（生物医学工程专业论文）基于小波变换的心电波形智能分析软件的设计与研制.pdf

基于小波变换的心电波形智能分析软件的设计与研制 软件进行了实验验证，即波形识别算法的论证实验和心律异常识别的策略验证实 验。实验结果表明，本项研究提出的算法是可行的。在实时e c g 波形分析中， p 波峰识别率达到了9 5 以上；在静态分析中，各个波形的识别率也优于或不 低于传统技术。本实验在重新纽舍的心电记录进行识别策略的验证实验中也达到 预期效果。 本项研究综合了数据采集、信号处理、环境模拟、算法融合和策略调整技术， 建立了一个集实时分析、记录存储、回放显示以及生成注释文件等多功能于一体 的软件系统。本系统还可以进行扩充，通过预留的硬件接口，可以实现与信号采 集设备相连；本系统中的心电模板可以作为心电数据库的数据源，有利于实验研 究结果的分析和管理。 本系统以w i n d o w 2 0 0 0 x p 操作系统为开发平台，采用v c 6 c + + 编写，在 它的m f c 架构上开发，小波变换基于m a t l a b 实现。 关键词： 智能分析 e c g 心律异常小波变换 i i 基于! ：堕兰苎竺竺璺兰兰竺! ! 坌堑竺竺竺兰竺兰竺型一一 s o f t w a r ed e s i g na n dd e v e l o p m e n t o fe c gw a v e f o r m i n t e i g e n ta n a i y s i sb a s eo n w a v e l e tt r a n s f o r m a t i o n m a j o r ：b i o m e d i c a le n g i n e e r i n g p o s t g r a d u a t es t u d e n t ：w um i n s h a n s u p e r v i s o r ：p r o fn i eb a n g j i a b s t r a c t h e a r td i s e a s ei st h eo n eo ft h et h r e eh i g h e s td e a dr a t ed i s e a s e so fh u n l a n b e i n g s f o ral o n gt i m e h e a r td i s e a s er e s e a r c hh a sb e e nb e i n gt h em a i n s u b j e c ti nm e d i c a lf i e l d i np a r t i c u l a r , t h es t u d yi ne l e c t r o c a r d i o g r a p h ( e c g ) i s t h ec o r eo ft h er e s e a r c h pw a v ea n ds ts e c t i o nd e t e c t i o na r et h ep e r t a i nt o t h ea d v a n c es t u d yi nn u m e r o u sa n a l y s i sf i e l d s i ti st h er e a s o nw h yp e o p l ep a y a t t e n t i o nt oi t y e tt h et h e o r ya n dt e c h n o l o g ys t i l ld on o ta c c o r dt o c l i n i c d i a g n o s i n g ，s of u r t h e rs t u d yi se x p e c t e d b e i n go n e k i n do fr i s i n gs i g n a la n a l y s i st e c h n o l o g y ，w a v e l e tt r a n s f o r m a t i o n h a db e e na p p l i e di nt h ee c gd e t e c t i o ni nr e c e n t l y f u r t h e r m o r e ，i th a sag r e a t p