CN103110417A - 一种心电图自动识别系统 - Google Patents

Abstract

本发明公开了一种心电图自动识别系统，该系统包括心电图采集器、无线/有线网络传输模块、心电图收集及时域特征识别器采集、心电图主波间期识别器、心电图QRS波群相似性识别器及心电图排队分析器，心电图采集器将采集到的数据经传输模块进入心电图收集及时域特征识别器，该识别器识别得到十二导联上的P波、QRS波和T波峰值点的位置，心电图主波间期识别器进行心率识别，得到心率正异常结果，再经心电图QRS波群相似性识别器识别出心电图是否可能有早搏，最后经心电图排队分析器排序后输出。本发明对临床采集的12导联心电图进行实时的计算机辅助分析，自动识别心律不齐及早搏类心电图，提高心电图分析的效率，同时提供对紧急心电图的优先处理的手段。

Description

一种心电图自动识别系统

技术领域

本发明涉及一种自动识别系统，具体地说是一种心率不齐及早搏类型心电图的自动识别系统。

背景技术

心电图（Electrocardiogram，ECG）是使用心电采集仪器（如心电监护仪）记录人体心脏电位变化、并据此应用于临床心脏疾病监护、诊断的可见图形记录，是诊断常见心脏疾病的重要手段。临床上的ECG检查多采集10～20s的12导联的ECG数据，供医生分析使用。心率不齐（心动过速、心动过缓、心率不齐等）早搏（房性早搏、室性早搏、交界性早搏等）类型占据了异常心电图类型的绝大多数，对该类心电图的自动识别的研究可以有效的辅助医生提高诊断效率。

目前12导联心电图的采集系统日趋成熟，但是带有自动识别功能的产品由于受到不同人群间心电图的差异、实际数据的干扰因素等影响仍然与临床应用有一定的距离。

心率不齐主要表现在一段时间内的心电图主波的间期之差大于0.12s时。同时，绝大多数早搏类心电图都存在相邻的主波间期的差值大于0.12s的情况（参阅图1）。在个别情况下，如室性早搏出现时（参阅图3），相邻的主波间期的差值可能不存在明显的异常，但是此时心电图的各个心拍间的形态会存在较大的差异。

发明内容

本发明的目的是提供一种心电图自动识别系统，该系统对临床采集的12导联心电图进行实时的计算机辅助分析，自动识别心律不齐及早搏类心电图，以辅助医生提高心电图分析的效率，同时也能根据待诊断的心电图按照危急程度进行排序，从而使医生能够对需紧急处理的心电图进行优先处理。

实现本发明目的的具体技术方案是：

一种心电图自动识别系统，该系统包括：

心电图采集器：采集心电图数据，该数据至少包含十二导联，采样率在500-1000Hz；

无线/有线网络传输模块：传输心电图数据；

心电图收集及时域特征识别器：接收心电图数据，分别对每一幅心电图中的每个心拍进行特征识别得到P波、QRS波和T波的起始和终止点，同时识别得到十二导联中每个导联上的P波、QRS波和T波峰值点的位置；

心电图主波间期识别器：采用基于移动分段的主波间期分析算法进行心率识别，得到心率正异常结果；

心电图QRS波群相似性识别器：对心率正常结果再用QRS波群相似性的聚类算法进行相似性判断，识别出心电图是否可能有早搏；

心电图排队分析器：根据心率及早搏识别结果对正异常心电图排序，并输出；

其中：

A、所述基于移动分段的主波间期分析算法包括：

a.对心电图收集及时域特征识别器中得到的一序列R波波峰值，计算相邻的R波波峰的差值得到一序列连续的RR间期，记为：rr₁,rr₂,...,rr_i,...,rr_n；

b、对步骤a中得到的rr₁,rr₂,...,rr_i，...,rr_n进行计算，得到相邻RR间期的差值，记为rrTorr；

c、分析rrTorr中的每一个取值，判断是否进行分段，得到对应于rr₁,rr₂,...,rr_i,...,rr_n的分段集合D；

d、对步骤c得到的集合D的分段结果进行判断，得到心率正异常结果；

B、所述心电图QRS主波相似性的聚类算法进行相似性判断包括：

a、根据当前心电图中每个心拍的QRS波群的起点和终止点信息，截取出原始的波群信号，记作Q_i，心电图对应的所有信号表示为集合Q，有Q_i∈Q；

b、对Q_i进行重采样，得到重采样后的结果Q_i'；

c、用移动平均法对原始信号Q_i'进行平滑处理，得到平滑处理后的结果为Y_i；

d、用动态和静态结合的符号化方法对Y_i处理，得到符号化后的处理结果B_i；

e、任意两段原始信号Q_i、Q_j经过步骤a～d后，得到结果B_i、B_j，用符号序列距离度量的方法计算得到B_i、B_j的距离值S_ij；所有的S_ij构成集合S；

