CN105943030A - 一种用于实现多通道心电图qrs自动划定的智能终端 - Google Patents

Abstract

本发明公开了一种用于实现多通道心电图QRS自动划定的智能终端，包括处理器和蓝牙通讯模块，蓝牙通讯模块与处理器相连；处理器包括信号接收模块、小波变换模块、差分变换模块、峰度与权值计算模块、信号叠加与滤波模块和R峰检测模块。本发明智能终端通过多通道心电信号拟合，避免了由于个别通道信号划定不同步而产生R峰检测出错的问题；同时在信号拟合的过程中参考了信号的峰度值，避免了由于某通道信号波形质量太差而造成整体综合能量曲线质量下降的问题。因此本发明智能终端检测得到的心电R峰效果稳定准确，特别是当心电信号中部分通道信号质量不过关时，也能准确的检测到R峰的位置。

Description

一种用于实现多通道心电图QRS自动划定的智能终端

技术领域

本发明属于心电检测技术领域，具体涉及一种用于实现多通道心电图QRS自动划定的智能终端。

背景技术

心电图(Electrocardiogram，ECG)是在心脏有规律的收缩和舒张的过程中，各部分心肌细胞产生的动作电位综合而成的电信号由电极从体表或胸腔测得，经放大后显示或描记下来的波形。心电图通常由一系列相同的波群构成，主要包括以下：

P波：代表左右心房去极化过程的电位变化，历时0.08～0111s，波幅不超过0.25mv。

QRS波群：代表左右心室去极化过程的电位变化，历时0.06～0.10s；典型的QRS波群包含三个紧密相联的波，第一个向下的波为Q波，其后向上的高而减的波为R波，继R波之后的一个向下的波为S波。

PR间期：由P波起点到QRS波群起点之间的间期，代表自心房除极开始至心室除极的时间，正常成人为0.12～0.20s。

T波：代表心室快速复极过程中的电位变化，波形圆钝，历时0.05～0.25s，波形的前肢较长而后肢较短。

ST段：自QRS波终点至T波起点之间的线段，代表心室缓慢复极过程，正常的ST段多为一等电位线，有时也可有轻微的偏移。在任一导联，ST段下移一般不超过0.05mv；ST段上抬在V1、V2导联不超过0.3mv，在V3不超过0.5mv，在V4～V6导联与肢体导联不应超过0.1mv。

在心电信号自动分析中，QRS波的检测尤为重要。QRS波是ECG中最显著的部分，它反映了心室收缩时心脏的电行为，其能量占了心电信号能量的很大百分比。QRS波分部于心电信号中、高频区域，峰值落在10～20HZ之间，并且幅度特征非常明显，与其他波形区别显著，因而在心电特征波形的检测中，常常先定位QRS波群，当QRS波被确定后，才有可能计算心率并进行心率变异分析，才能检测ST段的参数和分析心电的其他细节信息，由此QRS波的检测是ECG检测中的首要问题，是诊断心率失常的重要依据。

学者Pan于1985年提出了一种双阈值检测方法，其首先让心电信号一次经过一个带通滤波和低通滤波的差分器，以增强5～15Hz的信号分量；接着，对信号进行逐点平方和移动窗口(150ms)积分运算，得到变换后的信号。若差分后的信号和积分哈偶的信号同事满足阈值条件，则认为检测到一个QRS波，更新阈值。学者Brekelmans也提出过一种QRS检测方法，其使心电信号经过500HZ的频率采样后，首先通过一个10点平均滤波器，以滤除50Hz工频干扰；将信号与一个经过8Hz低通滤波的信号相减，形成带通滤波。将各通道滤波后的各对应数据点的绝对值相加，得到信号A；将各通道信号的一阶差分的绝对值相加得到信号D；将信号A与信号D相加，以去除信号A中可能出现的凹陷；在离线处理部分，首先对数据进行统计，取得幅度阈值和斜率阈值；若幅度和前后斜率均超过阈值，则认为检测到一个QRS波。

上述Pan提出的算法适用于单通道心电图，但多通道心电图常常具有两个问题：(1)每个通道的信号质量不同；(2)各个通道的划定不同步。如果随机采取一个通道作为心电图的划定的依据，则结果可能不准确。Brekelmans虽然综合各通道信号进行判断，但仅仅是将各通道的信号简单的叠加，若第一通道的导联安放位置不好，导致信号低而噪声大，而第二个通道的信号质量优良，则对后一个通道来说，叠加后的数据信噪比反而降低。

