CN103431858B - 基于分布式电极的窦房结电图获取方法及系统 - Google Patents

Abstract

本发明公开了一种基于分布式电极的窦房结电图获取方法及系统，该方法包括以下步骤：步骤一：采用分布式布局的电极对潜在的窦房结电信号进行采集；步骤二：采用两种结构元素并行的复合形态滤波器对各组数据进行滤波；步骤三：对滤波后的数据进行特征提取；步骤四：采用模糊模板匹配方法与标准的窦房结电图模板进行匹配；步骤五：选择模糊隶属度最大的一个对应的电极作为测试者获取窦房结电图的电极。通过本发明所述的方法和系统，可以实现对不同测试对象的窦房结电图自动采集，而不用手工动移动电极，从而提高了采集窦房结电图的效率，为快速识别及诊断提供了有效的原始数据。

Description

基于分布式电极的窦房结电图获取方法及系统

技术领域

本发明涉及一种信号检测方法及系统，特别涉及一种基于分布式电极的窦房结电图获取方法及系统。

背景技术

心脏窦房结是正常心脏活动的起搏点，窦房结功能障碍是由心脏窦房结或其周围组织的器质性病变导致的机能障碍，它是心律失常的主要病因之一，是重要的心脏疾病。与心电图不同，窦房结电图包含了窦房结电位等心电图不能记录的微弱心电信息，依据窦房结电图可直接测定窦房传导时间（SACT）、窦房结恢复时间（SNRT）等评估窦房结功能的主要指标，为评估心脏窦房结功能、研究心律失常机制提供更为直接、可靠的依据，是心电图的进一步拓展与延伸。

现有体表窦房结电图的记录方法主要采用超微心电图仪，导联方式采用C导联又称蔡氏导联，即以Z轴方向，参考电极置于背部平对的第三至第四胸椎水平，在后正中线右侧约1.5cm左右，而记录电极在体表胸骨左右缘，需要从第2肋间开始用手动的方式按顺序向下探测，直到检测到窦房结电图为止。上述采集窦房结电图的方法，由于被测者的身高和生理结构不同，电极具体的安装位置会有所差异，需要人工移动电极以获得窦房结电图。因此有必要发明一种能够自动采集不同测试者窦房结电图的方法，以提高数据采集效率。

发明内容

有鉴于此，本发明的目的在于提供一种基于分布式电极的窦房结电图获取方法及系统，该方法和系统首先采用分布式布局的电极对潜在的窦房结电信号进行采集，然后对各组数据进行滤波，再对滤波后的数据进行特征提取，并采用模糊模板匹配方法与标准的窦房结电图模板进行匹配，最后选择模糊隶属度最大的一个作为测试者获取窦房结电图的电极。

为达到上述目的，本发明提供如下技术方案：

一种基于分布式电极的窦房结电图获取方法，包括以下步骤：步骤一：采用分布式布局的电极对潜在的窦房结电信号进行采集；步骤二：采用两种结构元素并行的复合形态滤波器对各组数据进行滤波；步骤三：对滤波后的数据进行特征提取；步骤四：将步骤三中得到的待确认的窦房结电图特征与标准窦房结电图特征进行模糊模板匹配计算；步骤五：选择模糊隶属度最大的一个作为测试者获取窦房结电图的电极。

进一步，在步骤一中，将电极分布安装在一个可穿戴的紧身背心上，电极分布在人体胸骨左右缘从第二肋间到第五肋间，电极垂直间隔女性取2.71cm，男性取3.07cm，测试电极共有8个，左右缘各4个；参考电极置于背部平对的第三至第四胸椎水平，位于后正中线右侧1.5cm。

进一步，在步骤二中，所述两种结构元素采用半圆结构元素和余弦结构元素；结构元素为两个结构元素集{g1(m),g2(m)}时，复合形态学开闭OC最大滤波器和形态闭开CO最小滤波器为：

ψ_OC[f(n)]＝max(OCg₁,OCg₂)，ψ_CO[f(n)]＝min(COg₁,COg₂)，其中OCg_i为形态开-闭，COg_i为形态闭-开运算如下：

采用两种结构元素并行的复合结构形态滤波方法对各组数据进行滤波，滤波输出信号由下式确定：

$\mathrm{\ψ}\left[f\left(n\right)\right]=\frac{{\mathrm{\ψ}}_{\mathrm{OC}}\left[f\left(n\right)\right]+{\mathrm{\ψ}}_{\mathrm{CO}}\left[f\left(n\right)\right]}{2}.$