o w e r i ne x t r a c t i n gi n f o r m a t i o n w i t ht h es p e e d i n e s sa l g o r i t h m i ch a v e b e e np u t i n t op r a c t i c e ，w a v e l e tt r a n s f o r m a t i o na l s oe n s u r eh i g he f f i c i e n c yc h a r a c t e ri n r e a lt i m es i g n a la n a l y s i s a tt h eb e g i n n i n go ft h ep a p e r ，i tc o n c l u d e st h ed e v e l o p m e n to fc o m p u t e r t e c h n i q u ei ne c ga n a l y s e s a n dt h e n ，i td i s c u s s e sh o wt ou s ew a v e l e t t r a n s f o r m a t i o ni nc h a r a c t e ra b s t r a c t i n ga n dw a v e f o r md e t e c t i o n b e s i d e s ，i t l a y ss t r e s so ni n t r o d u c i n gt h es y s t e md e s i g na n dc o n c r e t et e c h n i q u e a l s o ，i t s h o w su s e ri n t e r f a c e so ft h es y s t e ma n dt h er e s u l to ft h ee x p e n e n c eb a s e do n m i t - b i he c gd a t a b a s e a tl a s ti ti st h es u m m a r ya n de x p e c t a t i o no ft h es t u d y t h ea u t h o ra i m sf o rt h ei n n o v a t i o ni nt h i sr e s e a r c h i nc o n t r a s tw i t ho t h e r e c g w a v e f o r ma n a l y s i ss o f t w a r e ，t h es y s t e m p o s s e s s e ss o m eo r i g i n a lp o i n t s 1 1 1 基于小波变换的心电波彤智能分析软件的设计与研制 f i r s t l y ，t h i sp a p e ru s e st h em e t h o do fa u t o a d a p t i v ed o m a i nv a l u ea n dt h e m e t h o do fr e o p e n i n gw i n d o w s o n s i g n a l s t os o l v et h e p r o b l e m o f t i m e e f f i c i e n c y , s ot h ea u t h o rs u c c e s s f u l l ya p p l i e sw a v e l e tt r a n s f o r m a t i o nt o t h er e a l t i m ea n a l y s i s s e c o n d l y ，r e a l i z i n gi n t e r f a c eb e t w e e nm a t l a ba n dv c s ot h es y s t e ms u p p o r t ss e l e c t i o no fs e v e r a lw a v e l e t sf u r t h e r m o r e ，a c c o r d i n g t ot h ec o m p l e x i