CN110123304B - 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 - Google Patents

Abstract

本发明专利公开了一种基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，针对获取的原始动态心电数据依次进行基线漂移滤除、R波位置检测，计算R波个数及RR间期序列标准差后，进行心电多模板匹配，并对得到的相关系数矩阵做主成分分析，通过最大贡献率与RR间期序列标准差、R波个数等指标划分信号质量等级，快速得出质量评估结果，实现自动滤除心电噪声段的目标。该方法计算简便，准确率高，有效适用于动态心电实时质量评估应用。

Description

基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法

所属领域

本发明涉及动态心电信号处理领域，具体涉及一种基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法。

背景技术

心电图(Electrocardiogram，ECG)反映心脏有节奏的收缩和舒张的体表电活动变化过程，对于各种心律失常、心室心房肥大、心肌梗死、心肌缺血等病症检查以及在指导心脏手术进行及指示必要的药物处理上有重要的临床参考价值。

心电研究的起源可以追溯到1893年，Einthoven设计了弦线电流计并把它用于人体心电的测量，开创了心电研究的先驱。随着电子技术的发展，电子放大器、示波器和热笔记录仪等被用于心电记录，进一步完善了ECG记录显示系统。动态ECG是在1961年由电子工程师Norman J.Holter发明，故又称心电Holter，其基本结构是：一个重量较轻的ECG记录盒由病人携带，并连续长达24小时及以上记录ECG，而后将记录的ECG输入计算机分析系统，进行人工计算机辅助分析。

研究表明，长时ECG记录能够提高心律失常检出率，但由于心电信号比较微弱，仅为毫伏级，极易受环境噪声的影响，在动态心电记录过程中，个体活动导致动态心电质量比常规心电图差得多，对分析结果的准确性有很大影响。因此，评估动态ECG信号质量并实现自动滤除噪声段是动态心电监测的重要问题。

针对动态心电质量评估，常用方法主要分三大类：第一是基于信号波形特征的方法；第二是基于时域和频域的方法；第三是基于机器学习的方法。穿戴式心电用于临床诊断时，需要去伪存真，去粗留精，把噪声严重的没有临床价值的心电片段自动去除，将信号质量相对较好，具有临床诊断价值的信号片段提供给医生已进行辅助诊断。当前，研究对于心电信号质量问题越来越关注，一些研究者采用大量的信号特征和复杂的分类算法来提高性能，但由于复杂度过高，导致算法并不适用于动态心电信号实时质量评估，并且考虑到智能手机端电力耗能的限制，设计一个运算简单，能实时反馈心电信号质量的算法变得极为迫切。

发明内容

本发明正是针对现有技术中存在的问题，提供了一种基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，针对获取的原始动态心电数据依次进行基线漂移滤除、R波位置检测，计算R波个数及RR间期序列标准差后，进行心电多模板匹配，并对得到的相关系数矩阵做主成分分析，通过最大贡献率与RR间期序列标准差、R波个数等指标划分信号质量等级，快速得出质量评估结果，实现自动滤除心电噪声段的目标，该方法计算简便，准确率高，有效适用于动态心电实时质量评估应用。

为了实现上述目的，本发明采用的技术方案是：基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，包括以下步骤：

S1，获取原始动态心电数据；

S2，去除信号基线漂移噪声；

S3，检测R波位置；

S4，由步骤S3中R波位置，计算R波个数及RR间期序列标准差；

S5，以步骤S3中检测到的R波为中心，建立三组时间长度不同的模板，并进行模板匹配，得到三个相关系数矩阵；

S6，对步骤S5中相关系数矩阵分别进行主成分分析，得到三个最大贡献率；

S7，基于步骤S4中得到的R波个数、RR间期序列标准差和步骤S6得到的最大贡献率，设定阈值，划分信号质量等级，滤除心电噪声段信号。

作为本发明的一种改进，所述步骤S1中，通过穿戴式心电设备获取长程记录的原始动态心电数据，所述心电数据处理的时间窗口长度设置为10秒。

作为本发明的一种改进，所述步骤S2中，通过巴特沃斯高通滤波器去除基线漂移噪声，所述滤波器的截止频率为0.5赫兹。

作为本发明的另一种改进，所述步骤S3中通过阈值判断和小波变换两种方法共同检测到的R波作为最终R波位置，所述检测容许误差范围在50毫秒内。

作为本发明的又一种改进，所述步骤S5中模板的R波位置，不包括步骤S3中处于首尾两端的R波位置，以防止模板长度超出信号边界。

作为本发明的更进一步改进，所述步骤S5中模板长度分别为0.1倍RR间期长度、0.5倍RR间期长度及1倍RR间期长度。

作为本发明的另一种改进，所述步骤S6中经过主成分分析处理相关系数矩阵R，得到特征值λ_i与特征向量α_i，并将特征向量按对应特征值大小从上到下按行排列成矩阵，最大贡献率P的计算公式为：

