心電信號(hào)QRS波檢測(cè)算法的設(shè)計(jì)與仿真

王海英 王遠(yuǎn)遠(yuǎn) 姚之琳

摘 要：心電信號(hào)的檢測(cè)是心電圖分析和診斷的基礎(chǔ)，在心電信號(hào)的分析中，快速準(zhǔn)確地檢出QRS波群是非常重要，它是計(jì)算相關(guān)參數(shù)和診斷的前提。針對(duì)傳統(tǒng)心電檢測(cè)算法實(shí)時(shí)性差、錯(cuò)檢漏檢率高的問(wèn)題，研究設(shè)計(jì)出正反雙向自適應(yīng)差分閾值檢測(cè)算法，并增加R波錯(cuò)檢漏檢補(bǔ)償算法。經(jīng)過(guò)美國(guó)麻省理工學(xué)院的MIT-BIH心律失常數(shù)據(jù)庫(kù)驗(yàn)證，檢測(cè)的準(zhǔn)確率達(dá)99%以上。實(shí)驗(yàn)結(jié)果表明，算法簡(jiǎn)單有效、準(zhǔn)確率高，適合實(shí)際的應(yīng)用。

關(guān)鍵詞：心電信號(hào);QRS波群;雙向自適應(yīng);差分閾值法;R波補(bǔ)償算法

DOI：10.15938/j.jhust.2019.04.014

中圖分類(lèi)號(hào)： TP393

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1007-2683（2019）04-0084-05

Abstract：Detection of ECG（electrocardiogram） signals is the basis of ECG analysis and diagnosis. In the analysis of ECG signals， it is very important to quickly and accurately detect QRS complexes. It is a prerequisite for calculating relevant parameters and diagnosis. Considering the poor real-time performance and high error detection rate of conventional ECG detection algorithms， this paper designs a forward and reverse bidirectional adaptive differential threshold detection algorithm， and increases the R-wave misdetection miss detection compensation algorithm. The algorithm is validated by the Massachusetts Institute of Technology's MIT-BIH arrhythmia database， and the detection accuracy rate is over 99%. The experimental results show that the method is simple， effective， accurate and suitable for practical applications.

Keywords：electrocardiogram signal; QRS complex; bidirectional adaptive; differential threshold method; R wave compensation algorithm

0 引 言

近年來(lái)，在生物醫(yī)學(xué)信號(hào)處理方面，國(guó)內(nèi)外進(jìn)行了大量的研究和實(shí)驗(yàn)，特別是在從微弱的心電信號(hào)當(dāng)中濾除無(wú)用的干擾信號(hào)并提取有用的心電信號(hào)，從而幫助心血管疾病患者得到準(zhǔn)確的診斷方面取得了突破成果[1-2]。

一種合理有效的方法非常重要，在經(jīng)歷了漫長(zhǎng)的發(fā)展后，較為典型的有：數(shù)學(xué)模型法、模板匹配法、圖形識(shí)別法、小波變換法、神經(jīng)網(wǎng)絡(luò)法和差分閾值法等[3-4]。其中，差分閾值法結(jié)構(gòu)原理簡(jiǎn)單，容易實(shí)現(xiàn)，且計(jì)算處理速度快。但需要經(jīng)過(guò)預(yù)處理，把干擾濾除，才能發(fā)揮出性能。對(duì)于診斷心律失常，QRS波的準(zhǔn)確度是非常重要的，其他波形都以QRS波的位置為基準(zhǔn)，從而計(jì)算心率等各種參數(shù)[5-7]。

因此，針對(duì)傳統(tǒng)心電檢測(cè)算法實(shí)時(shí)性差、錯(cuò)檢漏檢率高的問(wèn)題，設(shè)計(jì)出正反雙向自適應(yīng)差分閾值檢測(cè)算法，并增加R波錯(cuò)檢漏檢補(bǔ)償算法，最后進(jìn)行MATLAB仿真，驗(yàn)證結(jié)果。

1 心電信號(hào)QRS波檢測(cè)

1.1 R波檢測(cè)

在研究中，QRS復(fù)合波中R波位置是由差分運(yùn)算結(jié)合自適應(yīng)閾值法融合檢測(cè)確定的，準(zhǔn)確率高，算法容易實(shí)現(xiàn)。利用MATLAB仿真實(shí)驗(yàn)，R波的峰值點(diǎn)在一階差分和二階差分中分別對(duì)應(yīng)零點(diǎn)和極小值點(diǎn)。圖1-3分別為原始心電信號(hào)、一階差分、二階差分，通過(guò)MATLAB仿真可以看出波形中零、極點(diǎn)的特征，同時(shí)以仿真中的特征為基礎(chǔ)檢測(cè)心電信號(hào)。

