基于Pan-Tompkins的運(yùn)動(dòng)心電QRS波群實(shí)時(shí)檢測(cè)的研究

蘇志同，吳瓊瓊

?

基于Pan-Tompkins的運(yùn)動(dòng)心電QRS波群實(shí)時(shí)檢測(cè)的研究

蘇志同，吳瓊瓊

（北方工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，北京 100144）

對(duì)處于運(yùn)動(dòng)狀態(tài)的人進(jìn)行實(shí)時(shí)心電檢測(cè)，及時(shí)了解心臟狀況，可以很大程度上減少人們由于心臟疾病引發(fā)的死亡。QRS波群的實(shí)時(shí)檢測(cè)是運(yùn)動(dòng)心電分析過(guò)程中的重要研究?jī)?nèi)容，檢測(cè)正確的QRS波群或R峰值是心電圖測(cè)量的重要指標(biāo)。本文利用Pan-Tompkins算法對(duì)運(yùn)動(dòng)心電數(shù)據(jù)進(jìn)行QRS波群的實(shí)時(shí)檢測(cè)，結(jié)果表明，該方法適合實(shí)際應(yīng)用。

運(yùn)動(dòng)心電；QRS波群；Pan-Tompkins算法

0 引言

目前，心腦血管疾病仍舊是危害人類(lèi)生命健康的主要疾病之一[1]。尤其是在運(yùn)動(dòng)過(guò)程中，人們必須經(jīng)常性的關(guān)注自己的心電狀況，適當(dāng)?shù)恼{(diào)整運(yùn)動(dòng)量，避免運(yùn)動(dòng)過(guò)量造成身體的不適甚至猝死等特別嚴(yán)重的后果。心電圖是臨床上檢測(cè)心臟疾病的重要手段，由于心電圖檢查簡(jiǎn)單、準(zhǔn)確、快速、無(wú)創(chuàng)，所以心電圖（ECG）對(duì)于心臟疾病的診斷有著非常重要的意義。對(duì)于心電圖的分析一般都是事后進(jìn)行分析，不能達(dá)到實(shí)時(shí)診斷的要求，也達(dá)不到預(yù)警的目的。在移動(dòng)醫(yī)療科技水平迅速發(fā)展的條件下，對(duì)人的運(yùn)動(dòng)心電狀況進(jìn)行實(shí)時(shí)檢測(cè)，分析心電變化趨勢(shì)，能夠?qū)ξ磥?lái)用戶(hù)身體狀況進(jìn)行預(yù)測(cè)。

心電圖（ECG）信號(hào)是通過(guò)測(cè)量來(lái)自心臟肌肉活動(dòng)而產(chǎn)生的電信號(hào)。它是一種非侵入性的儀器，由于心電圖的這一特性，它被廣泛用于心血管疾病的診斷。它也是生物醫(yī)學(xué)信號(hào)處理領(lǐng)域最受歡迎的研究領(lǐng)域之一，其應(yīng)用范圍從自動(dòng)檢測(cè)心律失 常[2-4]，睡眠呼吸暫停[5,6]到心理應(yīng)激[7,8]。在自動(dòng)心電信號(hào)處理中，研究的主要課題之一是QRS波群檢測(cè)。檢測(cè)正確的QRS波群或R峰值很重要，因?yàn)樗怯脕?lái)測(cè)量其他ECG指標(biāo)的，如RR間隔，QRS寬度和心率變異性（HRV）。這些度量標(biāo)準(zhǔn)通常用作ECG分類(lèi)的特征。

1 QRS波形檢測(cè)

QRS波群檢測(cè)和特征提取是心電圖自動(dòng)分析的關(guān)鍵步驟，直接影響心臟疾病檢測(cè)和診斷的準(zhǔn)確性以及可靠性。由于QRS波群振幅大，占的時(shí)間比較短，只有QRS波群的位置確立以后才可以分析心電圖的其他波形，所以QRS波群位置的確定成了ECG檢測(cè)的重要環(huán)節(jié)。

