CN114366121B - 基于数字形态学的双动态阈值心电qrs波检测方法 - Google Patents

Abstract

本发明公开了一种基于数字形态学的双动态阈值心电QRS波检测方法，具体按照以下步骤实施：步骤1、选取数字形态学中结构元素的形状和长度，得到结构元素g(n)；步骤2、根据步骤1得到的结构元素g(n)抑制心电信号f(n)中的噪声，得到抑制噪声后的心电信号f₂(n)；步骤3、利用动态双阈值法对步骤2得到的心电信号中的R波进行定位；步骤4、根据步骤3得到的R波位置，完成QRS波群的定位。本发明以实现对QRS波的波形检测，尤其可提高对QRS波检测的敏感度和正预测率。

Description

基于数字形态学的双动态阈值心电QRS波检测方法

技术领域

本发明属于心电QRS波检测技术领域，具体涉及一种基于数字形态学的双动态阈值心电QRS波检测方法。

背景技术

数字形态学是一门建立在严格数学理论基础上的学科，它以图像的形态特征为研究对象，通过变换和算法来描述图像的基本特征和基本信息，用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构，可以快速且准确地抑制噪声信号。

QRS波即Q波、R波和S波的组合。Q波为心电信号中一个向下的负波，在其之后的第一个快速向上的正波为R波，在R波之后又快速向下的S波。QRS波是反映心室收缩时心脏内电流变化的体现，在心电信号中具有重要的地位，可以反映心脏的很多信息，比如，单纯血压增高、室性早搏、心室肥厚、左、右束支阻滞等，因此QRS波的检测在临床医学上有着重要的诊断意义。

动态阈值能够适应不同类型的心电信号，能够在各种心电信号的记录下良好地区分目标与非目标，从而达到较高的准确率和可用度。现有的基于动态阈值的方法在面对不同类型的心电信号时，因心电信号十分微弱，在检测过程中还存在各种干扰，使得心电信号极易出现偏移、形变等情况，直接利用动态阈值法进行R波检测的效果十分不理想，其检测准确度难以保证，尤其是针对实测信号时，准确性将大幅度下降。

