CN104680186A - 一种心电信号中st段形态的自动分类方法 - Google Patents

Abstract

本发明提供了一种心电信号中ST段形态的自动分类方法，其特征在于：采集人体各导联的ECG信号；将ECG信号中ST段的形态分类为五种：水平型、上斜型、下斜型、凹型和凸型；利用曲率尺度空间技术的多尺度分析方法，定位ST段并获取ST段中曲率绝对值最大值所对应的点，即ST段弯曲程度最大的点；根据曲率的性质，利用ST段中弯曲程度最大的点判断ST段的形态。本发明通过引入曲率尺度空间的方法，不仅有效减少了噪声的影响，而且能准确识别出ST段的形态，对心肌缺血的预警有着重要的使用价值。

Description

一种心电信号中ST段形态的自动分类方法

技术领域

本发明涉及生物医学工程技术领域，具体涉及一种用于心肌缺血预警的ST段形态自动分类方法。

背景技术

冠状动脉粥样硬化导致的冠脉狭窄或闭塞是引起心肌缺血最主要、最常见的病因，严重则导致心肌缺血缺氧，由此引发冠心病。心肌缺血严重危害中老年人的健康，目前在我国平均患病率约为6.49％。但随着我国人民生活水平的提高，动脉粥样硬化逐步呈现年轻化的趋势，导致心肌缺血的患病率逐年上升，严重危害了我国人民的身体健康。因此，精确有效地检测心肌缺血性变化在临床中有着重要意义。

目前市面大多数自动心电图机仅包含ST段水平测量结果，影响对心肌缺血的精确评估。而临床研究表明，在缺血性症状发生时，ST段形态特征的变化与ST段水平变化具有同样的诊断价值。ST段的形态特征不仅能从非缺血性ST段变化中区分出真正的缺血性ST段变化，并且能为检测心肌缺血的严重程度提供参考。因此，实现对ST段变化(包括ST段水平变化和形态变化)的自动检测，有助于内科医师临床评估心肌缺血，具有重要的临床使用价值。

发明内容

本发明是为避免上述现有技术的不足之处，提供一种基于曲率尺度空间对心电信号中ST段形态的自动分类方法，以期为临床自动检测心肌缺血提供新的参考，所要解决的是临床中计算机对ST段的定位不精确以及ST段形态分类不准确的技术问题。

本发明为解决技术问题采用如下方案：

本发明心电信号中ST段形态的自动分类方法，其特点在于：利用曲率尺度空间技术自动判断心电信号中ST段形态的类别；所述ST段形态类别包括直线型和弓背型，所述直线型包括水平型和斜直型，所述弓背型包括凹形和凸型；所述斜直型包括上斜型和下斜型。

本发明心电信号中ST段形态的自动分类方法，包括如下步骤：

(1)利用心电电极同步采集人体各导联的心电信号，即ECG信号；

(2)利用曲率尺度空间技术识别ECG信号中ST段弯曲程度最大的点：

2a、对ECG信号进行平滑处理得到ECG平滑信号C(t,σ)，其中σ为尺度因子；

2b、利用曲率尺度空间技术计算C(t,σ)中各点的曲率值k(t,σ)，获得C(t,σ)对应的曲率曲线，并根据所述曲率曲线、利用顶点选择法在ECG信号中定位ST段的起点EcgSTonset和ST段的终点EcgSToffset；

2c、寻找ST段中弯曲程度最大的点：

2c1、在高尺度因子下，计算ST段中各点的曲率绝对值中的最大值k_max，并寻找ST段中曲率绝对值大于1/2k_max的点，记为Point(i)，存入序列CurMaxPoint(i)中，其中i＝1,2…；

2c2、在第二尺度因子下，依次判断各个Point(i)所在的局部区域内各点的曲率绝对值中的最大值所对应的点Point(i)＇，若Point(i)＇与Point(i)为同一点，则将Point(i)继续保留在序列CurMaxPoint(i)中，否则，则将Point(i)从序列CurMaxPoint(i)中移除；

