论采用计算幅值的方法还是采用计算局部最小值点的方法，都会将干扰点p₁误判为动脉压信号的节拍起点，导致动脉压信号的逐拍分割不够准确，从而会在一定程度上影响到动脉压分析设备在后续过程中对心率、收缩压以及舒张压的检测精度。

发明内容

针对现有技术存在的上述不足，本发明的目的是提供一种分割准确度更高的基于波形特征提取和模板匹配的动脉压信号逐拍分割方法，将该方法应用于动脉压分析设备对连续的动脉压信号的逐拍分割技术中，有助于提高动脉压信号分析设备的检测和分析精度。

本发明的目的是这样实现的：一种动脉压信号逐拍分割方法，将动脉压检测仪采集的动脉压信号输入计算机，由计算机进行低通滤波和采样预处理，并对动脉压信号进行逐拍分割，依次包括如下步骤：

a)建立对数极坐标分布模型：在对数极坐标中，预先设定对数极径的取值半径ξ_max以及极角的取值范围Δψ，将对数极径的取值半径ξ_max划分为M个等间隔区间，将极角的取值范围Δψ划分为N个等间隔区间，则对数极径的取值半径ξ_max、极角的取值范围Δψ以内的对数极坐标域划分为M×N个等间隔的二维区间，构成对数极坐标分布模型；

b)选取多个波形轮廓互不相同并且周期、幅度和节拍起点均已知的动脉压信号分别作为模板信号，分别将各模板信号中节拍起点前后各一周期内的采样点映射到对数极坐标分布模型中，获取各模板信号中节拍起点的分布特征；

c)对待测动脉压信号进行自相关分析，计算其自相关系数中每相邻两个局部最小值之间的时间间隔，取所述时间间隔的平均值作为待测动脉压信号的近似周期；

d)提取待测动脉压信号中的局部最小值点；

e)分别将待测动脉压信号中各局部最小值点前后各一近似周期内的采样点映射到对数极坐标分布模型中，获取待测动脉压信号中各个局部最小值点的分布特征；

f)利用步骤b)获取的各个模板信号中节拍起点的分布特征，分别对待测动脉压信号中各局部最小值点的分布特征进行χ²统计检验，得到待测动脉压信号中各个局部最小值点的相异度；

所述χ²统计检验的计算公式为：

${\mathrm{\χ}}^2(D_i,D_k)=\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}f\left(d_j\right),$ 且

其中，χ²(D_i，D_k)为待测动脉压信号中第i个局部最小值点相对于第k个模板信号中节拍起点的检验值；d_i，j为待测动脉压信号中第i个局部最小值点在对数极坐标分布模型第j个二维分区的分布值，d_k，j为第k个模板信号中节拍起点在对数极坐标分布模型第j个二维分区的分布值；n为对数极坐标分布模型中二维分区的个数，且n＝M×N；

g)计算待测动脉压信号起始β倍近似周期内相异度最小的局部最小值点作为第一个待定点；然后，以前一待定点为起始点，计算其后β倍近似周期内相异度最小的局部最小值点作为又一个待定点；由此递推确定待测动脉压信号中的所有待定点，每确定一个待定点则将其相异度与预先设定的阈值C₀进行比较，相异度小于阈值C₀的待定点即判定为待测动脉压信号中的节拍起点；其中，β的取值范围为1.2～1.8，所述阈值C₀的取值范围为0.1～0.4；

h)对待测动脉压信号进行逐拍分割，存储并显示待测动脉压信号逐拍分割结果。

进一步，步骤b)中所述“分别将各模板信号中节拍起点前后各一周期内的采样点映射到对数极坐标分布模型中，获取各模板信号中节拍起点的分布特征”，具体包括：

b1)提取任一模板信号中节拍起点前一周期和后一周期内的采样点作为该节拍起点的分布特征点，并建立其与该节拍起点的笛卡尔相对坐标；

b2)根据步骤b1)所得的笛卡尔相对坐标，将所述节拍起点的分布特征点从笛卡尔坐标系映射到对数极坐标分布模型中，得到该节拍起点的分布特征点的对数极坐标；

b3)根据步骤b2)所得的对数极坐标，计算所述节拍起点的分布特征点在对数极坐标模型各二维分区中的分布数量，作为该节拍起点的分布特征；

b4)重复步骤b1)～b3)，获取各模板信号中节拍起点的分布特征。

进一步，所述步骤e)具体包括：

e1)提取待测动脉压信号中任一局部最小值点前一近似周期和后一近似周期中的采样点作为该局部最小值点的分布特征点，并建立其与该局部最小值点的笛卡尔相对坐标；

e2)根据步骤e1)所得的笛卡尔相对坐标，将所述局部最小值点的分布特征点从笛卡尔坐标系映射到对数极坐标分布模型中，得到该局部最小值点的分布特征点的对数极坐标；

e3)根据步骤e2)所得的对数极坐标，计算所述局部最小值点的分布特征点在对数极坐标模型各二维分区中的分布数量，作为该局部最小值点的分布特征；

e4)重复步骤e1)～e3)，获取待测动脉压信号中各局部最小值点的分布特征。

进一步，所述步骤f)具体包括：

f1)利用步骤b)获取的各个模板信号中节拍起点的分布特征，对待测动脉压信号中任一局部最小值点的分布特征进行χ²统计检验，得到该局部最小值点相对于各个模板信号中节拍起点的统计检验值；

