基于嵌入式系統(tǒng)的實(shí)時(shí)房顫?rùn)z測(cè)算法研究

魏 良，胡焱銘，鄢蘇鵬，平欽文，李韻池，左 鋒，李永勤，龔渝順*

（1.陸軍軍醫(yī)大學(xué)生物醫(yī)學(xué)工程與影像醫(yī)學(xué)系醫(yī)學(xué)儀器與計(jì)量學(xué)教研室，重慶400038；2.陸軍軍醫(yī)大學(xué)基礎(chǔ)醫(yī)學(xué)院，重慶400038；3.陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院信息科，重慶400038）

0 引言

房顫（atrial fibrillation，AF）是臨床上最常見(jiàn)的快速性心律失常之一，其患病率隨著年齡的增長(zhǎng)而增加。房顫使得全因死亡、心血管病死亡和腦卒中死亡的風(fēng)險(xiǎn)增加，因此早發(fā)現(xiàn)、早干預(yù)對(duì)治療房顫顯得尤為重要[1]。然而房顫起病隱匿、無(wú)明顯癥狀，且早期房顫又多為陣發(fā)性，極易漏診而耽誤病情。目前，主要采用動(dòng)態(tài)心電圖（electrocardiogram，ECG）延長(zhǎng)診斷時(shí)間以提升房顫?rùn)z出率[2-3]，但該方法存在佩戴不便、診斷延時(shí)等問(wèn)題，并且由于需醫(yī)生開(kāi)具檢查才能佩戴動(dòng)態(tài)心電圖設(shè)備，檢查次數(shù)和適用人群受限。當(dāng)前，隨著穿戴式健康監(jiān)測(cè)技術(shù)的發(fā)展，基于嵌入式系統(tǒng)的心電監(jiān)測(cè)設(shè)備逐漸進(jìn)入家庭[4-5]，使得房顫的動(dòng)態(tài)檢測(cè)成為可能，而房顫實(shí)時(shí)檢測(cè)算法是實(shí)現(xiàn)該技術(shù)的關(guān)鍵[6-8]。

近年來(lái)，針對(duì)房顫自動(dòng)檢測(cè)算法的研究逐漸增多。綜合分析現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，現(xiàn)有算法主要從傳統(tǒng)的信號(hào)特征提取以及深度學(xué)習(xí)2 個(gè)研究方向來(lái)實(shí)現(xiàn)房顫的自動(dòng)檢測(cè)，其性能評(píng)估結(jié)果均與算法測(cè)試采用的數(shù)據(jù)之間存在顯著關(guān)系[9-15]。一方面，數(shù)據(jù)集的類型對(duì)檢測(cè)準(zhǔn)確率影響較大。對(duì)于采用MIT-BIH 公開(kāi)數(shù)據(jù)集的研究，房顫?rùn)z測(cè)準(zhǔn)確率通常高達(dá)95%以上，甚至有些能達(dá)到99%[9-12]；而采用房顫?rùn)z測(cè)挑戰(zhàn)競(jìng)賽數(shù)據(jù)庫(kù)的研究，房顫?rùn)z測(cè)準(zhǔn)確率則明顯偏低，通常小于90%[13-15]。這是由于采用MIT-BIT 公開(kāi)數(shù)據(jù)集的算法，其測(cè)試數(shù)據(jù)庫(kù)來(lái)源于少量的患者心電數(shù)據(jù)，有效樣本量較小，且算法只區(qū)分了房顫和正常竇性心律，使得這些研究報(bào)道的房顫?rùn)z測(cè)準(zhǔn)確率通常很高。但這類結(jié)果并不能完全反映算法的真實(shí)性能，其對(duì)房顫與早搏、心律不齊以及房性心動(dòng)過(guò)速等異常心電節(jié)律類型的鑒別能力有待進(jìn)一步驗(yàn)證。而采用房顫?rùn)z測(cè)挑戰(zhàn)賽數(shù)據(jù)庫(kù)的研究，其數(shù)據(jù)樣本類型相對(duì)豐富，除了房顫以外還包含多種異常心電節(jié)律，而復(fù)雜的心電節(jié)律樣本類型嚴(yán)重影響了房顫?rùn)z測(cè)算法的效果。據(jù)2018 年的一項(xiàng)研究報(bào)道，因受早搏的影響，房顫?rùn)z測(cè)的準(zhǔn)確率僅有86%[16]。因此，此類采用競(jìng)賽數(shù)據(jù)庫(kù)的研究報(bào)道的結(jié)果相對(duì)較低[17]。另一方面，數(shù)據(jù)集的樣本量和獨(dú)立性嚴(yán)重影響算法性能評(píng)估的有效性。目前，大量研究采用的測(cè)試數(shù)據(jù)是通過(guò)重復(fù)地從同一患者的數(shù)據(jù)中截取得到的，數(shù)據(jù)樣本之間不具備患者獨(dú)立性，而隨機(jī)分組又使得來(lái)自不同患者的數(shù)據(jù)同時(shí)出現(xiàn)在訓(xùn)練集和測(cè)試集中，造成數(shù)據(jù)交疊和泄漏的情況，導(dǎo)致在以患者為單位對(duì)訓(xùn)練集和測(cè)試集進(jìn)行分組以后，即跨患者模式下，算法的識(shí)別準(zhǔn)確率明顯下降[15]。除上述問(wèn)題以外，目前大部分的房顫?rùn)z測(cè)算法均是在上位機(jī)完成，算法復(fù)雜度高，并不適合穿戴式應(yīng)用場(chǎng)景下的實(shí)時(shí)檢測(cè)，嵌入式移植以后的實(shí)際效果也并不明確。因此，開(kāi)發(fā)一種適用于穿戴式設(shè)備的低復(fù)雜度實(shí)時(shí)房顫?rùn)z測(cè)算法[18]，提高復(fù)雜心電節(jié)律背景及跨患者模式下的檢測(cè)準(zhǔn)確率，對(duì)未來(lái)穿戴式房顫?rùn)z測(cè)的普及具有重要的意義。