f、用层次聚类算法对S的结果聚类，得到层次聚类的结果；

g、分析层次聚类后类别间的方差和距离两个指标，若方差或者最大距离超过指定的阈值，则心电图有室性早搏可能。

所述基于移动分段的主波间期分析算法的分段集合D是这样得到的：

1）初始化集合D和D_m，

i=1，m=1；m表示分段的下标，i为rrTorr的下标；

2）若i>|rrTorr|，进入步骤6），否则继续步骤3）

3）当rrTorr_i<0.12s时，rr_i与rr_i-1位于同一分段D_m，有D_m=D_m∪{rr_i}，进入步骤5）；否则，需要进行分段，继续步骤4）；

4）若rrTorr_i≥0.12s则第m个分段结束，有D=D∪{Dm}；且需要继续下一个分段的分析有m=m+1,

继续步骤5）；

5）i＝i+1，进入步骤2），判断下一个rrTorr的值；

6）则分段过程结束，得到分段的结果集合D。

所述基于移动分段的主波间期分析算法的集合D的分段结果进行判断包括：

判断集合D的基数|D|：

1）、当|D|==1时，首先判断任意两个RR间期的差距是否超出阈值范围，然后计算三个连续的RR均值，再根据RR判断方法判断心率是否正常；

2）、当|D|>1时，则心率不齐，计算得到集合D中各个元素（每个元素为一个分段）对应的RR间期的均值，根据RR判断方法判断得到心率不齐时是否伴有心律过缓或过速；

3）、当|D|==0时，不存在整齐跳动的RR间期，则为心率不齐。

所述计算RR均值是：

$\mathrm{RR}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\mathrm{rr}\left(i\right)}{n}---\left(1\right)$

式中n为连续的RR间期的个数；所述RR判断方法是：

lower=0.6s/percent

upper=1.0s×percent

式中lower为取值下限，upper为取值上限，percent为在标准值上的调节系数，其取值范围为0.5～1.0。

所述心电图QRS主波相似性的聚类算法进行相似性判断步骤b的重采样结果通过下式得到：

Q'={Q(1),Q(1+sd),Q(1+2sd),...,Q(1+k×sd)}1+k×sd≤|Q|  (3)

式中：sd为采样间隔参数，k为重采样的序号。

所述心电图QRS主波相似性的聚类算法进行相似性判断步骤c平滑处理后的结果通过下式得到：

$Y_i\left(k\right)=\frac{Q_i(k-\mathrm{wn}/2)+...+Q_i(k-1)+Q_i\left(k\right)+Q_i(k+1)+...+Q_i(k+\mathrm{wn}/2)}{w}---\left(4\right)$

式中：wn为奇数表示窗口大小、k为重采样的序号。

所述心电图QRS主波相似性的聚类算法进行相似性判断步骤d符号化后的处理结果通过下式得到：

$B_i\left(k\right)=\left\{\begin{array}{ccc}11,& \mathrm{Yi}\left(k\right)>E,& \mathrm{Yi}\left(k\right)>\mathrm{Yi}(k-1)\\ 10,& \mathrm{Yi}\left(k\right)>E,& \mathrm{Yi}\left(k\right)\&le;\mathrm{Yi}(k-1)\\ 01,& \mathrm{Yi}\left(k\right)\&le;E,& \mathrm{Yi}\left(k\right)>\mathrm{Yi}(k-1)\\ 00,& \mathrm{Yi}\left(k\right)\&le;E,& \mathrm{Yi}\left(k\right)\&le;\mathrm{Yi}(k-1)\end{array}\right.---\left(5\right)$

式中：k为重采样的序号，E为根据平滑处理后的结果Y_i所有采样点的幅值计算得到的均值。

所述心电图QRS主波相似性的聚类算法进行相似性判断步骤e的符号序列距离度量包括：

1）对符号化后的结果B_i按照时间顺序截取得到字符序列C；设定字符的长度为h，步骤d中的符号化产生的符号集的大小为L，符号集中的每个元素即符号占len位（二进制位），f为字符序列的编号，计算：

c_f=B_i(f),B_i(f+1),...B_i(f+len*h-1),1≤f≤|B_i|-len*h+1  (6)

2）对B_i中的每一个字符序列c_f计算其对应的取值，记作w，值域的范围是1≤w≤2^h×len-1；

3）对于符号序列B_i和B_j，按照R波的波峰进行对齐，然后分别计算对应的字符序列的分布情况，得到两个字符序列的距离由式（7）表示；L_r表示两个信号的长度比，L_r≥1，而E_r表示两个信号的能量比，E_r≥1；R₁(w_x)表示字符序列的值w_x在B_i中依据出现数量的排序位置；R₂(w_x)表示字符序列的值w_x在B_j中依据出现数量的排序位置；dis(B₁,B₂,w_x)表示值域中的值w_x在B_i和B_j分布上的差异；F(w_x)由式（8）表示；p₁(w_x)表示值域中的值w_x在序列B_i中出现的概率，而p₂(w_x)表示值域中的值w_x在序列B_j中出现的概率，log为对数函数；

$D_h(B_1,B_2)=\frac{E_r\&times;L_r}{2^{h\&times;\mathrm{len}}-1}\underset{x=1}{\overset{2^{h\&times;\mathrm{len}}}{\mathrm{\&Sigma;}}}|R_1\left(w_x\right)-R_2\left(w_x\right)+\mathrm{dis}(B_1,B_2,w_x)|F\left(w_x\right)---\left(7\right)$