发明内容

本发明的目的是提供一种基于数字形态学的双动态阈值心电QRS波检测方法，以实现对QRS波的波形检测，尤其可提高实测数据下QRS波的准确度。

本发明所采用的技术方案是，基于数字形态学的双动态阈值心电QRS波检测方法，具体按照以下步骤实施：

步骤1、选取数字形态学中结构元素的形状和长度，得到结构元素g(n)；

步骤2、根据步骤1得到的结构元素g(n)抑制心电信号f(n)中的噪声，得到抑制噪声后的信号f₂(n)；

步骤3、利用动态双阈值法对步骤2得到的心电信号中的R波进行定位；

步骤4、根据步骤3得到的R波位置，完成QRS波群的定位。

本发明的特点还在于，

步骤1具体按照以下步骤实施：

步骤1.1、根据结构元素在信号处理中的应用效果，选择结构元素的类型为直线型结构元素；

步骤1.2、根据采样频率f_s和QRS波最宽处的波形宽度W，计算结构元素的长度L：

L≥f_s*W；

步骤1.3、根据步骤1.1选择的结构元素和步骤1.2得到的结构元素的长度，得到结构元素g(n)：

g(n)＝C，

其中，n＝0,1,…,L为时间采样点，C为常数。

步骤2具体按照以下步骤实施：

步骤2.1、根据结构元素g(n)和心电信号f(n)，计算腐蚀后的序列x(n)：

x(n)＝(fΘg)(n)，

其中，Θ为腐蚀算法。

步骤2.2、根据步骤2.1得到的序列g(n)，计算削平波峰后的心电信号f₁(n)：

其中， 为膨胀算法；

步骤2.3、根据步骤2.2得到的削平后的心电信号f₁(n)，计算膨胀后的序列y(n)：

步骤2.4、根据步骤2.3得到的序列y(n)，计算抑制噪声后的心电信号f₂(n)：

f₂(n)＝f₁(n)-(yΘg)(n)。

步骤3具体按照以下步骤实施：

步骤3.1、设定初始高阈值θ₁，初始低阈值θ₀，高阈值下限θ₁_lim及低阈值下限θ₀_lim；

步骤3.2、利用峰值搜算函数搜索心电信号f₂(n)中的峰值，得到峰值幅度集合Φ_F和相应的位置集合Φ_S；

步骤3.3、设峰值幅度集合Φ_F中的前d个峰值均为R波，并构成R波位置集合Φ_R和R波峰值检测集合D；

步骤3.4、对峰值集合Φ_F中的d+1个峰值进行判定，并更新集合Φ_R和D：

若Φ_F(d+1)≥θ₁，则认定为是R波，Φ_R＝{Φ_R,Φ_s(d+1)},D＝{D_-1,Φ_s(d+1)}；

若Φ_F(d+1)＜θ₁，则认定为不是R波；

其中D_-1表示去掉集合D中的第一个元素；

步骤3.5、根据峰值集合Φ_F中的d+1个峰值Φ_F(d+1)和集合D，更新阈值θ₁和θ₀：

其中mean(.)表示求均值。

步骤3.6、令d＝d+1，并根据更新后的阈值θ₁和θ₀，重复步骤3.4和步骤3.5，直到集合Φ_F中的所有峰值判定完成，得到心电信号中的R波位置集合Φ_R。

步骤4具体按照以下步骤实施：

步骤4.1、利用峰值搜算函数对步骤3得到的R波位置集合Φ_R中各元素所对应的心电信号向左搜索第一个向下的负波，即为Q波对应的位置；

步骤4.2、利用峰值搜算函数对步骤3得到的R波位置集合Φ_R中各元素所对应的心电信号向右搜索第一个向下的负波，即为S波对应的位置。

本发明的有益效果是，相比于动态阈值法，本发明由于采用数字形态学对QRS波进行了滤波去噪，可有效的降低不同类型心电图中对QRS波检测的错检率和漏检率并且能够大幅度提升对实测信号QRS波检测的敏感度和正预测率。

附图说明

图1是本发明的实现流程图；

图2是用本发明方法与动态阈值法在实测数据一上对R波检测结果图；

图3是用本发明方法与动态阈值法在实测数据二上对R波检测结果图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明基于数字形态学的双动态阈值心电QRS波检测方法，流程图如图1所示，具体按照以下步骤实施：

步骤1、选取数字形态学中结构元素的形状和长度，得到结构元素g(n)；

步骤1具体按照以下步骤实施：

步骤1.1、根据结构元素在信号处理中的应用效果，选择结构元素的类型为直线型结构元素；

步骤1.2、根据采样频率f_s和QRS波最宽处的波形宽度W，计算结构元素的长度L：

L≥f_s*W；

步骤1.3、根据步骤1.1选择的结构元素和步骤1.2得到的结构元素的长度，得到结构元素g(n)：

g(n)＝C，

其中，n＝0,1,…,L为时间采样点，C为常数。

步骤2、根据步骤1得到的结构元素g(n)抑制心电信号f(n)中的噪声，得到抑制噪声后的信号f₂(n)；

步骤2具体按照以下步骤实施：

步骤2.1、根据结构元素g(n)和心电信号f(n)，计算腐蚀后的序列x(n)：

x(n)＝(fΘg)(n)，

其中，Θ为腐蚀算法；

步骤2.2、根据步骤2.1得到的序列g(n)，计算削平波峰后的心电信号f₁(n)：

其中， 为膨胀算法；

步骤2.3、根据步骤2.2得到的削平后的心电信号f₁(n)，计算膨胀后的序列y(n)：

步骤2.4、根据步骤2.3得到的序列y(n)，计算抑制噪声后的心电信号f₂(n)：

f₂(n)＝f₁(n)-(yΘg)(n)。

步骤3、利用动态双阈值法对步骤2得到的心电信号中的R波进行定位；

步骤3具体按照以下步骤实施：

步骤3.1、设定初始高阈值θ₁，初始低阈值θ₀，高阈值下限θ₁_lim及低阈值下限θ₀_lim；

步骤3.2、利用峰值搜算函数搜索心电信号f₂(n)中的峰值，得到峰值幅度集合Φ_F和相应的位置集合Φ_S；

步骤3.3、设峰值幅度集合Φ_F中的前d个峰值均为R波，并构成R波位置集合Φ_R和R波峰值检测集合D；

步骤3.4、对峰值集合Φ_F中的d+1个峰值进行判定，并更新集合Φ_R和D：

若Φ_F(d+1)≥θ₁，则认定为是R波，Φ_R＝{Φ_R,Φ_s(d+1)}，D＝{D_-1,Φ_s(d+1)}；

若Φ_F(d+1)＜θ₁，则认定为不是R波；

其中D_-1表示去掉D中的第一个元素；

步骤3.5、根据峰值集合Φ_F中的d+1个峰值Φ_F(d+1)和集合D，更新阈值θ₁和θ₀：

其中mean(.)表示求均值。

步骤3.6、令d＝d+1，并根据更新后的阈值θ₁和θ₀，重复步骤3.4和步骤3.5，直到集合Φ_F中的所有峰值判定完成，得到心电信号中的R波位置集合Φ_R。

步骤4、根据步骤3得到的R波位置，完成QRS波群的定位。

步骤4具体按照以下步骤实施：

步骤4.1、利用峰值搜算函数对步骤3得到的R波位置集合Φ_R中各元素所对应的心电信号向左搜索第一个向下的负波，即为Q波对应的位置；

步骤4.2、利用峰值搜算函数对步骤3得到的R波位置集合Φ_R中各元素所对应的心电信号向右搜索第一个向下的负波，即为S波对应的位置。

本发明对QRS波检测的性能可通过以下仿真进一步验证。

1.实验参数：

本实验采用48条MIT-BIH数据库双导联心电信号，每条记录都采用II导联，每条记录长度为30分钟，采样率为360Hz。同时采用388条实测的双导联心电信号，采样率为360Hz，有5000个采样点。其中数字形态法中结构元素的形态为直线型，心电宽度W＝70个采样点。