針對(duì)當(dāng)前房顫?rùn)z測(cè)存在的問(wèn)題，本研究提出一種適用于嵌入式系統(tǒng)的基于P 波平衡性特征及疊加平均比例2 項(xiàng)形態(tài)學(xué)指標(biāo)的實(shí)時(shí)房顫?rùn)z測(cè)算法，并通過(guò)課題組收集的大樣本臨床數(shù)據(jù)集對(duì)算法性能進(jìn)行評(píng)估。

1 實(shí)時(shí)房顫?rùn)z測(cè)算法設(shè)計(jì)

1.1 算法設(shè)計(jì)流程

嵌入式實(shí)時(shí)房顫?rùn)z測(cè)算法設(shè)計(jì)主要包括上位機(jī)房顫?rùn)z測(cè)算法設(shè)計(jì)和基于嵌入式系統(tǒng)的算法移植2個(gè)階段，設(shè)計(jì)流程如圖1 所示。首先，在上位機(jī)設(shè)計(jì)房顫?rùn)z測(cè)算法，通過(guò)ECG 信號(hào)預(yù)處理、特征參數(shù)提取和建立分類數(shù)學(xué)模型等步驟完成算法構(gòu)建，其中特征參數(shù)提取涵蓋了心率變異性指標(biāo)分析以及本文提出的2 項(xiàng)心電形態(tài)學(xué)指標(biāo)，數(shù)學(xué)模型則采用支持向量機(jī)（support vector machine，SVM）對(duì)各心電特征參數(shù)進(jìn)行多特征融合。上位機(jī)房顫?rùn)z測(cè)算法測(cè)試完成后，將其移植到本研究設(shè)計(jì)的嵌入式房顫?rùn)z測(cè)設(shè)備，封裝成可調(diào)用應(yīng)用層函數(shù)，通過(guò)軟件程序接口與硬件系統(tǒng)銜接，實(shí)現(xiàn)基于嵌入式系統(tǒng)的房顫實(shí)時(shí)檢測(cè)功能。

圖1 房顫?rùn)z測(cè)算法設(shè)計(jì)流程圖

1.2 上位機(jī)房顫?rùn)z測(cè)算法設(shè)計(jì)

上位機(jī)房顫?rùn)z測(cè)算法采用SVM 建立數(shù)學(xué)模型對(duì)心率變異性指標(biāo)以及形態(tài)學(xué)特征的指標(biāo)進(jìn)行融合，其流程主要包括信號(hào)預(yù)處理、特征提取以及SVM模型建立3 個(gè)步驟。

