CN105997054A - 一种心电信号预分析的方法 - Google Patents

Abstract

本发明属于生物信号与智能处理领域，尤其涉及一种心电信号预分析的方法，具体步骤：将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波，并进行心率变异性分析；将处理完的数据在自定义的控件显示出来，并标记处R点、标记QRS点、计算参数等；对患者采集的心电数据进行筛选，保存质量较好的波形，减少一些波形质量不好的心电数据在医患间的传输，在患者和医生之间作为协调中枢，为后续医生诊断提供基础，最终将波形质量较好的数据同样通过社交软件发送到医生端。本发明的有益效果：实现简单，计算量少，结果直观方便查看，能有效对患者采集的心电数据进行筛选，减少一些波形质量不好的心电数据在医患间的传输。

Description

一种心电信号预分析的方法

技术领域

本发明属于生物信号与智能处理，尤其涉及一种心电信号预分析的方法。

背景技术

人体心电信号是一种弱电信号，携带人体机能信息的生理信号总是通过复杂的模式混合在一起，会受到多种噪声的干扰，信噪比低。而实际生活中，人们需要获取精准的生理信息作为中间结果，分析产生生理信号的信号源的功能状态。其中，ECG(Electrocardiogram，心电图)信号的R波检测方法属于心电信号处理，ECG信号是心肌的电活动在体表的表现，它几乎是一个周期信号，QRS波是心电图ECG(Eletrocardiogram)信号的主要特征，因此在Indian信号最重要的是检测出QRS波，这是因为只有在确定QRS波群后下才能计算心率、检测心率变异，并进一步检测心电信号的其他细节。因此，去除心电信号采集过程中的产生的噪声，获取有效的心电信号后检测并定位心电信号的R波波峰位置并进行进心率变异性分析，为后续医生的诊断提供基础。

发明内容

为要解决的上述问题，本发明提供一种心电信号预分析的方法。

本发明的技术方案：一种心电信号预分析的方法，其特征在于具体步骤如下：

步骤1:将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波，并进行心率变异性分析；

步骤2:将处理完的数据在自定义的控件显示出来，并标记处R点、标记QRS点、计算参数等；

步骤3:对患者采集的心电数据进行筛选，保存质量较好的波形，减少一些波形质量不好的心电数据在医患间的传输，在患者和医生之间作为协调中枢，为后续医生诊断提供基础，最终将波形质量较好的数据同样通过社交软件发送到医生端。

于步骤1中基于窗口阈值算法检测出R波的具体步骤如下：

步骤A：确定参考阈值

窗口大小的阈值根据心率和采样率进行推算，公式如下

$d=k\≠\frac{60}{HR}\≠SR$

式中，HR表示心率，SR表示采样率，d表示窗口大小，k为系数；

峰值点到下坡开始第一个点的高度差和斜率，采用比较的参考阈值中高度h_downslope是通过R-S高度进行推算，斜率k_doenslope是通过R-S斜率进行推算；

步骤B：自适应改变阈值

在确定R点高度参考阈值，需要根据心电波形的变化对参考阈值进行自适应的改变。R波的高度自适应改变的公式

h_R'＝0.7*h_R+0.3*|data[R_temp[RWave _count-1]]|

式中，h_R'表示自适应改变的高度阈值，h_R表示当前的R波高度，数组R_temp表示存放R波位置的临时列表，RWave_count表示存放R波位置临时表中R波的数量，R_temp[RWave_count-1]则表示上一个R波位置，数据data表示心电信号数据，则表示上一个R点的高度；

步骤C：判断是否为R点

在单窗口中对心电波形R点判断，首先从坡地开始遍历心电信号数据，判断当前是否处于爬坡过程。当开始出现下坡过程时，需要判断峰值点到下坡开始第一个点的高度差和斜率是否大于参考阈值高度h_downslope和斜率k_doenslope，若大于参考阈值，则可判断当前峰值点为R点并存储到R点临时列表中，若小于参考阈值需要继续遍历。

步骤D：去除干扰波形

对于R点临时表中的数据需要进一步的筛选去除干扰波形。将峰值高度和坡地到峰值的斜率分别与其R点高度和坡地到R点斜率的参考阈值相比较，若满足则判定为R点，若不满足则为干扰波形。

