CN103006206B - 一种微伏级t波交替的定量检测方法 - Google Patents

Abstract

本发明公开了一种微伏级T波交替的定量检测方法。本发明分析T波交替散点图的外部形态，根据其外部形态与T波交替的关系提出一种新的TWA检测有效量化指标。采用改进的T波窗口分析法，对128个连续心拍的T波采样点序列一次差分后作散点图，分析散点图外部形态与T波交替的关系，研究出有效的“横向搜索法”对散点图进行边缘提取，进而在散点图“边缘”上定义短轴、长轴和短长轴之比三个定量参数，并将短长轴之比作为定量检测指标Axial_ratio，找出合适阈值判断T波交替的存在与否。

Description

一种微伏级T波交替的定量检测方法

技术领域

本发明涉及一种检测方法，具体涉及一种微伏级T波交替的定量检测方法。属于生物医学信号处理技术领域。

背景技术

T波电交替（TWaveAlternans，TWA）是指在规则的心律时，体表心电图上T波振幅、形态甚至极性的逐搏交替变化现象。自1872年Traube首次发现电交替现象后，许多研究表明TWA与心肌缺血、冠状动脉病变、电解质紊乱和长QT综合症有关，最近30年的研究表明TWA是心肌电活动不稳定的标志，是预测室性心律失常与心脏性猝死独立的，具有统计学意义的指标。与其它无创心电检测方法比较，TWA在预测心律失常事故上具有较高的精确度，对提高恶性心律失常的防治水平、降低猝死率具有重要意义。目前，TWA检测已成为心律失常研究热点，通过数字信号处理技术检测体表心电图上肉眼难以辨别的微伏级T波交替也成为临床上一种无创评定发生恶性室性心律失常及猝死的技术。

然而，体表心电图上肉眼可分辨的TWA现象非常少。1981年Adam等首次报告了微伏级TWA（Microvolt T-wave Alternans，MTWA），发现貌似形态完全一致的T波之间可能存在微小差异，表现为微伏级的电压幅值差异，并呈交替性变化。MTWA在体表心电图上肉眼不可辨，需经特殊心电信号处理技术才能发现。随着数字信号处理技术和计算机技术的发展，有了多种检测方法。根据TWA检测统计方法不同，将TWA检测分为短时傅里叶变换法、符号变换法和非线性法。庞加莱映射（poincare map,PM）是非线性法的一种，利用散点图适于描述周期性变化数据的特性，可以使T波交替中T波幅值逐拍变化的特点从形态上直观表现出来。但是只从直观形态上进行分析没有明确的判据且不利于临床统计研究，为此我们需要探讨散点图外部形态与T波交替的关系，并进一步研究散点图中的有效定量指标。

文献《利用Poincare散点图法检测t波交替的指标研究》（李斐、赵捷等，现代生物医学进展，VOL.12，NO.14MAY2012）和《基于Poincare散点图与谱分析法的T波交替检测》（李斐，山东师范大学，2012年）主要采用“散点到直线x+y=0的距离均值”和“散点到直线x-y=0的距离均值与到直线x+y=0的距离均值的比值”作为定量指标来进行TWA检测。该方法对所有T波采样点进行数值处理，数据处理量大且受异常数据影响较大，因不同人心电幅值差别较大且同一心电信号中也存在很多异常心拍，都会导致误检，降低TWA检测的准确性。本发明从图形处理角度，提取散点图最有价值的目标边界信息，大量缩减待分析数据的同时剔除异常数据，提高TWA检测的实时性和准确性。

文献《心率的Poincare散点图量化指标》（生物医学工程学杂志，2000：17(4)，P433-436）是以连续心搏的RR间距为坐标作散点图，用“龟爬行计数”法进行图形处理，定义了适用于描述散点图形态与心率变异关系的四个指标：长轴、短轴、面积和角度。但其图形处理算法是基于散点的，指标计算公式复杂，算法不适于计算机实现和实时处理，且由于心率变异与T波交替的发生机制不同，是基于不同心脏非线性动力学特征的，所以其散点图作图方式，散点图形态特征，检测指标都完全不同。若要利用散点图法实现TWA片段检测，还需克服以上困难。

