（信号与信息处理专业论文）短暂t波交替检测技术研究.pdf

独独 创创 声声 明明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成 果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或 撰写过的研究成果， 也不包含为获得 （注： 如没有其他需要特别声明的， 本栏可空） 或其他教育机构的学位或证书使用过的材料。 与我一同工作的同志对本研究所 做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名： 导师签字： 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解 学校学校 有关保留、使用学位论文的规定，有权保留并向国 家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。 本人授权 学校学校 可 以将学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、 缩印或扫描等 复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本授权书） 学位论文作者签名： 导师签字： 签字日期：201 年 月 日 签字日期：201 年 月 日 山东师范大学硕士学位论文山东师范大学硕士学位论文 i 目 录 目 录 . i 摘 要 . i abstract . iii 第一章 绪论 . 1 1.1 课题的来源及研究目的 . 1 1.2 研究背景 . 1 1.3 国内外 twa 研究的现状 . 2 1.4 本文的主要工作及创新点 . 5 1.5 论文框架 . 6 1.6 本章小结 . 6 第二章 小波变换基础 . 7 2.1 连续小波变换 . 7 2.1.1 连续小波变换的定义 . 7 2.1.2 连续小波变换的特点 . 8 2.2 多分辨率分析 . 10 2.2.1 多分辨率分析的定义 . 10 2.2.2 mallat 快速算法 . 11 2.3 信号奇异点检测 . 13 2.3.1 信号奇异点的小波变换检测方法 . 13 2.3.2 lipschitz 指数 . 14 2.4 本章小结 . 14 第三章 qrs 波检测 . 15 3.1 心电信号概述 . 15 3.2 心电信号预处理 . 17 3.2.1 心电信号的噪声种类 . 17 3.2.2 心电信号的预处理 . 18 3.3 qrs 波群的标定 . 18 山东师范大学硕士学位论文山东师范大学硕士学位论文 ii 3.3.1 r 波波峰的标定 . 18 3.3.2 q 波波峰和 s 波波峰的标定. 19 3.4 本章小结 . 20 第四章 t 波区间的识别 . 21 4.1 t 波形态的确定 . 21 4.1.1 t 波形态的分类 . 21 4.1.2 t 波形态的识别 . 25 4.2 t 波区间的检测 . 25 4.2.1 t 波区间检测方法概述 . 25 4.2.2 t 波起点和终点的确定 . 26 4.3 t 波检测效果评估 . 26 4.3.1 数据库的选择 . 26 4.3.2 仿真结果 . 27 4.4 本章小结 . 31 第五章 twa 检测算法 . 33 5.1 t 波区间的对齐 . 33 5.2 twa 的检测 . 34 5.2.1 快速傅里叶变换谱分析法 . 34 5.2.2 相关分析法 . 34 5.3 算法检验 . 37 5.4 本章小结 . 39 第六章 总结与展望 . 41 6.1 全文总结 . 41 6.2 前景展望 . 41 参考文献 . 43 致 谢 . 45 攻读硕士学位期间的科研工作和发表的文章 . 47 山东师范大学硕士学位论文山东师范大学硕士学位论文 i 短暂 t 波交替检测技术研究 摘 要 近年来， 心脏类疾病的发病率居高不下， 心源性猝死更已成为当今社会最为常见的致 死性病因之一，严重威胁人类的生命健康。通过研究发现，恶性心律失常是心源性猝死的 主要原因。t 波交替（t-wave alternans, twa） ，是由于心电信号中 t 波形态逐搏交替形成 的，可作为恶性心律失常和心源性猝死的预测指标。但由于 t 波交替大部分是微伏级的， 因此需要利用一定的数字信号处理技术。 本文简要介绍了快速傅里叶变换谱分析法、复合解调法、相关分析法、移动平均修正 法等几种著名的 twa 检测算法，并以 twa 的时域相关分析法为主要研究重点。本文主 要完成了以下工作： 1心电信号的预处理以及特征点标定。采用简单整系数法、数字滤波器以及采用双正 交小波中的bior2.2小波进行小波变换阈值去噪法对心电信号进行滤波处理， 去除工频干扰、 肌电干扰以及基线漂移等噪声，得到特征明显清晰的心电信号。