1.2 Q波、S波檢測(cè)

在醫(yī)學(xué)方面，診斷心律失常的一個(gè)重要參數(shù)是QRS波群的寬度。首先要得到QRS波的起點(diǎn)以及終點(diǎn)的位置才能得到QRS波的寬度，且檢測(cè)R波是作為Q波、S波檢測(cè)的基礎(chǔ)[8-10]。

當(dāng)確定了R波的位置后，對(duì)R波設(shè)置0.06s的加窗處理，進(jìn)行上述的向前檢測(cè)，由第一次波谷的出現(xiàn)確定Q波的最低點(diǎn)，同樣的以R波的波峰進(jìn)行向后檢測(cè)，檢測(cè)出S波最低點(diǎn)的位置，繼續(xù)向后檢測(cè)QRS波的終點(diǎn)，以此來(lái)求出QRS波的寬度，將它當(dāng)作心電功能診斷的參數(shù)。

2 正反雙向自適應(yīng)差分閾值法設(shè)計(jì)

差分閾值法結(jié)構(gòu)原理簡(jiǎn)單，容易實(shí)現(xiàn)，計(jì)算處理速度快，但檢測(cè)前需要經(jīng)過(guò)預(yù)處理，把干擾濾除，才能發(fā)揮出性能。

2.1 心電信號(hào)檢測(cè)預(yù)處理

選用低噪聲、低漂移、高輸入阻抗、高共模抑制比的放大器AD620和TLC2254組成多級(jí)放大器，其具有可調(diào)的放大倍數(shù)[11-12]。設(shè)計(jì)二階巴特沃茲低通濾波電路，濾掉混雜在心電信號(hào)當(dāng)中的高頻干擾，保證心電信號(hào)基本不失真。因摻雜有低頻干擾，設(shè)計(jì)高通濾波器，設(shè)計(jì)高頻濾波器的截止頻率為0.05Hz。同時(shí)電路結(jié)構(gòu)上采用右腿驅(qū)動(dòng)電路，合理有效的抑制了50Hz工頻干擾，得到較高信噪比心電信號(hào)[13-14]。

2.2 正向、反向R波檢測(cè)

本研究設(shè)計(jì)了R波的正向與反向的自適應(yīng)閾值，從根本上提高了算法的精確度，不僅檢測(cè)出R波正向的波形，也能檢測(cè)出不經(jīng)常出現(xiàn)的反向波形。

在大多數(shù)情況下，R波向上的峰值特性通過(guò)選擇適當(dāng)?shù)恼蜷撝稻涂梢灾苯臃从吵鲂碾娦盘?hào)，例如通過(guò)公式

thnew（i）=（0.7×th+0.3×data（i））（3）

Th：初始閾值，這一自適應(yīng)閾值就能檢測(cè)出R波正向的波形。本研究運(yùn)用MATLAB對(duì)算法進(jìn)行仿真與驗(yàn)證，在實(shí)驗(yàn)過(guò)程中應(yīng)用到美國(guó)麻省理工MIT-BIH心律失常數(shù)據(jù)庫(kù)中的采樣頻率360Hz、時(shí)間30分鐘的心電信號(hào)，實(shí)驗(yàn)中采用這段心電信號(hào)中約12s的數(shù)據(jù)，具體實(shí)施方式如圖4所示。

現(xiàn)有檢測(cè)反向R波的方法中，大多方法是通過(guò)得到數(shù)據(jù)的絕對(duì)值進(jìn)行閾值搜索來(lái)檢測(cè)偶然出現(xiàn)在波形中的反向R波[15-16]。在R波第一次被檢測(cè)到之后，查看當(dāng)前位置前后的初始信號(hào)，得到R波幅值的正負(fù)，當(dāng)R波為正向時(shí)，幅值為正，當(dāng)R波為反向時(shí)，幅值為負(fù)。然而，由于反向R波的檢測(cè)結(jié)果會(huì)受到正向R波檢測(cè)效果的影響，因此在試驗(yàn)中，即使反向R波被檢測(cè)到了，也有可能不全面，總體的心電信號(hào)波形檢測(cè)也就隨之會(huì)受到影響。