中国专利申请201210064226公开了一种心电图中的T波交替检测的方法，采用相关分析法从时域角度检测TWA信号，虽然能够动态跟踪非稳态TWA现象，但其对信号输入质量要求高，对邻频噪声十分敏感，容易造成误检和漏检。

中国专利申请201110418860.3公开了一种基于模型的动态心电图T波交替定量分析方法，即基于维格纳分布（Winger-Ville Distribution，WVD）的TWA时频检测。其检测过程涉及多尺度小波变换、WVD时频分析并采用WVD高阶谱抑制交叉干扰项。这些方法的复杂度都很高，其主要应用WVD虽然时频集中性高，但交叉干扰严重，复杂度高，且清晰度和复杂度是彼此取舍的，运算量大导致实时性差，对现有硬件的处理能力来说在实际应用中存在很大缺陷。

中国专利申请200410003212.1公开了一种用于改善T波交替的测量的方法和系统，通过将某些搏动从T波交替测量中剔除来改善TWA检测的方法，仅涉及TWA检测的心电信号预处理，并未提出具体的TWA检测方法。

发明内容

本发明的目的是为克服上述现有技术的不足，提供一种微伏级T波交替的定量检测方法。本发明分析T波交替散点图的外部形态，根据其外部形态与T波交替的关系提出一种新的TWA检测有效量化指标。采用改进的T波窗口分析法，对128个连续心拍的T波采样点序列一次差分后作散点图，分析散点图外部形态与T波交替的关系，研究出有效的“横向搜索法”对散点图进行边缘提取，进而在散点图“边缘”上定义短轴、长轴和短长轴之比三个定量参数，并将短长轴之比作为定量检测指标Axial_ratio，找出合适阈值判断T波交替的存在与否。

为实现上述目的，本发明采用下述技术方案：

一种微伏级T波交替的定量检测方法，包括以下步骤：

（1）获取心电图数据并进行心电信号预处理；

（2）心电信号特征点标定：对心电图中的QRS波群及T波进行标定；

（3）心拍选择：采取多个步骤的复合预处理对系列心拍进行选择；

（4）选取T波采样点：采用T波窗口，并以T波波峰对齐，选取128个T波段，每段T波提取7个采样点，构成待测的T波采样点序列；

（5）作T波交替散点图：对步骤（4）中的T波采样点序列一次差分后作散点图，并利用MATLAB7.0软件仿真绘图；

（6）确定散点图“边缘”，采取“横向搜索法”对散点图进行边缘提取，确定散点图的“边缘”并得到散点图边缘点集；

（7）提取散点图的定量参数，分析散点图外部形态与T波交替的关系，根据散点图“边缘”的几何特征，定义短轴、长轴、短长轴之比Axial_ratio三个定量参数；

（8）确定T波交替的散点图定量检测指标，以步骤（7）所述短长轴之比作为定量检测指标，采用MATLAB7.0软件仿真并与谱分析法比较，找出合适阈值判断T波交替的存在与否。

步骤（4）中，所述复合预处理包括心拍剔除。

步骤（6）中所述采用“横向搜索法”对散点图进行边缘提取，具体步骤如下：

61）散点图预处理：将散点图转换成M×N的二值化的数字图像矩阵G，根据其横纵坐标序列X={x₂-x₁,x₃-x₂,…,x_i+1-x_i,…}、Y={x₃-x₂,x₄-x₃,…,x_i+2-x_i+1,…}，其中X和Y的长度都为L，及散点坐标(x_i+1-x_i,x_i+2-x_i+1)，首先将散点图坐标序列值取整后上移和右移，使其刚好完全移至平面直角坐标系第一象限内，然后通过如下方式进行转换：

$G=\left[\begin{array}{cccc}{g}_{11}& g_{12}& \·\·\·& g_{1N}\\ g_{21}& g_{22}& \·\·\·& g_{2N}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ g_{M1}& g_{M2}& \·\·\·& g_{\mathrm{MN}}\end{array}\right],M=\max \left[Y\left(n\right)\right],N=\max \left[X\left(n\right)\right],n=1:L,$