t yo fa r r h ”h m i aw a v e f o r m ，i tt a k e sd i f f e r e n tm e a s u r ea n d p r o v i d e st h em e t h o do fm o r p h o l o g yi d e n t i f y i n go ne c gt e m p l a t e t h es t u d ya d o p t st h ed a t ao fm i t - b i ha r r h y t h m i ad a t a b a s et ot e s tt h e s y s t e m ，i ti n c l u d e sw a v e f o r md e t e c t i o na n da r r h y t h m i aa n a l y s i se x p e r i e n c e s ， t h er e s u l ta p p r o v e st h a tt h ea r i t h m e t i ci sf e a s i b l e i ne c gr e a l t i m ea n a l y s i s t h ed e t e c t i o nr a t eo fp e a ko fpw a v er e a c h e s9 5 i ns t a t i ca n a l y s i s ，t h e d e t e c t i o no fw a v e f o r m si ss u p e r i o rt ot r a d i t i o n a lf i l t e r si n r e a r r a n g e de c g r e c o r d s t h ed e t e c t i o ni ss o u n d t h es t u d yi n t e g r a t e sd a t a c o l l e c t i o n ，s i g n a lp r o c e s s i n g ，e n v i r o n m e n t s i m u l a t i o n a r i t h m e t i ca m a l g a m a t i o na n ds t r a t e g ya d j u s t i n gt or e a l t i m e a n a l y z e t or e c o r da n dt or e p l a yd a t a ，t h e nc r e a t ea n n o t a t e df i l e ，w h i c hi sa m u l t i f u n c t i o ns o f t w a r es y s t e m t h es y s t e mp r o v i d e sf u n c t i o ne x t e n s i o n f o r e x a m p l e ，w i t ht h er e s e r v e di n t e r f a c eo fh a r d w a r e i tc a nc o n n e c td e v i c e so f s i g n a lc o l l e c t i o n ；i t se c gt e m p l a t ec a nb eu s i n ga ss o u r c eo fe c gd a t a b a s e w h i c hf u r t h e rs t u d ya n a l y z ea n dm a n a g eo n b a s e do nw i n d o w 2 0 0 0 ，x p ，p r o g r a m m i n gi nl a n g u a g ec + + t h es o f t w a r e i s d e v e l o p e do nv c 6 0 sm f cf r a m e w o r k ，u s i n gt h et o o l b o xo fm a t l a b r e a l i z e sw a v e l e tt r a n s f o r m s k e yw o r d s ： i n t e l l i g e n t - a n a l y s i s e c g a r r h y t h m i a w a v e l e t - t r a n s f o r m a t i o n i v 一 苎二主堕主 第一章前言 现代计算机医学应用的突飞猛进，让医学这一门古老而严肃的学科重新焕发 出勃勃生机。