进一步，步骤三具体包括：

31）确定标准模板，以现有研究资料采集的窦房结电图信号取10个值进行平均，作为初始的标准模板；在采集到与之匹配的窦房结电图后，对初始模板进行更新，并建立标准窦房结电图的模板库；

32）对各个电极采集到的数据及标准窦房结电图模板进行特征提取，包括：归一化：将标准模板及各个电极采集的信号对A波最大值归一化；特征提取：以A波峰值为中心，向前取450ms，向后取200ms的信号，作为分析的信号片段，然后提取如下特征：A波宽度WA、A-V期间PAV、A波起点向前50ms的波形，并对A波起点值做归一化计算Wave₅₀、A波起始点前20ms的斜率Slope，上述特征构成特征向量X_i=[WA,PAV,Wave₅₀,Slope]，i=1,…8。

进一步，在步骤四中具体包括：

41）特征向量模糊隶属度计算：计算步骤三中待确认的窦房结电图的特征量向量X_i=[WA,PAV,Wave₅₀,Slope]，i=1,…8对标准窦房结电图模板特征向量的模糊隶属度；采用正态型隶属函数，式中x_i为第i个特征量值，a_i为模板的第i项特征量值，b_i的值反映了隶属度对特征量值变化的敏感度，具体设置为：b₁为模板中A波宽度；b₂为模板中A-V期间值；b₃为模板A波起点前50ms对A波起点归一化的波形；b₄为模板A波起点前20ms的斜率；

42）模糊贴近度的计算：采用模糊贴近度来衡量各信号与标准模板的匹配，采用如下公式计算： $\mathrm{\ρ}\left(X_j\right)=1-\sqrt{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{\mathrm{\ω}}_i{\mathrm{\μ}}_i^2\left(x_i\right)},$

式中X_j为待判定的8个电极获取信号的特征向量，ω_i为各项特征的模糊隶属度在贴近度中的权重，四个特征的权重分别为0.05,0.1,0.05,0.8。

进一步，在步骤五中，判断步骤四中的ρ(X_j)是否大于阈值，如果大于阈值则选择最大的一个为所需的窦房结电图；如果所有的ρ(X_j)均小于阈值，表明在各个通道中均没有反应窦房结电图的电极，此时需要由操作者手动调整ρ(X_j)最大值对应电极的位置，并根据实际波形来确认该测试者的窦房结电图采集位置。

本发明还提供了一种基于分布式电极的窦房结电图获取系统，包括分布式布局的电极、信号调理与采集电路、信号处理电路；电极用于采集人体窦房结电信号并将采集到的信号传送至信号调理与采集电路，信号调理与采集电路对接收到的电信号进行调整并将经过调整的信号传送至信号处理电路，信号处理电路对接收到的信号进行滤波和特征提取并进行匹配决策。

进一步，将电极分布安装在一个可穿戴的紧身背心上，电极分布在人体胸骨左右缘从第二肋间到第五肋间，电极垂直间隔女性取2.71cm，男性取3.07cm，测试电极共有8个，左右缘各4个；参考电极置于背部平对的第三至第四胸椎水平，位于后正中线右侧1.5cm。

进一步，所述信号调理与采集电路包括保护电路、前置放大电路、基线漂移抑制电路、放大电路、转换电路和光电隔离电路。

进一步，所述的信号处理电路以数字信号处理器TMS320F2812为核心器件，实现数字滤波、特征提取及模糊匹配及决策功能。

本发明的有益效果在于：通过本发明所述的方法和系统，可以实现对不同测试对象的窦房结电图进行自动采集，而不用手工动移动电极，从而提高了采集窦房结电图的效率，为快速识别及诊断提供了有效的原始数据。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明所述方法的总体框图；

图2为分布式电极示意图；

图3为窦房结电图与标准模板之间的模糊模板匹配流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1为本发明所述方法的总体框图，如图所示，基于分布式电极的窦房结电图获取方法包括以下步骤：步骤一：采用分布式布局的电极对潜在的窦房结电信号进行采集；步骤二：采用两种结构元素并行的复合形态滤波器对各组数据进行滤波；步骤三：对滤波后的数据进行特征提取；步骤四：采用模糊模板匹配方法与标准的窦房结电图模板进行匹配；步骤五：选择模糊隶属度最大的一个作为测试者获取窦房结电图的电极。

在本实施例中，将电极分布安装在一个可穿戴的紧身背心上，电极分布在人体胸骨左右缘从第二肋间到第五肋间，电极垂直间隔女性取2.71cm，男性取3.07cm，测试电极共有8个，左右缘各4个；参考电极置于背部平对的第三至第四胸椎水平，位于后正中线右侧1.5cm。