然后对去噪后的心电信号 进行小波变换，在23尺度上定位qrs波。 2t 波区间的确定。利用模极大值法进行 t 波区间的识别。在 24尺度上首先根据 r 峰以及 t 波起点和终点的经验值确定初始 t 波区间。然后对每个心搏在此区间上找到 t 波的模极大值，根据模极值的个数和正负顺序确定 t 波的形态。对不同的 t 波形态采用 不同的检测标准。 由于不同形态的 t 波对应不同的 t 波起点和终点检测方法， 可是实现 t 波区间的分类检测， 提高 t 波检测的精确度， 为下一步 twa 的检测打好基础。 使用 matlab 对 qt 数据库中的心电信号进行仿真。 3twa 的时域相关分析法研究。时域相关分析法检测 twa 是对每个连续的 t 波计 算基于互相关技术的交替相关指标。首先提出了一种基于相关性的 t 波区间对齐方法。 然后在对齐的 t 波区间的基础上利用相关分析法进行检测。先取若干个连续的心搏计算 得到平均 t 波，将该 t 波作为模板与待检测的连续心搏中的 t 波求最大互相关值，利用 这个值与模板的最大自相关值之比来检测 twa。基于 european st-t 正常心电数据库和 mit-bih 心律失常数据库使用 matlab 实现算法的仿真。 本文主要是介绍了相关分析法这种时域 twa 检测方法，并对检测前期准备工作中的 t 波区间的识别方法进行了大量研究。相关分析法能追踪短暂的 twa 数据段，既能检测 山东师范大学硕士学位论文山东师范大学硕士学位论文 ii 稳态的 twa 也能检测非稳态的 twa。但同时它容易受到噪声干扰，对信号波形要求高， 这在很大程度上降低了它的临床应用价值。在本文中，我们希望通过提高 t 波区间检测 的准确度来降低相关分析法检测的错检率。 关键词：关键词：心电信号；t波交替；小波变换；模极大值；相关分析法 中图中图分类分类号：号：tp274, r318 山东师范大学硕士学位论文山东师范大学硕士学位论文 iii a study of the technology in the detection of transient t-wave alternans abstract recently, the incidence of cardiovascular diseases is higher and higher. the sudden cardiac death has been one of the most common reasons in fatal diseases, which is a serious threat to human life. by researching, it is found that malignant arrhythmia is the main cause of sudden cardiac death. t-wave alternans(twa) , consisting of beat-to-beat alternation in the morphology of the t wave, is a index of malignant arrhythmia and sudden cardiac death. as most of twa are at microvolt level, we had to use some digital signal processing technology. several famous algorithm of detection of twa were discussed in this paper, including the fast-fourier-transform spectral method, complex-demodulation method, correlation method, modified-moving-average method and so on. the time-domain correlation method was the main emphasis of this study. in this paper we have completed three aspects as follows: the first is preprocessing the ecg signals as well as calibrating the ecg feature point. we use simple integer coefficient method, digital filtering and double-orthogonal wavelet function bior2.2 for ecg filtering process, in order to remove