一種心電信號預分析的方法
【專利摘要】本發明屬于生物信號與智能處理領域，尤其涉及一種心電信號預分析的方法，具體步驟：將完成濾波處理的心電信號數據通過基于窗口閾值算法檢測出R波，并進行心率變異性分析；將處理完的數據在自定義的控件顯示出來，并標記處R點、標記QRS點、計算參數等；對患者采集的心電數據進行篩選，保存質量較好的波形，減少一些波形質量不好的心電數據在醫患間的傳輸，在患者和醫生之間作為協調中樞，為后續醫生診斷提供基礎，最終將波形質量較好的數據同樣通過社交軟件發送到醫生端。本發明的有益效果：實現簡單，計算量少，結果直觀方便查看，能有效對患者采集的心電數據進行篩選，減少一些波形質量不好的心電數據在醫患間的傳輸。
【專利說明】
_種心電信號預分析的方法
技術領域
[0001] 本發明屬于生物信號與智能處理，尤其涉及一種心電信號預分析的方法。
【背景技術】
[0002] 人體心電信號是一種弱電信號，攜帶人體機能信息的生理信號總是通過復雜的模 式混合在一起，會受到多種噪聲的干擾，信噪比低。而實際生活中，人們需要獲取精準的生 理信息作為中間結果，分析產生生理信號的信號源的功能狀態。其中，E C G (Electrocardiogram，心電圖）信號的R波檢測方法屬于心電信號處理，ECG信號是心肌的電 活動在體表的表現，它幾乎是一個周期信號，QRS波是心電圖ECG(Eletr 〇Cardi〇gram)信號 的主要特征，因此在Indian信號最重要的是檢測出QRS波，這是因為只有在確定QRS波群后 下才能計算心率、檢測心率變異，并進一步檢測心電信號的其他細節。因此，去除心電信號 采集過程中的產生的噪聲，獲取有效的心電信號后檢測并定位心電信號的R波波峰位置并 進行進心率變異性分析，為后續醫生的診斷提供基礎。

【發明內容】

[0003] 為要解決的上述問題，本發明提供一種心電信號預分析的方法。
[0004] 本發明的技術方案:一種心電信號預分析的方法，其特征在于具體步驟如下：
[0005] 步驟1:將完成濾波處理的心電信號數據通過基于窗口閾值算法檢測出R波，并進 行心率變異性分析；
[0006] 步驟2:將處理完的數據在自定義的控件顯示出來，并標記處R點、標記QRS點、計算 參數等；
[0007] 步驟3:對患者采集的心電數據進行篩選，保存質量較好的波形，減少一些波形質 量不好的心電數據在醫患間的傳輸，在患者和醫生之間作為協調中樞，為后續醫生診斷提 供基礎，最終將波形質量較好的數據同樣通過社交軟件發送到醫生端。
[0008] 于步驟1中基于窗口閾值算法檢測出R波的具體步驟如下：
[0009] 步驟A:確定參考閾值
[001 0]窗口大小的閾值根據心率和采樣率進行推算，公式如下 [0011]
[0012] 式中，HR表示心率，SR表示采樣率，d表示窗口大小，k為系數；
[0013] 峰值點到下坡開始第一個點的高度差和斜率，采用比較的參考閾值中高度 hdownslope是通過R_S尚度進彳丁推算，斜率kdoenslope是通過R_S斜率進彳丁推算；
[0014] 步驟B:自適應改變閾值
[0015] 在確定R點高度參考閾值，需要根據心電波形的變化對參考閾值進行自適應的改 變。R波的高度自適應改變的公式
[0016] hR'=0.7*hR+0.3*|data[RtemP[RWave count-l]] |
[0017] 式中，hR，表示自適應改變的高度閾值，hR表示當前的R波高度，數組心_表示存放R 波位置的臨時列表，RWave_nt表示存放R波位置臨時表中R波的數量，Rte?P [ RWave_nt-l ]則 表示上一個R波位置，數據data表示心電信號數據，<*你|_尺,.",,,-_l]j則表示上一個R 點的高度；
[0018] 步驟C:判斷是否為R點
[0019] 在單窗口中對心電波形R點判斷，首先從坡地開始遍歷心電信號數據，判斷當前是 否處于爬坡過程。當開始出現下坡過程時，需要判斷峰值點到下坡開始第一個點的高度差 和斜率是否大于參考閾值尚度hdownskpe和斜率kdoenslope，若大于參考閾值，則可判斷當前峰 值點為R點并存儲到R點臨時列表中，若小于參考閾值需要繼續遍歷。
[0020] 步驟D:去除干擾波形