f2)以步骤f1)所得统计检验值中的最小值作为所述局部最小值点的相异度；

f3)重复步骤f1)～f2)，得到待测动脉压信号中各个局部最小值点的相异度。

作为优选方案，所述低通滤波的截止频率为20～50Hz，采样的频率为125～1000Hz。

相比现有技术，本发明具有如下有益效果：

1、本发明方法以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响。

2、对差向量进行对数极坐标转换并加以分区来度量波形的相似性，这种度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息，并对波形抖动具有鲁棒性。

3、仅以动脉压信号中的局部最小值点作为识别点，忽略对非局部最小值点的计算和识别，大大简化了检测过程中的数据计算量，进一步提高了识别的鲁棒性。

4、实现了计算机对动脉压信号的逐拍分割，并适用于在临床上应用的有创方法和无创方法检测到的动脉压信号。

附图说明

图1为本发明方法的流程框图；

图2为动脉压信号示例波形图；

图3为本发明实施例中一模板信号的波形图；

图4为图3所示模板信号的笛卡尔坐标映射示意图；

图5为图3所示模板信号中点a在对数极坐标模型中的映射示意图；

图6为本发明实施例中的对数极坐标模型图；

图7为图3所示模板信号中节拍起点在图6所示对数极坐标模型中的归一化分布图；

图8为本发明实施例中一待测动脉压信号的波形图；

图9为图8所示待测动脉压信号前3个近似周期所对应的波形图；

图10为图9所示待测动脉压信号中点s₁在图6所示对数极坐标模型中的归一化对数极坐标分布模型图；

图11为图9所示待测动脉压信号中点s₂在图6所示对数极坐标模型中的归一化对数极坐标分布模型图；

图12为图9所示待测动脉压信号中点s₃在图6所示对数极坐标模型中的归一化对数极坐标分布模型图；

图13为图9所示待测动脉压信号中点s₄在图6所示对数极坐标模型中的归一化对数极坐标分布模型图；

图14为图8所示待测动脉压信号中局部最小值点的相异度分布图；

图15为图8所示待测动脉压信号的逐拍分割图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步说明：

本发明提出了一种结合动脉压信号的波形轮廓进行综合分析的动脉压信号逐拍分割方法。动脉压信号的的逐拍对应着心脏搏动，而且各节拍的内在驱动机制相同，都是动脉入射波和反射波共同作用驱动的结果，相邻的节拍的波形具有相似性；如果能够对相似性加以度量和匹配，就可以找到与节拍起点相似的点，实现动脉压信号的节拍分割。本发明提取动脉压信号中的点与其所在波形上的其它点的相对位置关系，并通过度量其在对数极坐标分布模型中的分布特征，来度量这些点与节拍起点之间的相似性；同时，将点与点的相似性度量转化为对点所在的波形经对数极坐标变换后的相似性匹配程度来加以度量，转换后的度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息。将本发明方法应用于带有微处理器等计算处理单元的识别处理设备(如具备计算机功能的动脉压分析仪、动脉压分析系统等)，结合对动脉压信号局部形态结构和全局轮廓信息进行识别，便能够准确的判断节拍起点的位置，从而提高对动脉压信号的逐拍分割准确度。

本发明的动脉压信号逐拍分割方法，采用动脉压检测仪采集动脉压信号，将动脉压检测仪采集的动脉压信号输入计算机，由计算机进行低通滤波和采样预处理，并对动脉压信号进行逐拍分割，其流程框图如图1所示，依次按如下步骤进行：

a)建立对数极坐标分布模型：

由于多种因素的影响，动脉压信号中各个节拍的波形轮廓不可能完全吻合，因此只能通过比较波形形态的相似性匹配程度来识别节拍起点。节拍起点邻近的波形形态与非节拍起点邻近的波形形态之间差异是非常大的，如果可以建立一种度量关系，让度量对邻近的波形形态特征更加敏感，就更容易将节拍起点与非节拍起点加以明显的区分，达到识别目标。本发明通过建立对数极坐标分布模型，将采集的动脉压信号映射到对数极坐标分布模型中，让动脉压信号中的识别点与其所在波形上的其它点的相对位置关系呈现对数变化规律，通过度量动脉压信号中的识别点相对于其所在波形的其它点在对数极坐标分布模型中的分布特征，以其分布特征的对数变化规律来体现识别点对其邻近的波形形态的敏感特性，进而实现对动脉压信号中节拍起点的匹配识别。对数极坐标分布模型是设有多个等间隔的二维分区的对数极坐标域(ξ，ψ)，在对数极坐标中预先设定对数极径的取值半径ξ_max以及极角的取值范围