$F\left(w_x\right)=\frac{1}{Z}[-p_1\left(w_x\right)\log p_1\left(w_x\right)-p_2\left(w_x\right)\log p_2\left(w_x\right)]---\left(8\right)$

Z=∑_x[-p₁(w_x)log p₁(w_x)-p₂(w_x)log p₂(w_x)]

其中：式（7）中的dis(B₁,B₂,w_x)可由式（9）计算得到，

表示值域中的值w_x在B_i中出现的位置，而

表示值域中的值w_x在B_j中出现的位置；dis(c_it，c_jt)表示B_j和B_j在位置t上两个字符序列的差异；

$\mathrm{dis}(B_i,B_j,w_x)=\underset{t=1}{\overset{t_{w_{x}i}}{\mathrm{\&Sigma;}}}\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})+\underset{t=1}{\overset{t_{w_{x}j}}{\mathrm{\&Sigma;}}}\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})---\left(9\right)$

其中：式（9）中的dis(c_it，c_jt)可以由式（10）计算得到；c_it表示B_i中的第t个字符序列，c_jt表示在B_j中的第t个字符序列；计算c_t，N_d表示符号集中对应于静态符号化方法的取值为1的字符在c_t中出现的个数；

表示符号化的字符集中取值为v_k的字符在c_t中出现的个数；

$\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})=2^{N_d}+\underset{v_k=1}{\overset{v_k=2^{\mathrm{len}}-1}{\mathrm{\&Sigma;}}}{N}_{v_k}\&times;2^{v_k}---\left(10\right).$

本发明对临床采集的12导联心电图进行实时的计算机辅助分析，自动识别心律不齐及早搏类心电图，提高心电图分析的效率，同时也能对需紧急处理的心电图优先处理。

附图说明

图1为心电图单个心拍的组成结构图；

图2为房性早搏和窦性心律不齐心电图；

图3为RR间期正常的室性早搏心电图示例；

图4为心电图QRS波群相似性识别器的实现过程说明图；

图5为本发明系统结构框图；

图6为本发明RR间期移动分段分析流程图；

图7为本发明分段集合长度==1时的心率分析流程图；

图8为本发明分段集合长度不等于1时的心率分析流程图；

图9为本发明心电图QRS主波相似性的聚类算法流程图。

具体实施方式

参阅图5，本发明包括：

ⅰ）十二导联心电图采集器

采集终端为地段或者社区医院中的标准十二导联采集设备，或者是便携式心电图设备，采集的心电图数据应至少包含十二导联；采样率在500-1000Hz。

ⅱ）无线/有线网络传输模块

主要借助无线或者有线网络将实时采集到的心电图传输到远程医疗中心的服务器。

ⅲ）心电图收集及时域特征识别器

心电图收集及时域特征识别器位于服务器端。首先对接收到的心电图进行滤波和去噪处理，之后分别对每一个心电图进行特征识别，得到该心电图中各个心拍的P波、QRS波和T波的起始和终止点；同时识别得到十二导联中每个导联上的子波（P波，QRS波和T波）峰值点的位置（参阅图1）。

ⅳ）心电图主波间期分析器

1）背景介绍

心电图的主波间期（简称：RR间期）是指一个心动周期的R波波峰到下一个心动周期的R波波峰之间的时间。RR间期反映了心脏跳动的频率，正常情况下RR间期应该在0.6s-1.0s之间。图2是包含了房性早搏和窦性心律不齐两种情况的心电图示例。

当RR间期大于1.0s时，ECG就有窦性心动过速、交界性心动过速、房颤、室上性心动过速、室性心动过速等可能；当RR间期小于0.6s时，ECG就有窦性心动过缓或者伴有其他病变的可能；同时，一幅ECG记录中RR间期的差值也值得重视。当RR间期的差值≥0.12s时属于心率不齐，假设RR间期为rr₁,rr₂,...,rr_i,...,rr_n，两种典型的心率不齐的情况见式(12)。由于早搏多出现于整齐跳动的RR间期中，并且早搏发生之后会存在一定的补偿期（见图2（b）），所以当存在|rr_i-rr_i-1|≥0.12s,i>1时，即相邻的RR间期差值超过0.12s，ECG有房性早搏、室性早搏、交界性早搏、室上性早搏等可能；而窦性心律不齐相对于早搏类型最大的特点是RR间期分布较紊乱，补偿期并不明显。当存在|rr_i-rr_j|≥0.12s,i≥1,j≥1,i≠j时，ECG有窦性心律不齐或者伴有其他病变的可能。

$\left\{\begin{array}{cc}|{\mathrm{rr}}_i-{\mathrm{rr}}_{i-1}|\&GreaterEqual;0.12s& i>1\\ |{\mathrm{rr}}_i-{\mathrm{rr}}_j|\&GreaterEqual;0.12s& i\&GreaterEqual;1,j\&GreaterEqual;1,i\&NotEqual;j\end{array}\right.---\left(12\right)$