发明内容

针对现有技术所存在的上述技术缺陷，本发明提供了一种用于实现多通道心电图QRS自动划定的智能终端，能够避免通道间信号质量差距所引起的检测结果差异，提高R峰检测的成功率。

一种用于实现多通道心电图QRS自动划定的智能终端，包括处理器和蓝牙通讯模块，所述的处理器加载有以下功能模块：

信号接收模块，用于通过智能终端内的蓝牙通讯模块接收心电监测器提供的多通道心电信号；

小波变换模块，用于对各通道的心电信号进行小波变换得到各通道的能量曲线；

差分变换模块，用于对各通道的能量曲线进行一阶差分变换，得到各通道的能量差分曲线；

峰度与权值计算模块，用于计算各通道能量差分曲线的峰度，进而确定各通道的权值；

信号叠加与滤波模块，用于根据权值将各通道的能量差分曲线进行累加得到综合能量曲线，进而采用窗函数对综合能量曲线进行滤波；

R峰检测模块，用于对滤波后的综合能量曲线进行R峰检测，即完成对多通道心电图的QRS划定，进而将结果通过WIFI或GPRS发送给医生手机、云端服务器或医院系统服务器供医生诊断。

所述的小波变换模块根据以下公式对各通道的心电信号进行小波变换：

其中：x(t)为任一通道的心电信号，z(t)为x(t)经小波变换后得到的能量曲线，a为缩放因子，b为平移参数，t为时间，为墨西哥帽小波函数的复数共轭。

所述的差分变换模块根据以下公式对各通道的能量曲线进行一阶差分变换：

y[n]＝z[n]-z[n-1]

其中：z[n]和z[n-1]分别为任一通道能量曲线中第n个采样点和第n-1个采样点的信号值，y[n]为对应通道能量差分曲线中第n个采样点的信号值，n为大于0的自然数。

所述的峰度与权值计算模块根据以下公式计算各通道能量差分曲线的峰度：

$K=\frac{N{\Σ}_{n=1}^N{(y\[n\]-\stackrel{\‾}{y})}^4}{{\left({\Σ}_{n=1}^N{\left(y\[n\]-\stackrel{\‾}{y}\right)}^2\right)}^2}$

其中：K为任一通道能量差分曲线的峰度，y[n]为对应通道能量差分曲线中第n个采样点的信号值，为对应通道能量差分曲线中所有采样点的信号平均值，N为对应通道能量差分曲线中所有采样点的个数。

所述的峰度与权值计算模块根据以下公式确定各通道的权值：

$w_i=\frac{1/K_i}{{\Σ}_{i=1}^{m}1/K_i}$

其中：w_i为第i通道的权值，K_i为第i通道能量差分曲线的峰度，m为通道总数。

所述的信号叠加与滤波模块根据以下公式将各通道的能量差分曲线进行累加得到综合能量曲线：

$X={\Σ}_{i=1}^m{w}_i*\left|y_i\right|$

其中：X为综合能量曲线，w_i为第i通道的权值，y_i为第i通道的能量差分曲线，m为通道总数。

所述的信号叠加与滤波模块根据以下公式对综合能量曲线进行滤波：

$X^{*}\[j\]=\frac{{\Σ}_{p=0}^{M-1}X\[j-p\]}{M}$

其中：X[j-p]为综合能量曲线中第j-p个采样点的信号值，X^*[j]为滤波后的综合能量曲线中第j个采样点的信号值，M为窗口大小，j为大于0的自然数。

所述的R峰检测模块对滤波后的综合能量曲线进行R峰检测，具体过程如下：

首先，提取滤波后的综合能量曲线中前k秒每秒内所有采样点最大的信号值，共得到k个信号值组成峰值序列；同时构建同样由k个信号值组成的噪声序列以及由k个RR间期组成的间期序列，初始化噪声序列中的k个信号值均为0，初始化间期序列中的k个RR间期均为1000ms，k为大于1的自然数；进而根据以下公式计算阈值thresh：

thresh＝(medianRp-medianNoise)*β

其中：medianRp和medianNoise分别为峰值序列和噪声序列的中值，β为预设系数；

然后，逐个判断滤波后的综合能量曲线中每个采样点：若当前采样点的信号值大于其之后200ms内所有采样点的信号值，则令当前采样点为候选R峰；

若候选R峰的信号值≥thresh，则判定候选R峰为真正R峰，进而移除峰值序列中对应时间最早的一个信号值且将该真正R峰的信号值填补至峰值序列中，同时移除间期序列中对应时间最早的一个RR间期且将该真正R峰与前一真正R峰的时间间隔作为新的RR间期填补至间期序列中，并更新thresh；