1.2.1 信號(hào)預(yù)處理

本研究采用Ⅱ?qū)CG 信號(hào)進(jìn)行算法設(shè)計(jì)。在進(jìn)行房顫?rùn)z測(cè)之前，需要對(duì)ECG 信號(hào)進(jìn)行預(yù)處理。先將ECG 信號(hào)截取成時(shí)長(zhǎng)為8 s 的數(shù)據(jù)段，再采用通帶截止頻率為0.5～20 Hz 的帶通濾波器對(duì)信號(hào)進(jìn)行濾波，以抑制低頻漂移與高頻噪聲。

1.2.2 特征參數(shù)提取

在預(yù)處理完成之后，對(duì)信號(hào)進(jìn)行分析，提取特征參數(shù)。房顫的ECG 信號(hào)具有RR 間期絕對(duì)不規(guī)則以及形態(tài)上P 波消失、f 波出現(xiàn)2 個(gè)重要的特征，因此本研究采用心率變異性指標(biāo)以及形態(tài)學(xué)指標(biāo)作為信號(hào)特征進(jìn)行房顫?rùn)z測(cè)。

（1）心率變異性指標(biāo)。

本研究采用全程正常竇性RR 間期（NN 間期）的總體標(biāo)準(zhǔn)差（standarddeviationofNNintervals，SDNN）[19]來(lái)刻畫(huà)房顫RR 間期分布不規(guī)則的特點(diǎn)。為提取心率變異性指標(biāo)SDNN，首先采用Pan-Tompkins 檢測(cè)算法[20]識(shí)別R 波，然后提取RR 間期，通過(guò)公式（1）計(jì)算RR 間期的SDNN：

式中，TSDNN為SDNN；TRR，i為第i個(gè)RR 間期的值；為所有RR 間期的均值。

（2）形態(tài)學(xué)指標(biāo)。

除了RR 間期不齊的特征以外，ECG 信號(hào)P 波的消失以及f 波的出現(xiàn)也是判斷房顫的重要依據(jù)[21]。形態(tài)學(xué)特征的提取有助于彌補(bǔ)RR 間期特征在區(qū)分房顫以及心律不齊、房室傳導(dǎo)阻滯、早搏等異常心電節(jié)律上的缺陷，提供更加全面的信息用于房顫的準(zhǔn)確識(shí)別。對(duì)于正常的ECG 信號(hào)，P 波代表心房激動(dòng)，多數(shù)情況下，P 波的出現(xiàn)具有嚴(yán)格的相位關(guān)系，PR間期相對(duì)固定；而當(dāng)出現(xiàn)房顫時(shí)，心房電活動(dòng)的紊亂導(dǎo)致ECG 信號(hào)中的P 波被f 波取代，代表心房活動(dòng)的心電特征失去相位關(guān)系。針對(duì)這一特點(diǎn)，本研究提出P 波平衡性特征以及疊加平均比例2 項(xiàng)形態(tài)學(xué)指標(biāo)用于構(gòu)建房顫?rùn)z測(cè)數(shù)學(xué)模型。

在計(jì)算P 波平衡性特征時(shí)，首先利用定位的R 波截取每一個(gè)RR 間期后半段的數(shù)據(jù)段Si（如圖2所示），然后將第i個(gè)RR 間期的數(shù)據(jù)段Si分為前后兩部分——Si1和Si2，計(jì)算前后兩部分?jǐn)?shù)據(jù)的平衡性指標(biāo)Bi：

式中，L為數(shù)據(jù)段Si1及Si2的長(zhǎng)度；j為數(shù)據(jù)段中采樣點(diǎn)的索引。最后，計(jì)算8 s 數(shù)據(jù)中所有Bi的均值B，計(jì)算公式如下：

由于正常ECG 信號(hào)PR 間期相對(duì)穩(wěn)定，P 波的相位在切割的數(shù)據(jù)段Si中較為固定，而紊亂的f 波沒(méi)有嚴(yán)格的相位關(guān)系，所以將8 s 數(shù)據(jù)中的各數(shù)據(jù)段Si進(jìn)行疊加平均，正常ECG 信號(hào)的P 波能量會(huì)得到增強(qiáng)，而房顫ECG 信號(hào)中的f 波因正負(fù)抵消，能量會(huì)被削弱?；谶@一特點(diǎn)，本研究采用疊加平均比例RPEAK對(duì)數(shù)據(jù)段的形態(tài)學(xué)特性進(jìn)行描述，計(jì)算公式如下：

式中，為各數(shù)據(jù)段Si峰峰值的均值；VPP-a為所有數(shù)據(jù)段Si疊加平均后信號(hào)Sa的峰峰值。和VPP-a的計(jì)算公式如下：

