基于DTW距離的房顫信號提取方法

羅捷 楊文瀟

開發(fā)設(shè)計

基于DTW距離的房顫信號提取方法

羅捷 楊文瀟

（廣東工業(yè)大學，廣東 廣州 510006）

在單導聯(lián)的房顫信號（f波）提取中，常用模板對消類方法易受QRST波群的形態(tài)變化以及點檢測偏差的影響。為克服上述問題，提出一種基于DTW距離的房顫信號提取方法。首先，通過高斯增強來提高R峰周圍心電在近鄰心拍計算中的權(quán)重，并基于DTW距離找到每個心拍對應(yīng)的近鄰心拍；然后，以各近鄰心拍為模板對目標心拍進行DTW重構(gòu)，并求出各近鄰心拍與對應(yīng)重構(gòu)目標心拍的殘差；最后，通過平均殘差得到干凈的f波。對單導聯(lián)f波提取的仿真與實驗結(jié)果表明：本文方法能夠更為準確地提取f波，且對QRST波的形態(tài)變化以及點檢測偏差有較強的魯棒性。

房顫信號提??；DTW距離；高斯增強；心拍重構(gòu)

0　引言

房顫是一種常見的心律失常疾病[1]。隨著年齡的增長，房顫的發(fā)生率會不斷增加，且房顫患者中風的概率比正常人高約五倍[2]。當房顫發(fā)生時，心房激動的頻率達每分鐘300~600次，正常心電的P波消失，取而代之的是連續(xù)、不規(guī)則顫動的f波。f波的物理參數(shù)（如幅度和頻譜）常被用于房顫的臨床診斷，對房顫電生理活動機理的研究有重要意義[3-6]。

心室QRST波與心房f波在時域和頻域都有部分混疊[7]，制約f波的檢測精度。為解決該問題，研究人員提出很多方法，可分為多導聯(lián)和單導聯(lián)2大類。多導聯(lián)方法[8-14]采用獨立分量分析、稀疏成分分析等技術(shù)，利用多通道心電信號之間的相關(guān)性分離QRST波和f波，雖然檢測精度較高，但需要布置多個電極，不便于移動心電監(jiān)護設(shè)備使用。單導聯(lián)方法[15-19]采用平均模板消除、貝葉斯濾波等技術(shù)剔除QRST波或依據(jù)先驗模型對f波進行參數(shù)估計，從而實現(xiàn)f波的提取。單導聯(lián)方法雖然便于移動心電監(jiān)護，但對異常心拍（如室性早搏導致的心拍形態(tài)變化）敏感，檢測精度較低。

為提高單導聯(lián)f波提取的精度，本文提出一種基于動態(tài)時間規(guī)整[20]（dynamic time warping, DTW）距離的QRST波消除方法。首先，進行R峰檢測，根據(jù)R峰的位置將心電信號切割成一個個單獨的心拍，并通過高斯增強來提高R峰周圍心電在近鄰心拍計算中的權(quán)重；然后，采用基于DTW距離的近鄰算法，找出與每個心拍最相似的個近鄰心拍，并計算各心拍與其近鄰心拍的DTW殘差；最后，平均這個DTW殘差求得各心拍的f波信號。

1　房顫心電模型

2　基于DTW距離的房顫信號提取

由于畸變心拍與f波信號的影響，R峰檢測算法并不能準確地找到每個心拍真實的R峰。當以R峰為基準來分割心拍時，R峰采樣點的偏差將導致整個心拍時間采樣的偏差。為克服時間采樣偏差帶來的影響，需利用DTW算法對每個目標心拍與其近鄰心拍進行重構(gòu)。與其他模板法不同的是，本文沒有求出各心拍對應(yīng)的模板，而是先求出各心拍與其個近鄰心拍之間的DTW重構(gòu)殘差，再對這個重構(gòu)殘差進行平均得到f波，算法流程如圖1所示。具體步驟如下：

1）采集患者心電信號1 min，采用4 Hz高通濾波器去除基線漂移及T波；

3）因為在單個心拍內(nèi)心房f波能量的分布相對穩(wěn)定，而心室心電的波幅在R峰達到最大值，所以在R峰周圍，心室心電的信噪比較高；因此，本文通過高斯增強來提高R峰周圍心電在近鄰心拍計算中的權(quán)重：