the power interference, emg interference and baseline drift. then we can get ecg signals with clear characteristics. and using the wavelet transform to the de-nosing ecg, qrs complex waves were located in 2-3 scales by modulus maxima algorithm. then the t wave interval was recognized from the ecg, using the modulus maxima algorithm. according to the r-peak as well as the empirical values of t-wave beginning and t-wave end, the temporary t-wave intervals were identified on the 2-4 scale. the t-wave modulus maxima pairs of every beat were found in those temporary t-wave intervals. and then the t-wave morphology was determined on the basis of modulus maxima pairs quantity and plus-minus. as different t-wave morphologies correspond with different detection methods of the t-wave beginning and t-wave end, classification detection of t-wave interval was used to improve the detection accuracy. matlab was used to simulate data files from qt database. at last, the detection of twa was based on correlational method in time domain. time-domain correlation method (cm) detects twa by computing, for each consecutive t wave, 山东师范大学硕士学位论文山东师范大学硕士学位论文 iv an alternans correlation index based on a crosscorrelation technique. firstly, the method of t wave interval alignment was put forward based on correlational analysis. then, calculate the mean of several continuous beats. and this average t wave was considered as a template for detecting continuous beats, as well as the maximum cross-correlation index was figure out. finally, this index was compared with the maximum self-correlation of the template, and the result was used to decide whether there were twa or not. matlab was used to simulate data files from american mit/bih standard arrhythmia database and european st-t ecg database. in this paper, we focused on the time-domain correlation method, one method of twa detection. and before this detection, a lot of work had been done to identify the t wave interval. correlation method can track the transient twa episode. it can detect and