在本研究中，選取更簡(jiǎn)潔的反向自適應(yīng)閾值的檢測(cè)方法來(lái)減少上述中存在的誤差，正向R波檢測(cè)做出更改，先找到數(shù)據(jù)data（i）<-1/2*th的信號(hào)，之后自適應(yīng)更新閾值，式（4）為更新原則：

thnew（i）=-（0.7×th+0.3×data（i））（4）

2.3 正反雙向自適應(yīng)閾值的設(shè)定

上述的正反R 波檢測(cè)方法中，正反向自適應(yīng)閾值的更新原則分別為式（3）和式（4），以上兩種方法均可以自適應(yīng)地變化，改善了當(dāng)前固定閾值檢測(cè)方法效果不佳的問(wèn)題，也能夠滿(mǎn)足不同心電信號(hào)之間存在的差別，純正向自適應(yīng)閾值的漏檢問(wèn)題也得到解決。算法方面利用MATLAB 工具進(jìn)行仿真，方法簡(jiǎn)單，計(jì)算量不多，精確度較高，檢測(cè)的結(jié)果滿(mǎn)足數(shù)據(jù)及在實(shí)際運(yùn)用中的要求。

2.4 R波錯(cuò)檢漏檢補(bǔ)償算法

心電信號(hào)個(gè)體中存在一定的復(fù)雜性，由于在采集過(guò)程中，對(duì)于數(shù)據(jù)所在的環(huán)境以及數(shù)據(jù)本身的因素都比較復(fù)雜，所以存在一定的差異性[17-20]，因此在對(duì)于數(shù)據(jù)采集以及檢測(cè)的過(guò)程中難免會(huì)出現(xiàn)漏檢和錯(cuò)檢的情況，增加R 波檢測(cè)的準(zhǔn)確性變得尤為重要，本研究提出的方法是針對(duì)R 波漏檢錯(cuò)檢的補(bǔ)償算法，附加補(bǔ)償首次檢測(cè)到的R 波，這樣大大降低了之后波形檢測(cè)的錯(cuò)誤率。R 波錯(cuò)檢漏檢補(bǔ)償算法的流程圖如圖5所示。經(jīng)過(guò)錯(cuò)檢漏檢補(bǔ)償策略實(shí)行后，大幅提升了算法的精確度。

3 MATLAB仿真及結(jié)果分析

根據(jù)本研究的算法，利用MATLAB工具編程算法驗(yàn)證，圖6和圖7為MIT-BIH數(shù)據(jù)庫(kù)中207、100號(hào)信號(hào)R波檢測(cè)的仿真結(jié)果。檢測(cè)到R波峰的位置用紅色‘o表示。由圖知，207號(hào)信號(hào)圖包括正反兩向R波，通過(guò)算法對(duì)R波進(jìn)行精確的位置定位;在100號(hào)的信號(hào)中，只存在R波的正向波，且錯(cuò)檢以及漏檢的情況也不存在。整體來(lái)看，該算法下檢測(cè)R波得到的結(jié)果滿(mǎn)足所需的要求，并且精確度相對(duì)來(lái)說(shuō)較高，檢測(cè)效果很好，可以檢測(cè)其他波形。

4 結(jié) 論

本研究設(shè)計(jì)出正反雙向自適應(yīng)差分閾值檢測(cè)算法，增加R波錯(cuò)檢漏檢補(bǔ)償算法，能夠?qū)崟r(shí)顯示波形、心律及心律失常信息，該算法經(jīng)過(guò)美國(guó)麻省理工學(xué)院的MIT-BIH心律失常數(shù)據(jù)庫(kù)驗(yàn)證，檢測(cè)的準(zhǔn)確率達(dá)99%以上。實(shí)驗(yàn)結(jié)果表明，該方法相對(duì)簡(jiǎn)單，計(jì)算量不多，不僅精確度高，檢測(cè)結(jié)果滿(mǎn)足數(shù)據(jù)及在實(shí)際運(yùn)用中的要求。

參 考 文 獻(xiàn)：

[1] 江培海， 黃啟俊， 常勝， 等. 基于 SOC FPGA 的心電信號(hào)檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 傳感器與微系統(tǒng)， 2016， 35（2）： 74.

[2] 陳偉偉. 中國(guó)心血管病報(bào)告 2015[J]. 中華醫(yī)學(xué)信息導(dǎo)報(bào)， 2016 （12）： 11.

