基于差分絕對值的R波檢測算法研究-聶希蕓

1、摘 要心血管疾病是嚴重威脅人類健康的疾病之一。心電圖的應用提高了心血管疾病的基礎研究、臨床診斷和治療的水平，推動了現代醫(yī)學的發(fā)展，為人類的健康做出了重大貢獻。心電信號的準確檢測與分析對心血管疾病的治療起著關鍵作用，成為了當前信號處理領域的研究熱點。本文以心電信號的預處理和波形檢測為主要研究內容。心電信號是一種微弱的生物電信號，且是一種復雜的非平穩(wěn)隨機信號，極易受各種噪聲的干擾。本文重點研究了基于小波變換的去除心電信號基線漂移噪聲的算法。根據心電信號和基線漂移噪聲的頻譜特點，本文基于小波變換的多分辨率分析，對心電信號進行多尺度分解，利用分解后得到的模擬近似信號充分逼近基線漂移噪聲的特性，從而去除

2、心電信號中的基線漂移這一低頻分量。通過對MIT-BIH心律失常數據庫中的心電信號進行去噪處理，驗證了本文所采用算法的有效性。心電信號的檢測分析中，首要的關鍵問題是R波的檢測，在此基礎上才能進一步對心電信號進行檢測和分析。傳統(tǒng)的基于差分實現R波檢測的算法，是以對心電信號的斜率進行定量分析為基礎的，都需要使用閾值進行判別，而閾值的選取恰當與否將直接影響算法的檢測效果。本文提出的基于差分絕對值的R波檢測方法，是一種新的差分檢測算法，該方法不是通過閾值來確定R波的位置，具有算法簡單，計算量小的特點。通過對MIT-BIH心律失常數據庫中的心電信號進行實際檢測，證明了該算法具有較高的識別率，達到了較好的檢

3、測效果。本文提出的基于差分絕對值的R波檢測方法，為心電信號的自動分析提供了一種新的、簡單的檢測手段。關鍵詞：心電信號；基線漂移；多分辨率分析；R波檢測；差分；AbstractCardiovascular disease is one of diseases that seriously threaten the health of people. The application of electrocardiogram (ECG) improves the level of the basic research of cardiovascular disease, clinical diagn

4、osis and treatment, promotes the development of modern medicine, and has made a contribution for human health. The accurate detection and analysis of electrocardiosignal plays a key role in the treatment of cardiovascular disease, has become a research hotspot in current signal processing. In this t

5、hesis, pretreatment and waveform detection of electrocardiosignal are as the main research contents. Electrocardiosignal is a weak biological signal, and is a complex non-stationary random signal which is vulnerable to the interference of all kinds of noise. This thesis was focused on the algorithm

6、of removal of electrocardiosignal baseline drifts noise based on wavelet transform. According to the frequency spectrum characteristics of electrocardiosignal and baseline drifts noise, this thesis was based on multi-resolution analysis of wavelet transform, decomposed the electrocardiosignal to mul

7、ti-scale, utilized the analog approximate signal obtained after decomposition to fully close to the characteristics of the baseline drift noise to remove the electrocardiosignal baseline drift in the low-frequency components. Through the denoising processing of the electrocardiosignal in the MIT-BTH

8、 database, the effectiveness of the algorithm used in this thesis was verified. In the detection analysis of the electrocardiosignal, the first key issue is the R-wave detection, which is the basis of further detection and analysis. The traditional differential R-wave detection algorithms are based

9、on quantitative analysis of the slope of the electrocardiosignal signal, are needed to use a threshold to discriminate, while whether the selection of threshold is appropriate or not will influence the detection effect of the algorithm directly. This thesis proposed the R-wave detection method based

10、 on absolute difference which it is a novel difference detection algorithm. This method is not only a simple algorithm, less calculation, but also frees the algorithm from the dependence on the threshold to detect the R-wave in novel characteristics. Through the practical detection for the electroca

11、rdiosignal in the MIT-BTH database, the higher recognition rate of the algorithm is verified to achieve better detection results. This thesis proposed a R-wave detection method based on the absolute of difference, and provide a novel and simple detection mean for the automatic analysis of electrocar

12、diosignal.Keywords: Electrocardiosignal; Baseline drift; Multi-resolution analysis; R-wave detection; Ddifference.目 錄摘 要IAbstractII目 錄III第一章 緒 論11.1論文選題背景及研究意義11.2心電自動分析技術的發(fā)展21.3 心電信號檢測的研究難點31.4本論文的研究內容及結構安排41.4本論文的主要特點及創(chuàng)新點4第二章 心電圖與心律失常52.1心電信號的生理特性52.2心電信號的特點52.2.1心電信號的時域特性62.2.2正常心電信號及其特征72.3心電圖導聯

13、82.3.1 標準導聯82.3.2 加壓單極肢體導聯92.3.3 胸前導聯102.4 心律失常及心電圖表現102.4.1 心律失常102.4.2 心律失常的心電圖表現112.5 ECG信號檢測算法分析132.5.1閾值法142.5.2相關法152.5.3小波變換法162.5.4人工智能法172.5.5其它數學方法172.6 MIT-BIH標準心律失常數據庫介紹18第三章 基于小波變換的心電信號去噪處理203.1心電信號主要噪聲的來源及特點分析203.2小波變換理論213.2.1連續(xù)小波變換的定義213.2.2連續(xù)小波變換的頻域特性223.2.3 二進小波變換253.2.4 小波變換的多分辨率分