2c3、在最低尺度因子下，按步骤c2相同的方法对序列CurMaxPoint(i)中保留的点Point(i)再次筛选，仍保留下来的Point(i)即为ST段的拐点；

2d、在最低尺度因子下，判断ST段各拐点中曲率绝对值最大的点，该点即为ST段中弯曲程度最大的点，记为STCurMaxPoint；

(3)根据STCurMaxPoint在最低尺度因子下的曲率绝对值判断ST段的形态类别：

3a、若STCurMaxPoint在最低尺度因子下的曲率绝对值＞第一阈值τ，则ST段为弓背型：

若STCurMaxPoint在最低尺度因子下的曲率值＞0时，则ST段为曲线型中的凸型；

若STCurMaxPoint在最低尺度因子下的曲率值＜0时，则ST段为曲线型中的凹型；

3b、若STCurMaxPoint在最低尺度因子下的曲率绝对值≤第一阈值τ时，则ST段为直线型：

计算ST段所在直线与水平线的夹角所对应的弧度，即为ST段的坡脚；

若ST段的坡脚＜第二阈值θ，则ST段为直线型中的水平型，否则ST段为斜直型；

对于斜直型的ST段，若ST段终点EcgSToffset的心电幅值大于ST段起点EcgSTonset的心电幅值，则ST段为斜直型中的上斜型；若ST段终点EcgSToffset的心电幅值小于ST段起点EcgSTonset的心电幅值，则ST段为斜直型中的下斜型。

步骤2b中根据所述利用曲率曲线及顶点选择法定位ST段的起点EcgSTonset和ST段的终点EcgSToffset的步骤为：

2b1、定位曲率曲线上各极值点中幅值最大的点，即为R波峰值点，记为Rpeak；

定位距离R波峰值点后[1/4RR间期，3/4RR间期]内各极值点中幅值最大的点，即为T波峰值点；

2b2、选择曲率曲线中R波峰值点后[Rpeak+40ms,Rpeak+80ms]的区间内曲率绝对值最小的点所对应的ECG信号中的点，即为ECG信号中ST段的起点EcgSTonset，将ST段的起点EcgSTonset在ECG平滑信号C(t,σ)中所对应的点记为CSTonset；

2b3、利用补充顶点选择法定位ST段的终点EcgSToffset：

2b31、在ECG平滑信号中，将CSTonset后20ms处的点记为点A，T波峰值点所对应的ECG平滑信号中的点记为点B；

2b32、在ECG平滑信号中位于AB段内的各点到直线AB的距离最大的点记为点C；若点C到直线AB的距离≤第三阈值D_th时，则点C在ECG信号上所对应的点即为ST段的终点EcgSToffset；若点C到直线AB的距离＞阈值D_th，则进行步骤2b33；

2b33、以点C替换点B，继续进行步骤2b32。

本发明基于曲率尺度空间对心电信号中ST段形态的自动分类方法的特点也在于：本发明方法适用于人体不同导联心电信号中ST段形态的分析，通过对各个导联的心电信号同步采集，结合各个导联心电信号中ST段的形态，可以为缺血类疾病的诊断及严重程度的判断提供参考。

步骤2c中尺度因子的选择方式：高尺度因子的范围为[8,14]，要求在高尺度下，噪声信号被平滑且保留反应ST段形态信息的特征拐点；第二尺度因子及第三尺度因子的选取，是在高尺度因子下依次递减，尺度每次递减的大小约为2。

所述Point(i)所在的局部区域为[Point(i)-10ms,Point(i)+10ms]。

所述第一阈值τ的选择范围为[0.02,0.35]；

所述第二阈值θ的获取方式：根据心脏病专家建议，ST段的坡脚变化不大于0.02rad(约1.15°)，即第二阈值θ≤0.02rad；

所述第三阈值D_th的值是根据文献[Tae-Hun Kim,Se-Yun Kim,Jeong-Hong Kim.et.al.CurvatureBased ECG Signal Compression for Effective Communication on WPAN.Journal of communications andnetworks.2012,14(1):21-26]中计算心电信号的均方根差的百分比获取得到。