其中Y(n)，X(n)分别表示Y，X中的第n个元素值；max[Y(n)]，max[X(n)]分别表示X，Y中所有元素的最大值；矩阵元素g_i,j表示图像G中第i行，第j列的像素灰度值，其定义为：

得散点图的二值化数字图像G；

62）寻找边缘候选点：对图像G进行块操作，初步去除散点图中心非边缘点及边界外较稀疏的非边缘点，定义5×5的整数格，令整数格以g_i，j，其中，i为1~M之间的整数，j为1~N之间的整数，为中心像素开始对散点图进行行扫描，计算该整数格覆盖区域

的灰度值和a，a是A中各元素之和，若2≤a≤3，则将该中心像素标记为边缘候选点；63）确定边缘点：对由上个步骤确定的边缘候选点进行筛选，去除散点图中心区域外的一些异常小点集，得到最终边缘点；首先以边缘候选点为中心像素构建21×21的整数格，则该整数格覆盖区域

将矩阵B按

划分，得矩阵B1、B2、B3、B4，分别计算其灰度值和b1、b2、b3、b4，b1、b2、b3、b4是相应矩阵B1、B2、B3、B4中各元素之和，若b1、b2、b3、b4的值都小于阈值6，则删除此候选点，将其余点保存在边缘点数组中，得散点图的边缘点集。

步骤（7）中所述散点图“边缘”的几何特征是：设边缘点集为Ω，(X,Y)表示Ω中点的坐标，以直线y=-x+z对Ω进行遍历，当纵截距z的值取最大和最小时，即分别找到该边缘点集的两条切线BC：y=-x+z_max和AD：y=-x+z_min，同理，以直线y=x+b对Ω进行遍历，分别找到该边缘点集的两条切线AB：y=x+b_max和CD：y=x+b_min，由此得到该边缘点集的最小外接矩形ABCD。

步骤（7）中所述短轴为其最小外接矩形ABCD的短边长，

$\mathrm{Short}\_\mathrm{axis}=\left|\mathrm{AB}\right|=\left|\mathrm{CD}\right|=\frac{z_{\max }{-z}_{\min }}{\sqrt{2}},$

其中，z＝X+Y，(X，Y)∈Ω，Ω为散点图“边缘”的边缘点集。

步骤（7）中所述长轴为其最小外接矩形ABCD的长边长，

$\mathrm{Long}\_\mathrm{axis}=\left|\mathrm{BC}\right|=\left|\mathrm{AD}\right|=\frac{b_{\max }{-b}_{\min }}{\sqrt{2}},$

其中，b＝Y-X，(X，Y)∈Ω，Ω为散点图“边缘”的边缘点集。

7、根据权利要求1所述的检测方法，其特征在于，步骤（7）中所述短长轴之比为短轴与长轴的比值，这个指标能够描述该边缘点集沿直线y=-x的伸长程度；指标值越小，散点分布越趋近于直线y=-x；反之，散点分布越接近圆形，

$\mathrm{Axial}\_\mathrm{ratio}=\frac{\mathrm{Short}\_\mathrm{axis}}{\mathrm{Long}\_\mathrm{axis}}=\frac{z_{\max }{-z}_{\min }}{b_{\max }{-b}_{\min }},$

其中，z＝X+Y，b＝Y-X，(X，Y)∈Ω，Ω为散点图“边缘”的边缘点集。

步骤（8）中所述T波交替的散点图定量检测指标短长轴之比是：

规定短长轴之比的阈值为0.57，即短长轴之比≤0.57时，存在T波交替；短长轴之比＞0.57时，无T波交替。

本发明的有益效果是：

1、由于心脏传导系统具有复杂性和非线性，采用非线性动力学与非线性数学模型已成为研究心电信号的趋势，散点图是一种常用的非线性方法，且具有直观形态和计算简单的特点，由于是差值作图，抗噪声和呼吸调制等干扰的能力较强，对信号没有高质量要求，不仅可以测得相邻T波交替幅值，而且包含时域信息。