从已经熟为人知的医院信息管理系统( 如h i s ) ，医学图像存储通 讯系统( p a c s ) ，到方兴未艾的数字人计划，计算机技术作为一种先进的工具， 与现代医学实现了融合发展。计算机在诊断的应用中，心电的数字化分析 ( c o m p u t e r i z e de c g ) 是最为成功的范例之一，融合了包括传感器技术，信号 处理技术，描记技术以及逻辑判断技术( 人工智能) 等最新的研究成果。在美国， 每年通过计算机分析至少就有一亿份e c g 报告。近年来，欧洲心脏病学大会， 国际心电图和向量图学术大会纷纷把心电的计算机分析列为大会交流的专题之 一。另外，心电识别在计算机分析的基础上加深智能化的程度，成为这一领域中 学术研究是否领先的标志。 1 。1 心电自动分析技术的发展现状 心电的自动分析广泛应用于各类心血管疾病诊断、监护、治疗仪器中。基于 单片机开发的小型心电监护仪，多参数监护设备虽然智能化程度低，但大多能做 到一些基本的病态预警；病房使用的心电监护工作站，则要求完成更多的心律异 常识别，并对心电数据实现信息化管理，以便通过网络进行远程传输方便会诊及 医学统计。而对于治疗性质的仪器，如起搏器和除颤器的自动发放，就必须要求 有精确的心电识别为基石，才能正确的发挥应有的功能。 为了进一步提高这些产品的实用性务普及程度，人们在实践中发展了很多种 方法去提高这些仪器的智能化程度。在传统的识别算法中，多以e c g 信号的微 分曲线为抽取特征值的基础，因为在微分曲线可以容易观察到原信号的斜率改 变，从而容易确定e c g 信号最陡的r 波。聪明的人们还使用逆向研究，发现在 一定的时间窗口中对e c g 信号进行积分，在积分面积的变化上同样荻得原信号 显著变化的特征。在外加一些针对e c g 信号特点的检测策略后，简单的心电自 动识别的先驱模型就诞生了。但显然，简单的算法仍然不能满足形态万千的e c g 信号。 第一章前言 为了减少各种环境噪声，伪差对心电自动识别的影响，人们引入了与滤波器 组异曲同工的小波变换分析方法。通过小波变换这个“数学显微镜”，e c g 信号 的各频带的信息得以无损失的抽取，使心电识别从基于单一的特征曲线信息推广 到以多频率带的综合信息为判别基础。小波变换的引入给工程师带来了更多的回 旋空间，去消灭恼人的各类噪声的同时，也进一步开创了多层次多角度分析研究 隐含在心电信号不同频带的病态信息的局面。1 0 年前，这类技术研究已经在学 术界得到了广泛的认同和支持，但嵌入这种新技术的成形产品才刚刚迈向市场， 等待着直接使用产品的临床医师、医护人员甚至家庭用户的积极反馈，以便完善 设计，更好的服务人群。 普遍认为，科研必须领先工程实验。科学家对人工智能的研究和运用的孜孜 以求，给心电智能化分析领域也带来了新一轮的思量。如何才能脱离在非线性的， 连续的e c g 信号上进行机械的，僵硬的特征提取，最大可能的模仿人脑去识别 充满了变数的、不拘一格的生物信号? 很多仿照人脑判断的方法都在进行深度的 研究中，例如，自适应学习，联想- y _ j ；4 ，模糊积分，分形统计等等，其中神经网 络是一个最有前景的答案，但也是一个不成熟的方案。探其原因，计算机硬件 的精细程度远远没有到达人脑组织的境界，这迫使人工智能一直只是处于模仿阶 段。虽然在心电自动分析上实现高真度的人工智能还是一个梦想，但是研究学者 还是争先进行了理论探索，得出了很多美好的设想。为了验证这些理论设想的正 确性，由计算机工程人员提供虚拟的实验环境，一切就都变得更加方便而又直观 了。 1 2 课题概况 本课题作者立足于科学实验，以实现各类心电智能分析算法和相应策略为前 提，同时不遗余力的进行算法融合的研究，构建高效协调运作，分析结果准确的 软件工程为最根本任务。本软件的实现综合了数据采集，信号处理，环境模拟， 算法融合，策略调整技术，既体现协调机制的高效，又要完成实时的数据分析显 示，记录、回放以及生成注释文件等多功能多任务的一个系统。