若候选R峰的信号值＜thresh，则判定候选R峰为噪声点，进而移除噪声序列中对应时间最早的一个信号值且将该噪声点的信号值填补至噪声序列中，并更新thresh；

若超过1.5medianRR的时间段仍未找到下一个真正R峰，medianRR为间期序列的中值，则判断该时间段内信号值最大的噪声点，其信号值是否大于0.5thresh：若是，则判定该噪声点为真正R峰，进而移除峰值序列中对应时间最早的一个信号值且将该真正R峰的信号值填补至峰值序列中，同时移除间期序列中对应时间最早的一个RR间期且将该真正R峰与前一真正R峰的时间间隔作为新的RR间期填补至间期序列中，并更新thresh。

所述的智能终端可以为智能手机、平板电脑或PC机。

本发明智能终端通过多通道心电信号拟合，避免了由于个别通道信号划定不同步而产生R峰检测出错的问题；同时在信号拟合的过程中参考了信号的峰度值，避免了由于某通道信号波形质量太差而造成整体综合能量曲线质量下降的问题。因此本发明智能终端检测得到的心电R峰效果稳定准确，特别是当心电信号中部分通道信号质量不过关时，也能准确的检测到R峰的位置。

附图说明

图1为本发明智能终端的结构示意图。

图2为三通道心电信号及通过本发明加权拟合后检测标注有R峰心电信号的波形示意图。

具体实施方式

为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。

如图1所示，本实施例中用于多通道心电图QRS自动划定的智能终端采用智能手机，该智能手机内包含有处理器和蓝牙通讯模块，蓝牙通讯模块与处理器相连；处理器包括信号接收模块、小波变换模块、差分变换模块、峰度与权值计算模块、信号叠加与滤波模块和R峰检测模块；其中：

蓝牙通讯模块用于智能手机与心电监测器进行通信，智能手机将命令发送至心电监测器，心电监测器响应命令上传心电数据至智能手机。

信号接收模块用于通过蓝牙通讯模块接收来自心电监测器的多通道心电信号。

小波变换模块用于对各通道的心电信号进行小波变换得到各通道的能量曲线；其中，心电图的一个通道可以表示为一个时间序列函数x(t)，对该函数的小波变换的定义如下：

上式中：母小波是时频域上的连续函数，代表函数的复数共轭，a是缩放因子，b是平移参数。在本实施方式中采用墨西哥帽小波来作为母小波用作心电的分析。小波分析后，获取20.8Hz–25Hz频段之间的能量曲线z(t)。

差分变换模块用于对各通道的能量曲线进行一阶差分变换，得到各通道的能量差分曲线；其中，对各通道小波能量曲线进行一阶差分变换：

y[n]＝z[n]-z[n-1]

其中：z[n]和z[n-1]分别为任一通道能量曲线中第n个采样点和第n-1个采样点的信号值，y[n]为对应通道能量差分曲线中第n个采样点的信号值，n为大于0的自然数。

峰度与权值计算模块用于计算各通道能量差分曲线的峰度，进而确定各通道的权值；本实施方式用信号的峰度来代表每个通道的信号质量，峰度又称为峰态系数，在统计学中亦成为四阶标准矩。峰度用来表征分布曲线在平均值处峰值高低。用y[n]表示任一通道能量差分曲线中第n个采样点的信号值，用来表示能量差分曲线的信号均值，则峰度K定义如下：

$K=\frac{{\Σ}_{n=1}^N{(y\[n\]-\stackrel{\‾}{y})}^4}{{\left({\Σ}_{n=1}^N{\left(y\[n\]-\stackrel{\‾}{y}\right)}^2\right)}^2}$

根据上述得到每个通道的峰度值获取各通道的权值：

$w_i=\frac{1/K_i}{{\Σ}_{i=1}^{m}1/K_i}$

其中：w_i为第i通道的权值，K_i为第i通道能量差分曲线的峰度，m为通道总数。

信号叠加与滤波模块用于根据权值将各通道的能量差分曲线进行累加得到综合能量曲线，进而采用窗函数对综合能量曲线进行滤波；本实施方式取各通道能量差分曲线的绝对值，根据上述计算得到的权值进行累加，得到综合能量曲线X：