14、析253.2.5 Mallat算法263.3 應用小波變換去除基線漂移噪聲283.3.1 應用小波變換去除ECG基線漂移噪聲283.3.2 實驗結果分析32第四章 基于差分絕對值的QRS波檢測方法354.1基于差分絕對值的R波檢測354.1.1基于差分的R波檢測算法現狀研究354.1.2 算法描述384.1.3檢測結果統(tǒng)計434.2檢測算法修正484.2.1防止R波誤檢的方法494.2.2 實驗結果與分析504.3 檢測結果的分析與討論504.3.1 誤差來源分析504.3.2 MIT-BIH復雜心電信號質量分析50第五章 總 結525.1 工作總結525.2 工作展望52參考文獻53攻讀碩士

15、學位期間發(fā)表的論文57致 謝58第一章 緒 論1.1論文選題背景及研究意義冠心病、高血壓、心律失常等心血管疾病已成為全球范圍內威脅人類生命的主要疾病之一。據最新發(fā)布的中國心血管病報告2010稱，我國目前大約有2.3億人患高血壓、冠心病和心力衰竭等心血管病，而高血壓患者已接近2億人。與2002年的統(tǒng)計數字相比，短短6年時間里心血管病患者增了4000萬人。在我國，每年死于心血管疾病的病人約有300多萬，大約每分鐘有就6人死于該病。報告同時指出，我國心血管疾病的患病率仍在上升：與2002年相比，2008年城市地區(qū)冠心病死亡率上升2.31倍，農村地區(qū)上升1.88倍。城市心肌梗死上升2.40倍，農村地區(qū)

16、上升2.84倍，農村地區(qū)的心肌梗死超過了中小城市的水平。心血管疾病成為我國越來越突出的問題1。作為心臟電活動在體表的綜合表現的心電圖（Electrocardiogram, ECG），蘊含著豐富的生理和病理信息，能反映心臟節(jié)律及其電傳導的信息。心電圖在一定程度上可以客觀反映心臟各部位的生理狀況，是評價心臟功能、輔助診斷心血管疾病、評估各種治療方法有效性的重要手段之一，尤其對于診斷分析各種傳導障礙和心律失常具有重大意義。因此心電圖（ECG）檢查是目前分析和鑒別各種心臟疾病最常用和最精確的方法。1901年，荷蘭萊頓大學的生理學家Willem Einhtoven應用弦線電流計首次描繪記錄出比較滿意的P

17、-QRS-T復合波，并于1903年發(fā)明了世界上第一臺心電圖機，使用其記錄出每個心動周期的心臟變化曲線，并將其命名為心電圖（ECG）。從那時起，臨床醫(yī)學開始正式使用心電圖進行心臟疾病的診斷，至今已經百余年。現在，心電圖已成為臨床中重要的常規(guī)檢查手段，能較好的輔助醫(yī)生診斷各種心臟疾病。但是，由于病理性心電圖的種類繁多、變化很大；患有同種疾病的不同患者的心電圖存在較大差異；即使是同一患者，其心電圖在不同時刻都會呈現出不同的形態(tài)，這就需要醫(yī)務人員具備深厚的專業(yè)知識和大量的臨床經驗才能對其做出準確判斷。同時，采用人工對心電信號進行分析，不是實時分析，其速度達不到實時性的要求，因此預警性較差。為了使醫(yī)生擺

18、脫繁重的圖形信號識別工作，集中精力判別異常心電波形，提高分析診斷的效率，所以人們將計算機輔助分析應用到心電圖分析中，解決了心電信號自動檢測的部分工作。另一方面，由于體表電極檢測到的心電信號是非線性的隨機信號，并伴有較強的噪聲干擾，這也給準確檢測和分析心電信號帶來一定難度。為了解決這一難題，近年來，科研人員進行了大量研究。目前，人們通過差分閾值2、小波變換3、模板匹配4和神經網絡5等方法在心電信號的QRS復合波、P波、T波檢測和心電信號去噪等方面取得了比較滿意的效果。1.2心電自動分析技術的發(fā)展心電自動分析技術融合了傳感器技術、信號處理技術、描記技術以及邏輯判斷技術（人工智能）等最新的研究成果，

19、是迄今計算機技術在醫(yī)學領域中應用最為成功的典范之一 6。心電圖的自動分析對心臟疾病的分析和診斷有著重要的臨床意義。目前的心電自動分析系統(tǒng)基本能夠實現心電信號的自動分析和智能診斷，及患者信息和診斷分析等數據的綜合管理。心電自動分析主要包括心電信號的預處理、波形的檢測、心電分析診斷三個部分7。其中心電信號的預處理是對工頻干擾、基線漂移干擾、肌電干擾等主要干擾的處理；波形檢測主要是先檢測QRS復合波、P波、T波，然后在此基礎上計算出QRS寬度、R-R間期、P-R間期、S-T段等；心電分析診斷就是根據對心電信號波形的識別結果，依據醫(yī)學知識做進一步的判斷分類。在心電信號的各個波形當中，R波由于具有波形陡