本软件巧妙的使 用了w f d b 函数库对m i t 心电数据库文件插值提取，可以还原各种采样率产生 的心电数据，以及随库的注释，在经过模拟的干预后，在信号处理的过程中，本 第一章前言 软件主要调用了m a t l a b 的小波工具箱对信号进行了多分辨率的层析分解，从 各个不同的层中挖掘出能体现心脏电位变化的各种信息；再通过临床经验的总 结，对这些信息进行综合汇报和评估；使用自学习和节律形态分析等方法，来对 心电信号进行实时的监控和后期的分析标注；还对全段信号进行统计分析，给医 生展示分析结果，帮助医生诊断心脏异常。 考虑以物件为导向的c + + 语言不但在模拟真实世界有着卓越的效能比之 外，也因为有微软公司的推崇，以致在底层控制方面享有了得天独厚的优势。也 为了使得本软件的符合大多数人的使用习惯，实现友好的界面，争取运行中的优 良性能和稳定性，本软件选择在奔腾芯片为内核的p c 机，w i n d o w 2 0 0 0 x p 为 平台，v c 6 0 ( m f c 的单文档架构) 的开发环境；通过调用权威的数学工具 m a t l a b 的工作空问实现小波变换；把m i t - b i h 等国际心电文件标准的进行了 原代码级别的引进，故整个系统的输入输出( 除了串口通讯中的实时心电流按心 电模块的既定协议外) 都完全能与国际标准相接。 以上的设想在实践中已经达到既定的要求，本文将在以下章节对每个环节进 行详细叙述。 第= 章计算机m 电自动分析 第二章计算机心电自动分析 2 1计算机心电自动分析的起源和发展 2 0 世纪5 0 年代末，也就是计算机处于军事性质研究阶段，处于刚刚起飞阶段 的时候，美国的研究人员就开始探索如何应用这种计算工具于心电图分析上了。但 是由于当时的技术条件限制，此项研究没有进入临床实验，虽然如此，却可以称得 上是心电分析迈入计算机时代的历史性事件了。 1 9 5 7 年，美国的菲伯格教授用模拟电子计算机来模拟医师对心电图的测量和诊 断，就是用模拟电路识别每个心动周期波形作为根据，到1 9 6 2 年卡沙斯成功研制 常规1 2 导联心电图分析程序，从实际意义上创立计算机心电图分析的基本模式。 发展到今天的心电描记术已经与具有数据管理、检索和远程通信功能的现代计 算机技术结合统一起来。特别是近年来，电子技术的飞跃发展，连带着i t 业的应用 的纵深推广，极大的促进了心电监护市场的孕育和成长。目前常见的心电监护就有， 床边e c g 、动态a e c g ，电话t e l e c g 、无线心电遥测等等，无微不至的贴近到人 们的生活当中。不管是用于检测安静状态下的静态e c g ，还是用于诊断冠状动脉疾 病的运动e c g ，还有能够常用于c c u ( 冠心病病房) 、外科手术室、急救场所中的 实时检测心律失常的心电监护仪，还有小巧的h o l t e r ，都一定要拥有一个强壮、敏 感、准确的软体内核一一自动心电波形分析的程序。 这一科学课题在人类的心血中浸润了五十多年，终于走进了各种医疗机构，家 庭，发挥着治病救人的辅助作用。但是目前的监护产品的心律失常的判别准确性还 远远没能让医生可以完全放心的进行离线监护。主要是两个原因：一是心律失常的 种类繁多，判据的复杂和个体差异的影响，一直让工程专家费尽脑筋也苦不能解； 二是在基础波形分割上，现在的算法可以说是百花齐放，百家争鸣，而致力于各种 算法的取长补短，互相融合的研究却不多，开始有人在多分辨率，多导联上配合模 糊数学的理论进行了一定的探索，但是这样的实验研究还是任重而道远1 4 第二章计算机电自动分析 2 2 基于计算机的心电分析系统的优势 计算机在心电图中的应用为人们从事心电学研究和进行临床诊断提供了现 代化的手段。如今常规心电图已从单导联记录发展到1 2 导联同步描记，大大促进 了临床心电图的标准化进程；先进的滤波和抗干扰技术，使人们能获得高质量的 心电图记录；高速和高分辨率的模，数转换大大提高了心电图各种参数的测量精度； 先进的波形模式识别算法以及测量方法使心电图自动测量的准确性，达到相当高 的水平；模式识别和专家系统理论的发展使心电图自动解释和诊断分类性能也取 得了长足的进步。这些成就促进了心电信息学的发展，在整体上提高和拓展了心 电图的临床诊断质量和应用价值。 