与已有技术相比，本发明的有益效果体现在：

(1)本发明采用三个不同尺度的追踪ST段中特征拐点，在避免噪声干扰的同时，也保证了特征拐点定位的准确性和计算机分析的实时性；

(2)本发明提出的利用曲率尺度空间技术对ST段形态进行自动分类的方法，通过计算ST段中弯曲程度最大点的曲率，可简单准确地对ST段形态进行分类；

(3)本发明采用曲率尺度空间技术对ECG信号进行预处理，对噪声干扰具有很好的鲁棒性，解决了ST段由于各种频率的噪声而难以检测和分类的问题，具有很好的应用前景；

附图说明

图1为本发明对ST段形态预分类的五种形态；

图2为本发明对ST段形态分类方法的总流程图；

图3为本发明对ST段特征点识别的实验效果图，其中图3(a)表示ECG平滑信号，图3(b)表示ECG平滑信号对应的曲率曲线，图中标注了R峰值点、T波峰值点以及R-T之间的拐点；

图4为本发明采用的补充顶点选择法定位T波起点的原理图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明实施例作进一步详细的说明。

如图1所示，本实施例首先将ST段预分类为五种形态，包括：水平型、上斜型、下斜型、凹型和凸型；

如图2所示，本实施例基于曲率尺度空间对ST段形态进行分类的方法是按如下步骤进行：

1、利用时间变量t将原ECG信号表示为O(t)＝(s(t),v(t))，利用高斯低通滤波器(LPF)获得ECG平滑信号C(t,σ)＝(S(t,σ),V(t,σ))，如图3(a)所示；

2、如图3(b)所示，利用公式(1)计算出ECG平滑信号各点的曲率值k(t,σ)，并获得曲率曲线，公式(1)如下所示：

$k(t,\mathrm{\σ})=\frac{S^{\′\′}(t,\mathrm{\σ})V^{\′}(t,\mathrm{\σ})-S^{\′}(t,\mathrm{\σ})V^{\′\′}(t,\mathrm{\σ})}{{[S^{\′}{(t,\mathrm{\σ})}^2+V^{\′}{(t,\mathrm{\σ})}^2]}^{\frac{3}{2}}}---\left(1\right)$

其中 $S^{\′}(t,\mathrm{\σ})=s\left(t\right)\⊗\frac{\∂}{\∂t}g(t,\mathrm{\σ}),S^{\′\′}(t,\mathrm{\σ})=s\left(t\right)\⊗\frac{{\∂}^2}{{\∂t}^2}g(t,\mathrm{\σ}),$

$V^{\′}(t,\mathrm{\σ})=v\left(t\right)\⊗\frac{\∂}{\∂t}g(t,\mathrm{\σ}),V^{\′\′}(t,\mathrm{\σ})=v\left(t\right)\⊗\frac{{\∂}^2}{{\∂t}^2}g(t,\mathrm{\σ}).$

上式中是卷积符号，g(t,σ)是方差为σ的高斯函数，σ又称为尺度因子。

3、如图3(b)所示，利用基于曲率尺度空间的顶点选择法在曲率曲线中定位ST段的特征点，即ST段起点EcgSTonset和ST段终点EcgSToffset，获得ST段并记为y_STσ，具体实现如下：

(1)选择曲率曲线中电压值最大的局部极值点，该点即为R波峰值点Rpeak，如图3(b)所示，记为R；在距离R波峰值点后[1/4RR间期,3/4RR间期]的范围内寻找电压值最大的局部极值点，该点即为T波峰值点Tpeak，如图3(b)所示，记为T；

(2)本发明选择[Rpeak+40ms,Rpeak+80ms]区间内曲率绝对值最小的点J所对应的ECG信号中的点，即为ECG信号中ST段的起点EcgSTonset，如图3(b)所示，其在ECG平滑信号C(t,σ)中所对应的点记为CSTonset；