20、峭、幅度大、時間間隔短的特點，是最容易識別的波形。R波的檢測與識別是心電信號波形分析的首要關鍵問題，也是后續(xù)一系列分析的基礎。現在R波的檢測方法主要有：小波變換法、閾值法、模板匹配法、神經網絡法等。其中，閾值法算法比較簡單，處理速度快，是ECG信號檢測的最基本手段；小波變換法用于心電信號的檢測，已經獲得較好的效果。小波變換具有良好的時頻域轉換和局部化分析能力，但缺點是計算量比較大，處理大批量數據時效率不高；模板匹配法易受高頻噪聲和基線漂移以及個體差異的影響，在自適應能力方面表現較差；神經網絡法是一種基于樣本的判別方法，由于受樣本訓練時間和適應能力的制約，在處理特殊案例或特殊波形時，表現出較差的

21、適應性。在以上多種方法的基礎之上，有科研人員提出了多種改進方法，比如將傳統(tǒng)的閾值法改進為自適應閾值法，使得閾值法的適應能力和準確率得到較大提高。1.3 心電信號檢測的研究難點目前，醫(yī)生通常還是通過肉眼觀察儀器采集到的心電信號，再根據自身的醫(yī)學知識和臨床經驗進行分析診斷，這種方式一方面受到分析數據局部性的限制，另一方面無法排除個人的主觀性，從而使診斷結果的準確性和客觀性均受到影響。特別是對于偶發(fā)性疾病，最佳的檢測時段是不能預先估計的，因此需要進行較長時間的動態(tài)觀測，這樣一來，要分析的數據量就會大大增加，如果仍采用人工去觀察分析和判斷肯定是不現實的。另外，心電信號的特點也給檢測研究帶來很大困難。首

22、先，心電信號的波形復雜（如圖1.1所示），從圖1.1可以看出，其波形形態(tài)異常不規(guī)則，變化非常大。分析心電信號時，要先識別出具有意義的波形，再將這些形態(tài)各異的波形進行分類，進而提取出醫(yī)學診斷所需要的、不同類別波形的分布歸律和詳細信息。其次，心電信號存在個體差異和時間差異，即不同病患的心電信號波形會有較大差別；對于同一病患，受自身心情和周圍環(huán)境變化的影響，其心電信號也會產生不同程度的波動，這樣就大大增加了分析的難度。另一方面，干擾噪聲對心電信號的影響，以及心電信號自身的變異性，使其波形容易產生畸變，這也給心電信號的檢測增加了難度。正因為心電信號檢測問題所具有的特殊性和復雜性，往往使得人們的檢測算法

23、不甚理想，特別是對于一些非常特殊的復雜波形，檢測效果較差。可以這樣說，無論哪一種有效的檢測算法，都不可能實現對所有類型心電信號的檢測分析。圖1.1原始心電信號就本文而言，通過尋找心電信號波形的新特征，使用一種新的方法差分絕對值法來實現R波的檢測，試圖使用一種簡單但是有效的方法來實現復雜心電信號的R波檢測。1.4本論文的研究內容及結構安排在現有心電信號的處理和分析技術中，本文主要對“心電信號預處理”和“心電信號波形檢測”這兩個關鍵技術進行算法研究。首先采用小波變換對心電信號進行去除基線漂移噪聲的預處理，以提高心電信號波形的平滑程度，為下一步的心電信號波形檢測提供高質量的信號。其次，采用一種新的方

24、法差分絕對值法，實現對MIT-BIH心律失常數據庫中心電信號的初步識別判斷。本文第一章主要介紹了本課題的研究背景和研究難點，以及心電自動分析技術的發(fā)展現狀。第二章主要介紹了心電信號的生物特性，心電信號波形的特征，同時分析介紹了目前對心電信號檢測方法的研究以及所獲得的成果，以確定本文的研究方向和獲得研究的依據。第三章介紹了心電信號基線漂移噪聲的去除。介紹了小波變換的相關理論，以及小波變換的多分辨率分析和Mallat算法，并將其應用于MIT-BIH心律失常數據庫中心電信號基線漂移噪聲的去除，同時將噪聲去除的效果展示于仿真平臺上。第四章詳細介紹了心電信號波形中R波的檢測。首先分析了幾種基于差分方法實

25、現R波檢測的算法，進而提出一種新的實現R波檢測的方法基于差分絕對值的R波檢測算法，在詳細介紹該算法的原理及具體檢測過程后，展示了該算法在仿真平臺下對MIT-BIH心律失常數據庫中心電數據的檢測效果，并對檢測結果進行詳細討論分析，為該算法的后續(xù)研究和改進提供導向。第五章總結全文的研究內容，并對本文所采用的R波檢測算法存在的問題進行了分析，最后闡述了該算法的下一步研究方向。1.4本論文的主要特點及創(chuàng)新點通過觀察分析大量ECG信號，同時對多種檢測算法進行分析和研究，為本文提供了研究導向和依據。本文的主要研究目標是ECG信號預處理和信號波形檢測的有效性和實用性，具體對心電信號的基線漂移噪聲去除和R波檢

26、測這兩方面進行了深入研究，提出了一種新的R波檢測算法差分絕對值法，該算法擺脫了現有差分方法對閾值的依賴，且算法簡單，能實現R波的有效檢測。第二章 心電圖與心律失常在研究檢測心電信號之前，對心電信號的生理特性、相關特征以及心律失常等相關醫(yī)學知識有一定程度的了解是非常必須的，這能為心電信號數據的分析、處理、特征提取及獲得診斷結論提供堅實的理論基礎。2.1心電信號的生理特性心臟的右心房上的竇房結會產生一種微小的電脈沖，該脈沖每分鐘大約發(fā)出60次，在此脈沖的控制下，心臟進行收縮運動。由竇房結所發(fā)出電脈沖，以漸進波的方式傳送至左、右心房，使左右心房產生收縮。為了讓血液充分流至心室，電脈沖在傳送至房室結后

