CN103961089B - 基于分段直线拟合的窦性心率震荡趋势检测方法 - Google Patents

Abstract

本发明公开了一种基于分段直线拟合的窦性心率震荡趋势检测方法，包括：心电信号预处理，检测采集HRT样本，根据单发室性早搏后20个窦性心搏的RR间期值曲线的所有极值点，确定初始分段点；根据初始分段点中相邻两个分段点所对应的RR间期值的差值D，确定最终用于直线拟合的所有分段点；对相邻两分段点间所有数据点进行最小二乘法直线拟合；对已经得到的模型进行误差分析。本发明有益效果：经过以上处理得到有限个分段直线，各分段直线的斜率就可以代表每个分段中RR间期值序列的整体变化趋势，再结合参数值TO、TS可以直观、详细、准确的进行震荡过程分析。

Description

基于分段直线拟合的窦性心率震荡趋势检测方法

技术领域

本发明属生物医学信号处理技术领域，具体涉及一种基于最小二乘法分段直线拟合的窦性心率震荡趋势检测方法。

背景技术

1、窦性心率震荡(HRT)概念及发生机制

窦性心率震荡(heartrateturbulence，HRT)是指单个室性期前收缩后窦性周期的生理性变化,表现为短暂的初期心率加速和紧随其后的心率减慢。

窦性心率震荡反映了窦房结的双相变时性，其发生机制多数学者认同是压力感受器反射调节机制。窦性心率震荡相当于人体自身的自动干扰试验，当上述压力反射调节机制处于正常时，心率震荡现象正常存在，如果调节机制某些环节出现病变，可导致室性早搏后心率震荡现象减弱甚至消失。从临床经验来看，室性期前收缩后HRT现象减弱或消失,多见于心肌梗死后猝死的高危患者。

2、窦性心律震荡医学检测方法

(1)窦性心率震荡最常用的检测设备是动态心电图仪，通常连续记录24h，选择有单个室性早搏且早搏前后均为窦性节律的连续记录，根据室性早搏前后RR间期值的变化进行测量与分析。

(2)诱发性窦性心率震荡的检测:室早后HRT测定技术的一个显著特点或曰检测的前提条件是患者必须有一定数量的室性早搏。但是并非所有的患者均有室性早搏,并且室性早搏有明显的变异性。这些都使得HRT测定技术带有局限性。对没有自发性室早的患者则无法进行HRT检测,但是室早是可以被诱发的，为此人们采用了诱发性窦性心率震荡(inducedheartrateturbulence)检测技术。诱发性窦性心率震荡是用人工心脏单次心室或心房刺激测定的HRT的方法，其应用电生理的检测方法或者通过周围静脉临时插入一根电极导管到达右心房或右心室,并发放不同联律间期的心室或心房单个期前刺激,测定窦性心率对该刺激的反应。

目前已有检测方法多是参数计算角度入手进行HRT检测，医生们有时甚至会通过肉眼识别后进行测量、判断、识别，而对室早后窦性心律的变化趋势是否存在先加速后减速的过程并没有一个明晰的研究，因此为了了解室早后窦性心律的真正变化趋势还需要继续开拓新的检测方法。

3、窦性心律震荡的检测指标

临床应用最广泛的两个国际参数指标

(1)TO：代表室性早搏后的窦性心率出现先加速现象。可用室性早搏后前2个窦性RR间期的均值减去室性早搏前的2个窦性RR间期均值，两者之差再除以后者。计算公式：

$\mathrm{TO}=\frac{({\mathrm{RR}}_1+{\mathrm{RR}}_2)-({\mathrm{RR}}_{-1}+{\mathrm{RR}}_{-2})}{{\mathrm{RR}}_{-1}+{\mathrm{RR}}_{-2}}$

式中RR1、RR2为室性早搏后前2个窦性RR间期，RR-1、RR-2为室性早搏前的2个窦性RR间期。TO中性值为0％，TO＜0％，表示室性早搏后初始窦性心率加速；TO≥0％，则表示室性早搏后初始心率减速。

(2)TS：定量分析室性早搏后是否存在窦性心率减速现象，首先测定室性早搏后前20个窦性RR间期值，依次以任意连续5个窦性心律的RR间期值计算并作出回归线，其中正向最大斜率即为TS的结果。TS的中性值为2.5ms/RRI，TS值＞2.5ms/RRI，表示窦性心律加速后存在减速现象；TS值≤2.5ms/RRI，表示窦性心律不存在减速现象。