值得指出的是，单个的rr_i不在0.6s-1.0s区间之内往往不具备判断价值，通常的方法是观察一段时间范围内的ECG，根据时间范围内多个的RR间期的均值来判断，如式1所示。若RR间期较平稳，这种比较方法有效，但是如果RR间期中存在心率不齐的情况，其RR均值会受到偏移较大的RR值影响，简单通过均值的判断会带来较多误差。为了解决上述问题，本发明提出了一种基于移动分段的RR间期分析方法。

$\mathrm{RR}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{rr}}_i}{n}---\left(1\right)$

2）基于移动分段的主波间期分析算法

心电图主波间期分析器采用基于移动分段的主波间期分析算法进行心率识别，得到心率正异常结果。下面给出具体的步骤：

步骤一：对心电图收集及时域特征识别器中得到的一序列R波波峰值，计算相邻的R波波峰的差值得到一序列连续的RR间期，记为：rr₁,rr₂,...,rr_i，...,rr_n；在此RR间期的计算方法为：

(当前心拍的R波波峰-上一个心拍的R波波峰)*60/采样率

步骤二：对步骤一中得到的rr₁,rr₂,...,rr_i，...,rr_n进行计算，得到相邻RR间期的差值，记为rrTorr；

rrTorr_i-1=rr_i-rr_i-1|,i≥2  (11)

步骤三：分析rrTorr中的每一个取值，判断是否进行分段，得到对应于rr₁,rr₂,...,rr_i，...,rr_n的分段集合D；

经过上述处理后，集合D即对应了一段时间内心电图整齐跳动的范围，若有D={{rr(i),rr(i+1),...,rr(j)}，{rr(p),rr(p+1),...,rr(q)}}，则第i-1至第j+1个心搏，同时第p-1至第q+1个心搏属于整齐跳动的序列。若

则不存在整齐跳动的心电图。

步骤四：对步骤三得到的集合D的分段结果进行判断，得到心率正异常结果；在此主要通过逐一分析集合D中的元素来得到心率判别的结果。

对上述步骤三的进一步说明如下（参阅图6）：

1）初始化集合D和D_m，

i=1，m=1；m表示分段的下标，i为rrTorr的下标；

2）若i>|rrTorr|，表示分析结束进入6），否则继续3）

3）当rrTorr_i<0.12s时，rr_i与rr_i-1位于同一分段D_m，有D_m=D_m∪{rr_i}，进入5）；否则，需要进行分段，继续4）；

4）若rrTorr_i≥0.12s则第m个分段结束，有D=D∪{Dm}；且需要继续下一个分段的分析有m=m+1,

继续5）；

5）i＝i+1，进入2），判断下一个rrTorr的值；

6）则分段过程结束，得到分段的结果集合D。

经过上述分析，正常ECG的集合D有且仅有一个元素，并且应该包含时间段内所有心拍的间期，有D={{rr₁,...,rr_i,...,rr_n}}。心律不齐出现时，D可能由多个元素构成。一种最极端的情况是，该时间段内rrTorr_i≥0.12s始终成立，此时D为空集即

对步骤四的进一步说明为：

首先设置用于心率判断的各个阈值，RR间期的正常范围是0.6s-1.0s之间，考虑到临界ECG决策的困难以及特征识别过程的误差，在实际计算过程中引入变量percent缩小正常RR间期的区间范围，以减少漏检的异常心电图的数量。percent的取值范围为0.5-1.0之间。阈值的设置见式(2)。

lower=0.6s/percent  (2)

upper=1.0s×percent

第一种情况，当|D|==1时，即只有一个分段。具体的判断过程为（参阅图7）：1）计算

该分段内部任意RR间期的最大差值，记为d_max；

2）若存在d_max≥0.12s，则Result为心率不齐，进入6）；

3）分别计算连续三个RR间期的均值。若存在任意的均值大于upper，则Result为心动过缓。进入6）；

4）若存在任意的均值小于lower，则Resutl为心动过速。进入6）；

5）其他情况，则Result为正常心率，进入6）；

6）返回结果Result。

第二种情况：当|D|>1时，则心率不齐，具体判断过程为（参阅图8）：

1）通过式（1）分别计算各个分段的RR间期均值；

2）若RR间期的均值存在不一致的情况，即存在均值小于lower，也存在均值大于upper，心率分析以最长的分段为准，按照图7的过程1）至6）计算最长分段对应的Result的值，进入本过程6）；

3）若所有分段的均值都要小于upper，同时存在分段的均值小于lower，则Result=心率不齐且过速，进入本过程6）；

4）若所有分段的均值都要大于lower，同时存在分段的均值大于upper，则Result=心率不齐且过缓，进入本过程6）；

5）其他情况：所有分段的均值都要大于lower，且小于upper，Result=心率不齐，进入本过程6）；

6）返回Result的值。

第三种情况：当|D|==0时，不存在整齐跳动的RR间期，则为心率不齐。

ⅴ）心电图QRS波群相似性识别器

1）背景介绍

医学专家在进行ECG判断的过程中，往往会关注每个心拍形态的前后变化，正常ECG心拍间的形态高度相似，而某些病变出现时（如室早，房早）心拍的形态会发生较明显的变化；例如，图2是室早的ECG，当正常心拍中出现室早时QRS波群的幅值和间期都会发生明显的变化，医学专家往往通过心拍间的这种对比来辅助确定其类型；本发明将对ECG中QRS波群的相似度进行分析。