2、本发明有效地解决传统散点图法检测TWA只能从直观形态上进行分析，没有明确的判据且不利于临床统计研究的缺陷，实现了T波交替的散点图法定量检测。

3、本发明以T波采样值的一次差分序列为坐标作T波交替散点图，成功描述了TWA的心脏非线性动力学特征，其边缘提取算法“横向搜索法”是基于散点图灰度值的，其特点是对散点图进行预处理，转换成二值化的数字图像矩阵，算法简单快捷易于计算机实现，能够提取散点图最有价值的目标边界信息，使得本发明的检测指标基于图形处理基础之上，有选择的处理T波采样值，大量缩减待分析数据的同时剔除异常数据，明显提高TWA检测的实时性和准确性。

4、本发明中的定量参数特点是在散点图“边缘”的最小外接矩形上定义的，其计算公式是基于数值分析的，采用线性规划法寻找最优解，使其数学计算最简化，易于算法实现，大大提高计算机执行效率进而有利于TWA的实时检测。其定量检测指标Axial_ratio描述散点图沿直线y=-x的伸长程度，最能表现散点图形态与T波交替的关系，因此能够准确判断T波交替与否。

附图说明

图1为图形处理前后的散点图（a）原始散点图（b）散点图边缘；

图2为散点图几何特征；

图3为不含TWA和含TWA的散点图（a）不含TWA的散点图（b）含TWA的散点图；

图4为V_TWA和Axial_ratio的曲线拟合图。

具体实施方式

下面结合附图和实施例对本发明进行进一步的阐述，应该说明的是，下述说明仅是为了解释本发明，并不对其内容进行限定。

一种微伏级T波交替的定量检测方法，包括以下步骤：

（1）获取心电图数据并进行心电信号预处理：

首先通过简单整系数50Hz陷波器、零相位数字滤波器、结合小波分解与重构理论和改进的阈值算法去除工频及其谐波干扰、基线漂移、肌电干扰等心电噪声，得到干净的心电信号；再使用定位准确，计算简便的二阶微分Marr小波，应用多孔算法对ECG中QRS波群进行标定，然后在S波峰后150ms至350ms的范围内搜索极大值得到T波峰，为心电信号的后续研究打好基础；随后，采取了多个步骤的复合预处理包括心拍剔除对系列心拍进行选择，提高TWA检测的精确度。

（2）心电信号特征点标定：对心电图中的QRS波群及T波进行标定；

（3）心拍选择：采取多个步骤的复合预处理对系列心拍进行选择；

（4）选取T波采样点：采用T波窗口，并以T波波峰对齐，选取128个T波段，每段T波提取7个采样点，构成待测的T波采样点序列；

为了更准确的检测微伏TWA(MTWA)，我们采用N个心跳周期的改进的T波窗口法。根据RR间期选择T波窗口起点，通过Bazzet公式确定T波窗口终点，T波选取按经验原则见表1。

表1T波窗口选取规则

再以T波波峰对齐，以T波平均长度的六分之一为间隔前后各取3个点构成7点检测集x_i={x_i1,x_i2,…,x_i7}，其中i代表所识别的心跳序列序数。本发明选取128个T波段，每段提取7个采样点，构成T波采样点序列P={x₁,x₂,…,x_i，...}。

（5）作T波交替散点图：对步骤（4）中的T波采样点序列一次差分后作散点图，并利用MATLAB7.0软件仿真绘图；

对采样点序列P={x₁,x₂,…,x_i，...}进行一次差分组成新的序列Q={x₂-x₁,x₃-x₂,…x_i+1-x_i,…},以X={x₂-x₁,x₃-x₂,…,x_i+1-x_i,…}为横坐标序列，Y={x₃-x₂,x₄-x₃,…,x_i+2-x_i+1，…}为纵坐标序列，作T波交替散点图，则该散点图中点的坐标为(x_i+1-x_i,x_i+2-x_i+1)。本发明选取128个T波段，每段提取7个采样点，可作出882个散点。