步骤1中心电变异性分析包括时域分析方法中的NN间期直方图和非线性分析方法中的Lorenz散点图。

步骤A中窗口大小的阈值根据心率和采样率进行推算的具体如下：正常成年人的心率大约59-80次/分钟，比如取平均心率为70次/分钟，则单个波形的周期约为0.857s，假设心电信号采集器的采样率是360Hz，则单个波形的采样点约为308个；由于波形测量开始阶段不能保证第一个波形为完整的单波波形，假设取k等于2/3，即单波采样点大小的2/3为窗口大小，因此窗口大小约为200；

步骤A中的NN间期直方图和非线性分析方法中的Lorenz散点图具体如下：

NN间期直方图是在一定时间内统计出的NN间期的分布图，横坐标以一定的采样间隔划分，统计不同的NN间期的心搏个数。NN间期直方图的横坐标是NN间期的长度，单位为ms，纵坐标是心搏个数；NN间期直方图的形状与使用的采样间隔有关，一般采用1/128s作为横坐标采样的间隔标准；

Lorenz散点图，也就是RR间期散点图，主要用来反映相邻RR间期的变化，在二维的直角坐标系中标记相邻RR间期数据位置的点图。

本发明的有益效果：实现简单，计算量少，对患者采集的心电数据进行筛选，减少一些波形质量不好的心电数据在医患间的传输。

附图说明

图1为采用MIT心律失常数据库中104号和105号部分心电波形图。

图2为采用MIT心律失常数据库中100号、103号、113号和115号的NN间期直方图。

图3为选取MIT心律失常数据库中100号、103号、113号和115号的Lorenz散点图。

具体实施方式

下面结合附图对本发明的一种具体实施方式做出说明。

一种心电信号预分析的方法，其特征在于具体步骤如下：

步骤1:将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波，并进行心率变异性分析；

步骤2:将处理完的数据在自定义的控件显示出来，并标记处R点、标记QRS点、计算参数等；

步骤3:对患者采集的心电数据进行筛选，保存质量较好的波形，减少一些波形质量不好的心电数据在医患间的传输，在患者和医生之间作为协调中枢，为后续医生诊断提供基础，最终将波形质量较好的数据同样通过社交软件发送到医生端。

步骤1中基于窗口阈值算法检测出R波的具体步骤如下：

步骤A：确定参考阈值

窗口大小的阈值根据心率和采样率进行推算，公式如下

$d=k\≠\frac{60}{HR}\≠SR$

式中，HR表示心率，SR表示采样率，d表示窗口大小，k为系数；

峰值点到下坡开始第一个点的高度差和斜率，采用比较的参考阈值中高度h_downslope是通过R-S高度进行推算，斜率k_doenslope是通过R-S斜率进行推算；

表1采用MIT-BIH中数据对窗口阈值算法的R波检测方法进行测试数据。

表1为采用MIT-BIH中数据对窗口阈值算法的R波检测方法进行测试数据，表中标准列表示MIT数据中已标记出正确的R点个数，自测列表示采用基于窗口阈值算法识别出的R点个数，正确列表示基于窗口阈值算法识别出的R点和已标出正确R点位置相同，未识别列表示没有识别出的标准R点位置，误判列表示判断错误的R点位置，正确率列表示识别R波的正确率。在采用基于窗口阈值算法识别R点中，编号100、101、103、111、112、113、115正确识别率达到99％，编号102、107、109、114正确识别率到达98％。编号104、105、106、108数据R点识别正确率相对较低，主要是由于噪声干扰和校验使用标记R点标准数据中存在其他特征点的影响。对于未识别出的R点，主要是噪声干扰和非R点的特殊点的影响。

图1为采用MIT心律失常数据库中104号和105号部分心电波形图，圆点标记点表示自动识别的R波位置，方框是MIT数据中标记出的点，但使用该算法并未识别出来。其中(a)中104号部分心电波形明显受到噪声干扰，从而影响识别R点的判断，这样的波形受到噪声干扰太大，通常也不能作为临床分析。图(b)中105号部分心电波形中，蓝色方框标记的并非R波，同样也造成了R波的未识别。因此，排除噪声干扰和校验使用标记R点标准数据中存在其他特征点的影响，表明基于窗口阈值算法的R波检测具有较高的识别正确率，有实际应用的价值。