[0021] 對于R點臨時表中的數據需要進一步的篩選去除干擾波形。將峰值高度和坡地到 峰值的斜率分別與其R點高度和坡地到R點斜率的參考閾值相比較，若滿足則判定為R點，若 不滿足則為干擾波形。
[0022] 步驟1中心電變異性分析包括時域分析方法中的NN間期直方圖和非線性分析方法 中的Lorenz散點圖。
[0023] 步驟A中窗口大小的閾值根據心率和采樣率進行推算的具體如下：正常成年人的 心率大約59-80次/分鐘，比如取平均心率為70次/分鐘，則單個波形的周期約為0.857s，假 設心電信號采集器的采樣率是360Hz，則單個波形的采樣點約為308個；由于波形測量開始 階段不能保證第一個波形為完整的單波波形，假設取k等于2/3,即單波采樣點大小的2/3為 窗口大小，因此窗口大小約為200;
[0024] 步驟A中的NN間期直方圖和非線性分析方法中的Lorenz散點圖具體如下：
[0025] NN間期直方圖是在一定時間內統計出的NN間期的分布圖，橫坐標以一定的采樣間 隔劃分，統計不同的NN間期的心搏個數。NN間期直方圖的橫坐標是NN間期的長度，單位為 ms，縱坐標是心搏個數;NN間期直方圖的形狀與使用的采樣間隔有關，一般采用1/128S作為 橫坐標采樣的間隔標準；
[0026] Lorenz散點圖，也就是RR間期散點圖，主要用來反映相鄰RR間期的變化，在二維的 直角坐標系中標記相鄰RR間期數據位置的點圖。
[0027]本發明的有益效果:實現簡單，計算量少，對患者采集的心電數據進行篩選，減少 一些波形質量不好的心電數據在醫患間的傳輸。
【附圖說明】
[0028]圖1為采用MIT心律失常數據庫中104號和105號部分心電波形圖。
[0029]圖2為采用MIT心律失常數據庫中100號、103號、113號和115號的NN間期直方圖。 [0030] 圖3為選取MIT心律失常數據庫中100號、103號、113號和115號的Lorenz散點圖。
【具體實施方式】
[0031]下面結合附圖對本發明的一種【具體實施方式】做出說明。
[0032] -種心電信號預分析的方法，其特征在于具體步驟如下：
[0033]步驟1:將完成濾波處理的心電信號數據通過基于窗口閾值算法檢測出R波，并進 行心率變異性分析；
[0034] 步驟2:將處理完的數據在自定義的控件顯示出來，并標記處R點、標記QRS點、計算 參數等；
[0035] 步驟3:對患者采集的心電數據進行篩選，保存質量較好的波形，減少一些波形質 量不好的心電數據在醫患間的傳輸，在患者和醫生之間作為協調中樞，為后續醫生診斷提 供基礎，最終將波形質量較好的數據同樣通過社交軟件發送到醫生端。
[0036] 步驟1中基于窗口閾值算法檢測出R波的具體步驟如下：
[0037] 步驟A:確定參考閾值
[0038] 窗口大小的閾值根據心率和采樣率進行推算，公式如下
[0039]
[0040] 式中，HR表示心率，SR表示采樣率，d表示窗口大小，k為系數；
[0041]峰值點到下坡開始第一個點的高度差和斜率，采用比較的參考閾值中高度 hdownslope是通過R_S尚度進彳丁推算，斜率kdoenslope是通過R_S斜率進彳丁推算；
[0042]表1采用MIT-BIH中數據對窗口閾值算法的R波檢測方法進行測試數據。
[0043]
[0044]表1為采用MIT-BIH中數據對窗口閾值算法的R波檢測方法進行測試數據，表中標 準列表示MIT數據中已標記出正確的R點個數，自測列表示采用基于窗口閾值算法識別出的 R點個數，正確列表示基于窗口閾值算法識別出的R點和已標出正確R點位置相同，未識別列 表示沒有識別出的標準R點位置，誤判列表示判斷錯誤的R點位置，正確率列表示識別R波的 正確率。在采用基于窗口閾值算法識別R點中，編號100、101、103、111、112、113、115正確識 別率達到99%，編號102、107、109、114正確識別率到達98%。編號104、105、106、108數據1?點 識別正確率相對較低，主要是由于噪聲干擾和校驗使用標記R點標準數據中存在其他特征 點的影響。對于未識別出的R點，主要是噪聲干擾和非R點的特殊點的影響。