quantify stationary and nonstationary episodes of twa in ecg recordings acquired during sinus rhythm. however, this method is easy to be affected by noise, which will largely reduce its clinical application value. we are favor to reduce the fallout ratio of the correlation method by improving the accuracy of the t wave interval. key words: ecg; t-wave alternans; wavelet transform; modulus maxima; correlation method. chinese library classification: tp274, r318 山东师范大学硕士学位论文山东师范大学硕士学位论文 1 第一章 绪论 1.1 课题的来源及研究目的 本课题来源于省科技攻关项目（远程猝死监测技术研究及实现，2007gg10001018） 、 省自然科学基金（恶性心律及呼吸失常检测方法，y2007g05） 、山东省自然科学基金（片 段非显性 t 波交替检测技术，zr2010hm020）和济南市自主创新项目（动态 twa 检测 技术的研究，201102005） 。项目主要进行心电信号的异常检测算法研究和硬件实现，旨在 完成便携式远程心电监控设备的研发，有效提供日常心电检测，预防恶性室性心律失常， 避免猝死。本文“短暂 t 波交替技术研究”主要研究了各项目中的有关 t 波交替及恶性 心律核心算法的构成及实验仿真。 1.2 研究背景 近年来，由于社会的进步，人们生活节奏不断加快，生存压力随之增大，从而导致心 脏类疾病的发病率及致死率居高不下。据报道，全世界每年有大约 1200 万人猝死，而其 中心源性猝死者比例更是高达 85%，已经成为当今社会最为常见的致死性病因之一，严 重威胁人类的生命健康，引起了广泛关注。所谓心源性猝死（sudden cardiac death, scd） 12，是指由于心脏原因引起的无法预料的自然死亡。大部分心脏病学者主张将其定义为 发生在出现急性症状的一个小时内， 由于不可预知的循环骤停而造成死亡。 相关临床研究 发现， 恶性室性心律失常是心源性猝死最为常见的原因之一。 心源性猝死患者不仅包括有 心脏病史的患者， 还有部分在病发前并无临床症状。 若在急症发作时患者能得到及时救治， 将大大降低死亡率。由于心源性猝死具有发病突然、进展迅速的特点，因此研究如何对其 发生进行有效的预测是十分必要的。 目前得到普遍认可的预测方法是利用心脏电生理进行预测。 心脏电生理检查是以整体 心脏或心脏的一部分为对象， 通过记录心内心电图、 标测心电图和应用各种特定的电脉冲 刺激，藉以诊断和研究心律失常的一种方法3。现在已行的预测指标有4：qrs 复合波延 长、分裂的 qrs、缺血性 j 波、st 段改变、长 qt 间期、qt 离散度、qt 振荡、t 波交 替、心率变异性、心律振荡等。近年来，这些指标作为预测心源性猝死的重要因素受到了 山东师范大学硕士学位论文山东师范大学硕士学位论文 2 关注，针对每个指标都进行了大量的研究和临床试验，但并没有找到最优的标准，每个指 标都有其独特的预测价值与局限性。本课题选用 t 波交替作为预测指标进行研究。 t 波交替（t-wave alternans，twa）是指在规整的心律时，体现在体表心电图上 t 波形态、极性和振幅逐搏交替变化的一种心电变异现象，即连续心搏的 t 波的形态、极 性和振幅按 ababa 的形式交替出现，如图1-1所示5。通常 twa 都是微伏级的，难以 用肉眼辨识。体表心电图中 twa 产生的确切机制目前还没有得到统一的认知，一般认为 是单个心肌细胞的复极交替， 进而反映为心室的复极交替。 由于部分心肌细胞复极时间较 长， 难以再次除极或完全除极， 当这些复极交替累积到足够强度时就会引起间接的传导阻 滞及形成由室颤回路产生的空间梯度6，增加室性心律失常的发生率，提供了心源性猝死 形成的病理基础。大量临床试验和研究表明：twa 与恶性室性心律失常以及心源性猝死 的发生有着极为密切的联系，是临床上预测心源性猝死的一个可靠而无创的指标7。 图 1-1 t 波交替现象示意图 1.3 国内外 twa 研究的现状 1908 年，hering8在心电图上发现了 twa 现象，并第一次把它描述了出来，但他仅 仅是将其作为一种奇特的心电信号记录了出来。 随后虽不断有人对这一现象进行研究， 但 并没有引起重视，直到 schwartz 和 malliani9通过大量临床观察与实验证明它与长 qt 综 合征有关。