通过信号调理与采集电路对接收到的电信号进行调整，信号调理与采集电路包括保护电路、前置放大电路、基线漂移抑制电路、放大电路、转换电路和光电隔离电路。在窦房结电图的采集电路中，为了避免在应用过程中高电压损坏前端采集电路，在每个电极到前置放大器之前都采用陶瓷气体放电管2R75及二极管BAV99进行双重保护。前置放大电路采用INA326，运放的正相输入端接测试电极的输入信号，运放的反相输入端接参考电极。前置放大电路放大倍数设定为5倍。同时，利用反相积分电路去除基线漂移。整个窦房结电图放大倍数在10000-20000之间可调，在前置放大器后采用两级放大，第一级放大电路放大倍数为200倍，第二级放大倍数程序可控，放大范围在10-20可调节。放大后的信号通过AD采样及光电隔离输入到信号处理电路，在本实施例中，信号处理电路以数字信号处理器TMS320F2812为核心器件，实现数字滤波、特征提取及模糊匹配及决策等功能。

在步骤二中，两种结构元素采用半圆结构元素和余弦结构元素；结构元素为两个结构元素集{g1(m),g2(m)}时，复合形态学开闭OC最大滤波器和形态闭开CO最小滤波器为：

ψ_OC[f(n)]＝max(OCg₁,OCg₂)，ψ_CO[f(n)]＝min(COg₁,COg₂)，其中OCg_i为形态开-闭，COg_i为形态闭-开运算如下：

采用两种结构元素并行的复合结构形态滤波方法对各组数据进行滤波，滤波输出信号由下式确定：

$\mathrm{\ψ}\left[f\left(n\right)\right]=\frac{{\mathrm{\ψ}}_{\mathrm{OC}}\left[f\left(n\right)\right]+{\mathrm{\ψ}}_{\mathrm{CO}}\left[f\left(n\right)\right]}{2}.$

在步骤三中，具体包括：

31）确定标准模板，以现有研究资料采集的窦房结电图信号取10个值进行平均，作为初始的标准模板；在采集到与之匹配的窦房结电图后，对初始模板进行更新，并建立标准窦房结电图的模板库；

32）对各个电极采集到的数据及标准窦房结电图模板进行特征提取，包括：归一化：将标准模板及各个电极采集的信号对A波最大值归一化；特征提取：以A波峰值为中心，向前取450ms，向后取200ms的信号，作为分析的信号片段，然后提取如下特征：A波宽度WA、A-V期间PAV、A波起点向前50ms的波形，并对A波起点值做归一化计算Wave₅₀、A波起始点前20ms的斜率Slope，上述特征构成特征向量X_i=[WA,PAV,Wave₅₀,Slope]，i=1,…8。

在步骤四中，具体包括：

41）特征向量模糊隶属度计算：计算步骤三中待确认的窦房结电图的特征量向量X_i=[WA,PAV,Wave₅₀,Slope]，i=1,…8对标准窦房结电图模板特征向量的模糊隶属度；采用正态型隶属函数，式中x_i为第i个特征量值，a_i为模板的第i项特征量值，b_i的值反映了隶属度对特征量值变化的敏感度，具体设置为：b₁为模板中A波宽度；b₂为模板中A-V期间值；b₃为模板A波起点前50ms对A波起点归一化的波形；b₄为模板A波起点前20ms的斜率；

42）模糊贴近度的计算：采用模糊贴近度来衡量各信号与标准模板的匹配，采用如下公式计算： $\mathrm{\ρ}\left(X_j\right)=1-\sqrt{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{\mathrm{\ω}}_i{\mathrm{\μ}}_i^2\left(x_i\right)},$

式中X_j为待判定的8个电极获取信号的特征向量，ω_i为各项特征的模糊隶属度在贴近度中的权重，四个特征的权重分别为0.05,0.1,0.05,0.8。

在步骤五中，判断步骤四中的ρ(X_j)是否大于阈值，如果大于阈值则选择最大的一个为所需的窦房结电图；如果所有的ρ(X_j)均小于阈值，表明在各个通道中均没有反应窦房结电图的电极，此时需要由操作者手动调整ρ(X_j)最大值对应电极的位置，并根据实际波形来确认该测试者的窦房结电图采集位置。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (6)