(3)如图3(b)中所示，ST段终点处对应的顶点并不明显，因此本发明利用补充顶点选择法定位T波起点位置。如图4所示，在ECG平滑信号中，选择(CSTonset+20ms)处的点记为A，选择T波峰值点所对应的ECG平滑信号中的点记为B，在ECG平滑信号中位于AB段内的各点到直线AB的距离最大的点记为点C；若点C到直线AB的距离≤阈值D_th时，则点C在ECG信号上所对应的点即为ST段的终点EcgSToffset；若点C到直线AB的距离＞阈值D_th，则以点C替换点B，在AC段内继续上述步骤。本发明中D_th取值为0.017；此步骤以ECG平滑信号进行处理，而非ECG信号，可以极大的减少计算量，解决时间。

4、在步骤3中获取的ST段y_STσ的基础上，利用基于曲率尺度空间的顶点选择法识别ST段中弯曲程度最大的点，具体实现如下：

(1)在高尺度因子σ_high∈[8,10]下，计算ST段中各点的曲率绝对值中的最大值k_max，并寻找ST段中曲率绝对值大于1/2k_max的点，记为Point(i)，存入序列CurMaxPoint(i)中，其中i＝1,2…；

(2)降低尺度至σ_low∈[5,6.5]，在[Point(i)-15ms,Point(i)+15ms]的区间内，判断曲率绝对值中的最大值所对应的点Point(i)＇，若Point(i)＇与Point(i)为同一点，则将Point(i)继续保留在序列CurMaxPoint(i)中，否则，则将Point(i)从序列CurMaxPoint(i)中移除；

(3)继续降低尺度至最低σ_lowest＝4，按步骤(2)相同方法对序列CurMaxPoint(i)中保留的点Point(i)再次筛选，仍保留下来的Point(i)即为ST段的拐点；

(4)在σ_lowest＝4下，计算序列CurMaxPoint(i)(i＝1,2…)中曲率绝对值的最大值所对应的点，记为STCurMaxPoint，该点即为当前ST段中弯曲程度最大的点；

5、利用ST段中弯曲程度最大的点STCurMaxPoint，计算σ_lowest＝4时，点STCurMaxPoint处的曲率绝对值|k(t_curmax)|，并判断当前ST段的形态：

(1)根据STCurMaxPoint的曲率值绝对值|k(t_curmax)|判断ST段的形态类别：

若|k(t_curmax)|＞第一阈值τ时，则ST段为弓背型：

若STCurMaxPoint的曲率值k(t_curmax)＞0时，则ST段为曲线型中的凸型；

若STCurMaxPoint的曲率值k(t_curmax)＜0时，则ST段为曲线型中的凹型；其中τ∈[0.02,0.35]

(2)若|k(t_curmax)|≤第一阈值τ时，则ST段为直线型：

计算ST段所在直线与水平线的夹角所对应的弧度，即为ST段的坡脚α；

若α＜0.02rad时，则ST段为直线型中的水平型，否则ST段为斜直型；计算ST段起点和ST段终点的心电电压值，分别记为x(STonset)和x(SToffset)，若x(STonset)-x(SToffset)＜0，则ST段为斜直型中的上斜型；若x(STonset)-x(SToffset)＞0，则ST段为斜直型中的下斜型。

Claims (3)

1.一种心电信号中ST段形态的自动分类方法，其特征在于：利用曲率尺度空间技术自动判断心电信号中ST段形态的类别；所述ST段形态类别包括直线型和弓背型，所述直线型包括水平型和斜直型，所述弓背型包括凹形和凸型；所述斜直型包括上斜型和下斜型。