但是由于 twa 一般是微伏级的，很难用肉眼直接观测到，受当时科技水平的 限制，没能对这一现象进行深入研究。直到 adam 等10于 1984 年报告了微伏级 twa 的 存在，并采用能量谱分析法对其进行量化研究。这一报告的出现为 twa 的后续研究提供 了基础。在这基础上，twa 现象越来越引起人们的关注，并发现了越来越多的证据表明 twa 可作为恶性室性心律失常和心源性猝死的敏感性预测指标。 随着数字信号处理技术的飞速发展， 提出了许多微伏级 twa 的检测方法， 目前比较 山东师范大学硕士学位论文山东师范大学硕士学位论文 3 常用到的检测方法根据不同的原理主要分为三大类： 时域检测方法， 变换域检测方法和非 线性滤波方法。各分类详见表 1.1。 表 1.1 twa 检测方法的分类 时域检测方法 变换域检测方法 非线性滤波方法 相关分析法 快速傅里叶变换谱分析法 移动平均修正法 复合解调法 rayleigh 检测 统计检测法 拉普拉斯似然比法 周期变换法 karhunen-lo ve 变换法 基于奇异值分解法 poincar散点图法 连续小波变换法 基于主元分析法 时域检测方法是指在时域中通过符号变换的方法进行twa检测， 对非稳态的twa现象 具有良好的跟踪性能。其中较为著名的方法有相关分析法（correlation method，cm）11、 rayleigh检测法12、 karhunen-lo ve变换法13。 相关分析法是由burattini等于1997年提出的， 其原理是利用相邻t波区间之间的关联特性。基本思路是取若干个连续的心搏计算得到平 均t波，将该t波作为模板与待检测的连续心搏中的t波求最大互相关值，利用这个值与模 板的最大自相关值之比来检测twa。这种方法不仅能检测出twa的幅值变化，还能检测出 发生twa的具体心电数据段以及发生数目，具有良好的跟踪性；但频率分辨率较差，且对 数据质量有较高要求。rayleigh检测法是一种统计检测方法，原理是计算待检测时间序列 不服从周期模式的概率。基本思路是定义一个长度为32心搏的滑动窗口分析选定的t波序 列（记为yi）,测得 yiyi+1, yi+1yi+3,或 yiyi+2, yi+20。 山东师范大学硕士学位论文山东师范大学硕士学位论文 8 在（2-2）式中，尺度因子a是用来将母小波)(t作伸缩，时移b是用来确定)(tx的时 间中心。a与b联合起来共同确定了对)(tx分析的时间宽度与中心位置，如图 2-1 所示。 图 2-1 基本小波的伸缩及参数a和b对分析范围的控制 (a)基本小波， （b）0b，1a ,(c) b不变，2a, (d)分析范围 由图 2-1 可以看出，母小波由)(t变为)( a t 时，若a增大，)( a t 的时域宽度增大。b 确定了分析的时间中心位置。 式（2-2）中，)( , t ba 的前加因子 a 1 是为了使在不同的a值下)( , t ba 能保持能量不变。 即设 dtt 2 为母小波的能量，则)( , t ba 的能量 dt a bt a dt a bt a dtt ba 22 2 , 11 （2-3） 根据傅里叶变换的性质以及 parsevals 定理，可得到小波变换的频域表达式为： deax a xbawt bj bax 2 , 2 1 , , （2-4） 2.1.2 连续小波变换的特点 1定位性质 )(t )(bt b 2),( a a bt b t t t a2 a4 a3 a b a b 山东师范大学硕士学位论文山东师范大学硕士学位论文 9 由式（2-1）可以看出，若)( , t ba 在时域上围绕时间中心是有限支撑的，则),(bawtx在 时域上也是有限支撑的，那么),(bawtx反映了)(tx在b附近的性质，从而能实现时域定位 功能。 由式 （2-4） 可以看出， 若)( , ba 在频域上围绕频率中心是有限支撑的， 那么),(bawtx 也将反映)(x在中心频率处的局部性质，从而能实现频域定位功能。 2恒 q 性质 设)(t的时间中心为 0 t，时宽为 t ， 的频率中心为 0 ，带宽为 。 则定义母小波)(t的品质因数为： 0 q / =带宽/中心频率 （2-5） 对)( a t ， 结合图 2-1 可知， 其时间中心仍为 0 t， 但时宽变为 t a， 对应的频谱 aa 的频率中心变为a/ 0 ，带宽变为a/ 。其品质因数 带宽/中心频率=q a a 0 0 / / / （2-6） 据式 （2-6）可以看出， 在0a是前提下， 不论a为何值，)( a t 的品质因数保持不变。 3多分辨率 首先我们来研究小波基函数在频域中的特点。对式（2-2）进行傅里叶变换可得： bj ba eaa , （2-7） 则)( a的带宽和频率中心随a变化的情况如图 2-2 所示。 