目前，QRS波形檢測(cè)方法都是針對(duì)靜態(tài)或動(dòng)態(tài)心電進(jìn)行檢測(cè)，方法很多，如小波變換、神經(jīng)網(wǎng)絡(luò)、模板匹配等方法。小波變換具有時(shí)域和頻域特性，算法檢測(cè)的準(zhǔn)確度相對(duì)很高，但是小波變換的計(jì)算復(fù)雜度很大，不適合處理實(shí)時(shí)的心電數(shù)據(jù)。雖然神經(jīng)網(wǎng)絡(luò)能夠很好的識(shí)別QRS波群，但是由于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間比較長(zhǎng)，難以在現(xiàn)實(shí)生活中得以實(shí)際應(yīng)用。模板匹配法雖然原理簡(jiǎn)單，但容易受到高頻噪聲和基線(xiàn)漂移的干擾。以上的幾種方法都有各自的優(yōu)點(diǎn)和缺點(diǎn)，相比較Pan-Tompkins算法檢測(cè)效果和實(shí)時(shí)性比較好，在實(shí)際應(yīng)用中可以被采用。

Pan-Tompkins是Pan和Willis J. Jiapu Tompkins提出的一種算法[9]，可以用來(lái)實(shí)時(shí)檢測(cè)心電圖的QRS波群。該算法在檢測(cè)QRS波群方面具有良好的性能，并且可以應(yīng)用于移動(dòng)應(yīng)用。所以，針對(duì)在實(shí)時(shí)遠(yuǎn)程運(yùn)動(dòng)心電監(jiān)護(hù)系統(tǒng)中QRS波的實(shí)時(shí)檢測(cè)分析問(wèn)題，本文利用Pan-Tompkins算法對(duì)運(yùn)動(dòng)心電數(shù)據(jù)進(jìn)行QRS波群的實(shí)時(shí)檢測(cè)。具體步驟如圖1所示。

圖1 QRS波群檢測(cè)步驟

1.1 數(shù)據(jù)預(yù)處理

心電信號(hào)非常微弱，容易受到環(huán)境的影響。心電在采集的過(guò)程當(dāng)中會(huì)受到各種各樣的噪聲干擾，尤其是運(yùn)動(dòng)心電信號(hào)，運(yùn)動(dòng)時(shí)的呼吸、肌肉的抖動(dòng)、甚至出汗都會(huì)增加很多噪聲的干擾。運(yùn)動(dòng)心電的噪聲主要有三種類(lèi)型：工頻干擾、肌電干擾、基線(xiàn)漂移。在QRS波群的檢測(cè)中，心電去噪是十分重要的。結(jié)合去噪的效果和實(shí)時(shí)性，采用級(jí)聯(lián)低通和高通濾波器組成的帶通濾波器去除原始運(yùn)動(dòng)心電信號(hào)中的噪聲。

低通濾波器：低通濾波器用于降低工頻干擾和T波干擾，該濾波器的差分方程為：

截止頻率約為11Hz，增益為36。

高通濾波器：高通濾波器的設(shè)計(jì)基于從全通濾波器（即，原始信號(hào)中的采樣）中減去一階低通濾波器的輸出。這種高通濾波器用于減少肌電干擾和基線(xiàn)漂移。該濾波器的差分方程為：

該濾波器的低截止頻率約為5 Hz，即增益是32。

1.2 獲取QRS波群的斜率信息

在濾波之后，采用具有傳遞函數(shù)的五點(diǎn)微分函數(shù)，放大QRS波的斜率信息，以便區(qū)分QRS波群。五點(diǎn)微分函數(shù)的差分方程為：

1.3 增強(qiáng)頻率響應(yīng)曲線(xiàn)的斜率

微分后，信號(hào)逐點(diǎn)平方，這個(gè)操作公式為：

該步驟使用非線(xiàn)性平方函數(shù)，使得所有數(shù)據(jù)點(diǎn)都為正。對(duì)微分后的輸出進(jìn)行非線(xiàn)性放大，以增強(qiáng)微分后頻率響應(yīng)曲線(xiàn)的斜率，并且有助于限制由高于平常光譜能量的T波引起的誤差。

1.4 獲得波形特征信息

信號(hào)逐點(diǎn)平方后，進(jìn)行移動(dòng)窗口積分。目的是除了獲得R波的斜率外，還可以獲得波形的其他特征信息。移動(dòng)窗口積分器產(chǎn)生一個(gè)信號(hào)，其中包含QRS波群的斜率和寬度的信息。計(jì)算公式如下：

其中是積分窗口寬度中的樣本數(shù)，窗口的寬度應(yīng)盡可能和QRS波群寬度大致相同。如果窗口太寬，積分波形會(huì)將QRS波群和T波合并在一起。如果它太窄，一些QRS波群將在積分波形中產(chǎn)生多個(gè)峰值。這將對(duì)QRS波群的檢測(cè)過(guò)程造成困難。