6）為使各心拍f波在拼接邊緣不出現(xiàn)明顯的信號失真，本文采用crossfading方法[19]來處理信號邊緣的拼接問題，具體公式為

式中，fs為信號采樣率；L信號長度；c為拼接邊緣的信號重疊長度。

3　實驗和結(jié)果分析

3.1 實驗設(shè)置

為驗證本文提出的基于DTW距離的房顫信號提取方法的有效性，將文中提出的基于DTW距離的模板法（GDTW-BS）及其不加高斯增強的方法（DTW-BS）分別在仿真房顫數(shù)據(jù)集和真實房顫數(shù)據(jù)集上進行測試，并與平均模板法（ABS）、最優(yōu)模板對消法（WABS）和近鄰模板法（KNN-BS）進行比較。

仿真房顫信號通過正常心電信號疊加仿真房顫信號生成，其中仿真f波采用STRIDH M等人提出的方法[12]來生成。采用歸一化均方誤差（normalized mean square error, NMSE）表示仿真所提取房顫信號的準確度：

真實房顫信號取自PTB數(shù)據(jù)庫中房顫患者的心電數(shù)據(jù)。采用所提取f波信號的頻譜集中度（spectral concentration, SC）作為評價指標：

房顫信號的中心頻率一般在3 Hz~10 Hz之間，提取房顫信號中的心室信號殘留成分一般在房顫信號的中心頻率之外。因此，越高，表明算法的提取效果越好。

3.2 實驗結(jié)果和分析

表1和表2分別比較了ABS，WABS，KNN-BS，DTW-BS和GDTW-BS等方法在10條仿真房顫信號和真實房顫信號上的提取性能。圖2、圖3和圖4分別顯示了仿真f波提取效果、真實房顫信號、真實f波提取效果。

表1 仿真房顫信號提取結(jié)果

表2 真實房顫信號提取結(jié)果

圖2 仿真f波提取效果

圖3 真實房顫ECG

圖4 真實房顫ECG的f波提取效果

與ABS，WABS和KNN-BS相比，GDTW-BS在仿真f波提取性能指標上分別提高了36.5%，28.6%和14.2%；在真實f波提取性能指標上分別提高了19.8%，23.6%和18.8%。仿真與真實房顫信號提取實驗的結(jié)果表明：本文提出的基于DTW距離的房顫信號提取方法能夠從心電信號中提取出更為干凈的f波，且魯棒性更高。

由于R峰在心電信號中能量最高，周圍的心電信號信噪比也較高。對R峰周圍的心電進行高斯增強，一方面有利于找到更為準確的近鄰心拍，另一方面可以提高DTW算法對R峰檢測偏差的糾正能力。相比于DTW-BS，GDTW-BS在仿真f波提取性能指標上提高了7.5%；在真實f波提取性能指標SC上提高了1.1%。實驗結(jié)果表明：R峰增強能夠有效地提高算法的f波提取準確度。

4　結(jié)語

針對f波提取算法的提取精度易受QRST波群變異性以及R峰定位誤差的影響，本文提出一種基于DTW距離的房顫信號提取方法。在仿真與真實f波的提取實驗中，本文所提出的方法相較于ABS，WABS和KNN-BS等單導聯(lián)方法取得了更好的f波提取準確度。

[1] CHUGH Sumeet S, ROTH Gregory A, GILLUM Richard F, et al. Global burden of atrial fibrillation in developed and developing nations[J]. Global Heart, 2014, 9(1):113-119.

[2] CHUGH Sumeet S, BLACKSHEAR Joseph L, SHEN Winkuang, et al. Epidemiology and natural history of atrial fibrillation: clinical implications[J]. Journal of the American College of Cardiology, 2001, 37(2):371-378.

[3] HUSSER D, STRIDH M, SORNMO L, et al. Time–frequency analysis of the surface electrocardiogram for monitoring antiarrhythmic drug effects in atrial fibrillation[J]. The American Journal of Cardiology, 2004, 95(4):526-528.

[4] RAYGOR VP, NG J, GOLDBERGER JJ. Surface ECG f wave analysis of dofetilide drug effect in the atrium[J]. J Cardiovasc Electrophysiol, 2015, 26(6):644-648.

[5] LANKVELD T, ZEEMERING S, SCHERR D, et al. Atrial fibrillation complexity parameters derived from surface ECGs predict procedural outcome and long-term follow-up of stepwise catheter ablation for atrial fibrillation[J]. Circulation: Arrhythmia and Electrophysiology, 2016, 9(2):e003354.

[6] ALCARAZ R, HORNERO F, RIETA J J. Electrocardiographic spectral features for long-term outcome prognosis of atrial fibrillation catheter ablation[J]. Annals of Biomedical Engineering, 2016, 44(11):3307-3318.