4、窦性心律震荡检测要求

在临床应用和科学研究进行定量分析时，一般要求包括:①受检患者必须存在室性早搏,且须排除其他持续性心律失常,例如房颤、室颤等；②引起心率变化的一定为单次室性早搏,排除成对室早、房早、人工伪差、T波等因素；③室性期前收缩之前的心搏必须是个正常的窦性心搏,室性期前收缩后有连续20个窦性心搏，而不是其他类型的心律紊乱。除此之外，德国的生物信号分析工作小组Cygankiewicz等研究显示进行HRT计算时选取的室性期前收缩应具有以下特征:①最小提早率为20％；②期前收缩后代偿间期至少超过正常RR间期的20％。还必须排除具有以下特征的RR间期:①RR<300ms；RR>2000ms；②与前一个窦性心搏的间期之差>200ms；③与参照间期相差>20％RR间隔(参照间期指前5个窦性心搏的平均RR间期)。

对于每一个满足条件的室早我们都可以计算出相应的HRT,如果出现多个室早,我们可以先计算出RR间期的平均值,后再测算TO、TS,也可以先测算出TO、TS值,后再计算TO、TS的平均值,部分文献显示前者可以提高信噪比,优于后者，这样可以更好的预测死亡危险度。发明内容

本发明的目的就是为了解决上述问题，提供了一种基于最小二乘法的分段直线拟合方法来描述单次室性早搏后RR间期序列的直线特征，以达到进行单次室性早搏后窦性心率变化趋势的分段线性化描述，展现室早后窦性心律的真正变化趋势，进而获得心率加速、减速的详细变化过程。结合国际参数指标TO、TS就可以更好的辅助HRT现象的检测和研究，此方法虽不能作为诊断疾病的依据，但可以直观的看出窦性心律震荡的趋势。

为了实现上述目的，本发明采用如下技术方案：

一种基于分段直线拟合的窦性心率震荡趋势检测方法，包括以下步骤：

(1)心电信号预处理：心电信号采样频率转换，去除心电信号中的基线漂移、工频基波及其谐波干扰、肌电干扰。

(2)检测采集HRT样本：所述样本包括单发室性早搏前2个窦性心搏至单发室性早搏后20个窦性心搏的RR间期值序列，根据参数定义公式，计算TO、TS，并绘制RR间期值序列曲线。

(3)根据单发室性早搏后20个窦性心搏的RR间期值序列曲线的所有极值点，确定为RR间期序列的初始分段点。

(4)根据初始分段点中相邻两个分段点所对应的RR间期值的差值D，确定最终用于直线拟合的所有分段点。

(5)对相邻两分段点间所有数据点进行最小二乘法分段直线拟合。

(6)对已经得到的分段拟合直线模型进行误差分析，若所得模型满足最大误差要求，则所得的拟合直线模型即为最优拟合直线模型，若不满足，则返回步骤(4)重新确定用于直线拟合的所有分段点。