将对数极径的取值半径ξ_max划分为M个等间隔区间，将极角的取值范围

划分为N个等间隔区间，则对数极径的取值半径ξ_max、极角的取值范围

以内的对数极坐标域划分为M×N个等间隔的二维区间，从而构成对数极坐标分布模型。对数极坐标分布模型中二维区间的划分，形如表1所示：

表1

其中，v_j为对数极坐标分布模型中第j个二维区间，j∈{1，2，...，n}，n＝M×N。

对数极坐标分布模型中，为了让动脉压信号映射后不会发生点与点的重合现象，影响识别，极角的取值范围

最好设定为(-π，π]；对数极径的取值半径ξ_max根据计算所需要的识别范围预先设定；M和N则根据计算所需要的精度确定，通常M的取值范围为4～20，N的取值范围为8～36。对数极坐标模型能够与笛卡尔坐标系(x，y)相互转换，其转换关系如下：

$\mathrm{\ξ}=\log \mathrm{\ρ}=\log \sqrt{x^2+y^2};$

其中(ρ，θ)为笛卡尔坐标系(x，y)所对应的极坐标。

b)建立模板信号中节拍起点的分布特征：

在不同个体、不同身体状态下，所采集到的动脉压信号的周期、幅值和波形轮廓都不尽相同，因此在建立模板时应当充分考虑这些因素。选取多个波形轮廓互不相同的动脉压信号作为模板信号，并且其各自的周期、幅度和节拍起点等参数均预先获取为已知条件，便于计算。所选取的多个模板信号，应当尽可能涵盖实践临床上常见几种动脉压信号的波形轮廓，其周期在0.43～1.5秒之间，以尽可能使得这些模板信号能够用于识别心率范围在40～140次/分钟的动脉压信号。

由动脉压检测仪采集上述各类动脉压信号，这些信号是通过A/D转换后的数字信号(A/D转换的采样频率为400Hz)，将这些信号输入计算机，进行低通滤波和采样预处理，其滤波的截止频率为20～50Hz，采样频率在125～1000Hz之间。从中选取K段信号作为模板信号，其中第k个模板信号

的周期为T_k，k∈{1，2，...，K}，波形轮廓如图3所示，模板信号

的一个节拍起点为O_k。获取模板信号

中节拍起点O_k的分布特征D_k的方法如下：

在计算节拍起点O_k的分布特征过程中，由于模板信号为准周期信号，因此从提高鲁棒性的角度考虑，不需要取模板信号

上的所有采样点作为计算对象，只需要提取节拍起点O_k前一周期和后一周期内的采样点作为该节拍起点的分布特征点进行计算。为了度量和计算节拍起点O_k与其分布特征点的相对位置关系，将这些分布特征点投射到以节拍起点O_k为原点的笛卡尔坐标系中，建立各分布特征点与该节拍起点的笛卡尔相对坐标，以笛卡尔相对坐标度量各分布特征点与节拍起点O_k的差向量。差向量的大小仅与节拍起点O_k和其分布特征点之间的的相对位置关系有关，而与节拍起点O_k前一周期和后一周期信号波形的基线无关，因此以点与点之间的差向量作为基础特征，使得基础特征具有平移和旋转不变性，该特性能够克服动脉压信号的基线漂移的影响。然后，再根据笛卡尔相对坐标将其映射到对数极坐标分布模型中，得到分布特征点的对数极坐标；这些分布特征点在对数极坐标分布模型中的对数极坐标直接的反映了其与节拍起点O_k之间的位置关系，并且分布呈对数规律变化，通过度量节拍起点O_k的分布特征点的分布特征，这种度量对节拍起点O_k邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息。例如，模板信号

上的采样点a，其作为节拍起点O_k的分布特征点，在以节拍起点O_k为原点的笛卡尔坐标系中的笛卡尔相对坐标为(x_a，y_a)，相应的极坐标为(ρ_a，θ_a)，如图4所示；映射到对数极坐标分布模型之后，得到分布特征点a的对数极坐标(ξ_a，ψ_a)，如图5所示，(ξ_a，ψ_a)与(x_a，y_a)满足对数极坐标模型与笛卡尔坐标系的转换关系，从图5中能够看到分布特征点a分布在对数极坐标分布模型的一个二维区间中。为了便于后续的计算，可根据分布特征点所在的二维区间，对分布特征点的对数极坐标进行归一化处理。

通过该方法，即可获得节拍起点O_k的各个分布特征点在对数极坐标分布模型中的分布图，再通过其各自的对数极坐标确定其所在的二维区间，从而计算获知节拍起点O_k的分布特征点在对数极坐标模型各二维分区中的分布数量，以此作为节拍起点O_k的分布特征D_k。节拍起点O_k的分布特征为一个分布集合D_k＝{d_k，1，d_k，2，...，d_k，j，...，d_k，n}，其元素d_k，j的分布形如表2所示；

