CN103054572A - 基于单导联心室晚电位信号的盲源分离方法 - Google Patents
基于单导联心室晚电位信号的盲源分离方法 Download PDFInfo
- Publication number
- CN103054572A CN103054572A CN2012105963675A CN201210596367A CN103054572A CN 103054572 A CN103054572 A CN 103054572A CN 2012105963675 A CN2012105963675 A CN 2012105963675A CN 201210596367 A CN201210596367 A CN 201210596367A CN 103054572 A CN103054572 A CN 103054572A
- Authority
- CN
- China
- Prior art keywords
- signal
- blind source
- lead
- algorithm
- observation signals
- 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)
Abstract
本发明公开了一种基于单导联心室晚电位信号的盲源分离方法,包括以下步骤:(1)用心电图机的监测模式,采集一路单导联观测信号;(2)采用小波包算法对单导联观测信号进行R波定位,确定晚电位的发生时段;(3)对单导联观测信号进行重构,获得另一路观测信号;(4)对步骤(3)获得的另一路观测信号和原单导联观测信号作为新的二导联观测信号,进行预处理,包括取均值和白化过程;(5)对预处理后的观测信号进行盲源分离,提取心室晚电位信号。本发明采用单导联观测信号,充分利用了单导联监护系统的方便、灵活特性;采用小波包定位R波,解决了普通检测算法准确率低,实时性差等问题,可有效定位R波。
Description
技术领域
本发明属于盲源分离技术领域,具体涉及一种基于单导联心室晚电位信号的盲源分离方法。
背景技术
自1903年Einthoren发明弦线型心电图描记器并从体表记录心电信号以来,心电学不断得到发展。现在已经从常规心电图发展到动态心电图、频谱心电图以及心电向量图等。目前,医生由心电图、心电向量图诊断心脏病主要是凭经验的,诊断的准确与否很大程度上取决于医生的临床经验,这种“准确”也只是定性地说明疾病的类型、大致的范围程度等,而且由于心电图、心电向量图所提供的诊断信息量有限以对某些复杂的病症或临床特征表现不明显的病症很难诊断。
在当代,心血管疾病成为各种致死亡疾病之首,心血管疾病患者死亡常常是突然发生和未能预料的室性心动过速。因此如何检测这部分患者就是一个很重要的课题。临床研究表明,心室晚电位和室性心动过速具有相关性,因此,心室晚电位信号的检测与分析是临床预测心脏病患者的疾病爆发以及了解室性心律失常机制的有效手段之一。
心室晚电位(Ventricular Late Potentials,VLP)是在局部受损的心肌区域,由于心肌除极化延迟产生的不规律电信号,它反映了部分受损心肌的缓慢和不同步传导,一般出现在QRS波末端并延伸至ST段,表现为一系列碎裂的高频、低幅微弱电信号,其幅值一般小于25μV,能量主要集中在20Hz-80Hz。临床研究表明,心室晚电位与恶性心率失常有密切关系,尤其对急性心肌梗塞后猝死的预防、不明昏厥原因的诊断、室性心律失常的发生机制等方面具有重要的价值。随着科学技术日新月异的发展以及医疗水平的逐渐提高,监护系统正向着“微型化”、“智能化”、“移动化”和“低成本化”方向发展,单导联监护系统由于其方便灵活,将成为未来临床诊断的一种发展趋势。
由于VLP信号的低幅、高频特点,另外由于噪声的影响,它的检测变得比较困难。目前分析VLP常用的方法有时域检测法、频域检测法和频谱标测分析法等。时域检测法在存在着晚电位检出率不易提高的缺点;频域分析法存在频率分辨率不高的缺点;频谱标测分析法虽能克服时域或频域分析的一些缺陷,但在提取判断晚电位的标准参数时易受到分析时段的选取、QRS波终点定位准确度的影响。因此,为提高VLP的检测准确率和扩大其临床应用价值,需提出一种新的信号检测技术。
作为盲源分离(blind source separation,BSS)技术的一个分支发展起来的独立分量分析(Independent component analysis,ICA)方法,广泛应用于特征提取和生物医学信号处理。由于VLP信号相对于正常ECG信号波形具有相对独立性,而ICA算法能精确地从ECG中分辨出具有相对较大瞬时独立分量的时间过程,故可以用于VLP的识别。因此,采用FastICA方法可以实现心室晚电位信号的提取。
发明内容
本发明的主要目的是克服现有多导联检测系统的不足,提供一种基于单导联的心室晚电位信号盲源分离方法,可准确的提取出心室晚电位信号。
实现步骤如下:
一种基于单导联心室晚电位信号的盲源分离方法,包括以下步骤:
(1)用心电图机的监测模式,在病人体表处采集一路去除噪声的含有心室晚电位的心电信号即为单导联观测信号;
(2)采用小波包算法对单导联观测信号进行R波定位,确定晚电位的发生时段;
(3)对单导联观测信号进行重构,获得另一路观测信号;
(4)对步骤(3)获得的另一路观测信号和原单导联观测信号作为新的二导联观测信号,进行预处理,包括取均值和白化过程;
(5)对预处理后的观测信号进行盲源分离,提取心室晚电位信号。
所述的盲源分离方法,所述步骤(2)、(3)中,选取具有更加优良分析效果的小波包算法对R波进行定位,通过合适的小波包对单导联观测信号进行三层分解,二进小波包分解的快速算法为:
二进小波包重构的快速算法为
其中,h(k)、g(k)为小波重构滤波器。