2）心电图QRS主波相似性的聚类算法

基于符号化方法的QRS波群相似度分析参阅图4，下面将具体分析这些过程（参阅图9）。

步骤一：根据QRS波群的起始点信息截取得到QRS波群的原始信息集合Q。起始点信息由心电图收集及时域特征识别器计算得到。心拍对应的原始波群信号，记作Q_i，心电图对应的所有信号表示为集合Q，有Q_i∈Q。初始化i=1；

Q_i包含了第i个心拍的QRS起点至QRS终点之间的采样信息。由于每个心拍的QRS间期的范围有所不同，因此允许存在Q_i|≠|Q_j|i≠j的情况。

步骤二：重采样，对Q_i进行重采样，得到重采样后的结果Q_i'；见式（3），式中：sd为采样间隔参数，k为重采样的序号。sd取值为0时，即为原始信号，当sd大于0时，可以对原始信号进行压缩处理。当sd小于0时，没有意义。

Q'={Q(1),Q(1+sd),Q(1+2sd),...,Q(1+k×sd)}1+k×sd≤|Q|  （3）

步骤三：平滑处理，用移动平均法对原始信号Q_i'进行平滑处理，得到平滑处理后的结果为Y_i，见式（4）；式中：wn为奇数表示窗口大小、k为重采样的序号。经过该过程可以减少原始信号中噪声对计算结果的影响。

$Y_i\left(k\right)=\frac{Q_i(k-\mathrm{wn}/2)+...+Q_i(k-1)+Q_i\left(k\right)+Q_i(k+1)+...+Q_i(k+\mathrm{wn}/2)}{w}---\left(4\right)$

步骤四：符号化，用动态和静态结合的符号化方法对Y_i处理，得到符号化后的处理结果B_i，见式（5）。式中：k为重采样的序号，E为根据平滑处理后的结果Y_i的幅值计算得到的均值。

$B_i\left(k\right)=\left\{\begin{array}{ccc}11,& \mathrm{Yi}\left(k\right)>E,& \mathrm{Yi}\left(k\right)>\mathrm{Yi}(k-1)\\ 10,& \mathrm{Yi}\left(k\right)>E,& \mathrm{Yi}\left(k\right)\&le;\mathrm{Yi}(k-1)\\ 01,& \mathrm{Yi}\left(k\right)\&le;E,& \mathrm{Yi}\left(k\right)>\mathrm{Yi}(k-1)\\ 00,& \mathrm{Yi}\left(k\right)\&le;E,& \mathrm{Yi}\left(k\right)\&le;\mathrm{Yi}(k-1)\end{array}\right.---\left(5\right)$

步骤五：对下一个心拍进行处理，i=i+1，若i≤|Q|,则进入步骤二，反之，进入步骤六。

经过上述步骤，原始信号分别转化为符号化后的信号，下面的步骤将基于上述符号化后的结果计算任意信号间的距离，并评估最终的相似度。

步骤六：计算任意的符号化后的结果B_i和B_j的距离，距离值S_ij；所有的S_ij构成集合S；

具体过程为：

①、对符号化后的结果B_i按照时间顺序截取得到字符序列C；设定字符的长度为h，步骤四中动态和静态结合的符号化方法产生的符号集的大小为L，符号集中的每个元素即符号占len位（二进制位），f为字符序列的编号，c_f表示B_i中的第f个字符，其获取方式见式（6）：

c_f=B_i(f),B_i(f+1),...B_i(f+len*h-1),1≤f≤|B_i|-len*h+1  （6）

由式（5）可知，静态与动态结合的符号化方法产生的符号集为{00,01,10,11}，此时符号集的大小为L=4，符号集中的每个元素即符号占len=2位（二进制位）。字符的长度为h时，实际占用的二进制空间为h×len位。字符的值域（即对应的十进制取值）为[0,2^h×len-1]。

②、对B_i中的每一个字符序列c_f计算其对应的取值，记作w，值域的范围是1≤w≤2^h×len-1；

③、对于符号序列B_i和B_j，按照R波的波峰进行对齐，然后分别计算对应的字符序列的分布情况，得到两个字符序列的距离由式（7）表示；

L_r表示两个信号的长度比，L_r≥1，而E_r表示两个信号的能量比，E_r≥1；在计算时，总是以长度（或者能量）大的信号为分子。数字信号的能量是各点信号幅度值取平方然后对其求和，通过参数E_r来体现序列间幅度的差异，通过L_r来体现序列之间的时间长度的差异；

R₁(w_x)表示字符序列的值w_x在B_i中依据出现数量的排序位置；R₂(w_x)表示字符序列的值w_x在B_j中依据出现数量的排序位置；计算R₁(w_x)需要分别统计[0,2^h×len-1]范围内的每一个值在信号B_i对应的字符序列C（由过程①得到）中的出现数量，将数量按照降序排列，R₁(w_x)即为值w_x对应的排名位置。同理可以计算R₂(w_x)。

dis(B₁,B₂,w_x)表示值域中的值w_x在B_i和B_j分布上的差异；F(w_x)由式（8）表示；p₁(w_x)表示值域中的值w_x在序列B_i中出现的概率，而p₂(w_x)表示值域中的值w_x在序列B_j中出现的概率，log为对数函数；