27、大約停滯1/10秒，接下來通過傳送纖維將電脈沖傳送至左右心室，從而使左右心室產生收縮。在一序列的電活動之后心臟暫時靜止，心室等待復極以恢復帶負電狀態(tài)，從而完成一次完整的心臟搏動周期，即心搏。心臟肌肉在收縮時都伴隨電的變化，這種電的變化稱為除極，除極能夠被貼在體表某些特定部位的電極檢測到。由于心室肌的質量大，室壁厚，因此當心室除極時，會在心電圖中呈現一個幅度較大的波形，體現在ECG信號波形中就是QRS復合波。與除極過程相對的是復極過程，心室肌從除極狀態(tài)返回到靜息狀態(tài)的過程就稱為復極，并形成心電圖中的T波。由于心房肌的質量比心室肌小，腔壁也比心室肌的腔壁薄，因此心房收縮所伴發(fā)的電的變化也比較小，在

28、心電圖中表現為P波8。2.2心電信號的特點心臟不停地進行伸縮運動，在每個跳動周期中都伴隨著生物電的變化。當心臟收縮時，首先產生的是電激動，在電激動之后大約0.020.07秒，心臟進行機械性收縮。人體將心臟在電激動時所產生的動作電流傳導至全身各部，所以只要在體表特定的部位放置電極就可以檢測到電壓的變化，隨后心電圖儀將其用曲線的形式表示出來，此種曲線圖就稱為心電圖（ECG）9。ECG信號是一種生物電信號，它是心臟活動過程在人體體表的綜合反映。由于ECG信號其信號源的無法觸及性，以及人體自身的復雜性，因此ECG信號具有以下特點：（1）隨機性較強，無法用確定的函數來描述。另外人體的不平均性，也使心電信

29、號容易受外來信號的影響，隨外界干擾的變化而發(fā)生變化。（2）信號微弱，檢測背景噪聲強且種類多，檢測難度較大，ECG信號屬于低幅的微弱生物電信號，易受到各種噪聲的干擾。（3）低頻特性：人體心電信號的頻率多集中在0.05100Hz之間10。2.2.1心電信號的時域特性ECG信號屬于時域波形信號，它是反映心臟電壓隨時間變化的函數。如果使用不同的導聯，在人體體表不同的部位上進行檢測，則所測得的心電波形將各不相同，同時不同個體的ECG信號也存在較大差異，但只要是正常的心電波形，其周期都可以劃分為P波、P-R段、QRS復合波、S-T段、T波幾個主要部分，波形的各個部分都代表著相應的生理意義，如圖2.1所示。

30、如果心臟產生病理性變化，那么心電信號將在波形周期和形態(tài)上發(fā)生畸變。V（幅度）PR間期QT間期QRSPR段ST段TRQST（時間）圖2.1心電圖典型波形心電圖時域波形的幅度范圍一般在10uV4mV之間，典型值為1mV左右。從時域波形可以看出，ECG信號特征段的分界處恰好是波形上的拐點，即波形變化起伏最大的點，這也是ECG信號波形檢測與特征定位的關鍵點。2.2.2正常心電信號及其特征心電圖是了解心臟狀況的主要依據之一，可以反映心肌受損的程度和發(fā)展過程以及心房、心室的功能結構情況。1、心電圖的典型波形心電圖是從體表記錄的心臟電位變化曲線，來源于心肌細胞的生物電活動，與心臟的電生理特性密切相關，它體現

31、了整個心臟興奮的發(fā)生、傳導和恢復過程的綜合電位變化。正常的心電圖如圖2.1所示。在其波形組成中，R波是首先出現的位于水平基線以上的正向波；Q波是R波前的負向波；S波是R波之后的第一個負向波，Q波、R波和S波共同組成一個QRS復合波；P波是R波之前的幅度較小的正向波。在實際的心電信號檢測中，由于心電圖儀探頭不同的連接方法會導致波形產生不同的方向，R波可能是負向，P波也可能是負向的。病理性的心電信號中也可能出現R波和P波負向的情況。T波出現在R波之后，是幅度較小的正向波；P波起點到Q波起點的間隔時間稱為PR間期，兩個相鄰的R波峰值點的間隔時間稱為RR間期；從QRS復合波終點到T波起點的線段稱為ST

32、段；從QRS復合波起點到T波終點的間隔時間為QT間期。1、P波：也稱為心房除極波，其波形呈現光滑圓鈍的形態(tài)，反映的是左右兩心房除極過程中的電位變化，起點代表右心房開始激動，終點代表左心房激動結束。P波的寬帶為0.080.11秒，幅度不超過0.25mV。2、QRS復合波：反映兩心室除極過程的電位變化。其波形寬度為0.060.10秒，代表全部心室肌激動過程所需的時間。3、T波：反映晚期心室復極時的電位變化。復極過程與心肌代謝有關，較之除極過程緩慢，因此T波寬度較大，歷時0.050.25秒。在以R波為主的導聯中，T波的幅度不應低于R波的1/10。2、心電圖的典型間期和典型段1、P-R間期：從心房除極