若存在T波交替，可以知道相邻T波的采样点幅值大小会以ＡＢＡＢ形式交替变化，即Ｔ波采样点序列P={x₁,x₂,…,x_i,x_i+1,x_i+2,…}的值会交替变化，则(x_i+1-x_i)与(x_i+2-x_i+1)异号且绝对值相当，也就是散点(x_i+1-x_i,x_i+2-x_i+1)主要以(+,-)或(-,+)的规律变化，所以此时散点图呈长轴在y=-x这条直线上的倾斜椭圆形状。若无T波交替，相邻T波的采样点幅值呈AAAA形式，此时的散点以原点为中心均匀分布，则散点图接近圆形。

（6）确定散点图“边缘”，采取“横向搜索法”对散点图进行边缘提取，确定散点图的“边缘”并得到散点图边缘点集；

经MATLAB7.0软件仿真绘图，T波交替散点图从直观感受来说，整个图形外观上有较明显的边缘，即在视觉上存在具有某种跳变的边界。此边缘是散点图的最基本特征，包含许多有价值的目标边界信息。为了方便对散点图进行特征描述、分析，以及大量缩减待分析数据量，我们需要对T波交替散点图进行边缘提取。根据其散点分布是由中心向外逐渐稀疏，边界之内密集，边界之外稀疏的特点，研究出“横向搜索法”来确定散点图的“边缘”，其具体步骤如下：

61）散点图预处理，将散点图转换成M×N的二值化的数字图像矩阵G。根据其横纵坐标序列X={x₂-x₁,x₃-x₂,…,x_i+1-x_i,…}、Y={x₃-x₂,x₄-x₃,…,x_i+2-x_i+1,…}（其中X和Y的长度都为L）及散点坐标(x_i+1-x_i,x_i+2-x_i+1)，首先将散点图坐标序列值取整后上移和右移一定单位，使其刚好完全移至平面直角坐标系第一象限内，然后通过如下方式进行转换：

$G=\left[\begin{array}{cccc}{g}_{11}& g_{12}& \·\·\·& g_{1N}\\ g_{21}& g_{22}& \·\·\·& g_{2N}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ g_{M1}& g_{M2}& \·\·\·& g_{\mathrm{MN}}\end{array}\right],M=\max \left[Y\left(n\right)\right],N=\max \left[X\left(n\right)\right],n=1:L,$

其中Y(n)，X(n)分别表示Y，X中的第n个元素值；max[Y(n)]，max[X(n)]分别表示X，Y中所有元素的最大值；矩阵元素g_i,j表示图像G中第i行，第j列的像素灰度值，其定义为：

得散点图的二值化数字图像G。

62）寻找边缘候选点：对图像G进行块操作，初步去除散点图中心非边缘点及边界外较稀疏的非边缘点，定义5×5的整数格，令整数格以g_i，j，其中，i为1~M之间的整数，j为1~N之间的整数，为中心像素开始对散点图进行行扫描，计算该整数格覆盖区域

的灰度值和a，a是A中各元素之和，若2≤a≤3，则将该中心像素标记为边缘候选点；

63）确定边缘点：对由上个步骤确定的边缘候选点进行筛选，去除散点图中心区域外的一些异常小点集，得到最终边缘点；首先以边缘候选点为中心像素构建21×21的整数格，则该整数格覆盖区域

将矩阵B按

划分，得矩阵B1、B2、B3、B4，分别计算其灰度值和b1、b2、b3、b4，b1、b2、b3、b4是相应矩阵B1、B2、B3、B4中各元素之和，若b1、b2、b3、b4的值都小于阈值6，则删除此候选点，将其余点保存在边缘点数组中，得散点图的边缘点集。