[0045]圖1為米用MIT心律失常數據庫中104號和105號部分心電波形圖，圓點標記點表不 自動識別的R波位置，方框是MIT數據中標記出的點，但使用該算法并未識別出來。其中（a) 中104號部分心電波形明顯受到噪聲干擾，從而影響識別R點的判斷，這樣的波形受到噪聲 干擾太大，通常也不能作為臨床分析。圖（b)中105號部分心電波形中，藍色方框標記的并非 R波，同樣也造成了 R波的未識別。因此，排除噪聲干擾和校驗使用標記R點標準數據中存在 其他特征點的影響，表明基于窗口閾值算法的R波檢測具有較高的識別正確率，有實際應用 的價值。
[0046] 步驟B:自適應改變閾值
[0047] 在確定R點高度參考閾值，需要根據心電波形的變化對參考閾值進行自適應的改 變。R波的高度自適應改變的公式
[0048] hir =0.7*hR+0.3*| data[RtemP[RWave cmmfl]] |
[0049] 式中，hR，表示自適應改變的高度閾值，hR表示當前的R波高度，數組心_表示存放R 波位置的臨時列表，RWave_nt表示存放R波位置臨時表中R波的數量，Rte?P [ RWave_nt-l ]則 表示上一個R波位置，數據data表示心電信號數據，- l||則表示上一個R 點的高度；
[0050] 步驟C:判斷是否為R點
[0051] 在單窗口中對心電波形R點判斷，首先從坡地開始遍歷心電信號數據，判斷當前是 否處于爬坡過程。當開始出現下坡過程時，需要判斷峰值點到下坡開始第一個點的高度差 和斜率是否大于參考閾值尚度hdownskpe和斜率kdoenslope，若大于參考閾值，則可判斷當前峰 值點為R點并存儲到R點臨時列表中，若小于參考閾值需要繼續遍歷。
[0052]步驟D:去除干擾波形
[0053] 對于R點臨時表中的數據需要進一步的篩選去除干擾波形。將峰值高度和坡地到 峰值的斜率分別與其R點高度和坡地到R點斜率的參考閾值相比較，若滿足則判定為R點，若 不滿足則為干擾波形。
[0054] 步驟1中心電變異性分析包括時域分析方法中的NN間期直方圖和非線性分析方法 中的Lorenz散點圖。
[0055] 步驟A中窗口大小的閾值根據心率和采樣率進行推算的具體如下：正常成年人的 心率大約59-80次/分鐘，比如取平均心率為70次/分鐘，則單個波形的周期約為0.857s，假 設心電信號采集器的采樣率是360Hz，則單個波形的采樣點約為308個；由于波形測量開始 階段不能保證第一個波形為完整的單波波形，假設取k等于2/3,即單波采樣點大小的2/3為 窗口大小，因此窗口大小約為200;
[0056] 步驟A中的NN間期直方圖和非線性分析方法中的Lorenz散點圖具體如下：
[0057] NN間期直方圖是在一定時間內統計出的NN間期的分布圖，橫坐標以一定的采樣間 隔劃分，統計不同的NN間期的心搏個數。NN間期直方圖的橫坐標是NN間期的長度，單位為 ms，縱坐標是心搏個數;NN間期直方圖的形狀與使用的采樣間隔有關，一般采用1/128S作為 橫坐標采樣的間隔標準；
[0058] NN間期直方圖一般用來識別自重神經是否受損，正常人由于晝夜平均心率的差異 較大，NN間期直方圖常常表現為多峰形狀，整個直方圖的形狀矮而胖，NN間期的數值分布較 廣，相應的心率變異率大。而自主神經受損的病人NN間期直方圖多呈單峰形狀，直方圖窄而 高，NN間期的變化很小，心率變異率小，圖2為采用MIT心律失常數據庫中100號、103號、113 號和115號的NN間期直方圖。
[0059] Lorenz散點圖，也就是RR間期散點圖，主要用來反映相鄰RR間期的變化，在二維的 直角坐標系中標記相鄰RR間期數據位置的點圖。
[0060] 根據Lorenz散點圖的大小及形狀可以估計HRV的大小及心率變化的規律，按照RR 間期長度差異，一般可分為彗星狀、魚雷狀、短棒狀、扇狀和復雜形五種圖形。彗星狀形態頭 小尾大(頭端指向零點坐標），散點大多集中在斜率為1的直線附近，表明正常人相鄰的RR間 期大致相等，圍著斜率為1的直線散開，反映有竇性心律不齊現象。魚雷狀短小呈頭端略大， 尾端不增寬，表明了交感神經活性較強而迷走神經活性所占比例較少。短棒狀形態短小，呈 頭尾一致短棒狀，表明交感神經和迷走神經張力都降低，HRV小。扇狀形態如扇形，表明了心 率緩慢是，快速變化仍增大。復雜性散點圖呈多簇分散，形態互異的點區域構成了復雜狀的 圖形，圖3為選取MIT心律失常數據庫中100號、103號、113號和115號的Lorenz散點圖。