2.根据权利要求1所述的心电信号中ST段形态的自动分类方法，其特征在于包括如下步骤：

(1)利用心电电极同步采集人体各导联的心电信号，即ECG信号；

(2)利用曲率尺度空间技术识别ECG信号中ST段弯曲程度最大的点：

2a、对ECG信号进行平滑处理得到ECG平滑信号C(t,σ)，其中σ为尺度因子；

2b、利用曲率尺度空间技术计算C(t,σ)中各点的曲率值k(t,σ)，获得C(t,σ)对应的曲率曲线，并根据所述曲率曲线、利用顶点选择法在ECG信号中定位ST段的起点EcgSTonset和ST段的终点EcgSToffset；

2c、寻找ST段中弯曲程度最大的点：

2c1、在高尺度因子下，计算ST段中各点的曲率绝对值中的最大值k_max，并寻找ST段中曲率绝对值大于1/2k_max的点，记为Point(i)，存入序列CurMaxPoint(i)中，其中i＝1,2…；

2c2、在第二尺度因子下，依次判断各个Point(i)所在的局部区域内各点的曲率绝对值中的最大值所对应的点Point(i)＇，若Point(i)＇与Point(i)为同一点，则将Point(i)继续保留在序列CurMaxPoint(i)中，否则，则将Point(i)从序列CurMaxPoint(i)中移除；

2c3、在最低尺度因子下，按步骤c2相同的方法对序列CurMaxPoint(i)中保留的点Point(i)再次筛选，仍保留下来的Point(i)即为ST段的拐点；

2d、在最低尺度因子下，判断ST段各拐点中曲率绝对值最大的点，该点即为ST段中弯曲程度最大的点，记为STCurMaxPoint；

(3)根据STCurMaxPoint在最低尺度因子下的曲率绝对值判断ST段的形态类别：

3a、若STCurMaxPoint在最低尺度因子下的曲率绝对值＞第一阈值τ，则ST段为弓背型：

若STCurMaxPoint在最低尺度因子下的曲率值＞0时，则ST段为曲线型中的凸型；

若STCurMaxPoint在最低尺度因子下的曲率值＜0时，则ST段为曲线型中的凹型；

3b、若STCurMaxPoint在最低尺度因子下的曲率绝对值≤第一阈值τ时，则ST段为直线型：

计算ST段所在直线与水平线的夹角所对应的弧度，即为ST段的坡脚；

若ST段的坡脚＜第二阈值θ，则ST段为直线型中的水平型，否则ST段为斜直型；

对于斜直型的ST段，若ST段终点EcgSToffset的心电幅值大于ST段起点EcgSTonset的心电幅值，则ST段为斜直型中的上斜型；若ST段终点EcgSToffset的心电幅值小于ST段起点EcgSTonset的心电幅值，则ST段为斜直型中的下斜型。

3.根据权利要求2所述的心电信号中ST段形态的自动分类方法，其特征在于：

步骤2b中根据所述利用曲率曲线及顶点选择法定位ST段的起点EcgSTonset和ST段的终点EcgSToffset的步骤为：

2b1、定位曲率曲线上各极值点中幅值最大的点，即为R波峰值点，记为Rpeak；

定位距离R波峰值点后[1/4RR间期，3/4RR间期]内各极值点中幅值最大的点，即为T波峰值点；

2b2、选择曲率曲线中R波峰值点后[Rpeak+40ms,Rpeak+80ms]的区间内曲率绝对值最小的点所对应的ECG信号中的点，即为ECG信号中ST段的起点EcgSTonset，将ST段的起点EcgSTonset在ECG平滑信号C(t,σ)中所对应的点记为CSTonset；

2b3、利用补充顶点选择法定位ST段的终点EcgSToffset：

2b31、在ECG平滑信号中，将CSTonset后20ms处的点记为点A，T波峰值点所对应的ECG平滑信号中的点记为点B；

2b32、在ECG平滑信号中位于AB段内的各点到直线AB的距离最大的点记为点C；若点C到直线AB的距离≤第三阈值D_th时，则点C在ECG信号上所对应的点即为ST段的终点EcgSToffset；若点C到直线AB的距离＞阈值D_th，则进行步骤2b33；

2b33、以点C替换点B，继续进行步骤2b32。