步骤B：自适应改变阈值

在确定R点高度参考阈值，需要根据心电波形的变化对参考阈值进行自适应的改变。R波的高度自适应改变的公式

h_R'＝0.7*h_R+0.3*|data[R_temp[RWave _count-1]]|

式中，h_R'表示自适应改变的高度阈值，h_R表示当前的R波高度，数组R_temp表示存放R波位置的临时列表，RWave_count表示存放R波位置临时表中R波的数量，R_temp[RWave_count-1]则表示上一个R波位置，数据data表示心电信号数据，则表示上一个R点的高度；

步骤C：判断是否为R点

在单窗口中对心电波形R点判断，首先从坡地开始遍历心电信号数据，判断当前是否处于爬坡过程。当开始出现下坡过程时，需要判断峰值点到下坡开始第一个点的高度差和斜率是否大于参考阈值高度h_downslope和斜率k_doenslope，若大于参考阈值，则可判断当前峰值点为R点并存储到R点临时列表中，若小于参考阈值需要继续遍历。

步骤D：去除干扰波形

对于R点临时表中的数据需要进一步的筛选去除干扰波形。将峰值高度和坡地到峰值的斜率分别与其R点高度和坡地到R点斜率的参考阈值相比较，若满足则判定为R点，若不满足则为干扰波形。

步骤1中心电变异性分析包括时域分析方法中的NN间期直方图和非线性分析方法中的Lorenz散点图。

步骤A中窗口大小的阈值根据心率和采样率进行推算的具体如下：正常成年人的心率大约59-80次/分钟，比如取平均心率为70次/分钟，则单个波形的周期约为0.857s，假设心电信号采集器的采样率是360Hz，则单个波形的采样点约为308个；由于波形测量开始阶段不能保证第一个波形为完整的单波波形，假设取k等于2/3，即单波采样点大小的2/3为窗口大小，因此窗口大小约为200；

步骤A中的NN间期直方图和非线性分析方法中的Lorenz散点图具体如下：

NN间期直方图是在一定时间内统计出的NN间期的分布图，横坐标以一定的采样间隔划分，统计不同的NN间期的心搏个数。NN间期直方图的横坐标是NN间期的长度，单位为ms，纵坐标是心搏个数；NN间期直方图的形状与使用的采样间隔有关，一般采用1/128s作为横坐标采样的间隔标准；

NN间期直方图一般用来识别自重神经是否受损，正常人由于昼夜平均心率的差异较大，NN间期直方图常常表现为多峰形状，整个直方图的形状矮而胖，NN间期的数值分布较广，相应的心率变异率大。而自主神经受损的病人NN间期直方图多呈单峰形状，直方图窄而高，NN间期的变化很小，心率变异率小，图2为采用MIT心律失常数据库中100号、103号、113号和115号的NN间期直方图。

Lorenz散点图，也就是RR间期散点图，主要用来反映相邻RR间期的变化，在二维的直角坐标系中标记相邻RR间期数据位置的点图。

根据Lorenz散点图的大小及形状可以估计HRV的大小及心率变化的规律，按照RR间期长度差异，一般可分为彗星状、鱼雷状、短棒状、扇状和复杂形五种图形。彗星状形态头小尾大(头端指向零点坐标)，散点大多集中在斜率为1的直线附近，表明正常人相邻的RR间期大致相等，围着斜率为1的直线散开，反映有窦性心律不齐现象。鱼雷状短小呈头端略大，尾端不增宽，表明了交感神经活性较强而迷走神经活性所占比例较少。短棒状形态短小，呈头尾一致短棒状，表明交感神经和迷走神经张力都降低，HRV小。扇状形态如扇形，表明了心率缓慢是，快速变化仍增大。复杂性散点图呈多簇分散，形态互异的点区域构成了复杂状的图形，图3为选取MIT心律失常数据库中100号、103号、113号和115号的Lorenz散点图。