$X={\Σ}_{i=1}^m{w}_i*\left|y_i\right|$

其中：y_i为第i通道的能量差分曲线；

进而对取得的综合能量曲线进行80ms窗口平均，消除曲线上的小毛刺，便于检测波峰；

$X^{*}\[j\]=\frac{{\Σ}_{p=0}^{79}X\[j-p\]}{80}$

其中：X[j-p]为综合能量曲线中第j-p个采样点的信号值，X^*[j]为滤波后的综合能量曲线中第j个采样点的信号值，j为大于0的自然数。

R峰检测模块用于对滤波后的综合能量曲线进行R峰检测，即完成对多通道心电图的QRS划定，进而将结果通过WIFI或GPRS发送给医生手机、云端服务器或医院系统服务器供医生诊断。

本实施方式首先提取滤波后的综合能量曲线中前8秒每秒中所有采样点最大的信号值，共得到8个信号值组成峰值序列；同时构建同样由8个信号值组成的噪声序列以及由8个RR间期组成的间期序列，初始化噪声序列中的8个信号值均为0，初始化间期序列中的8个RR间期均为1000ms；进而根据以下公式计算阈值thresh：

thresh＝(medianRp-medianNoise)*0.45

其中：medianRp和medianNoise分别为峰值序列和噪声序列的中值。

然后，逐个判断滤波后的综合能量曲线中每个采样点：若当前采样点的信号值大于其之后200ms内所有采样点的信号值，则令当前采样点为候选R峰；

若候选R峰的信号值≥阈值thresh，则判定候选R峰为真正R峰，进而移除峰值序列中对应时间最早的一个信号值且将该真正R峰的信号值填补至峰值序列中，同时移除间期序列中对应时间最早的一个RR间期且将该真正R峰与前一真正R峰的时间间隔作为新的RR间期填补至间期序列中，并更新阈值thresh；

若候选R峰的信号值＜阈值thresh，则判定候选R峰为噪声点，进而移除噪声序列中对应时间最早的一个信号值且将该噪声点的信号值填补至噪声序列中，并更新阈值thresh；

若超过1.5medianRR的时间段仍未找到下一个真正R峰，medianRR为间期序列的中值，则判断该时间段内信号值最大的噪声点，其信号值是否大于0.5thresh：若是，则判定该噪声点为真正R峰，进而移除峰值序列中对应时间最早的一个信号值且将该真正R峰的信号值填补至峰值序列中，同时移除间期序列中对应时间最早的一个RR间期且将该真正R峰与前一真正R峰的时间间隔作为新的RR间期填补至间期序列中，并更新thresh。

图2所示了一组三导联心电图，如果随意选取其中一个通道来做心率的划定，则可能得到不准确的结果。比如，通道二和通道三很容易给出错误的心率。在这里，本实施方式采用三个导联的能量基于峰度的加权，得到一个拟合后的加权心电能量信号，其中小圆圈为采用加权心电能量信号标注的R峰位置，可以看到加权的能量可以给出正确的心率。

使传统的自适应差分阈值法对Mit-bih心律失常数据库的检测结果与本发明多通道自动划定算法结果进行对比(共8个数据库)，从表1观察检测准确率统计数据可以发现，由于通道一和通道二数据的信号质量存在差距，导致检测结果差距十分明显，而经过多通道加权平均后的划定算法对每个库的数据检测的准确率都很高比较稳定。

表1

上述的对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (9)

1.一种用于实现多通道心电图QRS自动划定的智能终端，包括处理器和蓝牙通讯模块；其特征在于，所述的处理器加载有以下功能模块：

信号接收模块，用于通过智能终端内的蓝牙通讯模块接收心电监测器提供的多通道心电信号；

小波变换模块，用于对各通道的心电信号进行小波变换得到各通道的能量曲线；

差分变换模块，用于对各通道的能量曲线进行一阶差分变换，得到各通道的能量差分曲线；

峰度与权值计算模块，用于计算各通道能量差分曲线的峰度，进而确定各通道的权值；

信号叠加与滤波模块，用于根据权值将各通道的能量差分曲线进行累加得到综合能量曲线，进而采用窗函数对综合能量曲线进行滤波；

R峰检测模块，用于对滤波后的综合能量曲线进行R峰检测，即完成对多通道心电图的QRS划定，进而将结果通过WIFI或GPRS发送给医生手机、云端服务器或医院系统服务器供医生诊断。

2.根据权利要求1所述的智能终端，其特征在于：所述的小波变换模块根据以下公式对各通道的心电信号进行小波变换：

其中：x(t)为任一通道的心电信号，z(t)为x(t)经小波变换后得到的能量曲线，a为缩放因子，b为平移参数，t为时间，为墨西哥帽小波函数的复数共轭。

3.根据权利要求1所述的智能终端，其特征在于：所述的差分变换模块根据以下公式对各通道的能量曲线进行一阶差分变换：

y[n]＝z[n]-z[n-1]