[7] ROONIZI E K, SASSI R. An extended bayesian framework for atrial and ventricular activity separation in atrial fibrillation[J]. IEEE Journal of Biomedical and Health Informatics, 2017, 21(6):1573-1580.

[8] RIETA J J, CASTELLS F, S′ANCHEZ C, et al. Atrial activity extraction for atrial fibrillation analysis using blind source separation[J]. IEEE Transactions on Biomedical Engineering, 2004, 51(7):1176-1186.

[9] CASTELLS F, RIETA J J, MILLET J, et al. Spatiotemporal blind source separation approach to atrial activity estimation in atrial tachyarrhythmias[J]. IEEE Transactions on Biomedical Engineering, 2005, 52(2):258-267.

[10] VAY′A C, RIETA J J, S′ANCHEZ C, et al. Convolutive blind source separation algorithms applied to the electrocardiogram of atrial fibrillation: Study of performance[J]. IEEE Transactions on Biomedical Engineering, 2007, 54(8):1530-1533.

[11] LLINARES R, IGUAL J. Application of constrained independent component analysis algorithms in electrocardiogram arrhythmias[J]. Artificial Intelligence in Medicine, 2009, 47(2):121-133.

[12] STRIDH M, SORNMO L. Spatiotemporal QRST cancellation techniques for analysis of atrial fibrillation[J]. IEEE Transactions on Biomedical Engineering, 2001, 48(1):105-111.

[13] LEMAY M, JACQUEMET V, FORCLAZ A, et al. Spatiotemporal qrst cancellation method using separate QRS and t-waves templates[C]. //Computers in Cardiology, IEEE, 2005:611-614.

[14] LEMAY M, VESIN J-M, VAN OOSTEROM A, et al. Cancellation of ventricular activity in the ECG: evaluation of novel and existing methods[J]. IEEE Transactions on Biomedical Engineering, 2007, 54(3):542-546.

[15] SLOCUM J, SAHAKIAN A, SWIRYN S. Diagnosis of atrial fibrillation from surface electrocardiograms based on computer-detected atrial activity[J]. Journal of Electrocardiology, 1992, 25(1):1-8.

[16] SHKUROVICH A, SAHAKIAN V, SWIRYN S. Detection of atrial activity from high-voltage leads of implantable ventricular defibrillators using a cancellation technique[J]. IEEE Transactions on Biomedical Engineering, 1998, 45(2):229-234.

[17] ALCARAZ R, RIETA J J. Adaptive singular value cancelation of ventricular activity in single-lead atrial fibrillation electrocardiograms[J]. Physiological Measurement, 2008, 29(12):1352.

[18] DAI H, JIANG S, LI Y. Atrial activity extraction from single lead ECG recordings: Evaluation of two novel methods[J]. Computers in Biology and Medicine, 2013, 43(3):176-183.

[19] MALIK J, REED N, WANG C-L, et al. Singlelead f-wave extraction using diffusion geometry[J]. Physiological Measurement, 2017, 38(7):1310.

[20] BERNDT D J, CLIFFORD J. Using dynamic time warping to find patterns in time series[J]. KDD Workshop, 1994, 10(16):359-370.

Extraction Method of Atrial Fibrillation Signal Based on DTW Distance

Luo Jie Yang Wenxiao

(Guangdong University of Technology, Guangzhou 510006, China)

In single lead atrial fibrillation (f-wave) extraction, the common template cancellation methods are easily affected by the morphological changes of QRST complex and R-point detection bias. In order to overcome the above problems, a method of extracting atrial fibrillation signal based on DTW distance is proposed. Firstly, Gaussian enhancement is used to improve the weight of ECG around R peak in the calculation of neighbor beats, and the nearest neighbor beats corresponding to each beat are found based on the DTW distance. Then, the DTW reconstruction of the target beat is performed with each neighbor beat as the template, and the residuals of each neighbor beat and the corresponding reconstructed target beat are calculated. Finally, clean f-wave is obtained by average residual. The simulation and experimental results of single lead f-wave extraction show that the proposed method can extract f-wave more accurately, and has strong robustness to the morphological changes of QRST waves and R-point detection bias.

atrial fibrillation signal extraction; DTW distance; beat reconstruction

TN911.7

A

1674-2605(2020)06-0006-05

10.3969/j.issn.1674-2605.2020.06.006

羅捷，男，1995年生，碩士研究生，主要研究方向：模式識別，機器學習，生物信號處理。E-mail:joyluo@mail2.gdut.edu.com