2.实验内容与分析

实验一：用动态阈值法和本发明方法对数据集的48条双导联心电信号进行QRS波检测，得到对QRS波的正确检测数量，错误检测数量，漏检数量，敏感度和正预测率，结果如表1所示。

表1

从表1可以看出本发明方法相对动态阈值法在数据集上的正确检测数量增加，错误检测数量和漏检测数量均降低，尤其是漏检测数量大幅降低，进而提高了对心电QRS波的敏感度和正预测率。

实验二：用动态阈值法和本发明方法对实测的388条双导联心电信号进行QRS波检测，得到对QRS波的正确检测数量，错误检测数量，漏检数量，敏感度和正预测率，结果如表2所示。

表2

从表2可以看出本发明方法相对动态阈值法在实测数据上的正确检测数量增加，错误检测数量和漏检测数量均降低，尤其是错误检测数量大幅降低，在提高对心电信号QRS波的敏感度的同时大幅度提高正预测率。

实验三：用动态阈值法和本发明方法对实测两组数据的R波进行检测的仿真结果如图2和图3所示。

从图2和图3可以看出对实测两组数据的R波的检测中，动态阈值法对R波的检测出现了很多错误检测，将很多非R波检测为R波，故错检测率很高；而利用本发明方法对R波可实现很好的检测，大幅度的降低了错检概率，从而提高心电信号QRS波检测的敏感度和正预测率。

综上所述，在心电信号QRS波检测中，本发明方法能够有效抑制心电信号中的噪声，提高对QRS波检测的敏感度和正预测率。

Claims (1)

1.基于数字形态学的双动态阈值心电QRS波检测方法，其特征在于，具体按照以下步骤实施：

步骤1、选取数字形态学中结构元素的形状和长度，得到结构元素g(n)；

所述步骤1具体按照以下步骤实施：

步骤1.1、根据结构元素在信号处理中的应用效果，选择结构元素的类型为直线型结构元素；

步骤1.2、根据采样频率f_s和QRS波最宽处的波形宽度W，计算结构元素的长度L：

L≥f_s*W；

步骤1.3、根据步骤1.1选择的结构元素和步骤1.2得到的结构元素的长度，得到结构元素g(n)：

g(n)＝C，

其中，n＝0,1,…,L为时间采样点，C为常数；

步骤2、根据步骤1得到的结构元素g(n)抑制心电信号f(n)中的噪声，得到抑制噪声后的信号f₂(n)；

所述步骤2具体按照以下步骤实施：

步骤2.1、根据结构元素g(n)和心电信号f(n)，计算腐蚀后的序列x(n)：

x(n)＝(fΘg)(n)，

其中，Θ为腐蚀算法；

步骤2.2、根据步骤2.1得到的序列g(n)，计算削平波峰后的心电信号f₁(n)：

其中， 为膨胀算法；

步骤2.3、根据步骤2.2得到的削平后的心电信号f₁(n)，计算膨胀后的序列y(n)：

步骤2.4、根据步骤2.3得到的序列y(n)，计算抑制噪声后的心电信号f₂(n)：

f₂(n)＝f₁(n)-(yΘg)(n)；

步骤3、利用动态双阈值法对步骤2得到的心电信号中的R波进行定位；

所述步骤3具体按照以下步骤实施：

步骤3.1、设定初始高阈值θ₁，初始低阈值θ₀，高阈值下限θ₁_lim及低阈值下限θ₀_lim；

步骤3.2、利用峰值搜算函数搜索心电信号f₂(n)中的峰值，得到峰值幅度集合Φ_F和相应的位置集合Φ_S；

步骤3.3、设峰值幅度集合Φ_F中的前d个峰值均为R波，并构成R波位置集合Φ_R和R波峰值检测集合D；

步骤3.4、对峰值集合Φ_F中的d+1个峰值进行判定，并更新集合Φ_R和D：

若Φ_F(d+1)≥θ₁，则认定为是R波，Φ_R＝{Φ_R,Φ_s(d+1),}D＝{D_-1,Φ_s(d+1)}；

若Φ_F(d+1)＜θ₁，则认定为不是R波；

其中D_-1表示去掉D中的第一个元素；

步骤3.5、根据峰值集合Φ_F中的d+1个峰值Φ_F(d+1)和集合D，更新阈值θ₁和θ₀：

其中mean(.)表示求均值；

步骤3.6、令d＝d+1，并根据更新后的阈值θ₁和θ₀，重复步骤3.4和步骤3.5，直到集合Φ_F中的所有峰值判定完成，得到心电信号中的R波位置集合Φ_R；

步骤4、根据步骤3得到的R波位置，完成QRS波群的定位；

所述步骤4具体按照以下步骤实施：

步骤4.1、利用峰值搜算函数对步骤3得到的R波位置集合Φ_R中各元素所对应的心电信号向左搜索第一个向下的负波，即为Q波对应的位置；

步骤4.2、利用峰值搜算函数对步骤3得到的R波位置集合Φ_R中各元素所对应的心电信号向右搜索第一个向下的负波，即为S波对应的位置。