進(jìn)行疊加平均時(shí)，由于RR 間期存在差異，Si的長(zhǎng)度有可能會(huì)不同。因此，在計(jì)算疊加平均信號(hào)Sa時(shí)先將所有信號(hào)右對(duì)齊，左側(cè)數(shù)據(jù)以數(shù)據(jù)長(zhǎng)度最大的Si為基準(zhǔn)進(jìn)行補(bǔ)空。

與傳統(tǒng)算法不同，本研究提出的P 波平衡性指標(biāo)B以及疊加平均比例RPEAK的計(jì)算不需要定位P波，而是通過(guò)數(shù)據(jù)段的分布特征進(jìn)行描述，計(jì)算更加簡(jiǎn)單。同時(shí)，在計(jì)算過(guò)程中，少數(shù)R 波的漏檢對(duì)這2項(xiàng)形態(tài)學(xué)指標(biāo)的計(jì)算影響極小，從而使算法具有較高的魯棒性。正常心電節(jié)律與房顫節(jié)律疊加平均比例示例如圖3 所示，可見(jiàn)正常心電節(jié)律的VPP-a幅度明顯高于房顫節(jié)律。

圖3 正常ECG 信號(hào)與房顫ECG 信號(hào)的疊加平均比例示例

1.2.3 房顫分類數(shù)學(xué)模型

在完成了ECG 信號(hào)特征指標(biāo)的提取之后，采用SVM 作為分類器建立數(shù)學(xué)模型。SVM 模型本質(zhì)上是特征空間中最大化間隔的線性分類器，是一種二分類模型[22]。本研究中，描述房顫特征的3 項(xiàng)指標(biāo)SDNN、B和RPEAK作為SVM 模型輸入?yún)?shù)，模型輸出為房顫和非房顫識(shí)別結(jié)果。

1.3 基于嵌入式系統(tǒng)的算法移植

1.3.1 嵌入式房顫?rùn)z測(cè)設(shè)備設(shè)計(jì)與實(shí)現(xiàn)

本研究設(shè)計(jì)的嵌入式房顫?rùn)z測(cè)設(shè)備主要包括心電采集模塊、微控制單元（microcontroller unit，MCU）、液晶顯示屏和存儲(chǔ)器4 個(gè)部分。心電采集模塊采用ADS1292R（德州儀器，美國(guó)）集成式檢測(cè)芯片，MCU采用STM32F405RGT6（意法半導(dǎo)體，意大利）型單片機(jī)。MCU 通過(guò)串行外設(shè)接口（serial peripheral interface，SPI）總線與ADS1292R 通信，讀取數(shù)字化后的ECG 信號(hào)，然后再對(duì)信號(hào)進(jìn)行處理和分析，判斷當(dāng)前心電節(jié)律是否為房顫節(jié)律，最后將分析結(jié)果及ECG 信號(hào)波形顯示在液晶顯示屏上，同時(shí)記錄在存儲(chǔ)器中。嵌入式房顫?rùn)z測(cè)設(shè)備設(shè)計(jì)框圖和實(shí)物如圖4 所示。

圖4 嵌入式房顫?rùn)z測(cè)設(shè)備硬件設(shè)計(jì)

1.3.2 基于嵌入式系統(tǒng)的實(shí)時(shí)房顫?rùn)z測(cè)算法移植

算法移植主要是將上位機(jī)算法以及訓(xùn)練獲得的SVM 參數(shù)重新編寫(xiě)為可在嵌入式系統(tǒng)運(yùn)行的C語(yǔ)言代碼，并封裝成可調(diào)用的房顫?rùn)z測(cè)函數(shù)。系統(tǒng)運(yùn)行過(guò)程中，MCU 不斷采集ECG 數(shù)據(jù)，每2 s 調(diào)用一次房顫?rùn)z測(cè)函數(shù)，判斷當(dāng)前節(jié)律是否為房顫節(jié)律，并將判斷結(jié)果輸出顯示，從而實(shí)現(xiàn)實(shí)時(shí)房顫?rùn)z測(cè)功能。