所述的盲源分离方法,所述步骤(5)中,采用FastICA算法对混合信号进行盲源分离,具体步骤如下:
(5-1)首先选择一种目标函数,采用负熵作为目标函数,简化定义为:J(y)≈[E{G(y)}-E{G(v)}]2,其中,v和y是具有相同协方差的高斯随机变量,G是一个可根据信号的的分布形式而进行选择的非线性函数;
(5-2)由于含有VLP的ECG信号为超高斯信号,根据经验选用G(y)=-exp(-y2/2)作为非线性函数;
(5-3)优化算法采用牛顿近似法推导的一种批处理算法,基本迭代公式为: 其中,z是经白化后的数据,g(·)为G(·)的导数,g’(·)是g(·)的导数,wp(k)为分离矩阵W的元素。
(5-4)每一次迭代都需对权向量进行正交化,基本公式为:
(5-5)判断算法是否收敛,没有收敛则转至第(5-3)步,直至收敛,分离出VLP信号。
本发明具有有益效果:
(1)本发明采用单导联观测信号,充分利用了单导联监护系统的方便、灵活特性;
(2)采用小波包定位R波,解决了普通检测算法准确率低,实时性差等问题,可有效定位R波;
(3)采用小波包分解与重构技术,解决了ICA算法对观测信号数目的要求,可有效提取心室晚电位信号。
附图说明
图1是本发明基于单导联心室晚电位信号盲源分离方法的流程图;
图2是定位R波的流程图;
图3是FastICA算法提取心室晚电位信号流程图;
具体实施方式
以下结合具体实施例,对本发明进行详细说明。
根据图1所示,一种基于单导联心室晚电位信号的盲源分离方法,主要包括以下步骤:
(1)用心电图机的监测模式,在病人体表处采集一路去除噪声的含有心室晚电位的心电信号即为单导联观测信号;
(2)采用小波包算法对单导联观测信号进行R波定位,确定晚电位的发生时段;
(3)对单导联观测信号进行重构,获得另一路观测信号;
(4)对步骤(3)获得的另一路观测信号和原单导联观测信号作为新的二导联观测信号,进行预处理,包括取均值和白化过程;
(5)对预处理后的观测信号进行盲源分离,提取心室晚电位信号;
所述步骤(1)中,通过心电图机的监测模式获得的单导联观测信号,已经对50Hz工频干扰、基线漂移、肌电干扰等信号进行了滤除;
所述步骤(2)、(3)中,选取具有更加优良分析效果的小波包算法对R波进行定位,可通过合适的小波包对单导联观测信号进行三层分解,二进小波包分解的快速算法为(如图2):
二进小波包重构的快速算法为
其中,h(k)、g(k)为小波重构滤波器。
实验进行小波包分解的目的其一是定位R波,其二是重构出另一路与单导联观测信号中某一信号相关性较强的信号,即重构出VLP信号。针对分解的小波包分解系数进行阈值操作来定位R波,由于心室晚电位发生的频段主要集中在20-80Hz,根据该频段,选择相应的小波包分解系数,根据式(2)进行重构,就可以有目的地重构出VLP信号。
所述步骤(4)中,对观测信号去均值可简化算法,白化过程可以更好地去除信号之间的相关性;
所述步骤(5)中,采用FastICA算法对混合信号进行盲源分离,具体步骤如下(如图3):
(5-1)首先选择一种目标函数,本发明采用负熵作为目标函数,简化定义为:J(y)≈[E{G(y)}-E{G(v)}]2,其中,v和y是具有相同协方差的高斯随机变量(零均值和单位方差),G是一个可根据信号的的分布形式而进行选择的非线性函数;
(5-2)由于含有VLP的ECG信号为超高斯信号,根据经验选用G(y)=-exp(-y2/2)作为非线性函数;
(5-3)优化算法采用牛顿近似法推导的一种批处理算法,基本迭代公式为:
(5-4)每一次迭代都需对权向量进行正交化,基本公式为: 采用 归一化处理;
(5-5)判断算法是否收敛,没有收敛则转至第(5-3)步,直至收敛,分离出VLP信号。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1.一种基于单导联心室晚电位信号的盲源分离方法,其特征在于,包括以下步骤:
(1)用心电图机的监测模式,在病人体表处采集一路去除噪声的含有心室晚电位的心电信号即为单导联观测信号;
(2)采用小波包算法对单导联观测信号进行R波定位,确定晚电位的发生时段;
(3)对单导联观测信号进行重构,获得另一路观测信号;
(4)对步骤(3)获得的另一路观测信号和原单导联观测信号作为新的二导联观测信号,进行预处理,包括取均值和白化过程;
(5)对预处理后的观测信号进行盲源分离,提取心室晚电位信号。
3.根据权利要求1所述的盲源分离方法,其特征在于,所述步骤(5)中,采用FastICA算法对混合信号进行盲源分离,具体步骤如下:
(5-1)首先选择一种目标函数,采用负熵作为目标函数,简化定义为:J(y)≈[E{G(y)}-E{G(v)}]2,其中,v和y是具有相同协方差的高斯随机变量,G是一个可根据信号的的分布形式而进行选择的非线性函数;
(5-2)由于含有VLP的ECG信号为超高斯信号,根据经验选用G(y)=-exp(-y2/2)作为非线性函数;
(5-3)优化算法采用牛顿近似法推导的一种批处理算法,基本迭代公式为: 其中,z是经白化后的数据,g(·)为G(·)的导数,g’(·)是g(·)的导数,wp(k)为分离矩阵W的元素。
(5-4)每一次迭代都需对权向量进行正交化,基本公式为: 采用 归一化处理;
(5-5)判断算法是否收敛,没有收敛则转至第(5-3)步,直至收敛,分离出VLP信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210596367.5A CN103054572B (zh) | 2012-12-18 | 2012-12-18 | 基于单导联心室晚电位信号的盲源分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210596367.5A CN103054572B (zh) | 2012-12-18 | 2012-12-18 | 基于单导联心室晚电位信号的盲源分离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103054572A true CN103054572A (zh) | 2013-04-24 |