33、開始到心室除極開始的間隔時間稱為P-R間期。成人的P-R間期在正常情況下一般為0.120.20秒。如果P-R間期大于0.20秒，則可能發(fā)生了房室傳導阻滯；在心率較快的情況下，P-R間期相應較短；經常進行體育鍛煉的人，其P-R間期則較長。2、Q-T間期：表示的是心室完成除極和復極所需要的總時間，在ECG波形中對應的是從QRS復合波起點至T波終點的間隔時間。心率的快慢反映在Q-T間期的寬度上，心率越慢，間期越寬；反之，則間期越窄。成人的正常心率在60次/分100次/分之間，Q-T間期大約為0.360.44秒。3、S-T段：從QRS復合波終點到T波起點間的線段。正常情況下接近于水平基線，表示的是心室

34、除極完成后到開始復極的間隔時間。S-T段的心電曲線接近于水平基線，是由于在該時間間隔內，心室的各個部分都在進行除極，都未開始進行復極，因此各部分之間不存在電位差。對于正常的ECG信號，其S-T段在水平基線上下、0.1mV0.05mV范圍內波動。4、P-R段：從P波終點到QRS復合波起點間的線段，正常情況下接近于水平基線。心臟電激動通過心房后向心室傳導，在此傳遞過程中要經過心臟的房室交界區(qū)，由于電激動在該區(qū)域傳導時，其傳導速度非常慢，因此所形成的電位變化就很微弱，所以在P波之后，波形線段又回到基線水平，形成了接近水平基線的P-R段。只有通過對ECG信號的各個波形和特征段所對應的參數進行準確測量，

35、然后將測量得到的數據與正常的參數進行對比，才能對ECG做出準確的分析和判斷，進而得到相應的診斷結果。2.3心電圖導聯臨床心電圖的信號主要是從體表采集的。如果將探測電極安置于體表相隔一定距離的任意兩點，原則上就可測出心電的電位變化，此兩點即構成一個導聯。兩點的連線代表導聯軸，具有方向性。臨床常用的心電圖導聯是標準十二導聯，記為雙極導聯：、；單極導聯：aVR、aVL、aVF、V1V6。2.3.1 標準導聯反映兩個肢體間的電位差的導聯方式稱為標準導聯，亦叫做雙極肢體導聯。導聯：心電圖儀放大器的正向端與左上肢電極相連，放大器負向端與右上肢電極相連，反映左上肢（L）與右上肢（R）的電位差。導聯：心電圖儀

36、放大器的正向端與左下肢電極相連，放大器負向端與右上肢電極相連，反映左下肢（F）與右上肢（R）的電位差。導聯：左下肢電極連接到心電圖儀放大器的正向端，左上肢電極與放大器負向端相連，反映左下肢（F）與左上肢（L）的電位差。各導聯連接方式如圖2.2所示。RLF+-RLF+-RLF+-R圖2.2 標準導聯2.3.2 加壓單極肢體導聯與標準導聯不同，如果心電圖儀放大器的負向端被接地（連接到零電位點上），而體表的任意一點上連接探測電極，那么就可以測量出該點的電位變化，這種導聯方式就是單極導聯。由于使用單極肢體導聯VR、VL、VF所測量得到的心電圖波形幅度較小，所以在描記某一肢體的單極導聯心電圖時，只要斷開

37、肢體與中心電端（即取自左上肢、左下肢和右上肢的中心電位）所連接的大值電阻，則心電圖波形的幅度就可以提高50%，因此這種導聯方式就稱為加壓單極肢體導聯，記作aVR、aVL、aVF。 各導聯連接方式如圖2.3所示VVV右上肢（R）左上肢（L）左下肢（F）右下肢（RF）aVRaVLaVF中心電端_+_+_圖2.3加壓單極肢體導聯2.3.3 胸前導聯胸前導聯就是將探測電極放置于胸前的一定位置。該導聯方式的探測電極距離心臟很近，因此心電圖波形幅度較大。根據探測電極具體放置位置可分為：V1：電極放置在胸骨右緣第4肋間。V2：電極放置在胸骨左緣第4肋間。V3：電極放置在V2與V4連線的中點。V4：電極放置在

38、左鎖骨中線與第5肋間相交處。V5：電極放置在左腋前線V4水平處。V6：電極放置在左腋中線V4水平處。胸前導聯位置如圖2.4所示。圖2.4胸前導聯2.4 心律失常及心電圖表現2.4.1 心律失常心律即指心臟跳動的節(jié)奏。正常人的心臟跳動是由竇房結控制的。竇房結發(fā)出信號刺激心臟跳動，這種來自竇房結信號引起的心臟跳動，就稱為正常的“竇性心律”，頻率每分鐘約為60100次。健康人的心律應該是十分均勻的，而當心臟產生病變或心臟神經調節(jié)功能不正常時，就會出現心律不齊或心律失常。心律失常指心律起源部位、心搏頻率與節(jié)律、沖動傳導以及激動次序任何一項的異常。通常所說的心律紊亂或心律不齊偏重于心搏節(jié)律的失常，而心律