$D_h(B_1,B_2)=\frac{E_r\&times;L_r}{2^{h\&times;\mathrm{len}}-1}\underset{x=1}{\overset{2^{h\&times;\mathrm{len}}}{\mathrm{\&Sigma;}}}|R_1\left(w_x\right)-R_2\left(w_x\right)+\mathrm{dis}(B_1,B_2,w_x)|F\left(w_x\right)---\left(7\right)$

$F\left(w_x\right)=\frac{1}{Z}[-p_1\left(w_x\right)\log p_1\left(w_x\right)-p_2\left(w_x\right)\log p_2\left(w_x\right)]---\left(8\right)$

Z=∑_x[p₁(w_x)log p₁(w_x)-p₂(w_x)log p₂(w_x)]

其中：式（7）中的dis(B₁,B₂,w_x)可由式（9）计算得到，表示值域中的值w_x在B_i的字符序列中出现的位置，而

表示值域中的值w_x在B_j的字符序列中出现的位置；其含义可以理解为分别计算当一个序列中出现值w时，另一个序列与它的差距。由于引入了w出现的位置信息，使得相似度对时间特性更加敏感。

式（9）中的dis(c_it，c_jt)表示B_i和B_j在位置t上两个字符序列的差异，可由式（10）计算得到；

$\mathrm{dis}(B_i,B_j,w_x)=\underset{t=1}{\overset{t_{w_{x}i}}{\mathrm{\&Sigma;}}}\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})+\underset{t=1}{\overset{t_{w_{x}j}}{\mathrm{\&Sigma;}}}\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})---\left(9\right)$

式（10）中c_it表示B_i中的第t个字符序列，c_jt表示在B_j中的第t个字符序列；计算c_t， $c_t=c_{\mathrm{it}}\&CirclePlus;c_{\mathrm{it}}.$

N_d表示符号集{00,01,10,11}中对应于静态符号化方法的取值为1的字符在c_t中的个数，即c_t中取值为10，11的个数，N_d=N₁₀+N₁₁；

表示字符集中取值为v_k的字符在c_t中的个数，即{00,01,10,11}，在c_t中出现的个数，v_k的值为[0,3]；

$\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})=2^{N_d}+\underset{v_k=1}{\overset{v_k=2^{\mathrm{len}}-1}{\mathrm{\&Sigma;}}}{N}_{v_k}\&times;2^{v_k}---\left(10\right).$

步骤七，用层次聚类算法对S的结果聚类，得到层次聚类的结果；

在步骤六中将会计算得到

个信号间的相似度距离。在此用层次聚类算法对集合S的值进行聚类分析，按照层次聚类运算过程，将依次产生cx个类别间的连接，设每条连接的距离值构成Hx。

步骤八，分析层次聚类后类别间的方差和距离两个指标，即计算向量Hx的方差和最大差值。将其与事先指定的阈值进行比较，得到判断结果。

若Hx的方差或者最大距离超过指定的阈值，则心电图有室性早搏可能。

ⅵ）十二导联心电图排队分析器

该排队分析器针对心电图主波间期分析器及心电图QRS波群相似性识别器判断的结果对心电图进行排序，排列优先级为：心动过速-〉心动过缓-〉心率不齐-〉QRS波群存在差异-〉正常。心电图按照上述顺序输出，以便医生对紧急的数据进行优先处理。

实施例

对251名个体心电图的采集与分析

步骤一，心电图采集；从便携式心电图设备采集到251条12导联的心电图数据。

步骤二，心电图传输、收集、时域特征识别。主要识别出心电图的子波起始点和子波的峰值点。在实际计算过程中，如果程序检测R波峰值失败，则该峰值相关的RR间期为无效。此时，RR间期无效的记录数为1条（室上性早搏二联律）。总的有效数目为250条，有效率为99.60%。在250条数据中，正常数据为75条，异常数据为175条。

步骤三，实时采集的心电图首先经过RR间期的分析，将基于程序计算的结果与实际的医学判断结果对比，输入参数percent=1的情况下，误判的正常数据为1条（74条为正常），漏检的异常数据为6条（169条为异常），该步骤的特异性为98.67%，灵敏度为96.57%。

步骤四，QRS主波分析器步骤三中分析得到的正常心电图80条心电图（正常74条，异常6条）再进行QRS主波相似性分析，得到QRS波群相似性的结果，误判的正常数据为3条（71条为正常），漏检的异常数据为1条（4条为异常），该步骤的特异性为95.95%，灵敏度为83.33%。算法的参数为h=4，sd=2，层次聚类后的阈值分别为：方差M1=0.19，最大距离M2=0.65。在此正常检测为异常的3条数据是由于存在较大的干扰造成。而1条漏检的异常心电图是由于QRS波群的R波峰值检测误差造成。