图 2-2 )( a随a变化的说明；(a) 1a，(b) 2a，(c) 2/1a 结合式（2-1） （2-4）以及图 2-1 图 2-2，小波变换在时频域上具有以下特点：当a增 大时，减小，)( a t 在时域中变宽，即时域观测范围变宽，同时)( a在频域中观测范 0 a 2/ 2/ 0 a 2 0 2 山东师范大学硕士学位论文山东师范大学硕士学位论文 10 围变窄，频率中心向低频移动；当a减小时，增大，)( a t 在时域中变窄，即时域观测 范围变窄，同时)( a在频域中观测范围变宽，频率中心向高频移动。如图 2-3 所示。 图 2-3 a 取不同值时小波变换对信号分析的时频区间 由于小波变换具有恒 q 性质，所以图 2-3 中三个时频分析窗口的面积是相同的。对 于低频分量（图中2/ 0 处） ，时域分辨率较低而频域分辨率较高；反之，对于高频分量 （图中 0 2处） ，时域分辨率较高而频域分辨率较低。综上所述，小波变换的分析窗口在 时频域上是可调的。 结合我们现实生活中的实际需要可知， 小波变换的这种特点是十分有 用的。 2.2 多分辨率分析2728 前面介绍了连续小波变换的定义和特点， 在实际应用中， 一般用计算机去实现小波变 换，所以研究a,b,t均为离散的小波变换是十分必要的。由 s.mallat 与 y.meyer 提出的多 分辨率分析技术在处理离散小波变换方面已比较成熟，成为小波分析的重要工具之一。 2.2.1 多分辨率分析的定义 29 多分辨率分析（multi-resolution analysis, mra）又称多尺度分析，能将信号用一个 低频成分及若干不同分辨率下的高频成分表示出来。 它不仅为研究信号局部信息提供了一 个直观的框架，还提供了信号分解和重构的算法。 设 j v,zj是)( 2 rl空间中的一系列闭合子空间， 使其成为一个多分辨率近似则必须 满足以下五个性质： 1时移不变性 0 2 2/ 0 0 2 t )2/1( a ) 1( a )2( a /2 2 /2 t t 山东师范大学硕士学位论文山东师范大学硕士学位论文 11 信号的时移不会改变其所属的空间，算式表达即为： zj，若 j vtx)(则 j vktx )( （2-8） 2单调性 对信号作高分辨率近似的结果会包含在对其作较低一级分辨率近似的信息中。 算式表 达为： zj， 1 jj vv，即 1210 jj vvvvv （2-9） 3伸缩性 伸缩性是单调性的直接结果。若将信号展宽两倍，则信号的分辨率降低一个尺度。算 式表达为： zj，若 j vtx)(，则 1 ) 2 ( j v t x （2-10） 4逼近性 当尺度趋近于正无穷大时，分辨率趋近于零，该信号的所有信息将不存在；当尺度趋 近于负无穷大时，分辨率趋近于无穷大，该信号在该尺度下的近似收敛于它自身。从空间 意义上讲，前者是所有空间的交集为零空间，后者是所有空间的并集收敛于整个)( 2 rl空 间。算式表达为： 0 j j j j vvlim （2-11a） )()( 2 rlvclosurevlim j j j j （2-11b） 5riesz 基存在性 存在一个基本函数)(t，使得)(kt ，zk是 0 v中的 riesz 基。 其中，若zkkt k ,)(之间线性无关，且存在常数ba0使得 222 xbcxa k k （2-12） 则称zkkt ),(是 0 v中的 riesz 基。 2.2.2 mallat 快速算法 在前面介绍的多分辨率分析的基础上，引入了离散小波变换的快速算法mallat 算 法。这种算法之于小波变换相当于快速傅里叶变换之于傅里叶变换。 山东师范大学硕士学位论文山东师范大学硕士学位论文 12 设)(kaj为多分辨率分析中的离散逼近系数，)(kd j 为离散细节系数，)( 0 kh是满足条 件)2()(2)( 0 ktkht k 的 低 通 滤 波 器 ， 而)( 1 kh是 满 足 条 件 )()()(kt 2kh2t k 1 的带通滤波器，则)(kaj和)(kd j 存在以下关系： )2()()2()()( 001 khkaknhnaka j n jj （2-13a） )2()()2()()( 111 khkaknhnakd j n jj （2-13b） 式中)()(khkh。式（2-13a）的输入输出关系如图 2-4(a)所示，式（2-13b）的输入输出 关系如图 2-4 (b)所示。若从0j开始分解，则如图 2-4 (c)所示，即将图(a)与图(b)合起来。 图 2-4 (2-13)式的网络结构 (a)低通分解 (b)高通分解，(c)二者的结合 在此基础上令j由零逐渐增大，就可逐级实现多分辨率分析。如图 2-5 所示。其反映 的过程就是 mallat 算法。 图 2-5 mallat 算法 h0(k)= h0(-k) 2 )( 1 ka)( 0 ka )()( 00 kakd h