[3] ALBERT D， SATCHWELL B R， BARNETT K N. Heart Monitoring System Usable with a Smartphone or Computer： U.S. Patent 8，509，882[P]. 2013-8-13.

[4] 王吉鳴， 呂穎瑩， 包濤， 等. 動(dòng)態(tài)心電監(jiān)測(cè)系統(tǒng)介紹及關(guān)鍵技術(shù)水平分析[J]. 中國(guó)醫(yī)療設(shè)備， 2016 （10）： 71.

[5] POKHARKAR S， KULKARNI A. FPGA Based Design and Implementation of ECG Feature Extraction[J]. Heart， 2015， 1（12）：.

[6] 董春桃， 隋偉， 喻洪流. 基于改進(jìn)的差分閾值法心臟遠(yuǎn)程監(jiān)測(cè)的實(shí)時(shí)與回顧性分析[J]. 中國(guó)醫(yī)學(xué)裝備， 2014（11）：52.

[7] 張穎， 王曉， 劉興鵬，等. 健康成年人和肥厚型心肌病患者碎裂QRS波群的分布規(guī)律與特征[J]. 中國(guó)心血管病研究， 2016， 14（9）：784.

[8] 張飛. 異常心電波形的自動(dòng)分析及其快速識(shí)別算法研究[D]. 成都：電子科技大學(xué)， 2015.

[9] STAMLER R， STAMLER J， SCHOENBERGER J A， et al. Relationship of Glucose Tolerance to Prevalence of ECG Abnormalities and to 5-year Mortality from Cardiovascular Disease： Findings of the Chicago Heart Association Detection Project in Industry[J]. J Chronic Dis， 2016， 32（11）：817.

[10]DESJARDINS B， KAZEROONI E A. ECG-gated Cardiac CT.[J]. American Journal of Roentgenology， 2016， 182（182）：993.

[11]尚宇， 武小燕. 傅里葉級(jí)數(shù)在心電信號(hào)模擬中的應(yīng)用[J]. 西安工業(yè)大學(xué)學(xué)報(bào)， 2016， 36（1）：21.

[12]陳霞. 心電圖ST段壓低對(duì)急性ST段抬高型心肌梗死患者的預(yù)后價(jià)值[J]. 醫(yī)學(xué)新知， 2017， 27（1）：48.

[13]江偉， 袁芳， 楊柳青. 心電信號(hào)中去除肌電干擾信號(hào)的研究[J]. 安徽大學(xué)學(xué)報(bào)（自科版）， 2017， 41（3）：85.

[14]何伶俐， 王宇峰， 祝元仲， 等. ECG 監(jiān)護(hù)儀設(shè)計(jì)回顧與發(fā)展[J]. 醫(yī)療裝備， 2015 （1）： 1.

[15]周建華， 龔叢芬. 遠(yuǎn)程實(shí)時(shí)傳輸 12 導(dǎo)聯(lián)心電圖對(duì)老年 AMI 患者院前診斷價(jià)值[J]. 西南國(guó)防醫(yī)藥， 2015， 25（3）： 266.

[16]李文濤. 心電信號(hào)噪聲處理的研究[J]. 數(shù)字技術(shù)與應(yīng)用， 2016（8）：85.

[17]TAIPING M O， ZHOU Y， ZHAO X. Research of Transplantation and Optimization of Android System Based on S5PV210 Embedded Platform[J]. Video Engineering， 2016.

[18]陳立軍， 宮永立， 崔俊潔，等. 火電廠一次風(fēng)速及煤粉濃度的數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制， 2015， 23（11）：3842.

[19]劉俠，匡瑞雪，王波，等. 基于隱馬爾可夫場(chǎng)的脊柱CT圖像分割算法[J]. 哈爾濱理工大學(xué)學(xué)報(bào)，2018，23（2）：1.

[20]王瑞榮， 余小慶， 朱廣明，等. 基于小波變換和K-means聚類(lèi)算法的心電信號(hào)特征提取[J]. 航天醫(yī)學(xué)與醫(yī)學(xué)工程， 2016， 29（5）：368.

[21]劉素貞，李麗濱，張闖，等. 電磁超聲特征信號(hào)檢測(cè)系統(tǒng)的設(shè)計(jì)[J]. 電機(jī)與控制學(xué)報(bào)，2017，21（09）：103.

（編輯：溫澤宇）