步骤五，对原始输入的250条数据的分析结果为，误判的正常数据为4条（71条为正常），漏检的异常数据为1条（174），系统总的特异性为94.67%，灵敏度为99.42%。根据上述结果175条异常数据（仅有一条漏检），其余数据都能被正确挑选出来，挑选出的异常数据可以由排队系统优先传递给医生处理。从而提高危急病人的救助效率。

从以上实施结果来看，本发明能够较好的区分心率异常和早搏类心电图，这为医生及时干预救治危急病人提供了有效的手段。

Claims (8)

1.一种心电图自动识别系统，其特征在于该系统包括：

心电图采集器：采集心电图数据，该数据至少包含十二导联，采样率在500-1000Hz；

无线/有线网络传输模块：传输心电图数据；

心电图收集及时域特征识别器：接收心电图数据，分别对每一幅心电图中的每个心拍进行特征识别得到P波、QRS波和T波的起始和终止点，同时识别得到十二导联中每个导联上的P波、QRS波和T波峰值点的位置；

心电图主波间期识别器：采用基于移动分段的主波间期分析算法进行心率识别，得到心率正异常结果；

心电图QRS波群相似性识别器：对心率正常结果再用QRS波群相似性的聚类算法进行相似性判断，识别出心电图是否可能有早搏；

心电图排队分析器：根据心率及早搏识别结果对正异常心电图排序，并输出；

其中：

A、所述基于移动分段的主波间期分析算法包括：

a、对心电图收集及时域特征识别器中得到的一序列R波波峰值，计算相邻的R波波峰的差值得到一序列连续的RR间期，记为：rr₁,rr₂,...,rr_i,...,rr_n；

b、对步骤a中得到的rr₁,rr₂,...,rr_i，...,rr_n进行计算，得到相邻RR间期的差值，记为rrTorr；

c、分析rrTorr中的每一个取值，判断是否进行分段，得到对应于rr₁,rr₂,...,rr_i,...,rr_n的分段集合D；

d、对步骤c得到的集合D的分段结果进行判断，得到心率正异常结果；

B、所述心电图QRS主波相似性的聚类算法进行相似性判断包括：

a、根据当前心电图中每个心拍的QRS波群的起点和终止点信息，截取出原始的波群信号，记作Q_i，心电图对应的所有信号表示为集合Q，有Q_i∈Q；

b、对Q_i进行重采样，得到重采样后的结果Q_i'；

c、用移动平均法对原始信号Q_i'进行平滑处理，得到平滑处理后的结果为Y_i；

d、用动态和静态结合的符号化方法对Y_i处理，得到符号化后的处理结果B_i；

e、任意两段原始信号Q_i、Q_j经过步骤a～d后，得到结果B_i、B_j，用符号序列距离度量的方法计算得到B_i、B_j的距离值S_ij；所有的S_ij构成集合S；

f、用层次聚类算法对S的结果聚类，得到层次聚类的结果；

g、分析层次聚类后类别间的方差和距离两个指标，若方差或者最大距离超过指定的阈值，则心电图有室性早搏可能。

2.根据权利要求1所述的自动识别系统，其特征在于所述基于移动分段的主波间期分析算法的分段集合D是这样得到的：

1）初始化集合D和D_m，

i=1，m=1；m表示分段的下标，i为rrTorr的下标；

2）若i>|rrTorr|，进入步骤6），否则继续步骤3）；

3）当rrTorr_i<0.12s时，rr_i与rr_i-1位于同一分段D_m，有D_m=D_m∪{rr_i}，进入步骤5）；否则，需要进行分段，继续步骤4）；

4）若rrTorr_i≥0.12s则第m个分段结束，有D=D∪{Dm}；且需要继续下一个分段的分析有m=m+1,继续步骤5）；

5）i＝i+1，进入步骤2），判断下一个rrTorr的值；

6）则分段过程结束，得到分段的结果集合D。

3.根据权利要求1所述的自动识别系统，其特征在于所述基于移动分段的主波间期分析算法的集合D的分段结果进行判断包括：

判断集合D的基数|D|：

1）、当|D|==1时，首先判断任意两个RR间期的差距是否超出阈值范围，然后计算三个连续的RR均值，再根据RR判断方法判断心率是否正常；

2）、当|D|>1时，则心率不齐，计算得到集合D中各个元素对应的RR间期的均值，其每个元素为一个分段；根据RR判断方法判断得到心率不齐时是否伴有心律过缓或过速；

3）、当|D|==0时，不存在整齐跳动的RR间期，则为心率不齐。

4.根据权利要求3所述的自动识别系统，其特征在于所述计算RR均值是：

$\mathrm{RR}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\mathrm{rr}\left(i\right)}{n}---\left(1\right)$

式中n为连续的RR间期的个数；所述RR判断方法是：

lower=0.6s/percent

upper=1.0s×percent

式中lower为取值下限，upper为取值上限，percent为在标准值上的调节系数，其取值范围为0.5～1.0。

5.根据权利要求1所述的自动识别系统，其特征在于所述心电图QRS主波相似性的聚类算法进行相似性判断步骤b的重采样结果通过下式得到：

Q'={Q(1),Q(1+sd),Q(1+2sd),...,Q(1+k×sd)}1+k×sd≤|Q|  (3)