（7）提取散点图的定量参数，分析散点图外部形态与T波交替的关系，根据散点图“边缘”的几何特征，定义短轴，长轴，短长轴之比（Axial_ratio）三个定量参数；

明显T波交替时可以从散点图上肉眼观察出来，但由于T波交替现象往往是微伏级的，有些散点形态不是非常明显，为了更好度量T波交替的幅值大小，我们需要一种定量的检测标准。如下所述本发明提出了短轴，长轴，短长轴之比三个定量指标，并对短长轴之比进行仿真测评。

我们设边缘点集为Ω，(X,Y)表示Ω中点的坐标。以直线y=-x+z对Ω进行遍历，当纵截距z（z=x+y）取最大值z_max和最小值z_min时，即分别找到该边缘点集的两条切线BC：y=-x+z_max和AD：y=-x+z_min。同理，以直线y=x+b对Ω进行遍历，当纵截距b（b=y-x）取最大值b_max和最小值b_min时，即分别找到该边缘点集的两条切线AB：y=x+b_max和CD：y=x+b_min。由此得到该边缘点集的最小外接矩形ABCD，散点图几何特征如图2所示：

①定义短轴为其最小外接矩形ABCD的短边长。

$\mathrm{Short}\_\mathrm{axis}=\left|\mathrm{AB}\right|=\left|\mathrm{CD}\right|=\frac{z_{\max }{-z}_{\min }}{\sqrt{2}},$

其中，z＝X+Y，(X，Y)∈Ω，Ω为散点图“边缘”的边缘点集。

②定义长轴为其最小外接矩形ABCD的长边长。

$\mathrm{Long}\_\mathrm{axis}=\left|\mathrm{BC}\right|=\left|\mathrm{AD}\right|=\frac{b_{\max }{-b}_{\min }}{\sqrt{2}},$

其中，b＝Y-X，(X，Y)∈Ω，Ω为散点图“边缘”的边缘点集。

③定义短长轴之比为短轴与长轴的比值，这个指标能够在一定程度上描述该边缘点集沿直线y=-x的伸长程度。指标值越小，散点分布越趋近于直线y=-x；指标值越大，散点分布越接近圆形。

$\mathrm{Axial}\_\mathrm{ratio}=\frac{\mathrm{Short}\_\mathrm{axis}}{\mathrm{Long}\_\mathrm{axis}}=\frac{z_{\max }{-z}_{\min }}{b_{\max }{-b}_{\min }},$

其中，z=X+Y，b＝Y-X，(X，Y)∈Ω，Ω为散点图“边缘”的边缘点集。

规定短长轴之比Axial_ratio的阈值为0.57，即短长轴之比≤0.57时，存在T波交替；短长轴之比＞0.57时，无T波交替。

通过以上步骤的操作，对于输入的待检测心电信号，可以输出一个定量指标值Axial_ratio。

（8）确定T波交替的散点图定量检测指标，以步骤（7）所述短长轴之比作为定量检测指标，采用MATLAB7.0软件仿真并与谱分析法比较，找出合适阈值判断T波交替的存在与否。

仿真数据：

对本发明所述的TWA检测算法采用美国MIT-BIH心律失常数据库和欧洲ST-T标准心电数据库中的数据进行MATLAB7.0软件仿真并与传统的谱分析法进行比较。所谓谱分析法，是短时傅里叶变换法的一种，是对64-128个ST-T结构中的T波采样值进行快速傅里叶变换，将心电图上T波段幅度的变化转变成能量谱，分析0.5周期/心跳处的频率成分，来测定是否存在TWA。为方便数据分析，对两数据库中的数据再抽样，统一抽样频率为200Hz。现将两心电数据库中的部分样本数据仿真结果列出，见表2。

表2部分样本的仿真数据

仿真内容及结果：

对两心电数据库中的数据进行MATLAB7.0软件仿真实验，可以得到谱分析法中T波交替幅值V_TWA和散点图中短长轴之比Axial_ratio两组对应数据。对表2中的V_TWA和