鉴于- 心电学原本的复杂性及心电图诊断的局限性，我们不能期望计算机诊断 超过人的最高诊断精度，尤其在复杂的心电图和心律失常分析诊断方面，至今仍 与j 占床医师要求相距甚远。但是，计算机的高速运算和大容量存储的功能，以及 现在蓬勃发展的互连网技术，都有助于心电信息的分析管理。 另外，心电信息学专家指出：要和国际上的心电图计算机分析的发展接轨， 我们现在最迫切的任务是： 1 、优化完善现有的各种心电信号分析技术，尤其要在p 波的检测和心律失 常分析诊断方面。 2 尽量采用标准的心电数据库进行评价分析程序的性能，使实验结果可以在 统一的务件下进行比较和互相参考。 建立计算机心电z - 作站，使心电信息能更容易的互连互通，通过智能化的综 合信息分析进一步提高临床心电诊断的正确性。本文对计算机心电自动分析的基 本理论进行上述的阐述，以下章节将详细介绍本论文的主要工作成果：基于实验 使用的心律异常分析软件工程a c t i v e h e a r t 的具体框架和实现。 2 3 计算机心电分析方法概述 国内外的计算机心电分析技术已经经过了漫长的学术和实践的历程，最有代表 生的几个分支有： 1 、e c g 信号除噪算法。 第= 章计算机m 电自动分析 一h _ _ 一 2 、e c g 各波的分割检测算法( p 波检测、q r s 波检测、r 波检测、q t 检测、 q t 离散度检测，s t 段检测) 。 3 、心律不齐的判别逻辑。 4 、疾病诊断的经验专家系统。 现今e c g 各波的分割处理技术处于主体地位的还是基于信号处理理论的非句 法( n o rs y n t a c t i c ) 的参数检测法吼从r 波位置、q r s 波的相关系数、q r 幅度和 r 峰斜率都已经被实验证明与心电异常的相关性高，可以作为重点检测的参数指标 【9 】0 丈献【1 0 】中，作者认为心电中重要的统计参数为心率，s t 段电压值，还有校正 心率q t 间期( q t c ) ，因此，本课题的重要任务就是准确识别r 波，s t 段( j 点) 和q 波起点，t 波终结，还有是对心电信号中信息的继续挖掘一一p 波的检测。 本课题主要关注着前三类的方法的具体实现。特别是如何利用现有的计算机集 成技术解决小波变换在e c g 各个特征波形上的分割和识别。 2 3 1除噪技术 分析e c g 信号的前提就是先要保证e c g 信号的质量，看它是否真实的反映 病人的心脏电生理活动，但是由于多种外因和内因，通常在进行心电分析前，我 们都要先对信号中一些与心脏活动无关的信号改变进行滤除，一般有基线漂移、 工频干扰、肌电信号和呼吸干扰等。 一般的滤噪处理可以用软件和硬件来实现，传统的频域滤波法都是通过基于 傅立叶变换原理的一些低通或带通滤波器，把整段信号映射到频域当中，进行滤 波截至等处理，但这样往往会滤掉本来心电信号中自有的一些波峰和弯折。小波 变换固其具有的局部分析和不失真的多尺度的信息抽取的优势，作为可靠的滤噪 工具已经隧慢被信号处理领域的专家所认同。 2 3 2 波形分割技术 e c g 各波波形分割是心电分析技术中最关键，最具影响的一门学问。在过 去以r 波识别为主的域值法、面积法、斜率法等算法的纷至沓来后，近年来比较 看好的算法包括有基于小波变换的q r s 渡群的识别，基于数学形态学、模板匹配、 分形混沌理论的波形分类技术、多尺度和多导联的综合分析技术等等。本论文所 6 第二章计鼽心电自动分析 采用的波形分割技术将在下一章详细叙述。 2 3 3 判别逻辑的制定 在很多心律失常的自动分析软件中，都会使用到提取心电特征量再采用分枝逻 辑法进行分析。但是分支逻辑法，一般都不能满足人类对疾病的认知习惯，所以生 物医学工程专家又在实践中找到了很多实用的方法，如能量谱分析，模板匹配，线 性预测，小波变换和神经网络等。本文也是以逻辑分析为基础，配合使用了模板匹 配，小波变换和分析统计的等方法。 本论丈挑选出以下几个心电信号中的特征量：1 、h r ；2 、平均h r ；3 、p 波 是否存在；4 、p 波与q r s 波相关性；5 、q r s 波的宽度。另外加上q r s 的形态 特征与正常波形模板的标准参数的比较( 与正常波形的各项波形指标参量变化不超 过2 5 ) ，进行心拍是否属于基本的心律失常的分析判断。 节律分析中，通过差分域值，自适应学习和小波变换抽取突变量来检测e c g 中 局部特异性很高的r 峰已经很多成功的实践例子，利用r 峰位置计算平均心率、 r r 间期是所有分析的初步基础。