2 實(shí)驗(yàn)及結(jié)果分析

房顫?rùn)z測(cè)算法的性能評(píng)估包括上位機(jī)算法性能評(píng)估以及嵌入式房顫?rùn)z測(cè)設(shè)備的房顫?rùn)z測(cè)性能評(píng)估2 個(gè)方面。上位機(jī)算法性能評(píng)估是對(duì)房顫?rùn)z測(cè)算法的準(zhǔn)確性進(jìn)行測(cè)試，并對(duì)不同特征參數(shù)以及不同心電節(jié)律的效果進(jìn)行分析。嵌入式房顫?rùn)z測(cè)設(shè)備的房顫?rùn)z測(cè)性能評(píng)估是對(duì)嵌入式房顫?rùn)z測(cè)設(shè)備的實(shí)時(shí)應(yīng)用效果進(jìn)行測(cè)試，評(píng)估算法在實(shí)際使用過(guò)程中的性能。

2.1 性能驗(yàn)證數(shù)據(jù)集

本算法的設(shè)計(jì)、訓(xùn)練以及效果驗(yàn)證所使用的數(shù)據(jù)均來(lái)自患者或體檢者在陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院進(jìn)行12 導(dǎo)心電圖檢查時(shí)，由心電圖機(jī)（上海光電ECG-2350、ECG-9620P，美國(guó)通用MAC5500 等）記錄的ECG 信號(hào)[于2021 年在該院的醫(yī)院信息系統(tǒng)（hospital information system，HIS）中搜集，并建立了完整的ECG 信號(hào)數(shù)據(jù)庫(kù)]。本研究已通過(guò)陸軍軍醫(yī)大學(xué)倫理委員會(huì)以及陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院倫理委員會(huì)的批準(zhǔn)。

本研究使用的數(shù)據(jù)是隨機(jī)從上述數(shù)據(jù)庫(kù)中選取的。在截取數(shù)據(jù)樣本時(shí)，從每名患者的記錄中僅提取一段長(zhǎng)度為8 s 的Ⅱ?qū)CG 信號(hào)用于構(gòu)建數(shù)據(jù)集。該數(shù)據(jù)集主要包括房顫與非房顫2 類心電數(shù)據(jù)，其中非房顫類心電數(shù)據(jù)包含了竇性心動(dòng)過(guò)速、竇性心律不齊、房室傳導(dǎo)阻滯、房性心動(dòng)過(guò)速、房性早搏、分支傳導(dǎo)阻滯、交界性早搏、室性早搏、束支傳導(dǎo)阻滯以及正常心電10 種不同的心電節(jié)律。選取的心電數(shù)據(jù)分為2 個(gè)完全獨(dú)立的數(shù)據(jù)集。第一個(gè)數(shù)據(jù)集用于上位機(jī)房顫?rùn)z測(cè)算法的設(shè)計(jì)、模型訓(xùn)練以及性能測(cè)試。此數(shù)據(jù)集中，房顫樣本隨機(jī)選取了1 500 例，非房顫樣本每種節(jié)律選取了150 例，以使房顫與非房顫的數(shù)據(jù)達(dá)到平衡。第二個(gè)數(shù)據(jù)集獨(dú)立于第一個(gè)數(shù)據(jù)集，用于嵌入式房顫?rùn)z測(cè)設(shè)備的性能驗(yàn)證。此數(shù)據(jù)集中，房顫樣本隨機(jī)選取了700 例，非房顫樣本每種節(jié)律選取了70 例。2 個(gè)數(shù)據(jù)集共包含4 400 例ECG數(shù)據(jù)樣本。由專家對(duì)樣本進(jìn)行清洗，剔除不符合條件的數(shù)據(jù)，剔除標(biāo)準(zhǔn)為：（1）樣本中存在嚴(yán)重干擾；（2）心電節(jié)律類型不正確；（3）同一樣本中存在多種心電節(jié)律。

最終，共3 746 例數(shù)據(jù)樣本納入研究，數(shù)據(jù)的具體情況見(jiàn)表1。

表1 數(shù)據(jù)樣本量單位：例

2.2 房顫?rùn)z測(cè)算法性能驗(yàn)證

2.2.1 性能評(píng)價(jià)指標(biāo)

本研究基于提取的3 種ECG 信號(hào)特征指標(biāo)，構(gòu)建SVM 數(shù)學(xué)模型對(duì)房顫進(jìn)行檢測(cè)，并采用臨床采集的患者數(shù)據(jù)集對(duì)算法進(jìn)行分析和評(píng)估，評(píng)估指標(biāo)包括準(zhǔn)確率（accuracy，Acc）、敏感度（sensitivity，Sen）、特異度（specificity，Spe）、陽(yáng)性預(yù)測(cè)率（predictive ratio，P+）以及F1值。各指標(biāo)計(jì)算公式如下：