[0061] 正常人RR間期的散點圖呈彗星狀，若散點圖呈魚雷狀、短棒狀、扇形等表明HRV明 顯降低，臨床表現為急性心肌梗塞、甲狀腺功能亢進。
[0062] 以上對本發明的一個實例進行了詳細說明，但所述內容僅為本發明的較佳實施 例，不能被認為用于限定本發明的實施范圍。凡依本發明申請范圍所作的均等變化與改進 等，均應仍歸屬于本發明的專利涵蓋范圍之內。
【主權項】
1. 一種心電信號預分析的方法，其特征在于具體步驟如下： 步驟1:將完成濾波處理的心電信號數據通過基于窗口閾值算法檢測出R波，并進行心 率變異性分析； 步驟2:將處理完的數據在自定義的控件顯示出來，并標記處R點、標記QRS點、計算參數 等； 步驟3:對患者采集的心電數據進行篩選，保存質量較好的波形，減少一些波形質量不 好的心電數據在醫患間的傳輸，在患者和醫生之間作為協調中樞，為后續醫生診斷提供基 礎，最終將波形質量較好的數據同樣通過社交軟件發送到醫生端。2. 根據權利要求1所述的一種心電信號預分析的方法，其特征在于步驟1中基于窗口閾 值算法檢測出R波的具體步驟如下： 步驟A:確定參考閾值 窗口大小的閾值根據心率和采樣率進行推算，公式如下式中，HR表示心率，SR表示采樣率，d表示窗口大小，k為系數； 峰值點到下坡開始第一個點的高度差和斜率，采用比較的參考閾值中高度hd_slcipe3是 通過R-S尚度進彳丁推算，斜率kdoenslope是通過R-S斜率進彳丁推算； 步驟B:自適應改變閾值 在確定R點高度參考閾值，需要根據心電波形的變化對參考閾值進行自適應的改變。R 波的高度自適應改變的公式 hR7 = 0.7*hR+0.3* I data [Rtemp [Rffave count- I]] 式中，W表示自適應改變的高度閾值，hR表示當前的R波高度，數組1^_表示存放R波位 置的臨時列表，RWaveraunt表示存放R波位置臨時表中R波的數量，Rte3mp [RWave_nt-l ]則表示 上一個R波位置，數據data表示心電信號數據，ifotel/?,.,,,,,,,|>?的-l]j則表示上一個R點的 高度； 步驟C:判斷是否為R點 在單窗口中對心電波形R點判斷，首先從坡地開始遍歷心電信號數據，判斷當前是否處 于爬坡過程。當開始出現下坡過程時，需要判斷峰值點到下坡開始第一個點的高度差和斜 率是否大于參考閾值高度hcbwnsl。％和斜率kd_ slc)Pe3,若大于參考閾值，則可判斷當前峰值點 為R點并存儲到R點臨時列表中，若小于參考閾值需要繼續遍歷。 步驟D:去除干擾波形 對于R點臨時表中的數據需要進一步的篩選去除干擾波形。將峰值高度和坡地到峰值 的斜率分別與其R點高度和坡地到R點斜率的參考閾值相比較，若滿足則判定為R點，若不滿 足則為干擾波形。3. 根據權利要求1所述的一種心電信號預分析的方法，其特征在于步驟1中心電變異性 分析包括時域分析方法中的NN間期直方圖和非線性分析方法中的Lorenz散點圖。4. 根據權利要求2所述的一種心電信號預分析的方法，其特征在于步驟A中窗口大小的 閾值根據心率和采樣率進行推算的具體如下：正常成年人的心率大約59-80次/分鐘，比如 取平均心率為70次/分鐘，則單個波形的周期約為0.857s，假設心電信號采集器的采樣率是 360Hz，則單個波形的采樣點約為308個；由于波形測量開始階段不能保證第一個波形為完 整的單波波形，假設取k等于2/3，即單波采樣點大小的2/3為窗口大小，因此窗口大小約為 200 〇5.根據權利要求3所述的一種心電信號預分析的方法，其特征在于步驟A中的NN間期直 方圖和非線性分析方法中的Lorenz散點圖具體如下： NN間期直方圖是在一定時間內統計出的NN間期的分布圖，橫坐標以一定的采樣間隔劃 分，統計不同的NN間期的心搏個數。NN間期直方圖的橫坐標是NN間期的長度，單位為ms，縱 坐標是心搏個數;NN間期直方圖的形狀與使用的采樣間隔有關，一般采用1/128S作為橫坐 標采樣的間隔標準； Lorenz散點圖，也就是RR間期散點圖，主要用來反映相鄰RR間期的變化，在二維的直角 坐標系中標記相鄰RR間期數據位置的點圖。
【文檔編號】A61B5/0472GK105997054SQ201610485834
【公開日】2016年10月12日
【申請日】2016年6月22日
【發明人】鄭剛, 戴敏, 陳彥會
【申請人】天津理工大學