正常人RR间期的散点图呈彗星状，若散点图呈鱼雷状、短棒状、扇形等表明HRV明显降低，临床表现为急性心肌梗塞、甲状腺功能亢进。

以上对本发明的一个实例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (5)

1.一种心电信号预分析的方法，其特征在于具体步骤如下：

步骤1：将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波，并进行心率变异性分析；

步骤2：将处理完的数据在自定义的控件显示出来，并标记处R点、标记QRS点、计算参数等；

步骤3：对患者采集的心电数据进行筛选，保存质量较好的波形，减少一些波形质量不好的心电数据在医患间的传输，在患者和医生之间作为协调中枢，为后续医生诊断提供基础，最终将波形质量较好的数据同样通过社交软件发送到医生端。

2.根据权利要求1所述的一种心电信号预分析的方法，其特征在于步骤1中基于窗口阈值算法检测出R波的具体步骤如下：

步骤A：确定参考阈值

窗口大小的阈值根据心率和采样率进行推算，公式如下

$d=k\≠\frac{60}{HR}\≠SR$

式中，HR表示心率，SR表示采样率，d表示窗口大小，k为系数；

峰值点到下坡开始第一个点的高度差和斜率，采用比较的参考阈值中高度h_downslope是通过R-S高度进行推算，斜率k_doenslope是通过R-S斜率进行推算；

步骤B：自适应改变阈值

在确定R点高度参考阈值，需要根据心电波形的变化对参考阈值进行自适应的改变。R波的高度自适应改变的公式

h_R′＝0.7*h_R+0.3*|data[R_temp[RWave_count-1]]|

式中，h_R′表示自适应改变的高度阈值，h_R表示当前的R波高度，数组R_temp表示存放R波位置的临时列表，RWave_count表示存放R波位置临时表中R波的数量，R_temp[RWave_count-1]则表示上一个R波位置，数据data表示心电信号数据，则表示上一个R点的高度；

步骤C：判断是否为R点

在单窗口中对心电波形R点判断，首先从坡地开始遍历心电信号数据，判断当前是否处于爬坡过程。当开始出现下坡过程时，需要判断峰值点到下坡开始第一个点的高度差和斜率是否大于参考阈值高度h_downslope和斜率k_doenslope，若大于参考阈值，则可判断当前峰值点为R点并存储到R点临时列表中，若小于参考阈值需要继续遍历。

步骤D：去除干扰波形

对于R点临时表中的数据需要进一步的筛选去除干扰波形。将峰值高度和坡地到峰值的斜率分别与其R点高度和坡地到R点斜率的参考阈值相比较，若满足则判定为R点，若不满足则为干扰波形。

3.根据权利要求1所述的一种心电信号预分析的方法，其特征在于步骤1中心电变异性分析包括时域分析方法中的NN间期直方图和非线性分析方法中的Lorenz散点图。

4.根据权利要求2所述的一种心电信号预分析的方法，其特征在于步骤A中窗口大小的阈值根据心率和采样率进行推算的具体如下：正常成年人的心率大约59-80次/分钟，比如取平均心率为70次/分钟，则单个波形的周期约为0.857s，假设心电信号采集器的采样率是360Hz，则单个波形的采样点约为308个；由于波形测量开始阶段不能保证第一个波形为完整的单波波形，假设取k等于2/3，即单波采样点大小的2/3为窗口大小，因此窗口大小约为200。

5.根据权利要求3所述的一种心电信号预分析的方法，其特征在于步骤A中的NN间期直方图和非线性分析方法中的Lorenz散点图具体如下：

NN间期直方图是在一定时间内统计出的NN间期的分布图，横坐标以一定的采样间隔划分，统计不同的NN间期的心搏个数。NN间期直方图的横坐标是NN间期的长度，单位为ms，纵坐标是心搏个数；NN间期直方图的形状与使用的采样间隔有关，一般采用1/128s作为横坐标采样的间隔标准；

Lorenz散点图，也就是RR间期散点图，主要用来反映相邻RR间期的变化，在二维的直角坐标系中标记相邻RR间期数据位置的点图。