式中，TP 表示實(shí)際為房顫?rùn)z測(cè)結(jié)果也為房顫；FN 表示實(shí)際為房顫?rùn)z測(cè)結(jié)果為非房顫；TN 表示實(shí)際為非房顫?rùn)z測(cè)結(jié)果也為非房顫；FN 表示實(shí)際為非房顫?rùn)z測(cè)結(jié)果為房顫；F1值為精確度P（即陽(yáng)性預(yù)測(cè)率P+）和召回率R（即敏感度Sen）的調(diào)和平均數(shù)。

2.2.2 特征參數(shù)性能評(píng)估

本研究采用SDNN、RPEAK和B3 項(xiàng)ECG 信號(hào)特征指標(biāo)來(lái)構(gòu)建SVM 模型，為評(píng)估各參數(shù)在區(qū)分房顫與不同的非房顫心電類型之間的能力，分別繪制了3 項(xiàng)指標(biāo)在不同心電節(jié)律與房顫對(duì)比下的ROC 曲線，如圖5 所示。從圖5 中可以看出，不同指標(biāo)在區(qū)分房顫與不同心電節(jié)律的能力上存在差異，3 項(xiàng)指標(biāo)的信息相互補(bǔ)充，可進(jìn)一步提高房顫?rùn)z測(cè)模型的性能。

圖5 3 項(xiàng)信號(hào)特征參數(shù)在不同心電節(jié)律與房顫對(duì)比下的ROC 曲線

對(duì)于正常竇性心律、束支傳導(dǎo)阻滯、分支傳導(dǎo)阻滯以及竇性心動(dòng)過(guò)速4 種類型的心電節(jié)律，其RR 間期相對(duì)穩(wěn)定，P 波特征明顯，與房顫ECG 信號(hào)的特征具有非常大的差異。因此，3 項(xiàng)指標(biāo)的性能差異不大，多數(shù)情況下AUC 值均大于0.95，尤其對(duì)于正常竇性心律和竇性心動(dòng)過(guò)速2 種節(jié)律來(lái)說(shuō)，分類效果明顯。但對(duì)于早搏和竇性心律不齊的心電節(jié)律，由于RR間期不齊，SDNN 的AUC 值明顯下降，而形態(tài)學(xué)指標(biāo)仍然能夠保持在相對(duì)較高的水平，AUC 面積基本穩(wěn)定在0.90 以上。這也進(jìn)一步說(shuō)明，僅通過(guò)ECG 信號(hào)獲取RR 間期的心律不齊特性進(jìn)行房顫的識(shí)別，雖然在區(qū)分房顫與正常心律的情況下具有很高的鑒別能力，但對(duì)異常心律的魯棒性較低。對(duì)于房室傳導(dǎo)阻滯，由于PR 間期發(fā)生改變，P 波的出現(xiàn)失去了相位穩(wěn)定性，因此對(duì)指標(biāo)RPEAK的影響較為明顯。而對(duì)于房性心動(dòng)過(guò)速，心率不穩(wěn)定以及心電形態(tài)發(fā)生改變，使得3 項(xiàng)指標(biāo)的AUC 值均有明顯降低。

2.2.3 房顫?rùn)z測(cè)性能測(cè)試

為評(píng)估基于3 項(xiàng)ECG 特征指標(biāo)構(gòu)建的SVM 房顫?rùn)z測(cè)模型的總體性能以及在不同心電節(jié)律下的效果，本研究隨機(jī)選取142 例房顫數(shù)據(jù)（非房顫心律中樣本量最大值）分別與各類非房顫數(shù)據(jù)進(jìn)行十折交叉驗(yàn)證，將所有數(shù)據(jù)隨機(jī)分為10 份，輪流使用其中的9 份作為訓(xùn)練數(shù)據(jù)，剩下的1 份進(jìn)行性能測(cè)試，最終以10 次測(cè)試結(jié)果的平均值對(duì)各心電節(jié)律與房顫的鑒別能力進(jìn)行評(píng)估。之后，再利用樣本集中的1 334例房顫數(shù)據(jù)和1 299 例非房顫數(shù)據(jù)對(duì)SVM 房顫?rùn)z測(cè)模型進(jìn)行訓(xùn)練，完成十折交叉驗(yàn)證并進(jìn)行評(píng)估，結(jié)果見(jiàn)表2。