39、失常既包括心搏節(jié)律的異常又包括心搏頻率的異常。按照發(fā)生原理劃分，心律失常可分為兩大類：沖動形成異常和沖動傳導異常。 一、沖動形成異常（一）竇性心律失常：是指竇房結發(fā)出的激動顯著不規(guī)律，使心房和心室的節(jié)律也不規(guī)則。在同一導聯描記的心電圖上，最長的P-P間期與最短的P-P間期之差超過0.12s。竇性心律失常分為：竇性心律不齊； 竇性心動過緩；竇性心動過速； 竇性停搏。（二）異位心律1、被動性異位心律：指在竇房結自律性減低或沖動傳導障礙時，竇房結以下部位的節(jié)奏點發(fā)出的沖動使心臟搏動。被動性異位心律也稱為逸搏，可分為：房室交界區(qū)性逸搏及逸搏心律：心電圖特點為延遲出現的12次QRS波，形態(tài)與正常竇性下傳

40、的QRS復合波基本相同；室性逸搏及室性自搏性心律：心電圖特點為延遲出現的QRS波呈寬大畸形，時間大于0.12s。2、主動性異位心律分為： 期前收縮； 陣發(fā)性心動過速； 心房撲動；心房顫動； 心室撲動；心室顫動。二、沖動傳導異常 1、生理性干擾及房室分離所導致的沖動傳導異常。 2、病理性的沖動傳導異常，通常表現為： 竇房間傳導阻滯； 房內傳導阻滯； 房室間傳導阻滯； 室內傳導阻滯；左、右束支傳導阻滯；左束支分支傳導阻滯。 3、房室間傳導途徑異常。 按發(fā)病部位分類，心律失常可分為以下幾種：1、 竇性心律失常。2、 房性心律失常。3、 房室交界區(qū)心律失常。4、 室性心律失常。按照心律失常發(fā)生時心率的

41、快慢，還可將其分為快速性心律失常與緩慢性心律失常兩大類。2.4.2 心律失常的心電圖表現心律失常在相應心電圖的波段和間期上會有所表現，現以竇性心律失常11為例列舉說明：1、正常竇性心律的心電圖特征為：有一系列規(guī)律出現的P波，P波形態(tài)表明沖動來自竇房結（即、aVF、V5導聯P波直立，aVR導聯P波倒置）；PR間期在0.120.20sec；同一導聯中PP間期差值應小于0.16sec；正常竇性心律的頻率一般為60100次min。（圖2.5）圖2.5 正常竇性心律2、竇性心動過緩：當竇性心律的頻率低于60次min時，稱為竇性心動過緩。多見于顱內高壓、甲狀腺功能低下或受體阻滯劑作用時。運動員和老年人的心

42、律也相對較緩慢（圖2.6）。圖2.6 竇性心動過緩3、竇性心動過速：成人的竇性心律頻率超過100次min時，稱為竇性心動過速。其心電圖特征為：PR間期、QT時限及QRS波均相應縮短，有時可繼發(fā)ST段輕度壓低和T波低平（圖2.7）。竇性心動過速常見于運動、精神緊張、發(fā)熱、甲亢及貧血。圖2.7 竇性心動過速4、竇性心律不齊：竇性心律仍起源于竇房結，但節(jié)律不規(guī)整，在同一導聯上P-P間期差異大于0.16sec（圖2.8）。多見于青少年或植物神經功能不穩(wěn)定者，常與呼吸周期有關，多無臨床意義。圖2.8 竇性心律不齊5、竇性停搏：在規(guī)律的竇性心律中，可因迷走神經張力增大或竇房結自身的原因，在一段時間內竇房結

43、停止發(fā)放沖動。在心電圖中表現為：規(guī)則的PP間隔中P波突然消失，而且所消失的P波在時間上與正常P-P間期不成倍數關系（圖2.9）。圖2.9 竇性停搏2.5 ECG信號檢測算法分析由以上介紹可知，QRS復合波檢測是心電圖自動診斷的基礎，是心電信號分析中的首要環(huán)節(jié)和關鍵環(huán)節(jié)。如果要把心電數據準確劃分為各個心拍，對心電信號進行正確的參數測量和波形分類等一序列的處理和分析，必須首先實現QRS復合波的正確檢測。因此，心電自動分析系統(tǒng)的性能在很大程度上受QRS復合波檢測算法的準確性和檢查效率的影響。QRS復合波檢測主要包括QRS復合波位置、幅度、寬度的檢測。經過前人幾十年的研究，其各個參數的檢測方法層出不窮

44、，但每種方法都各有優(yōu)劣。心電信號波形的復雜性、各類型噪聲的干擾、檢測對象的個體差異，這些因素都給QRS復合波的精準檢測帶來很大困難。從實現方式這一角度劃分，QRS復合波的檢測算法可分為軟件實現法和硬件實現法 12。QRS復合波硬件檢測算法其系統(tǒng)結構比較簡單，處理速度也比較快，但是當面對復雜情況時，硬件實現法的靈活性較差，不具備很好的應對能力；而如果檢測算法是用軟件實現的，那么該檢測算法能夠對復雜情況做出特殊處理，且處理速度很快。因為用軟件實現的檢測算法，不但可以進行線性和非線性變換，還能進行判定處理，同時還能對各類參數進行調節(jié)。因此QRS復合波檢測算法的研究方向主要是在軟件領域。QRS復合波檢

45、測技術從上世紀七、八十年代，基于經典信號處理的方法，到九十年代基于小波變換和神經網絡的方法，以及目前各種方法的結合應用，這一發(fā)展提高過程受到了計算機技術、數字信號處理技術等相關技術領域和人工智能理論發(fā)展的巨大推動。另外，從上世紀八十年代以來，MIT-BIH標準心律失常數據庫的逐步形成和不斷完善，也使得QRS復合波檢測算法有了比較權威的檢驗和評估標準，這一方面也促進了各類檢測算法的不斷改進和完善。以下內容將對目前QRS復合波的檢測算法進行回顧和分析。2.5.1閾值法從圖2.1可以看出，在ECG信號波形中，QRS復合波的波形是最明顯的，其中R波的特征最為顯著。R波的幅度和斜率是所有波形中最大的，寬