除此以外，q r s 波，p 波，以及s t 段的形态在 节律分析后该如何特征抽取和鉴别，本文将在信号特征抽取技术当中详细叙说。 2 4 心电波形概述f 5 ，q 心电是最能体现心脏活动的一种生物电信号。心脏在机械收缩之前，心肌窦 房结首先发生电激动，继而向心脏各部分进行传播，在一次兴奋过程中，电变化 的方向、传播路径，感动部位都会依照一定的次序发生，通过心脏附近的体液和 组织传导到体表，以致体表不同的位置发生有规律的电势变化。通过传感器等仪 器对这些电信号进行采集，记录，把这种变动着的电位差按时间顺序描记出来的 连续曲线就是心电图( e c g ) ，可以作为分析心脏活动的依据。 一 7 苎三主! 兰苎竺皇! 兰! 塑一 善搿霉刚“ 图2 1 正常心电周期的基本波形 如图2 1 ，是人体正常心电周期的基本波形，各组分叙述如下： p 波：为左右心房兴奋过程，持续时间为兴奋在左右心房扩布的时间，一般 正常人不超过01 1 秒。 p r 段：标志心脏的兴奋通过心房和心室交界传导至心室所需要的时间，一般 为0 1 2 0 2 秒。 q r s 波群：反映左右心室的兴奋过程，向下的q 波，对应了室问隔兴奋，并 由左向右扩布；随后向上的狭窄尖脉冲波r 波，对应了左右心室的兴奋过程；最 后向下的s 波，反映了心底发生的兴奋：整个q r s 波群一般历时0 1 秒。 s t 段：此时心室处于完全除极状态，正常情况下应该与基线平齐，若s t 段 偏离一定范围，则表示心肌具有损伤，缺血等病变。 t 波：心室的复极过程，t 波的幅度一般在0 1 到0 8 m v 之间，不会低于r 波的十分之一，t 波异常也暗示着心肌缺血或损伤。 为了对统一临床医生的常规判断程序，英国复苏委员会作出了推荐的解释心 电图五步法的指引，来获取基本的判断： 1 、获取心室率h r 。 2 、判断心室率是否规律，有没有发生额外心率，或者心率偷停。 3 、观察代表心房活动的p 波是否存在。 4 、观察p 波与q r s 波群的分离情况( 心房活动与心室活动是否相关) 是否意味 心律失常。 第二章计算机日电自动分析 5 、q r s 波群的宽度是否正常，正常q r s 宽应小于02 5 秒，过宽q r s 波意味 柬支传导阻滞，可能发生室早或室性心动过速。 本课题基于心电各个波形被识别的难宜程度，选择易识别的尖锋r 波为波形 分割根据。借鉴了一些临床经验，本文作者认为有需要继续发掘心电中一些非干扰 的次高频信息以及与心脏活动的关系，最后运用到心律失常的判别逻辑构成中去。 这部分的课题仍然处于不成熟的阶段，需要更多的理论和实验的支持，但本丈将在 识别幅频变化不显著的p ，t 波的基础上，关于如何利用它们的包含的信息去辅助 医生诊断的篆略上有所着墨。 2 5 心律失常的类型和判据 本课题软件主要判断的对象以常见的，多为冲动起源异常引起的心律失常为主， 其中属于恶性的心律失常，如：心室停搏、极度缓慢的心室率、室性心动过速、室 性心动过缓、奎 生过早搏动、接二连三出现的室蛀过- t - - 搏动，r o n t 型室性过旱搏 动等属于心脏节律改变的心律失常。这类心律失常属于危险病症，须系统实时分析 判断，床边报警，通知医生迅速进行治疗的。而心颤的心律异常包括房颤和室颤， 通常要使用运算量大的频谱统计分析来进行识别和区分，所以很难运用到实时监护 当中去。 本课题软件先通过节律分析进行识别一些基本异常类型，再联合连续心电信号 过程统计结果去评估的心脏的功能病变。在心律失常分析中的诊断支持系统的指导 思想，使用计算机分析的心电软件能有关键参量的统计功能，正是计算机技术在分 析e c g 信号过程中表现出较人工分析更为优越之处。 2 6 心电信号的统计意义 本软件作为一个诊断支持性质的系统，对一些常见的心律失常的判定提供体现 心电节律的统计分析功能，使系统拥有了更加宏观上解答现实问题上的学 - - - j 能力和 判别能力。这必然有助于避免了机械识剐的僵硬化，调和了未成熟的计算机奎自动 分析技术和细节繁多的临床经验的矛盾。 医学是一个重视统计的学科，临床上医生除了关注短时的心电波形外，还要对 一段时间的心电参量进行统计分析，才可以对病例作出正确的诊断。这些有实用意 9 第= 章计算机m 电自动分析 义的统计结果对医生诊断的影响更有甚于一两个异常的心博信号的出现。