表2 十折交叉驗(yàn)證的結(jié)果

由表2 可知，該算法識(shí)別房顫的準(zhǔn)確率為93.40%，F(xiàn)1值為0.94，尤其是在區(qū)分房顫與正常竇性心律時(shí)準(zhǔn)確率可達(dá)到98.56%，F(xiàn)1值為0.99。但是對(duì)于室性早搏以及房性心動(dòng)過(guò)速2 種節(jié)律，房顫的識(shí)別準(zhǔn)確率低于90%。結(jié)果進(jìn)一步證明，對(duì)于早搏以及房性心動(dòng)過(guò)速等異常心律，房顫?rùn)z測(cè)的效果會(huì)受到較大影響。

2.3 嵌入式房顫?rùn)z測(cè)設(shè)備的房顫?rùn)z測(cè)性能評(píng)估

2.3.1 實(shí)驗(yàn)方案

為驗(yàn)證嵌入式房顫?rùn)z測(cè)設(shè)備的房顫?rùn)z測(cè)性能，本研究采用數(shù)模轉(zhuǎn)換實(shí)驗(yàn)平臺(tái)輸出嵌入式房顫?rùn)z測(cè)驗(yàn)證集中的1 113 例ECG 數(shù)據(jù)樣本，由嵌入式房顫?rùn)z測(cè)設(shè)備進(jìn)行實(shí)時(shí)信號(hào)采集與房顫?rùn)z測(cè)。數(shù)模轉(zhuǎn)換平臺(tái)采用NI 公司的MCCUSB-231 型16 bit 多功能數(shù)據(jù)采集卡搭建。樣本數(shù)據(jù)通過(guò)上位機(jī)LabVIEW 2020 設(shè)計(jì)的控制程序輸出，經(jīng)采集卡轉(zhuǎn)換為模擬信號(hào)后由嵌入式房顫?rùn)z測(cè)設(shè)備采集分析。為減小信號(hào)輸出的失真，數(shù)模轉(zhuǎn)換的采樣率設(shè)置為1 000 Hz。因ECG 信號(hào)極其微弱，為確保數(shù)模轉(zhuǎn)換后輸出的信號(hào)準(zhǔn)確無(wú)誤，采用BMA-400 生物信號(hào)放大器對(duì)采集卡輸出的模擬ECG 信號(hào)進(jìn)行了1 000 倍放大，并由數(shù)字示波器對(duì)放大后的信號(hào)進(jìn)行顯示，與原輸出信號(hào)進(jìn)行幅值、時(shí)間以及形態(tài)的比對(duì)和確認(rèn)。

由于截取的數(shù)據(jù)段長(zhǎng)度僅為8 s，為使得數(shù)據(jù)持續(xù)輸出，本研究采用循環(huán)輸出的方式。數(shù)模轉(zhuǎn)換設(shè)備開(kāi)始輸出信號(hào)后，啟動(dòng)嵌入式房顫?rùn)z測(cè)設(shè)備進(jìn)行房顫?rùn)z測(cè)，并記錄檢測(cè)結(jié)果。嵌入式房顫?rùn)z測(cè)設(shè)備驗(yàn)證實(shí)驗(yàn)平臺(tái)如圖6 所示。

圖6 嵌入式房顫?rùn)z測(cè)設(shè)備驗(yàn)證實(shí)驗(yàn)平臺(tái)

2.3.2 實(shí)驗(yàn)結(jié)果

本研究對(duì)嵌入式房顫?rùn)z測(cè)設(shè)備將房顫心律識(shí)別為“房顫”以及其余各種異常心電節(jié)律的非房顫心律識(shí)別為“非房顫”的準(zhǔn)確率進(jìn)行了測(cè)試。房顫?rùn)z測(cè)的總準(zhǔn)確率為91.37%，識(shí)別房顫的敏感度為96.48%，識(shí)別非房顫的特異度為87.04%，其結(jié)果見(jiàn)表3。