Axial_ratio两组离散数据进行相关分析，得两者之间的互相关系数,再对其进行二次曲线拟合，得出两者之间的关系式为：

Axial_ratio＝-1.645×10^-6×V_TWA ²-7.233×10^-4×V_TWA+0.6361

V_TWA和Axial-ratio的二次曲线拟合如图4所示，其二次曲线拟合度为0.9443。

仿真结果分析：

通过对大量仿真数据进行统计分析，我们得到短长轴之比Axial_ratio的阈值为0.57，即Axial_ratio≤0.57时存在T波交替，Axial_ratio>0.57时无T波交替。根据离散数据相关分析，散点图法得到的Axial_ratio与应用最普遍的谱分析法得到的V_TWA之间的相关系数γ=-0.9676，表明这两个指标有很强的相关性，同时也证明了散点图法检测TWA的有效性。相比而言，谱分析法假定T波交替分布在所有待检测T波段上，因此无法检测非平稳TWA信号，且检测出的T波交替幅值经所有T波平均后较真实值有所降低，再加上涉及谱分析，计算量较大。散点图具有直观形态且计算简单，由于是差值作图，抗干扰性较强，对信号没有高质量要求，不仅可以测得相邻T波交替幅值，而且包含时域信息，确实是一种新的可行的检测方法。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种微伏级T波交替的定量检测方法，包括以下步骤：

(1)获取心电图数据并进行心电信号预处理；

(2)心电信号特征点标定：对心电图中的QRS波群及T波进行标定；

(3)心拍选择：采取多个步骤的复合预处理对系列心拍进行选择；

(4)选取T波采样点：采用T波窗口，并以T波波峰对齐，选取128个T波段，每段T波提取7个采样点，构成待测的T波采样点序列；

(5)作T波交替散点图：对步骤(4)中的T波采样点序列一次差分后作散点图，并利用MATLAB7.0软件仿真绘图；

其特征在于：

(6)确定散点图“边缘”，采取“横向搜索法”对散点图进行边缘提取，确定散点图的“边缘”并得到散点图边缘点集；

(7)提取散点图的定量参数，分析散点图外部形态与T波交替的关系，根据散点图“边缘”的几何特征，定义短轴、长轴、短长轴之比三个定量参数；

(8)确定T波交替的散点图定量检测指标，以步骤(7)所述短长轴之比作为定量检测指标，采用MATLAB7.0软件仿真并与谱分析法中T波交替幅值V_TWA和短长轴之比

Axial_ratio比较，找出合适阈值判断T波交替的存在与否；

步骤(6)中所述采用“横向搜索法”对散点图进行边缘提取，具体步骤如下：

61)散点图预处理：将散点图转换成M×N的二值化的数字图像矩阵G，根据其横纵坐标序列X＝{x₂-x₁,x₃-x₂,…,x_i+₁-x_i,…}、Y＝{x₃-x₂,x₄-x₃,…,x_i+₂-x_i+₁,…}，其中X和Y的长度都为L，及散点坐标(x_i+1-x_i,x_i+2-x_i+1)，首先将散点图坐标序列值取整后上移和右移，使其刚好完全移至平面直角坐标系第一象限内，然后通过如下方式进行转换：

$G=\left[\begin{array}{cccc}{g}_{11}& g_{12}& ...& g_{1N}\\ g_{21}& g_{22}& ...& g_{2N}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ g_{M1}& g_{M2}& ...& g_{\mathrm{MN}}\end{array}\right],M=\max \left[Y\left(n\right)\right],N=\max \left[X\left(n\right)\right],n=1:L,$

其中Y(n)，X(n)分别表示Y，X中的第n个元素值；max[Y(n)]，max[X(n)]分别表示X，Y中所有元素的最大值；矩阵元素g_i,j表示数字图像矩阵G中第i行，第j列的像素灰度值，其定义为：

得散点图的二值化数字图像矩阵G；

62)寻找边缘候选点：对数字图像矩阵G进行块操作，初步去除散点图中心非边缘点及边界外较稀疏的非边缘点，定义5×5的整数格，令整数格以g_i,j，其中，i为1～M之间的整数，j为1～N之间的整数，为中心像素开始对散点图进行行扫描，计算该整数格覆盖区域 $A=\left[\begin{array}{ccccc}{g}_{i-2,j-2}& & L& & g_{i-2,j+2}\\ & O& & & \\ M& & g_{i,j}& & M\\ & & & O& \\ g_{i+2,j-2}& & L& & g_{i+2,j+2}\end{array}\right]$ 的灰度值和a，a是A中各元素之和，若2≤a≤3，则将该中心像素标记为边缘候选点；