所述步骤(3)中极值点的确定方法为：

对于单发室性早搏后20个窦性心搏的RR间期值序列，分别在各序列点处做向前差分运算和向后差分运算，若某序列点处的向前差分值和向后差分值异号，则判断序列点为极值点。

所述步骤(3)中初始分段点为：

以室性早搏后20个RR间期值的第一个RR间期值和第20个RR间期值以及RR间期值曲线的所有极值点作为初始分段点。

所述步骤(4)的具体方法为：

从步骤(3)中起始的两个初始分段点开始，分别依次对相邻两个分段点所对应RR间期值求差D：

D＝RR(i+1)-RR(i)，i＝1,2,3…,19

其中，RR(i)、RR(i+1)分别表示第i和i+1个初始分段点对应的RR间期值。

若D满足在某一个阈值范围Dig(-j,j)内波动，则取消RR(i)的分段点属性，直接将其并入到前一组数据中。

若第一个RR间期值在以上运算中被从分段点中去掉，则将其再加入分段点中，最终确定出直线拟合的所有分段点。

所述阈值范围Dig(-j,j)中j的取值优选在0到10之间，且j>0，根据经验首次运算取j值为8。

所述步骤(6)的具体方法为：

首先给定阈值范围Dig(-j,j)中的j值为8。

根据所得分段直线模型计算出心搏序号处各点的函数值,将所得函数值与各心搏序号点上对应的实际值进行比较,得出各点的误差。

如果误差超出设定的最大误差范围，则减小j的值，重新进行分段直线拟合，计算各点误差，直到误差满足设定要求为止，此时的分段直线模型即为最优拟合直线模型。

如果误差在设定的最大误差范围内，则增大j的值，重新进行分段直线拟合，计算各点误差，直到误差超出设定要求，此时，前一次得到的分段直线模型即为最优拟合直线模型。

最大误差范围可以根据实际情况自行设定。

所述步骤(6)中若在Dig的范围内重新分段后，计算误差总是过大，说明震荡频繁发生或者震荡幅度较大，则取原初始分段点直接进行最小二乘法分段直线拟合。

此时虽不能有效描述整体特征，但可以保证局部特征的提取，每一个分段内只有一种基本趋势，或为加速趋势或为减速趋势。

本发明的有益效果：

经过以上处理得到有限个分段直线，各分段直线的斜率就可以代表每个分段中RR间期值序列的变化趋势。在斜率大于0的分段内，心率整体上处于减速趋势；在斜率小于0的分段上，心率整体上处于加速趋势，再结合参数值TO、TS可以直观详细的进行震荡过程分析。本发明通过提取HRT震荡的线性特征可以有效的看出HRT震荡的细节、变化情况，避免了TO、TS参数的单一化，对疾病的预测更为准确、有效。

附图说明

图1为单发室性早搏前2个窦性心搏至其后20个窦性心搏的RR间期值序列曲线图；

图2为HRT样本；

图3为MIT-BIH数据库中215号心电信号中一HRT样本极值点标定图；

图4为在MIT-BIH数据库中215信号中起始时间在2min46s处的HRT样本分段线性化图像；

图5为在MIT-BIH数据库中215信号中起始时间在6min4s处的HRT样本分段线性化图像；

图6为在MIT-BIH数据库中114信号中采集到的一个HRT样本的分段线性化图像。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

一种基于分段直线拟合的窦性心率震荡趋势检测方法，包括以下步骤：

1、心电信号预处理

根据我们所研究的便携式心电监护系统的统一要求，将从美国麻省理工学院的MIT-BIH数据库中应用的360Hz的心电信号通过插值抽取，统一采样到200Hz。

心电信号中的噪声主要是有由呼吸及运动引起的基线漂移、工频基波及其谐波干扰、肌电干扰等。考虑到Coiflet小波系是一类近似对称的紧支正交小波，对称性要更好一些，因此为了追求更好的重构信号，我们在去噪时选择coif4小波对心电信号进行8层小波分解，用小波分解重构法去除基线漂移；用改进的阈值算法—软硬阈值折中算法，去除工频干扰和肌电干扰。具体去噪算法如下述步骤：

(1)去除基线漂移

首先统一信号信号频率为200Hz，利用Coif4小波对信号进行1到8尺度的多尺度小波分解，此时通过对比信号主要能量及信号噪声范围和信号小波分解后的通频带，基线漂移的频率主要集中在小波分解的第8层近似信号上，在信号重构时将此分量强制置零，即得到去除基线漂移的心电信号。

(2)去除工频干扰和肌电干扰

本发明采用软硬阈值折中算法来去除工频干扰和肌电干扰。其阈值函数为：

${\hat{d}}_{j,k}=\left\{\begin{array}{c}\mathrm{sgn}\left(d_{j,k}\right)\left(\right|d_{j,k}|-{\mathrm{\&beta;}}^{({\mathrm{\&lambda;}}_j--|d_{j,k}\left|\right)}*{\mathrm{\&lambda;}}_j),\left|d_{j,k}\right|\&GreaterEqual;{\mathrm{\&lambda;}}_j\\ 0,\left|d_{j,k}\right|<{\mathrm{\&lambda;}}_j\end{array}\right.$

式中，d_j,k为原始小波系数，为调整后小波系数，取阈值其中N味采样点数，j为本级尺度，噪声方差其中median(|d_j,k|)表示每层小波系数绝对值的中间值，β为大于1的整数调整因子，β→∞为硬阈值法，β→1为软阈值法，在经软硬阈值折中算法中，经过反复试验，取β＝98。