其中：z[n]和z[n-1]分别为任一通道能量曲线中第n个采样点和第n-1个采样点的信号值，y[n]为对应通道能量差分曲线中第n个采样点的信号值，n为大于0的自然数。

4.根据权利要求1所述的智能终端，其特征在于：所述的峰度与权值计算模块根据以下公式计算各通道能量差分曲线的峰度：

$K=\frac{{\mathrm{N\Σ}}_{n=1}^N{(y\[n\]-\stackrel{\‾}{y})}^4}{{\left({\mathrm{\Σ}}_{n=1}^N{\left(y\[n\]-\stackrel{\‾}{y}\right)}^2\right)}^2}$

其中：K为任一通道能量差分曲线的峰度，y[n]为对应通道能量差分曲线中第n个采样点的信号值，为对应通道能量差分曲线中所有采样点的信号平均值，N为对应通道能量差分曲线中所有采样点的个数。

5.根据权利要求1所述的智能终端，其特征在于：所述的峰度与权值计算模块根据以下公式确定各通道的权值：

$w_i=\frac{1/K_i}{{\mathrm{\Σ}}_{i=1}^{m}1/K_i}$

其中：w_i为第i通道的权值，K_i为第i通道能量差分曲线的峰度，m为通道总数。

6.根据权利要求1所述的智能终端，其特征在于：所述的信号叠加与滤波模块根据以下公式将各通道的能量差分曲线进行累加得到综合能量曲线：

$X={\mathrm{\Σ}}_{i=1}^m{w}_i*\left|y_i\right|$

其中：X为综合能量曲线，w_i为第i通道的权值，y_i为第i通道的能量差分曲线，m为通道总数。

7.根据权利要求1所述的智能终端，其特征在于：所述的信号叠加与滤波模块根据以下公式对综合能量曲线进行滤波：

$X^{*}\[j\]=\frac{{\mathrm{\Σ}}_{p=0}^{M-1}X\[j-p\]}{M}$

其中：X[j-p]为综合能量曲线中第j-p个采样点的信号值，X^*[j]为滤波后的综合能量曲线中第j个采样点的信号值，M为窗口大小，j为大于0的自然数。

8.根据权利要求1所述的智能终端，其特征在于：所述的R峰检测模块对滤波后的综合能量曲线进行R峰检测，具体过程如下：

首先，提取滤波后的综合能量曲线中前k秒每秒内所有采样点最大的信号值，共得到k个信号值组成峰值序列；同时构建同样由k个信号值组成的噪声序列以及由k个RR间期组成的间期序列，初始化噪声序列中的k个信号值均为0，初始化间期序列中的k个RR间期均为1000ms，k为大于1的自然数；进而根据以下公式计算阈值thresh：

thresh＝(medianRp-medianNoise)*β

其中：medianRp和medianNoise分别为峰值序列和噪声序列的中值，β为预设系数；

然后，逐个判断滤波后的综合能量曲线中每个采样点：若当前采样点的信号值大于其之后200ms内所有采样点的信号值，则令当前采样点为候选R峰；

若候选R峰的信号值≥thresh，则判定候选R峰为真正R峰，进而移除峰值序列中对应时间最早的一个信号值且将该真正R峰的信号值填补至峰值序列中，同时移除间期序列中对应时间最早的一个RR间期且将该真正R峰与前一真正R峰的时间间隔作为新的RR间期填补至间期序列中，并更新thresh；

若候选R峰的信号值＜thresh，则判定候选R峰为噪声点，进而移除噪声序列中对应时间最早的一个信号值且将该噪声点的信号值填补至噪声序列中，并更新thresh；

若超过1.5medianRR的时间段仍未找到下一个真正R峰，medianRR为间期序列的中值，则判断该时间段内信号值最大的噪声点，其信号值是否大于0.5thresh：若是，则判定该噪声点为真正R峰，进而移除峰值序列中对应时间最早的一个信号值且将该真正R峰的信号值填补至峰值序列中，同时移除间期序列中对应时间最早的一个RR间期且将该真正R峰与前一真正R峰的时间间隔作为新的RR间期填补至间期序列中，并更新thresh。

9.根据权利要求1所述的智能终端，其特征在于：所述的智能终端为智能手机、平板电脑或PC机。