表2

其中，d_k，j为模板信号

中节拍起点O_k在对数极坐标分布模型第j个二维分区v_j的分布值，代表节拍起点O_k的分布特征点中有d_k，j个分布特征点落在二维分区v_j中，j∈{1，2，...，n}，n＝M×N。

通过该步骤所得到的各个模板信号的节拍起点分布特征，将之储存在计算机或动脉压分析设备的存储设备中，作为识别待测动脉压信号中节拍起点的标准模板。至此，测试准备工作已完成，接下来即可进行待测动脉压信号的测试步骤。

c)计算待测动脉压信号的近似周期：

由动脉压检测仪采集动脉压信号，这些信号是采样频率为400Hz的数字信号，将这些信号输入计算机，进行低通滤波和采样预处理，其滤波截止频率和采样频率均与模板信号相同，由此得到待测动脉压信号。

获取待测动脉压信号的近似周期，是进行后续测试的一个重要步骤。一方面，可以用近似周期划分识别点的分布特征点选取范围，以提高计算过程的鲁棒性能；另一方面，还可以此近似周期作为节拍起点所在范围的判断基准。待测动脉压信号的近似周期，可采用本领域常用的自相关分析计算得到，对待测动脉压信号进行自相关分析，计算其自相关系数中每相邻两个局部最小值之间的时间间隔，取所述时间间隔的平均值作为待测动脉压信号的近似周期。对于待测动脉压信号

其信号值为时间的函数S(t)，则待测动脉压信号的自相关系数R_S(τ)为：

$R_S\left(\mathrm{\τ}\right)=\underset{-\∞}{\overset{+\∞}{\∫}}S\left(t\right)S(t+\mathrm{\τ})\mathrm{dt},$

实际计算时，只需选取一段时长的待测动脉压信号

(所选时长至少应大于一个周期长度)，计算其R_S(τ)取最大值时所对应的m个τ值，记为τ_l，l∈{1，2，...，m}，则待测动脉压信号

的近似周期

为：

${\stackrel{\‾}{T}}_s=\frac{1}{m}\underset{l=2}{\overset{m}{\mathrm{\Σ}}}({\mathrm{\τ}}_l-{\mathrm{\τ}}_{l-1}).$

d)待测动脉压信号的节拍起点应该是一个局部最小值点，若仅以待测动脉压信号中的各个局部最小值点作为识别点进行计算，可以避免对信号中大量的明显非节拍起点进行识别，大大简化了检测过程中的数据计算量，能够进一步提高识别的鲁棒性。因此，在进行识别之前，先通过本领域常用一些方法提取待测动脉压信号中的局部最小值点。例如，可以计算各相邻采样点之间的幅值差，若某一采样点与其前、后相邻采样点之间的幅值差均不大于零，则判定该采样点为局部最小值点。也可利用求导法，对待测动脉压信号进行求导运算，取得待测动脉压信号上导数为“0”的极值点，再进一步判断这些极值点是极大值点还是极小值点，其中的极小值点即为动脉压信号的局部最小值点。

e)获取待测动脉压信号中各个局部最小值点的分布特征：

得到待测动脉压信号的近似周期和局部最小值点后，即可计算待测动脉压信号中各个局部最小值点的分布特征。

例如，待测动脉压信号

近似周期为

通过计算得到待测动脉压信号

中的I个局部最小值点，其中第i个局部最小值点为s_i，i∈{1，2，...，I}；获取待测动脉压信号

中局部最小值点s_i的分布特征D_i的方法如下：提取待测动脉压信号中局部最小值点s_i前一近似周期和后一近似周期中的采样点作为局部最小值点s_i的分布特征点，并投射到以局部最小值点s_i为原点的笛卡尔坐标系中，建立局部最小值点s_i各分布特征点与局部最小值点s_i的笛卡尔相对坐标，再根据笛卡尔相对坐标将其映射到对数极坐标分布模型中，得到分布特征点的对数极坐标，这些分布特征点在对数极坐标分布模型中的对数极坐标直接的反映了其与局部最小值点s_i之间的位置关系；计算获取局部最小值点s_i的分布特征点在对数极坐标模型各二维分区中的分布数量，以此作为局部最小值点s_i的分布特征D_i。该步骤的具体计算过程与步骤b)中计算节拍起点为O_k的分布特征D_k的具体计算步骤相似，计算所得的局部最小值点s_i的分布特征一个分布集合D_i＝{d_i，1，d_i，2，...，d_i，j，...，d_i，n}，其元素d_i，j为待测动脉压信号

中局部最小值点s_i在对数极坐标分布模型第j个二维分区v_j的分布值，代表局部最小值点s_i的分布特征点中有d_i，j个分布特征点落在二维分区v_j中，j∈{1，2，...，n}，n＝M×N。