2、采集HRT样本

采集HRT样本，HRT样本如图2所示。在心电信号中若检测到室性早搏并且之前2个心搏均为窦性心搏，之后20个心搏均为窦性心搏，其序列曲线如图1所示。计算此处TO、TS参数。

3、信号分段直线拟合步骤

(1)取室性早搏后20个RR间期序列作为研究对象，画出RR间期值曲线图，横坐标为心拍序号，纵坐标为RR间期值。

(2)确定单发室性早搏后20个窦性心搏的RR间期值曲线的所有极值点。本发明采用的极值点的确定方法是对于单发室性早搏后20个窦性心搏的RR间期值序列，若在每一个极值点处向前差分和向后差分异号，根据这一特征可以准确快速查找极值点位置，并在RR间期曲线图中进行标定。图3为MIT-BIH数据库中215号心电信号中一HRT样本极值点标定图，“☆”表示极值点。

(3)确定初始分段点：以室性早搏后20个RR间期值的第一个RR间期值和第20个RR间期值以及所有极值点作为初始分段点。

(4)融合分段点:从步骤(3)中的起始两个分段点开始，对相邻两个分段点所对应RR间期值求差D，D＝RR(i+1)-RR(i)，i＝1,2,3…,19，若D满足在某一个阈值范围Dig(-j,j)内波动，我们就将求差公式中的RR(i)这一个分段点取消其为分段点的属性，也就是不再将其作为分段点而是直接并入到前一组数据中，否则保留求差公式中的RR(i)这一个分段点的分段点属性，依次进行计算。

若在以上操作中，第一个RR间期值在以上运算中被从分段点中去掉，则需要将其再加入其中，最终确定出直线拟合的所有分段点(也就是第一个点、最后一个点以及完成筛选的所有被保留下来的极值点)。根据经验值，本文首次运算中暂且取定Dig中的初始j值为8。

(5)对相邻两分段点间所有数据点进行最小二乘法直线拟合，其直线拟合的多项式为一次多项式，形如y＝ax+b，通过最小二乘法直线拟合得到所有分段拟合的直线。

(6)已经得到的分段直线模型，就可以进行模型误差分析，具体方法是:利用所得分段直线模型计算出各心搏点处对应的直线函数值,与各心搏点上的实际值(也即是进行拟合的RR间期序列点值)进行比较,得出各点的误差,若所得模型满足最大误差要求,则所得的模型即为最后结果。如果误差过大，不满足最大误差要求,则必须调整给定的Dig值回到步骤(4)，重新进行分段点融合,直到误差满足要求。Dig值得范围一般限定在Dig(-j,j),j≥0之内，鉴于人体心电信号的看似随机的规律性，j值一般在0到10之间即可取得较为理想的拟合结果。

(7)若在Dig的范围内重新分段后，计算误差总是过大，说明震荡频繁发生或者震荡幅度较大，则取原初始分段点直接进行最小二乘法分段直线拟合，此时虽不能有效描述整体特征，但可以保证局部特征的提取，每一个分段内只有一种基本趋势，或为加速趋势或为减速趋势。

经过以上步骤的得到的各个分段直线所具有的斜率特征，就可以描述各个分段内所有RR间期点值的变化，也就分段描述了心率变化的整体趋势。

图4为在MIT-BIH数据库中215信号中起始时间在2min46s处的HRT样本分段线性化图像，通过计算得出此HRT样本的TO＝-0.01，TS＝18，从参数角度分析，根据TO的定义TO<0说明存在初始心率加速，但从分段线性斜率来分析，虽然TO<0,但初始却实际上存在明显的心率减速现象。从图中可以看出HRT的震荡趋势大体上存在减速、加速、以及后续的两次不同程度的减速和最后一次加速，从参数TS定义看TS>2.5说明加速后存在减速现象，正如图像描述的一样加速后存在减速现象。

图5为在MIT-BIH数据库中215信号中起始时间在6min4s处的HRT样本分段线性化图像，通过计算得到此样本参数TO＝0.0338，TS＝14，在参数TO角度分析，根据TO定义TO>0说明存在初始心率减速，从图像分析第一分段直线，其斜率大于零，初始心率确实为减速趋势。从图像中可直观看出震荡过程整体上所存在的加速和减速的过程。从图像可以观察出两段斜率大于零却倾斜度不同的直线段，说明我们的算法可以实现相邻段不同减速趋势的描述。