1.一种基于分布式电极的窦房结电图获取方法，其特征在于：包括以下步骤：

步骤一：采用分布式布局的电极对潜在的窦房结电信号进行采集；

步骤二：采用两种结构元素并行的复合形态滤波器对各组数据进行滤波；

步骤三：对滤波后的数据进行特征提取；

步骤四：将步骤三中得到的待确认的窦房结电图特征与标准窦房结电图特征进行模糊模板匹配计算；

步骤五：选择模糊隶属度最大的一个作为测试者获取窦房结电图的电极。

2.根据权利要求1所述的一种基于分布式电极的窦房结电图获取方法，其特征在于：在步骤一中，将电极分布安装在一个可穿戴的紧身背心上，电极分布在人体胸骨左右缘从第二肋间到第五肋间，电极垂直间隔女性取2.71cm，男性取3.07cm，测试电极共有8个，左右缘各4个；参考电极置于背部平对的第三至第四胸椎水平，位于后正中线右侧1.5cm。

3.根据权利要求2所述的一种基于分布式电极的窦房结电图获取方法，其特征在于：在步骤二中，所述两种结构元素采用半圆结构元素和余弦结构元素；结构元素为两个结构元素集{g1(m),g2(m)}时，复合形态学开闭OC最大滤波器和形态闭开CO最小滤波器为：

ψ_OC[f(n)]＝max(OCg₁,OCg₂)，ψ_CO[f(n)]＝min(COg₁,COg₂)，其中OCg_i为形态开-闭，COg_i为形态闭-开运算如下：

OCg_i＝(fοg_i·g_i)(n)(i＝1,2)，COg_i＝(f·g_iοg_i)(n)(i＝1,2)；采用两种结构元素并行的复合结构形态滤波方法对各组数据进行滤波，滤波输出信号由下式确定：

$\mathrm{\ψ}\left[f\left(n\right)\right]=\frac{{\mathrm{\ψ}}_{\mathrm{OC}}\left[f\left(n\right)\right]+{\mathrm{\ψ}}_{\mathrm{CO}}\left[f\left(n\right)\right]}{2}.$

4.根据权利要求3所述的一种基于分布式电极的窦房结电图获取方法，其特征在于：步骤三具体包括：

31)确定标准模板，以现有研究资料采集的窦房结电图信号取10个值进行平均，作为初始的标准模板；在采集到与之匹配的窦房结电图后，对初始模板进行更新，并建立标准窦房结电图的模板库；

32)对各个电极采集到的数据及标准窦房结电图模板进行特征提取，包括：归一化：将标准模板及各个电极采集的信号对A波最大值归一化；特征提取：以A波峰值为中心，向前取450ms，向后取200ms的信号，作为分析的信号片段，然后提取如下特征：A波宽度WA、A-V期间PAV、A波起点向前50ms的波形，并对A波起点值做归一化计算Wave₅₀、A波起始点前20ms的斜率Slope，上述特征构成特征向量X_i＝[WA,PAV,Wave₅₀,Slope]，i＝1,…8。

5.根据权利要求4所述的一种基于分布式电极的窦房结电图获取方法，其特征在于：在步骤四中具体包括：

41)特征向量模糊隶属度计算：计算步骤三中待确认的窦房结电图的特征量向量X_i＝[WA,PAV,Wave₅₀,Slope]，i＝1,…8对标准窦房结电图模板特征向量的模糊隶属度；采用正态型隶属函数，式中x_i为第i个特征量值，a_i为模板的第i项特征量值，b_i的值反映了隶属度对特征量值变化的敏感度，具体设置为：b₁为模板中A波宽度；b₂为模板中A-V期间值；b₃为模板A波起点前50ms对A波起点归一化的波形；b₄为模板A波起点前20ms的斜率；

42)模糊贴近度的计算：采用模糊贴近度来衡量各信号与标准模板的匹配，采用如下公式计算： $\mathrm{\ρ}\left(X_j\right)=1-\sqrt{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{\mathrm{\ω}}_i{\mathrm{\μ}}_i^2\left(x_i\right)},$

式中X_j为待判定的8个电极获取信号的特征向量，ω_i为各项特征的模糊隶属度在贴近度中的权重，四个特征的权重分别为0.05,0.1,0.05,0.8。

6.根据权利要求5所述的一种基于分布式电极的窦房结电图获取方法，其特征在于：在步骤五中，判断步骤四中的ρ(X_j)是否大于阈值，如果大于阈值则选择最大的一个为所需的窦房结电图；如果所有的ρ(X_j)均小于阈值，表明在各个通道中均没有反应窦房结电图的电极，此时需要由操作者手动调整ρ(X_j)最大值对应电极的位置，并根据实际波形来确认该测试者的窦房结电图采集位置。