式中：sd为采样间隔参数，k为重采样的序号。

6.根据权利要求1所述的自动识别系统，其特征在于所述心电图QRS主波相似性的聚类算法进行相似性判断步骤c平滑处理后的结果通过下式得到：

$Y_i\left(k\right)=\frac{Q_i(k-\mathrm{wn}/2)+...+Q_i(k-1)+Q_i\left(k\right)+Q_i(k+1)+...+Q_i(k+\mathrm{wn}/2)}{w}---\left(4\right)$

式中：wn为奇数表示窗口大小、k为重采样的序号。

7.根据权利要求1所述的自动识别系统，其特征在于所述心电图QRS主波相似性的聚类算法进行相似性判断步骤d符号化后的处理结果通过下式得到：

$B_i\left(k\right)=\left\{\begin{array}{ccc}11,& \mathrm{Yi}\left(k\right)>E,& \mathrm{Yi}\left(k\right)>\mathrm{Yi}(k-1)\\ 10,& \mathrm{Yi}\left(k\right)>E,& \mathrm{Yi}\left(k\right)\&le;\mathrm{Yi}(k-1)\\ 01,& \mathrm{Yi}\left(k\right)\&le;E,& \mathrm{Yi}\left(k\right)>\mathrm{Yi}(k-1)\\ 00,& \mathrm{Yi}\left(k\right)\&le;E,& \mathrm{Yi}\left(k\right)\&le;\mathrm{Yi}(k-1)\end{array}\right.---\left(5\right)$

式中：k为重采样的序号，E为根据平滑处理后的结果Y_i的幅值计算得到的均值。

8.根据权利要求1所述的自动识别系统，其特征在于所述心电图QRS主波相似性的聚类算法进行相似性判断步骤e的符号序列距离度量包括：

1）对符号化后的结果B_i按照时间顺序截取得到字符序列C；设定字符的长度为h，步骤d中的符号化产生的符号集的大小为L，符号集中的每个元素即符号占len位为二进制位，f为字符序列的编号，计算：

c_f=B_i(f),B_i(f+1),...B_i(f+len*h-1),1≤f≤|B_i|-len*h+1  (6)；

2）对B_i中的每一个字符序列c_f计算其对应的取值，记作w，值域的范围是1≤w≤2^h×len-1；

3）对于符号序列B_i和B_j，按照R波的波峰进行对齐，然后分别计算对应的字符序列的分布情况，得到两个字符序列的距离由式（7）表示；L_r表示两个信号的长度比，L_r≥1，而E_r表示两个信号的能量比，E_r≥1；R₁(w_x)表示字符序列的值w_x在B_i中依据出现数量的排序位置；R₂(w_x)表示字符序列的值w_x在B_j中依据出现数量的排序位置；dis(B₁,B₂,w_x)表示值域中的值w_x在B_i和B_j分布上的差异；F(w_x)由式（8）表示；p₁(w_x)表示值域中的值w_x在序列B_i中出现的概率，而p₂(w_x)表示值域中的值w_x在序列B_j中出现的概率，log为对数函数；

$D_h(B_1,B_2)=\frac{E_r\&times;L_r}{2^{h\&times;\mathrm{len}}-1}\underset{x=1}{\overset{2^{h\&times;\mathrm{len}}}{\mathrm{\&Sigma;}}}|R_1\left(w_x\right)-R_2\left(w_x\right)+\mathrm{dis}(B_1,B_2,w_x)|F\left(w_x\right)---\left(7\right)$

$F\left(w_x\right)=\frac{1}{Z}[-p_1\left(w_x\right)\log p_1\left(w_x\right)-p_2\left(w_x\right)\log p_2\left(w_x\right)]---\left(8\right)$

Z=∑_x[p₁(w_x)log p₁(w_x)-p₂(w_x)log p₂(w_x)]

其中：式（7）中的dis(B₁,B₂,w_x)由式（9）计算得到，

表示值域中的值w_x在B_i中出现的位置，而

表示值域中的值w_x在B_j中出现的位置；dis(c_it，c_jt)表示B_j和B_j在位置t上两个字符序列的差异；

$\mathrm{dis}(B_i,B_j,w_x)=\underset{t=1}{\overset{t_{w_{x}i}}{\mathrm{\&Sigma;}}}\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})+\underset{t=1}{\overset{t_{w_{x}j}}{\mathrm{\&Sigma;}}}\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})---\left(9\right)$

其中：式（9）中的dis(c_it，c_jt)由式（10）计算得到；c_it表示B_i中的第t个字符序列，c_jt表示在B_j中的第t个字符序列；计算c_t，

N_d表示符号集中对应于静态符号化方法的取值为1的字符在c_t中出现的个数；

表示符号化的字符集中取值为v_k的字符在c_t中出现的个数；

$\mathrm{dis}(c_{\mathrm{it}},c_{\mathrm{jt}})=2^{N_d}+\underset{v_k=1}{\overset{v_k=2^{\mathrm{len}}-1}{\mathrm{\&Sigma;}}}{N}_{v_k}\&times;2^{v_k}---\left(10\right).$

Images