图6为在MIT-BIH数据库中114信号中采集到的一个HRT样本的分段线性化图像；通过计算此HRT样本的TO＝0.0306，TS＝29.7，在参数TO角度分析，根据TO定义TO>0说明存在初始心率减速，但从图像分析第一分段直线，其斜率小于零，初始心率实则为加速趋势。从图像中可直观看出震荡过程整体上存在持续的加速和紧随其后的减速过程，在每一次加速后都紧随有减速阶段，正如TS>2.5所描述的一样。

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，所属领域技术人员应该明白，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 (6)

1.一种基于分段直线拟合的窦性心率震荡趋势检测方法，其特征是，包括以下步骤：

(1)心电信号预处理：心电信号采样频率转换，去除心电信号中的基线漂移、工频基波及其谐波干扰、肌电干扰；

(2)检测采集HRT样本：所述样本包括单发室性早搏前2个窦性心搏至单发室性早搏后20个窦性心搏的RR间期值序列，根据参数指标TO、TS的计算公式，计算TO、TS，并绘制RR间期值序列曲线；

(3)根据单发室性早搏后20个窦性心搏的RR间期值序列曲线的所有极值点，确定为RR间期序列的初始分段点；

(4)根据初始分段点中相邻两个分段点所对应的RR间期值的差值D，确定最终用于直线拟合的所有分段点；

(5)对相邻两分段点间所有数据点进行最小二乘法分段直线拟合；

(6)对已经得到的分段拟合直线模型进行误差分析，若所得模型满足最大误差要求，则所得的拟合直线模型即为最优拟合直线模型，若不满足，则返回步骤(4)重新确定用于直线拟合的所有分段点；

所述步骤(4)的具体方法为：

从步骤(3)中起始的两个初始分段点开始，分别依次对相邻两个分段点所对应RR间期值求差D：

D＝RR(i+1)-RR(i)，i＝1,2,3…,19

其中，RR(i)、RR(i+1)分别表示第i和i+1个初始分段点对应的RR间期值；

若D满足在某一个阈值范围Dig(-j,j)内波动，则取消RR(i)的分段点属性，直接将其并入到前一组数据中；

若第一个RR间期值在以上运算中被从分段点中去掉，则将其再加入分段点中，最终确定出直线拟合的所有分段点。

2.如权利要求1所述的一种基于分段直线拟合的窦性心率震荡趋势检测方法，其特征是，所述步骤(3)中极值点的确定方法为：

对于单发室性早搏后20个窦性心搏的RR间期值序列，分别在各序列点处做向前差分运算和向后差分运算，若某序列点处的向前差分值和向后差分值异号，则判断序列点为极值点。

3.如权利要求1所述的一种基于分段直线拟合的窦性心率震荡趋势检测方法，其特征是，所述步骤(3)中初始分段点为：

以室性早搏后20个RR间期值的第一个RR间期值和第20个RR间期值以及RR间期值曲线的所有极值点作为初始分段点。

4.如权利要求1所述的一种基于分段直线拟合的窦性心率震荡趋势检测方法，其特征是，所述阈值范围Dig(-j,j)中j的取值优选在0到10之间，且j>0。

5.如权利要求1所述的一种基于分段直线拟合的窦性心率震荡趋势检测方法，其特征是，所述步骤(6)的具体方法为：

首先给定阈值范围Dig(-j,j)中的j值为8；

根据所得分段直线模型计算出心搏序号处各点的函数值,将所得函数值与各心搏序号点上对应的实际值进行比较,得出各点的误差；

如果误差超出设定的最大误差范围，则减小j的值，重新进行分段直线拟合，计算各点误差，直到误差满足设定要求为止，此时的分段直线模型即为最优拟合直线模型；

如果误差在设定的最大误差范围内，则增大j的值，重新进行分段直线拟合，计算各点误差，直到误差超出设定要求，此时，前一次得到的分段直线模型即为最优拟合直线模型。

6.如权利要求5所述的一种基于分段直线拟合的窦性心率震荡趋势检测方法，其特征是，所述步骤(6)中若在Dig的范围内重新分段后，计算误差总是过大，说明震荡频繁发生或者震荡幅度较大，则取原初始分段点直接进行最小二乘法分段直线拟合。