CN103054572B CN103054572B (zh) | 2015-04-08 |
Family
ID=48097694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210596367.5A Active CN103054572B (zh) | 2012-12-18 | 2012-12-18 | 基于单导联心室晚电位信号的盲源分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103054572B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104378320A (zh) * | 2014-11-13 | 2015-02-25 | 中国人民解放军总参谋部第六十三研究所 | 一种基于单通道盲源分离的抗干扰通信方法及接收装置 |
CN104468436A (zh) * | 2014-10-13 | 2015-03-25 | 中国人民解放军总参谋部第六十三研究所 | 一种通信信号小波域盲源分离抗干扰方法及装置 |
CN105653880A (zh) * | 2016-03-03 | 2016-06-08 | 南京邮电大学 | 一种基于心音的心脏发声场溯源方法 |
CN110236522A (zh) * | 2019-05-28 | 2019-09-17 | 北京大学深圳研究生院 | 基于单导联心电图的健康筛查方法、系统及医疗设备 |
US11476000B2 (en) | 2015-06-25 | 2022-10-18 | Analytics For Life Inc. | Methods and systems using mathematical analysis and machine learning to diagnose disease |
CN117250004A (zh) * | 2023-11-13 | 2023-12-19 | 山东省宇捷轴承制造有限公司 | 一种基于数字信号处理的轴承故障诊断方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070061289A (ko) * | 2005-12-08 | 2007-06-13 | 한국전자통신연구원 | 특정 클래스 정보를 갖는 선형투영기반 ica를 이용한얼굴인식 방법 및 그 시스템 |
CN101352337A (zh) * | 2007-12-25 | 2009-01-28 | 天津大学 | 站起想象动作脑电的信号采集和特征提取方法 |
-
2012
- 2012-12-18 CN CN201210596367.5A patent/CN103054572B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070061289A (ko) * | 2005-12-08 | 2007-06-13 | 한국전자통신연구원 | 특정 클래스 정보를 갖는 선형투영기반 ica를 이용한얼굴인식 방법 및 그 시스템 |
CN101352337A (zh) * | 2007-12-25 | 2009-01-28 | 天津大学 | 站起想象动作脑电的信号采集和特征提取方法 |
Non-Patent Citations (3)
Title |
---|
张月: "负熵最大化的FastICA心电消噪研究", 《中国优秀硕士学位论文全文》 * |
毕为民等: "基于熵阈值的小波包变换抑制局部放电窄带干扰的研究", 《中国电机工程学报》 * |
王瑶: "基于小波变换和独立分量分析的心室晚电位识别", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468436A (zh) * | 2014-10-13 | 2015-03-25 | 中国人民解放军总参谋部第六十三研究所 | 一种通信信号小波域盲源分离抗干扰方法及装置 |
CN104378320A (zh) * | 2014-11-13 | 2015-02-25 | 中国人民解放军总参谋部第六十三研究所 | 一种基于单通道盲源分离的抗干扰通信方法及接收装置 |
US11476000B2 (en) | 2015-06-25 | 2022-10-18 | Analytics For Life Inc. | Methods and systems using mathematical analysis and machine learning to diagnose disease |
CN105653880A (zh) * | 2016-03-03 | 2016-06-08 | 南京邮电大学 | 一种基于心音的心脏发声场溯源方法 |
CN105653880B (zh) * | 2016-03-03 | 2018-08-24 | 南京邮电大学 | 一种基于心音的心脏发声场溯源方法 |
CN110236522A (zh) * | 2019-05-28 | 2019-09-17 | 北京大学深圳研究生院 | 基于单导联心电图的健康筛查方法、系统及医疗设备 |