通过该步骤得到待测动脉压信号中各局部最小值点的分布特征，作为识别待测动脉压信号中节拍起点的识别特征。

f)计算待测动脉压信号中各个局部最小值点的相异度：

在待测动脉压信号的每一个周期中，只有一个局部最小值点是真正的节拍起点，该局部最小值点的分布特征应该与模板信号中节拍起点的分布特征非常相似。所以，在此引入“相异度”这一概念，通过计算局部最小值点的相异度，来描述局部最小值点与模板信号中节拍起点的相似性匹配程度；局部最小值点的相异度越小，则表示该局部最小值点与模板信号中节拍起点的相似性匹配程度越高，该局部最小值点就越有可能是待测动脉压信号的实际节拍起点。为了能够度量待测动脉压信号中各个局部最小值点的相异度，本发明利用步骤b)获取的各个模板信号中节拍起点的分布特征，分别对待测动脉压信号中各局部最小值点的分布特征进行χ²统计检验，得到各个局部最小值点的相异度。

例如，待测动脉压信号

中的局部最小值点s_i，i∈{1，2，...，I}，其分布特征为D_i，D_i的元素d_i，j为局部最小值点s_i在对数极坐标分布模型第j个二维分区v_j的分布值；模板信号

k∈{1，2，...，K}，其节拍起点O_k的分布特征为D_k，D_k的元素d_k，j为模板信号

中节拍起点O_k在对数极坐标分布模型第j个二维分区v_j的分布值；其中，j∈{1，2，...，n}，n为对数极坐标分布模型中二维分区的个数，且n＝M×N。利用模板信号

中节拍起点O_k的分布特征为D_k，对待测动脉压信号

中局部最小值点s_i的分布特征D_i进行χ²统计检验，得到局部最小值点s_i相对于模板信号

中节拍起点O_k的统计检验值χ²(D_i，D_k)；χ²统计检验的计算公式为：

${\mathrm{\χ}}^2(D_i,D_k)=\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}f\left(d_j\right),$ 其中

由此，利用步骤b)获取的K个模板信号中节拍起点的分布特征，对待测动脉压信号

中局部最小值点s_i的分布特征D_i进行χ²统计检验，即可得到局部最小值点s_i相对于各个模板信号中节拍起点的统计检验值χ²(D_i，D₁)、χ²(D_i，D₂)、……、χ²(D_i，D_K)。将χ²(D_i，D₁)、χ²(D_i，D₂)、……、χ²(D_i，D_K)中的最小值作为局部最小值点s_i的相异度C_i。

通过该步骤逐一对待测动脉压信号中各个局部最小值点进行χ²统计检验，得到各个局部最小值点的相异度。

g)判定节拍起点：

待测动脉压信号每一节拍中，除实际节拍起点以外的局部最小值点均为干扰点，应当在识别过程中加以排除。干扰点是由于动脉压信号受到多方面因素的影响而产生的，从识别角度来讲可将这些干扰点分为两类。第一类干扰点，是节拍起点附近的一些局部最小值点，这类干扰点的分布特征与模板的相异度往往比节拍起点要大；第二类干扰点，是由于咳嗽、喷嚏等动作导致动脉压信号剧烈抖动，这种抖动的持续时间相对较长，并且振幅较大，形成一段干扰波，干扰波中的局部最小值点作为第二类干扰点。为了将节拍起点与这两类干扰点区分开，需要预先设定一个阈值C₀。

具体处理方式是，将待测动脉压信号每一节拍中相异度最小的局部最小值点作为待定点，在后面加以进一步识别和判定，而除待定点以外的局部最小值点即被视为第一类干扰点加以排除；每确定一个待定点则将其相异度与预先设定的阈值C₀进行比较，把相异度大于阈值C₀的待定点判定为第二类干扰点加以排除，相异度小于阈值C₀的待定点即判定为待测动脉压信号中的节拍起点。但在确定节拍起点之前，待测动脉压信号的节拍时长无法准确的判定，因此需要一个判定时长，该判定时长中既能确定至少包含一个节拍起点，又不会超过2个节拍时长，以尽可能保证判定的准确性。考虑到步骤c)中计算所得的近似周期与实际节拍时长之间的误差，取β倍近似周期作为判定时长来进行判定，β的取值范围为1.2～1.8，以确保β倍近似周期的信号中一定至少包含了一个节拍起点，并且不会超过2个信号节拍的时长。因此采用β倍近似周期作为计算基准，判定节拍起点的具体步骤为：计算待测动脉压信号起始β倍近似周期内相异度最小的局部最小值点作为第一个待定点；然后，以前一待定点为起始点，计算其后β倍近似周期内相异度最小的局部最小值点作为又一个待定点；由此递推确定待测动脉压信号中的所有待定点，每确定一个待定点则将其相异度与预先设定的阈值C₀进行比较，相异度小于阈值C₀的待定点即判定为待测动脉压信号中的节拍起点。β的最优取值为1.5。