其中λ_max为最大特征值。

作为本发明的更进一步改进，所述步骤S7中对于本此获取的动态心电数据，设定阈值与划分信号等级,具体步骤为：

a.若R波个数N_r满足N_r＜5或N_r＞40，则判断该信号段为噪声信号，否则进入步骤b；

b.若RR间期序列标准差满足s_N＞440毫秒，则判断该信号段为噪声信号，否则进入步骤c；

c.若三组模板经计算得到的三个最大贡献率P_min，P_mid，P_max之和满足∑P＜150,则判断该信号段为噪声信号，反之，则判断信号质量良好，可为临床使用；

d.以上均不满足时，判断为噪声信号的临床不可用信号段。

与现有技术相比，本发明专利的有益效果：

1、实现划分临床可用心电信号和噪声大、质量差、临床不可用心电片段，自动滤除噪声信号，自动挑出具有临床诊断价值信号段提供给医生进行诊断参考，提高工作效率，为后续信号自动分析与疾病自动诊断提供有力保障；

2、穿戴式心电设备与智能手机通过无线连接，将实时心电波形、检测评估、风险预警、行为建议等信息传递给用户这一新兴医疗模式已成为大势所趋，该方法计算简单，检测准确度高，能耗低，适合应用在智能手机端，有助于穿戴式心电与远程心电医疗的发展；

3、能够对采集到的数据进行实时、连续质量评估，快速进行结果反馈，提升了用户使用感；

4、能够实现动态心电实时监控，克服了Holter设备不能实时监控的弊端，适用于临床监护和远程护理等方面，对Holter心电监测有一定的指导作用；

5、穿戴式长程记录的原因是普通心电图机只能记录短时间内的心电波形，容易遗漏阵发性、一过性的心电异常,而通过穿戴式心电设备获取长程记录的原始动态心电数据，更加的准确高效。

6、模板的R波位置以两种方法共同检测到的R波作为R波位置，且不包括步骤S3中处于首尾两端的R波位置，以防止模板长度超出信号边界，保证R波检测的准确性，从而为RR间期序列标准差、R波个数指标的计算和模板匹配奠定基础。

附图说明

图1是本发明基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法的步骤流程示意图；

图2是本发明基于R波个数指标，评估出的需要滤除的噪声心电片段示例；

图3是本发明基于RR间期序列标准差指标，评估出的需要滤除的噪声心电片段示例；

图4是本发明实施例1自动滤除后得到的临床可用心电片段示例。

具体实施方式

以下将结合附图和实施例，对本发明进行较为详细的说明，本发明所有信号分析处理均采用固定10秒的分析窗口。

实施例1

基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，如图1所示，包括以下步骤：

S1，获取原始动态心电数据信号；

通过穿戴式心电设备获取心电数据，所述穿戴式心电设备设置为10秒的时间窗口长度，因为短时长的数据帧能降低基线漂移的影响。

S2，消除信号基线漂移；

通过截止频率为0.5赫兹的巴特沃斯高通滤波器，消除信号基线漂移。基线漂移作为一种干扰心电信号的低频噪声，在心电图上表现为一条近似缓慢变化的正弦曲线，它的频率范围通常在0.15到0.3赫兹，会与心电信号中的S-T段频率重叠，影响心电信号检测。本步骤通过巴特沃斯高通滤波器消除了信号基线漂移，提高信噪比。

S3，检测R波位置；

通过阈值判断和小波变换两种检测算法共同检测R波位置，并以在50毫秒的容许误差范围内，以两种方法共同检测到的R波作为最终R波位置，保证R波检测的准确性，从而为RR间期序列标准差、R波个数指标的计算和模板匹配奠定基础。

S4，由步骤S3中R波位置，计算R波个数，RR间期序列标准差；

对于10秒长度的ECG信号，若R波个数满足N_r＜5或N_r＞40，则该信号存在异常，为噪声段信号，应该滤除，示例如图2所示，图2中只检测到4个R波，不在正常ECG信号R波的个数范围内，应对此信号进行滤除。

RR间期序列标准差s_N计算公式为：

其中N是RR间期个数，x_i是第i个RR间期，

是RR间期均值。RR间期序列标准差S_N用于衡量RR间期序列的离散程度。如果检测到的RR间期序列中出现异常值，则说明该区间无法检测到正常R波波形，存在较大噪声。经实验归纳分析，当S_n＞440毫秒时，说明该信号RR间期序列离散程度严重，异常值较多，示例如图3所示，该信号S_N＝628毫秒，是噪声段信号。

S5，以步骤S3中检测到的R波为中心，建立三组时间长度不同的模板，并进行模板匹配，得到三个相关系数矩阵；

模板匹配是一种基本的模式识别方法，本实施例中，舍弃S3中检测的R波序列中的首尾两端的R波位置建立模板，这样可以保证模板长度不会超出信号边界。以除去首尾两端之后的n个R波位置为中心(n＝N_r-2)，以一定模板长度抽取心拍，将每一个心拍模板与包括自身在内的所有心拍模板进行匹配，组成相关系数矩阵R：