46、度也較寬?；赗波的上述特點，可以采用閾值法來對其進行檢測識別。閾值法的基本原理是：設定一個檢測閾值，若ECG信號中某數據點的幅度值大于該閾值，就可判斷檢測到一個R波。這是一種理想的檢測狀態(tài)，前提是ECG信號中沒有摻雜噪聲信號，其波形形態(tài)較好，沒有發(fā)生嚴重的畸變。但實際的情況是：無論使用何種精密儀器，所采集到的ECG信號中肯定都伴有不同種類的噪聲，這些噪聲都會對ECG信號產生不同程度的干擾和影響。例如基線漂移噪聲，它會使ECG信號波形上下浮動，偏離水平基線。而工頻干擾噪聲會使信號波形失真。另一方面，如果心臟發(fā)生病理性變化，其對應的ECG信號將會產生不同程度的畸變。所以實際要檢測的ECG信號，絕

47、大多說情況下，都是波形形態(tài)發(fā)生相應變化的非平穩(wěn)隨機信號，那么使用單純的閾值法是無法獲得好的檢測效果的。因此，在使用閾值法進行檢測之前，必須先對ECG信號進行預處理，盡可能地去除其中所包含的噪聲，以此來提高信號質量，改善ECG信號的波形。去除ECG信號噪聲的方法很多，一階差分法是應用較早的，該方法是對ECG信號進行一階差分運算，運算后的信號中不再含有基線漂移噪聲。因為一階差分其本質是對信號進行高通濾波，由于基線漂移屬于低頻干擾噪聲，所以可以將其去除。但是ECG信號中還可能伴有工頻干擾和肌電干擾，這兩種噪聲屬于高頻干擾噪聲。如果將ECG信號高通濾波，那么高頻干擾噪聲將被放大，從而達不到去噪的目的。

48、之后的研究所提出的ECG信號預處理方法是采用帶通濾波，對濾波后的信號波形進行非線性變換，目的是進一步加強QRS復合波，使其與P波、T波和噪聲能夠明顯區(qū)分開，尤其在幅度這一參數上。心電信號經過預處理后，再由相關的判別規(guī)則判斷是否有R波出現。判別規(guī)則通常包含幅度、斜率和面積閾值13。早期使用閾值法檢測QRS復合波時，其閾值是預先設定的。由于ECG信號存在個體差異和時間差異，即不同病患的心電信號波形會有較大差別；對于同一病患，受自身心情和周圍環(huán)境變化的影響，其心電信號也會產生不同程度的波動，顯然預先設定的固定閾值是不適用的，所以，閾值應該是可變的，通過閾值的變化去適應不同的檢測情況和檢測對象，這就是

49、后來所采用的自適應閾值法。在ECG信號的預處理方法中，濾波器法最為傳統(tǒng)，也是最為簡單的方法。經過前人的研究，濾波器法可具體分為二階導數算法、移動窗口積分法、正交濾波算法等不同算法14 15。二階導數算法是取心電的一階與二階導數的平方之和作為QRS復合波輸出標記的脈沖信號，此方法突出了QRS復合波上升速率變化最快的地方，可以根據輸出脈沖的寬帶精確地估計R波的寬帶。移動窗口積分法的求導平方運算與二階導數算法相同，只是最后對求導的平方數據進行移動窗口積分，這種方法受高頻隨機噪聲影響較小。正交濾波法是將心電信號輸入到兩個相位固定、相差為/2的濾波器，從而獲得互為希爾伯特交換的輸出，通過檢查幅值即可以檢

50、測QRS波。2.5.2相關法相關法也被稱為模板匹配法 16 17。雖然ECG信號會受干擾噪聲和個體差異的影響，而使其波形發(fā)生不同程度的變化，但總體上，ECG信號的周期性還是比較強的，同時每個波形周期之間對應的波形變化較小，因此可以將QRS復合波、P波、T波等特征波形近似看作為單獨的固定模板，并將其存儲起來，構成ECG波形模板庫。檢測時，只有將ECG信號采樣點與模板庫中的ECG波形模板進行逐點比較。如果待檢測的信號與波形模板相關度比較大，特別是耦合時，則可認為該采樣點與該模板同類。這樣對QRS復合波的識別就轉化成了對QRS模板與其他模板的鑒別。此方法實質是幅值判別與頻率判別的統(tǒng)一。其中常用的比較

51、方法有平均法、最小二乘法、幅度檢測、面積差分法等方法，而所存儲的信號是研究人員分析出的比較有意義的一些正?；虍惓５腝RS復合波信號。但是這種方法對高頻噪聲和基線漂移很敏感，同時需要預先存儲信息，不適用于動態(tài)心電的實時檢測，實用性不強。另外，病理性的ECG信號波形可能產生較大畸變，同時不同病患的ECG信號波形也可能存在很大差異，如果待檢測的ECG信號波形與模板庫中存儲的波形模板比較，其相差很大時，則這些信號中的QRS波將會被漏掉18。2.5.3小波變換法近年來小波變換技術在ECG信號識別方面得到廣泛應用，并取得了較好的效果19。小波變換是一種時頻局部化分析方法，它能將信號在時域和頻域上以不同分辨