例如，计算某β倍近似周期内相异度最小的局部最小值点，确定待定点为s_i，其相异度为C_i；将C_i与预先设定的阈值C₀进行比较，若C_i≥C₀，则判定待定点s_i为第二类干扰点；若C_i＜C₀，则判定待定点s_i为节拍起点。然后再以待定点s_i为起始点，计算待定点s_i之后β倍近似周期内相异度最小的局部最小值点，作为下一个待定点进行判定。通过该步骤逐一对待测动脉压信号中各个局部最小值点进行判定，排除其中属于第一类和第二类干扰点的局部最小值点，判定待测动脉压信号中的节拍起点。

该步骤中，阈值C₀的取值是排除第二类干扰点的决定值，若阈值C₀取值过大，则会造成第二类干扰点的漏检；若阈值C₀取值过小，则可能将实际为节拍起点的局部最小值点一并排除，导致逐拍分割混乱。通常，作为待测动脉压信号的实际节拍起点，其相异度不会大于0.1；但作为第二类干扰点，其相异度小于0.4的情况下，后续计算心率、收缩压以及舒张压的误差在临床上还是可以被接受的。因此，阈值C₀的取值范围取0.1～0.4为宜。

h)最后，以待测动脉压信号中的节拍起点为分割点，由计算机对待测动脉压信号进行逐拍分割，然后将分割后的待测动脉压信号进行显示或储存处理，以便观察和进行后续处理。

下面通过实施例进一步说明本采用发明方法实现动脉压信号逐拍分割的具体过程。

实施例：

本实施例中，由动脉压检测仪(VP-2000，科林公司，日本)采集动脉压信号，这些信号是采样频率为400Hz的数字信号，将这些信号输入计算机，进行低通滤波和采样预处理，其滤波器采用二阶Butterworth低通滤波器，截止频率为25Hz，采样频率为125Hz，将得到的信号作为待测信号。其中一待测动脉压信号

其波形轮廓如图8所示；利用本发明方法，对待测动脉压信号

进行逐拍分割。在计算机中具体按如下步骤进行：

首先，建立对数极坐标分布模型，如图6所示，对数极径的取值半径ξ_max预先设定为6，M取6，即每“1”对数极径划分一个等间隔区间；极角的取值范围设定为(-π，π]，N取8，即每

极角划分一个等间隔区间；则将对数极径的取值半径为6、极角的取值范围为(-π，π]以内的对数极坐标域(ξ，ψ)划分为48个等间隔的二维区间，如表3所述：

表3

然后，由动脉压检测仪采集多个周期不同、分别代表临床上常见波形轮廓的已知动脉压信号(周期和幅度等参数均已知)，这些信号是采样频率为400Hz的数字信号，将这些信号及其相应参数输入计算机，进行低通滤波和采样预处理，其滤波器采用二阶Butterworth低通滤波器，截止频率为25Hz，采样频率为125Hz，从得到的信号中选取20个作为模板信号，通过临床专家手工标记节拍起点。分别将各模板信号中节拍起点前后各一周期内的采样点映射到对数极坐标分布模型中，获取各模板信号中节拍起点的分布特征。其中第6个模板信号

的样波形图如图3所示，将模板信号

中节拍起点前后各一周期内的采样点按照步骤b)所述方法映射到对数极坐标分布模型中，为便于后续计算，再进一步对映射到对数极坐标分布模型中采样点进行归一化处理，使它们分别落于各自所属二维区间的边缘上，由此得到模板信号中节拍起点的对数极坐标分布模型图如图7所示。

准备工作完成后，通过分析待测动脉压信号

的自相关系数，按照步骤c)所述方法计算得到待测动脉压信号的近似周期

按照步骤d)所述方法计算得到待测动脉压信号

中的局部最小值点，但由于动脉压信号

起始第一个近似周期和最后一个近似周期中的波形轮廓不完整，其中的局部最小值点无法利用本发明方法进行测试，因此将这两个周期中的局部最小值点舍去，得到能够作为识别对象的36个局部最小值点，分别为s₁、s₂、s₃、……、s₃₆。

为简要说明待测动脉压信号

中节拍起点的判定过程，在此以待测动脉压信号

前3个近似周期的判定过程为例进行说明。待测动脉压信号

前3个近似周期所对应的采样波形图放大显示，如图9所示，其中除不能识别的第1近似周期中的局部最小值点以外，其它6个局部最小值点分别为s₁、s₂、s₃、s₄、s₅和s₆。分别将局部最小值点s₁、s₂、s₃、s₄、s₅和s₆前后各一近似周期内的采样点按照步骤e)所述方法映射到对数极坐标分布模型中，并经过归一化处理，得到s₁、s₂、s₃、s₄、s₅和s₆的对数极坐标分布模型图；其中s₁、s₂、s₃和s₄的对数极坐标分布模型图分别如图10、图11、图12和图13所示。由对数极坐标分布模型图计算获取待测动脉压信号