其中ρ_ij(i，j＝1，2，…n)为第i个模板T_i(p，q)与第j个模板T_j(p，q)通过归一化相关法进行模板匹配后的相关系数。

相关系数ρ_ij的计算公式为：

其中p，q分别为模板的长、宽。

三组模板长度分别为0.1倍RR间期长度(短模板)、0.5倍RR间期长度(中模板)及1倍RR间期长度(长模板)，实现对不同区间范围内信号图像的模板匹配。

S6，对步骤S5中相关系数矩阵，进行主成分分析，得到三个最大贡献率；

主成分分析(Principal Component Analysis，PCA)通过处理相关系数矩阵R，得到特征值λ_i与特征向量α_i，并将特征向量按对应特征值大小从上到下按行排列成矩阵，最大贡献率P的计算公式为：

其中λ_max为最大特征值。

贡献率为某个主成分的方差占全部方差的比重，即某个特征值占全部特征值合计的比重。由于各个主成分的方差是递减的，因而包含的信息量也是减少的。通过观察发现，信号质量好，最大贡献率P数值高，反之，信号质量差，最大贡献率数值低。在这里以三个最大贡献率P_min，P_mid，P_max分别表示短、中、长三组模板匹配相关程度，最大贡献率数值越大，模板匹配相关程度高，说明该段ECG信号越符合近似周期性，信号质量好，适于临床使用，反之，则信号质量差，为噪声信号。

S7，综合S3中得到的R波个数、RR间期序列标准差和S5中最大贡献率等指标，设定阈值，划分信号质量等级，滤除噪声段、临床无法使用的心电信号。

令矩阵X＝[N_r,S_n,P_min,P_mid，P_max]。其中N_r为R波个数，S_n为RR间期序列标准差，P_min为由短模板所得最大贡献率，P_mid为由中模板所得最大贡献率，P_max为由长模板所得最大贡献率。

如图4为经过本发明方法得到的质量比较好的心电片段示例，其对应矩阵X＝[18,33.8,91.3,72.5,56.2]。

对于本此获取的原始动态心电数据，设定阈值与划分信号等级，具体步骤为：

a.若R波个数N_r满足N_r＜5或N_r＞40，则判断该信号段为噪声信号，否则进入步骤b；

b.若RR间期序列标准差满足s_N＞440毫秒，则判断该信号段为噪声信号，否则进入步骤c；

c.若三组模板经计算得到的三个最大贡献率P_min，P_mid，P_max之和满足∑P＜150,则判断该信号段为噪声信号，反之，则判断信号质量良好，可为临床使用；

d.最后滤除上述判断为噪声信号的临床不可用信号段，实现动态心电实时质量评估。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (10)

1.基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于，包括以下步骤：

S1，获取原始动态心电数据；

S2，去除信号基线漂移噪声；

S3，检测R波位置；

S4，由步骤S3中R波位置，计算R波个数及RR间期序列标准差；

S5，以步骤S3中检测到的R波为中心，建立三组时间长度不同的模板，并进行模板匹配，得到三个相关系数矩阵；

S6，对步骤S5中三个相关系数矩阵分别进行主成分分析，得到三个最大贡献率；

S7，基于步骤S4中得到的R波个数、RR间期长度序列标准差和步骤S6得到的最大贡献率，设定阈值，划分信号质量等级，滤除心电噪声段信号。

2.如权利要求1所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S1中，通过穿戴式心电设备获取长程记录的原始动态心电数据，所述心电数据处理的时间窗口长度设置为10秒。

3.如权利要求1所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S2中，通过巴特沃斯高通滤波器去除基线漂移噪声，所述滤波器的截止频率为0.5赫兹。

4.如权利要求1所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S3中通过阈值判断和小波变换两种方法共同检测到的R波作为最终R波位置，所述检测容许误差范围在50毫秒内。

5.如权利要求1所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S4中RR间期序列标准差s_N计算公式为：

其中，N是RR间期个数；x_i是第i个RR间期长度；

是RR间期长度均值。

6.如权利要求1所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S5中模板的R波位置，不包括步骤S3中处于首尾两端的R波位置。

7.如权利要求6所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S5中，相关系数ρ_ij的计算公式为：

其中p，q分别为模板的长、宽。

8.如权利要求1所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S5中模板长度分别为0.1倍RR间期长度、0.5倍RR间期长度及1倍RR间期长度。

9.如权利要求1所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S6中经过主成分分析处理相关系数矩阵R，得到特征值λ_i与特征向量α_i，并将特征向量按对应特征值大小从上到下按行排列成矩阵，最大贡献率P的计算公式为：

其中λ_max为最大特征值。

10.如权利要求9所述的基于多模板匹配和相关系数矩阵的动态心电噪声自动滤除方法，其特征在于所述步骤S7中对于本此获取的动态心电数据，设定阈值与划分信号等级,具体步骤为：

a.若R波个数N_r满足N_r＜5或N_r＞40，则判断该信号段为噪声信号，否则进入步骤b；

b.若RR间期序列标准差满足s_N＞440毫秒，则判断该信号段为噪声信号，否则进入步骤c；

c.若三组模板经计算得到的三个最大贡献率P_min，P_mid，P_max之和满足∑P＜150,则判断该信号段为噪声信号，反之，则判断信号质量良好，可为临床使用；

d.以上均不满足时，判断为噪声信号的临床不可用信号段。

Images