63)确定边缘点：对由上个步骤确定的边缘候选点进行筛选，去除散点图中心区域外的一些异常小点集，得到最终边缘点；首先以边缘候选点为中心像素构建21×21的整数格，则该整数格覆盖区域 $B=\left[\begin{array}{ccccc}{g}_{i-10,j-10}& & L& & g_{i-10,j+10}\\ & O& & & \\ M& & g_{i,j}& & M\\ & & & O& \\ g_{i+10,j-10}& & L& & g_{i+10,j+10}\end{array}\right]$ 将矩阵B按 $B=\left[\begin{array}{ccc}B2& M& B1\\ L& g_{i,j}& L\\ B3& M& B4\end{array}\right]$ 划分，得矩阵B1、B2、B3、B4，分别计算其灰度值和b1、b2、b3、b4，b1、b2、b3、b4是相应矩阵B1、B2、B3、B4中各元素之和，若b1、b2、b3、b4的值都小于阈值6，则删除此候选点，将其余点保存在边缘点数组中，得散点图的边缘点集。

2.根据权利要求1所述的检测方法，其特征在于，步骤(3)中，所述复合预处理包括心拍剔除。

3.根据权利要求1所述的检测方法，其特征在于，步骤(7)中所述散点图“边缘”的几何特征是：设边缘点集为Ω，(X,Y)表示Ω中点的坐标，以直线y＝-x+z对Ω进行遍历，当纵截距z的值取最大和最小时，即分别找到该边缘点集的两条切线BC：y＝-x+z_max和AD：y＝-x+z_min，同理，以直线y＝x+b对Ω进行遍历，分别找到该边缘点集的两条切线AB：y＝x+b_max和CD：y＝x+b_min，由此得到该边缘点集的最小外接矩形ABCD。

4.根据权利要求1所述的检测方法，其特征在于，步骤(7)中所述短轴为其最小外接矩形ABCD的短边长，

$\mathrm{Short}\_\mathrm{axis}=\left|\mathrm{AB}\right|=\left|\mathrm{CD}\right|=\frac{z_{\max }-z_{\min }}{\sqrt{2}},$

其中，z＝X+y，(X，Y)∈ΩΩ为散点图“边缘”的边缘点集。

5.根据权利要求1所述的检测方法，其特征在于，步骤(7)中所述长轴为其最小外接矩形ABCD的长边长，

$\mathrm{Long}\_\mathrm{axis}=\left|\mathrm{BC}\right|=\left|\mathrm{AD}\right|=\frac{b_{\max }-b_{\min }}{\sqrt{2}},$

其中，b＝Y-X，(X，Y)∈Ω，Ω为散点图“边缘”的边缘点集。

6.根据权利要求1所述的检测方法，其特征在于，步骤(7)中所述短长轴之比为短轴与长轴的比值，这个指标能够描述该边缘点集沿直线y＝-x的伸长程度；指标值越小，散点分布越趋近于直线y＝-x；反之，散点分布越接近圆形，

$\mathrm{Axial}\_\mathrm{ratio}=\frac{\mathrm{Short}\_\mathrm{axis}}{\mathrm{Long}\_\mathrm{axis}}=\frac{z_{\max }-z_{\min }}{b_{\max }-b_{\min }},$

其中，z＝X+Y，b＝Y-X，(X，Y)∈ΩΩ为散点图“边缘”的边缘点集。

7.根据权利要求1所述的检测方法，其特征在于，步骤(8)中所述T波交替的散点图定量检测指标短长轴之比是：

规定短长轴之比的阈值为0.57，即短长轴之比≤0.57时，存在T波交替；短长轴之比＞0.57时，无T波交替。