1.5 自適應(yīng)閾值，檢測(cè)QRS波群的位置

QRS波群對(duì)應(yīng)積分波形的上升沿。上升沿的持續(xù)時(shí)間等于QRS波群的寬度。QRS波群的時(shí)間位置的基準(zhǔn)標(biāo)記可以根據(jù)待標(biāo)記的期望波形特征（例如R波的最大斜率或峰值）從該上升邊緣確定。閾值會(huì)自動(dòng)調(diào)整以漂浮在噪聲上。由于帶通濾波器改善了信噪比，所以可能出現(xiàn)低閾值。我們使用兩組閾值來(lái)檢測(cè)QRS波群，兩個(gè)閾值中的較高值用于信號(hào)的第一次分析。如果在特定的時(shí)間間隔內(nèi)未檢測(cè)到QRS，則使用較低的閾值。對(duì)于QRS波群檢測(cè)來(lái)說(shuō)，搜索回溯技術(shù)是必要的。

最初應(yīng)用于積分波形的一組閾值是從下面公式計(jì)算出來(lái)的：

NPKI是噪聲峰值

SPKI是信號(hào)峰值

THRESHOLD I1是較高閾值

THRESHOLD I2是較低閾值

2 實(shí)驗(yàn)結(jié)果

在這次實(shí)驗(yàn)中，我們使用兩種類(lèi)型的心電數(shù)據(jù)。第一種是MIT-BIT的心率失常數(shù)據(jù)庫(kù)，第二種是麥邦運(yùn)動(dòng)心電監(jiān)測(cè)設(shè)備所采集的心電數(shù)據(jù)。第一種數(shù)據(jù)是用來(lái)進(jìn)行測(cè)試以及驗(yàn)證該算法的正確性，第二種數(shù)據(jù)是用來(lái)觀察該算法的實(shí)用性。

對(duì)MIT-BIT數(shù)據(jù)庫(kù)中的一些病例進(jìn)行了QRS波群的檢測(cè)，該方法的檢測(cè)效果很好，整體準(zhǔn)確率達(dá)到92.5%，其中對(duì)于107、205、217號(hào)數(shù)據(jù)，漏檢的數(shù)量比較多，原因是因?yàn)檫@幾組數(shù)據(jù)中夾雜了嚴(yán)重的偽差，導(dǎo)致QRS波形嚴(yán)重失真，于是造成了漏檢的情況。檢測(cè)的結(jié)果如表1所示。

表1 MIT-BIT數(shù)據(jù)庫(kù)QRS波群檢測(cè)結(jié)果

Tab.1 Detection results of QRS complexes in MIT_BIH database

此外，根據(jù)該算法對(duì)麥邦運(yùn)動(dòng)心電監(jiān)測(cè)設(shè)備所采集的心電數(shù)據(jù)進(jìn)行測(cè)試，同樣取得了很好的檢測(cè)效果，證明該算法對(duì)運(yùn)動(dòng)心電QRS波群的檢測(cè)具有可靠性以及有效性。

根據(jù)Pan-Tompkins算法，經(jīng)過(guò)級(jí)聯(lián)低通高通濾波器、微分、平方、移動(dòng)窗口積分處理后，得到與QRS波群一致的波形特征，如圖2所示。算法在MATLAB上實(shí)現(xiàn)的，同一窗口（figure）顯示六塊圖形，分為三行兩列。從左到右，由上至下依次為：原始信號(hào)、低通濾波后信號(hào)、高通濾波后信號(hào)、微分后信號(hào)、平方后信號(hào)、移動(dòng)窗口積分后信號(hào)。

圖2 處理后波形

自適應(yīng)閾值調(diào)節(jié)后，能夠準(zhǔn)確地區(qū)分QRS波群的位置。QRS波群特征點(diǎn)檢測(cè)結(jié)果如圖3所示。在圖3中，紫色標(biāo)記的為Q點(diǎn)的位置，R峰由紅色進(jìn)行標(biāo)記，綠色標(biāo)記的為S點(diǎn)的位置。