中局部最小值点s₁、s₂、s₃、s₄、s₅和s₆的分布特征并利用各个模板信号中节拍起点的分布特征，分别对s₁、s₂、s₃、s₄、s₅和s₆的分布特征进行χ²统计检验；通过计算，s₁、s₂、s₃、s₄、s₅和s₆均相对于模板信号

的统计检验值最小，即s₁、s₂、s₃、s₄、s₅和s₆的相异度分别为：

C₁＝χ²(D₁，D₆)＝0.71；   C₂＝χ²(D₂，D₆)＝0.06；

C₃＝χ²(D₃，D₆)＝0.02；   C₄＝χ²(D₄，D₆)＝0.73；

C₅＝χ²(D₅，D₆)＝0.12；和 C₆＝χ²(D₆，D₆)＝0.03。

然后，计算待测动脉压信号

起始1.5倍近似周期内相异度最小的局部最小值点。由于待测动脉压信号起始1.5倍近似周期内的有效局部最小值点只有s₁，因此将s₁作为第一待定点，将其相异度与预先设定的阈值C₀进行比较，C₀取值为0.2；但由于C₁＝0.71＞C₀，从而局部最小值点s₁被视为第二类干扰点加以排除。接下来，以局部最小值点s₁为起始点，比较s₁之后1.5倍近似周期内的局部最小值点s₂、s₃和s₄的相异度，有C₄＞C₂＞C₃，因此局部最小值点s₂和s₄被视为第一类干扰点加以排除，将s₃作为又一个待定点，与阈值C₀进行比较，得C₃＝0.02＜C₀，即判定局部最小值点s₃为待测动脉压信号

的一个节拍起点。接着以局部最小值点s₃为起始点，计算其后1.5倍近似周期内相异度最小的局部最小值点作为又一个待定点，进一步判定其是否为节拍起点……由此递推确定待测动脉压信号中的所有节拍起点。通过上述计算，确定待测动脉压信号中局部最小值点s₁、s₂、s₃和s₄中，s₃为实际的节拍起点；直观来说，将图10、图11、图12和图13分别与图7进行对照，能够看到，图12中所示的局部最小值点s₃的对数极坐标分布模型图与图7中所示的模板信号

中节拍起点的对数极坐标分布模型图非常相似，即s₃应当被视为待测动脉压信号

中的一个节拍起点。

按照上述的方法，计算待测动脉压信号中作为识别对象的各个局部最小值点的相异度，其相应的相异度分布图如图14所示；最后对各个局部最小值点的相异度进行判定，排除其中的干扰点，确定待测动脉压信号

中的12个节拍起点，分别为s₃、s₆、s₉、s₁₂、s₁₅、s₁₉、s₂₂、s₂₄、s₂₇、s₃₀、s₃₃和s₃₆。以上述确定的节拍起点为分割点，对待测动脉压信号

进行逐拍分割，如图15所示。

为了评估本发明方法的检测性能，我们构建了一个数据库，数据库中待测动脉压信号的节拍起点数量为77190个，这些待测动脉压信号的节拍起点已经过临床专家手工标记。利用本发明方法对待测数据库中待测动脉压信号进行节拍起点识别，然后将检测结果与专家标记的节拍起点进行比较，进而评估本发明的检测性能。我们将手工标记的节拍起点前后8ms设为容错区间，即：由本发明检测的起拍点与专家手工标记的起拍点误差不大于8ms时认为该检测是正确的。本发明方法对此77190个节拍起点的识别精确度为97.68％，特异度为95.46％，满足临床识别的要求。本发明方法能够很好对临床上应用的有创方法和无创方法检测到的动脉压信号进行逐拍分割，有效提高动脉压检测设备对心率、收缩压以及舒张压的检测精度。

本发明方法不仅仅把动脉压信号中的幅值、局部最小值点等局部信息作为参考因素，更结合了动脉压信号的波形轮廓进行综合分析，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响；对差向量进行对数极坐标转换并加以分区来度量波形的相似性，这种度量对识别点邻近的波形形态特征敏感，又能捕获波形的全局轮廓信息，同时对波形抖动和变形具有鲁棒性，进而准确的实现了对动脉压信号节拍起点的识别。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种动脉压信号逐拍分割方法，其特征在于，将动脉压检测仪采集的动脉压信号输入计算机，由计算机进行低通滤波和采样预处理，并对动脉压信号进行逐拍分割，依次包括如下步骤：

a)建立对数极坐标分布模型：在对数极坐标中，预先设定对数极径的取值半径ξ_max以及极角的取值范围Δψ，将对数极径的取值半径ξ_max划分为M个等间隔区间，将极角的取值范围Δψ划分为N个等间隔区间，则对数极径的取值半径ξ_max、极角的取值范围Δψ以内的对数极坐标域划分为M×N个等间隔的二维区间，构成对数极坐标分布模型；

b)选取多个波形轮廓互不相同并且周期、幅度和节拍起点均已知的动脉压信号分别作为模板信号，分别将各模板信号中节拍起点前后各一周期内的采样点映射到对数极坐标分布模型中，获取各模板信号中节拍起点的分布特征；