52、率分解成不同尺度下的信號，使局部信號特征放大，然后在各尺度下進行各種操作，其實質就是帶通濾波。與其他方法相比較，小波變換法可以有效地消除運動偽跡、基線漂移等影響。影響小波變換分析效果一個很重要的因素是小波基的選取，同時也是難點所在。根據心電信號的特點，通常選取與心電信號波形類似的Mexican-hat小波作為基，也可選取二進樣條小波為基。Mexican-hat小波作為小波基，可以使分解后的信號盡可能多的保留原始ECG信號的特征或信息，同時可以在任意尺度上進行分解，所以在小波變換中常常采用。對于二進樣條小波基20-22，即利用二進樣條小波對ECG信號進行變換。通過分析ECG信號的奇異點（QRS波

53、極值點）與其小波變換的模極大值對的零交叉點的關系，在21、22、23、24等多個尺度上做小波變換。由于QRS復合波的能量大多集中在23尺度上，而基線漂移、運動偽跡等能量大多集中在25尺度以上，所以在23尺度上QRS復合波顯示明顯，具有最大的小波變換幅度，并且基線漂移、高尖P波、高尖T波的干擾能得到有效抑制。在決策時，可以采用幅度、面積、斜率等多種特征進行檢測，還可以結合其他優(yōu)化方法，來提高R波的檢測正確率。通過小波變換，不僅能夠減少工頻干擾、肌電干擾及基線漂移等噪聲對信號質量的影響，同時能很好地描述ECG各個波的特點。針對ECG信號的個體差異性和時間差異性，可以使用浮動閾值和多標準判定來解決，

54、以減少漏判和誤判的發(fā)生，提高檢測的可靠性。采用小波變換檢測ECG信號的缺點是計算量大，當需要處理大量數據或有實時需求時效果不好。2.5.4人工智能法人工神經網絡可以用來學習或預先積累模式和經驗，然后加上合適的識別策略進行檢測。常見的有：結合主成分分析、小波分析、李亞普諾夫指數、卡爾曼濾波的基于神經網絡的方法，以及二級神經網絡23-26。人工智能法的ECG檢測是基于ECG知識庫的模式識別，即對ECG知識進行歸類、表達、存儲、搜索、比較，從而進行診斷。根據對心電知識的描述方法不同，ECG知識庫中的信息可分為AND/OR圖表達、一階謂詞邏輯、過程語義網、模糊邏輯等信息27 28。AND/OR圖表達和

55、一階謂詞邏輯利用形態(tài)學方面的知識，過程語義網用到語義學方面的知識和心電傳導系統(tǒng)。而模糊邏輯方法能能處理細微的變化，并且不需要增加規(guī)則。人工智能法是基于先驗知識的檢驗和分類。但是知識的積累由人工完成，容易受不同種類的復雜知識的影響。在進行特征分類時，選取的特征參量往往具有不規(guī)則性和模糊性，只用少數參量難以完整描述，若增加參量又會引入參量檢測誤差29。2.5.5其它數學方法1、數學形態(tài)學法Trahanias30提出了一種QRS波檢測的新方法，該方法是基于數學形態(tài)學的。其基本原理是先對ECG信號做形態(tài)學運算，再對待分析的信號進行QRS復合波檢測，其核心就是對ECG信號進行波峰和波谷特征提取，顯著增強

56、QRS復合波，同時減弱其它波形。形態(tài)學運算把零幅度的水平線段稱為形態(tài)元素。通過計算形態(tài)元素來提取波峰波谷。由于QRS復合波具有陡峭的波峰波谷，同時其周圍不包含形態(tài)元素，因此能夠被有效地識別出來。形態(tài)學運算對ECG信號的波峰波谷的提取，顯著增強了QRS復合波，同時減弱了其它波形（P波、T波、基線偏移波）3132 ，有效地去除了干擾。在決策時，運用正負幅度閾值來定位QRS主波。結構元素的寬帶、信號采樣率等因素決定了此算法的檢測效率。用形態(tài)學方法來檢測QRS波，能夠較好地去除ECG信號中所包含的基線漂移噪聲等低頻干擾，但是容易受工頻干擾等高頻噪聲的影響。2、隱馬爾可夫模型法隱馬爾可夫模型本質上是一種

57、隨機的非確定性的有限狀態(tài)自動機，使用轉化可能性的大小來描述其狀態(tài)變換，且可以遞歸地構造。該方法可對ECG精準建模，接著進行句法分析，進而識別ECG的各子模式：P波、QRS復合波、T波。隱馬爾可夫模型法建模不需要先驗知識就可以遞歸地構造，可把ECG信號轉換成初始符號串，對難以識別的子模式實施模糊判定。但其建模訓練過程隱藏，無法得知模型的學習程度3334。2.6 MIT-BIH標準心律失常數據庫介紹MIT-BIH心律失常數據庫是目前全球應用最廣泛的心電數據庫，是美國麻省理工學院在1980年提出的心律失常數據。該數據庫中包含了大量的典型心電數據，非常適用于心電信號檢測算法的研究。MIT-BIH心律失常數據庫中共有48個典型病例的ECG記錄和概述，取自于47個個體，其中201記錄和202記錄來源于同一個個體。這47個個體的年齡從23歲到89歲不等，其中大部分為住院病人。MIT-BI