CN117250004A (zh) * | 2023-11-13 | 2023-12-19 | 山东省宇捷轴承制造有限公司 | 一种基于数字信号处理的轴承故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103054572B (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5609158A (en) | Apparatus and method for predicting cardiac arrhythmia by detection of micropotentials and analysis of all ECG segments and intervals | |
CN103054572B (zh) | 基于单导联心室晚电位信号的盲源分离方法 | |
EP3795074B1 (en) | Method and device for automatically determining st segment of electrocardiogram signal based on artificial intelligence technology | |
US8433395B1 (en) | Extraction of cardiac signal data | |
CN102626310A (zh) | 基于提升小波变换和改进近似包络的心电特征检测算法 | |
Sasikala et al. | Extraction of P wave and T wave in Electrocardiogram using Wavelet Transform | |
WO2003094721A1 (en) | A bayesian discriminator for rapidly detecting arrhythmias | |
Martínez et al. | Study on the P-wave feature time course as early predictors of paroxysmal atrial fibrillation | |
US8437839B2 (en) | Electrocardiographic assessment of arrhythmia risk | |
Gadaleta et al. | A method for ventricular late potentials detection using time-frequency representation and wavelet denoising | |
CN108830255A (zh) | 一种基于小波去噪心电信号的r峰识别方法 | |
Malek et al. | Automated detection of premature ventricular contraction in ECG signals using enhanced template matching algorithm | |
Bajaj et al. | A robust approach to denoise ECG signals based on fractional Stockwell transform | |
TWI527560B (zh) | 一種基於經驗模態分解法之心跳訊號檢測方法與檢測裝置 | |
CA2253760A1 (en) | Predicting cardiac arrhythmia by detection of micropotentials | |
EP3395244B1 (en) | Ecg machine and method including filtering by feature detection | |
CN110063726B (zh) | 一种心电信号单导联f波提取方法和装置 | |
Benmalek et al. | Arrhythmia ECG signal analysis using non parametric time-frequency technique | |
Castells et al. | Atrial activity extraction from atrial fibrillation episodes based on maximum likelihood source separation | |
Rieta et al. | Applications of signal analysis to atrial fibrillation | |
Zhao et al. | An early warning of atrial fibrillation based on short-time ECG signals | |
Mukhametzyanov et al. | Development of High-Resolution Electrocardiography for Telemedicine Systems | |
Mukhamiev et al. | Powerline Interference’s Filtering Influence on Ventricular Late Potentials | |
Dliou et al. | Noised abnormal ECG signal analysis by combining EMD and Choi-Williams techniques | |
Nguyen et al. | An Efficient Electrocardiogram R-peak Detection Exploiting Ensemble Empirical Mode Decomposition and Hilbert Transform |
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 |