圖3 QRS波群檢測(cè)結(jié)果

3 結(jié)論

本文提出使用Pan-Tompkins算法對(duì)運(yùn)動(dòng)心電QRS波群進(jìn)行實(shí)時(shí)檢測(cè)。該算法利用斜率、振幅和寬度信息可靠地檢測(cè)QRS波群。帶通濾波器對(duì)信號(hào)進(jìn)行預(yù)處理以減少干擾，允許使用低振幅閾值以獲得高檢測(cè)靈敏度。在算法中，采用雙閾值技術(shù)和搜索回溯技術(shù)進(jìn)行漏檢，該算法周期性地自動(dòng)適應(yīng)每個(gè)閾值和RR區(qū)間限制。實(shí)驗(yàn)說(shuō)明，Pan-Tompkins算法可以在運(yùn)動(dòng)心電QRS波群檢測(cè)中運(yùn)用，并且計(jì)算量很小，適合于實(shí)時(shí)應(yīng)用。

[1] 郭文靈, 顧建軍. 移動(dòng)心電監(jiān)護(hù)系統(tǒng)的心電圖實(shí)時(shí)分析算法[J]. 計(jì)算機(jī)仿真, 2014 (2014年09): 272-276.

[2] De Chazal P, O'Dwyer M, Reilly R B. Automatic classification of heartbeats using ECG morphology and heartbeat interval features[J]. IEEE transactions on biomedical engineering, 2004, 51(7): 1196-1206.

[3] Luz E J S, Schwartz W R, Cámara-Chávez G, et al. ECG-based heartbeat classification for arrhythmia detection: A survey[J]. Computer methods and programs in biomedicine, 2016, 127: 144-164.

[4] Escalona-Morán M A, Soriano M C, Fischer I, et al. Electrocardiogram classification using reservoir computing with logistic regression[J]. IEEE journal of biomedical and health informatics, 2015, 19(3): 892-898.

[5] Hassan A R, Haque M A. Computer-aided obstructive sleep apnea screening from single-lead electrocardiogram using statistical and spectral features and bootstrap aggregating[J]. Biocybernetics and Biomedical Engineering, 2016, 36(1): 256-266.

[6] Hassan A R, Haque M A. An expert system for automated identification of obstructive sleep apnea from single-lead ECG using random under sampling boosting[J]. Neurocomputing, 2017, 235: 122-130.

[7] Lampert R. ECG signatures of psychological stress[J]. Journal of electrocardiology, 2015, 48(6): 1000-1005.

[8] Han, Lu, et al. "Detecting work-related stress with a wearable device." Computers in Industry 90 (2017): 42-49.

[9] Pan J, Tompkins W J. A real-time QRS detection algorithm [J]. IEEE transactions on biomedical engineering, 1985 (3): 230-236.

[10] Gradl S, Kugler P, Lohmüller C, et al. Real-time ECG monitoring and arrhythmia detection using Android-based mobile devices[C]//Engineering in Medicine and Biology Society (EMBC), 2012 Annual International Conference of the IEEE. IEEE, 2012: 2452-2455.

[11] Rizqyawan M I, Simbolon A I, Suhendra M A, et al. Mobile/android application for QRS detection using zero cross method[C]//Journal of Physics: Conference Series. IOP Publishing, 2018, 978(1): 012048.

[12] 王利琴, 顧軍華, 梁志剛. 一種實(shí)時(shí)魯棒的 QRS 波群檢測(cè)算法[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2013, 30(12): 325-328.

Real-time QRS Complexes Detection of Exercise ECG Based on Pan-Tompkins

SU Zhi-tong, WU Qiong-qiong

(Computer Institute of North China University of Technology, Beijing 100144, China)

Real-time electrocardiographic testing of people who are in motion, and timely understanding of the heart condition, can greatly reduce the number of deaths due to heart disease. The real-time detection of QRS complexes is an important research content in the exercise ECG analysis. Detecting the correct QRS complex or R-peak is an important indicator of ECG measurement. In this paper, we use the Pan-Tompkins algorithm to detect QRS complexes in exercise ECG data. The results show that this method is suitable for practical applications.

Exercise ECG; QRS complexes; Pan-Tompkins algorithm

TP391

A

10.3969/j.issn.1003-6970.2018.08.039

蘇志同(1963-)，男，教授，主要研究方向：計(jì)算機(jī)網(wǎng)絡(luò)；吳瓊瓊（1991-），女，研究生，主要研究方向：數(shù)據(jù)挖掘。

本文著錄格式：蘇志同，吳瓊瓊. 基于Pan-Tompkins的運(yùn)動(dòng)心電QRS波群實(shí)時(shí)檢測(cè)的研究[J]. 軟件，2018，39（8）：188-191