c)对待测动脉压信号进行自相关分析，计算其自相关系数中每相邻两个局部最小值之间的时间间隔，取所述时间间隔的平均值作为待测动脉压信号的近似周期；

d)提取待测动脉压信号中的局部最小值点；

e)分别将待测动脉压信号中各局部最小值点前后各一近似周期内的采样点映射到对数极坐标分布模型中，获取待测动脉压信号中各个局部最小值点的分布特征；

f)利用步骤b)获取的各个模板信号中节拍起点的分布特征，分别对待测动脉压信号中各局部最小值点的分布特征进行χ²统计检验，得到待测动脉压信号中各个局部最小值点的相异度；

所述χ²统计检验的计算公式为：

${\mathrm{\χ}}^2(D_i,D_k)=\frac{1}{2}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}f\left(d_j\right),$ 且

其中，χ²(D_i，D_k)为待测动脉压信号中第i个局部最小值点相对于第k个模板信号中节拍起点的检验值；d_i，j为待测动脉压信号中第i个局部最小值点在对数极坐标分布模型第j个二维分区的分布值，d_k，j为第k个模板信号中节拍起点在对数极坐标分布模型第j个二维分区的分布值；n为对数极坐标分布模型中二维分区的个数，且n＝M×N；

g)计算待测动脉压信号起始β倍近似周期内相异度最小的局部最小值点作为第一个待定点；然后，以前一待定点为起始点，计算其后β倍近似周期内相异度最小的局部最小值点作为又一个待定点；由此递推确定待测动脉压信号中的所有待定点，每确定一个待定点则将其相异度与预先设定的阈值C₀进行比较，相异度小于阈值C₀的待定点即判定为待测动脉压信号中的节拍起点；其中，β的取值范围为1.2～1.8，所述阈值C₀的取值范围为0.1～0.4；

h)对待测动脉压信号进行逐拍分割，存储并显示待测动脉压信号逐拍分割结果。

2.根据权利要求1所述的动脉压信号逐拍分割方法，其特征在于：步骤b)中所述“分别将各模板信号中节拍起点前后各一周期内的采样点映射到对数极坐标分布模型中，获取各模板信号中节拍起点的分布特征”，具体包括：

b1)提取任一模板信号中节拍起点前一周期和后一周期内的采样点作为该节拍起点的分布特征点，并建立其与该节拍起点的笛卡尔相对坐标；

b2)根据步骤b1)所得的笛卡尔相对坐标，将所述节拍起点的分布特征点从笛卡尔坐标系映射到对数极坐标分布模型中，得到该节拍起点的分布特征点的对数极坐标；

b3)根据步骤b2)所得的对数极坐标，计算所述节拍起点的分布特征点在对数极坐标模型各二维分区中的分布数量，作为该节拍起点的分布特征；

b4)重复步骤b1)～b3)，获取各模板信号中节拍起点的分布特征。

3.根据权利要求1所述的动脉压信号逐拍分割方法，其特征在于：所述步骤e)具体包括：

e1)提取待测动脉压信号中任一局部最小值点前一近似周期和后一近似周期中的采样点作为该局部最小值点的分布特征点，并建立其与该局部最小值点的笛卡尔相对坐标；

e2)根据步骤e1)所得的笛卡尔相对坐标，将所述局部最小值点的分布特征点从笛卡尔坐标系映射到对数极坐标分布模型中，得到该局部最小值点的分布特征点的对数极坐标；

e3)根据步骤e2)所得的对数极坐标，计算所述局部最小值点的分布特征点在对数极坐标模型各二维分区中的分布数量，作为该局部最小值点的分布特征；

e4)重复步骤e1)～e3)，获取待测动脉压信号中各局部最小值点的分布特征。

4.根据权利要求1所述的动脉压信号逐拍分割方法，其特征在于：所述步骤f)具体包括：

f1)利用步骤b)获取的各个模板信号中节拍起点的分布特征，对待测动脉压信号中任一局部最小值点的分布特征进行χ²统计检验，得到该局部最小值点相对于各个模板信号中节拍起点的统计检验值；

f2)以步骤f1)所得统计检验值中的最小值作为所述局部最小值点的相异度；

f3)重复步骤f1)～f2)，得到待测动脉压信号中各个局部最小值点的相异度。

5.根据权利要求1～4中任一项所述的动脉压信号逐拍分割方法，其特征在于：所述低通滤波的截止频率为20～50Hz。

6.根据权利要求1～4中任一项所述的动脉压信号逐拍分割方法，其特征在于：所述采样的频率为125～1000Hz。

7.根据权利要求1～4中任一项所述的动脉压信号逐拍分割方法，其特征在于：所述步骤g)中β的取值为1.5。

8.根据权利要求1～4中任一项所述的动脉压信号逐拍分割方法，其特征在于：所述步骤g)中阈值C₀的取值为0.2。

Images