表3 嵌入式房顫?rùn)z測(cè)設(shè)備的房顫?rùn)z測(cè)結(jié)果

從實(shí)驗(yàn)驗(yàn)證結(jié)果來(lái)看，房顫?rùn)z測(cè)算法移植入嵌入式系統(tǒng)中后，在實(shí)時(shí)ECG 采集與房顫?rùn)z測(cè)過(guò)程中，由于信號(hào)采集過(guò)程的誤差以及嵌入式程序計(jì)算偏差的存在，其準(zhǔn)確率略低于上位機(jī)測(cè)試結(jié)果。從不同心電節(jié)律的結(jié)果來(lái)看，嵌入式房顫?rùn)z測(cè)設(shè)備對(duì)于早搏、房性心動(dòng)過(guò)速與房顫的鑒別能力較差，與上位機(jī)測(cè)試結(jié)果一致。這進(jìn)一步證明在房顫?rùn)z測(cè)過(guò)程中，正確區(qū)分上述幾類異常心電節(jié)律是提高實(shí)際應(yīng)用中房顫?rùn)z測(cè)準(zhǔn)確率的關(guān)鍵。

3 討論

本研究設(shè)計(jì)了基于嵌入式系統(tǒng)的實(shí)時(shí)房顫?rùn)z測(cè)算法，并通過(guò)上位機(jī)平臺(tái)和嵌入式平臺(tái)對(duì)算法進(jìn)行了測(cè)試。在構(gòu)建數(shù)據(jù)集時(shí)，每個(gè)數(shù)據(jù)段相互獨(dú)立，均來(lái)自不同的患者，2 個(gè)平臺(tái)測(cè)試時(shí)所用的數(shù)據(jù)集沒(méi)有交叉，保證測(cè)試是在跨患者模式下進(jìn)行。同時(shí)數(shù)據(jù)集涵蓋了包括房顫在內(nèi)的多達(dá)11 種心電節(jié)律，更符合實(shí)際應(yīng)用情況。實(shí)驗(yàn)結(jié)果表明，相比于近年來(lái)眾多基于深度神經(jīng)網(wǎng)絡(luò)的房顫?rùn)z測(cè)模型，本算法能夠以更低的算法復(fù)雜度實(shí)現(xiàn)較高的識(shí)別準(zhǔn)確率，更容易實(shí)現(xiàn)嵌入式系統(tǒng)的部署開(kāi)發(fā)；同時(shí)實(shí)驗(yàn)驗(yàn)證結(jié)果也說(shuō)明，嵌入式房顫?rùn)z測(cè)設(shè)備能夠在復(fù)雜的心電節(jié)律類型中有效地識(shí)別房顫，實(shí)現(xiàn)實(shí)時(shí)的房顫監(jiān)測(cè)，尤其對(duì)竇性節(jié)律以及部分異常心電節(jié)律具有很好的鑒別能力。

但實(shí)驗(yàn)結(jié)果也同樣反映出目前的房顫?rùn)z測(cè)算法還存在一些問(wèn)題和不足。首先，算法在區(qū)分房顫與房性早搏、室性早搏以及房性心動(dòng)過(guò)速等異常心電節(jié)律的能力上還存在缺陷。這也進(jìn)一步說(shuō)明了目前各項(xiàng)研究報(bào)道中因?yàn)閿?shù)據(jù)樣本類型的選擇不同而導(dǎo)致結(jié)果存在差異的原因。其次，軟件算法在進(jìn)行硬件設(shè)備部署時(shí)，有可能會(huì)受到信號(hào)采集或硬件算力的影響而降低算法的性能。最后，本研究中沒(méi)有將存在ECG 干擾的情況納入到數(shù)據(jù)樣本中。在今后的研究中，設(shè)計(jì)具有抗干擾能力、能夠有效區(qū)分房顫與各種異常心電節(jié)律以及能夠有效進(jìn)行硬件部署的房顫?rùn)z測(cè)算法，是本研究領(lǐng)域需要關(guān)注的重要方向。

4 結(jié)語(yǔ)

本研究提出了基于心率變異性指標(biāo)以及P 波平衡性和疊加平均比例2 項(xiàng)形態(tài)學(xué)指標(biāo)的房顫?rùn)z測(cè)算法，并完成了嵌入式硬件系統(tǒng)的設(shè)計(jì)以及房顫?rùn)z測(cè)算法的移植，通過(guò)臨床采集的大樣本數(shù)據(jù)集對(duì)算法的性能以及嵌入式房顫?rùn)z測(cè)設(shè)備的實(shí)時(shí)分析性能進(jìn)行了測(cè)試。結(jié)果表明，設(shè)計(jì)的算法具備跨患者模式下的較高準(zhǔn)確率和適應(yīng)嵌入式系統(tǒng)的低復(fù)雜度，研究成果可為基于穿戴式設(shè)備的房顫實(shí)時(shí)監(jiān)測(cè)提供技術(shù)支撐，對(duì)房顫的早期篩查具有積極的意義。