饲如h r v ( 心律变异) r r 直方图、p r 趋势，q t c 或q t d 统计、s t t 改变趋势等。 h r v ：心率变异i ! k ( h e a r tr a t ev a r i a b i l i t y ，h r v ) 可作为反映植物神经系统对- 心脏 调节的无创指标，是指窦性心率在一定时间内周期性改变的现象。在已知h r ( 心 率) 后通过时域统计方法就算可得。 r r 直方图：r r 间期和h r v 都是反映窦房结的节律周期性的重要指标，但对 一段长时间内r r 间期的分布统计就可以观察到心律变异的范围以及出现的频率， 可以从时间宏观的角度对心脏功能进行评价。 p r 趋势：p r 间期延长常表示激动通过房室交界区的时间延长，说明有房室 传导障碍。加速的心室自主心律与窦性心律呈干扰性房室分离时( 尤其当心室率与 窦性的心率相似时) ，可有短阵的p r 间期缩短、q r s 波群宽大畸形的心电图表现， 酷似间歇性预激；但长记录常可显示p r 间期不固定和房室分离，有利于与预激区 分。 q t c ( q t d ) 统计：q t 间期代表心室除极和复极的时间，在正常情况下其相邻 心室肌复极并不完全一致称之为心室生理性复极化不同步现象。此时间多在 3 2 + 8 m s 之间，如果复极延迟，形成缺血心肌和正常心肌的动作电位差值增大，即 q t c 离散度增加。 本文的计算方法为： 0 t c ( 校正心律q t 问期) = q t r r ； q t d ( q t 离散度) ；q t 。一q t m i 。； s t t 改变趋势：自q r s 波群的终点( j 点) 至t 波起点的一段水平线称为s t 段。正常任一导联s t 向下偏移都不应超过0 0 5 毫伏。超过正常范围的s t 段下 移常见于心肌缺血或劳损。正常s 一丁段向上偏移，在肢体导联及心前导联v 4 6 不应超过0 1 毫伏，心前导联v 1 3 不超过o 3 毫伏，s t 上移超过正常范围多见 于急生心肌梗塞、急性心包炎等。另外运动中和运动后心电图出现的s t 段变化还 有以下分类： ( 1 ) 缺血型s t 段下降( j 点后0 0 8 秒处0 1 m ； ( 2 ) s t 段呈上斜型下降，其j 点下降 0 2 m y 。s t 段终点部下降0 1 m v ，同 时下移回升的坡度0 1 m v s ； 1 0 第7 - 章计算机日电自动分析 ( 31s t 段下降01 m v ，s t 段指数o ： 本文计算方法为： s t 段指数= s t 段下降毫米数+ s t 段回升坡度，前者以负数计，正常 0 。 一 墨三主 堡兰竺竺苎登苎查 一 _ ，_ _ _ h - ，- _ _ _ h _ _ _ _ _ _ - - _ _ _ _ _ 第三章信号特征抽取技术 本课题使用的信号特征抽取技术有传统的识别r 峰的自适应域值法、斜率法、 烈及基于小波变换的多尺度分析方法。本文作者扬长避短的融合了这些方法，使 软件的算法流程既达到很好的抗干扰的目的，完成提取多层次波形特征的任务， 更达到了实时高效的性能要求。 3 1 自适应域值法 本课题在信号的预处理中，也就是在进行小波分析的前期，使用了一些简单、 基本的方法和策略来对信号进行科学可行的时间开窗分段，减轻了小波变换的单 次计算时间，使后期的运算更加的容易达到快速和准确。这里主要介绍一下自适 应域值法。 待处理的e c g 数据为x 【n 】序列如图3 1 ，使用自适应闽值法、配合多遍扫 描、设置2 0 0 m s 不应期等多种篆略，是本丈最基础的r 波检验方法。 图3 1e c g 信号序列 ( 1 ) 心电信号自适应域值法：把e o g 信号分成固定长度的片断( 保证舍有一个r 峰) ，在当前心电序列中取出若干个片断最大值( 怀疑r 峰值) ，平均后作为 决定衡量r 峰闽值的基础( 闽值= ( 极大值平均值一当前信号平均值) + 0 ，7 ) 。 这样处理后，可以消除心电的个体差异和时间差异，避免阈值过大而造成漏 检或阈值过小而误检。 ( 2 ) 不应期：在r 波后设置长2 0 0 m s 的不应期，其间不检测r 峰，减少噪声干 扰带来的误捡。 因为这种方法在应用上非常普遍，工程上比较容易实现的一种算法，判别的 依据更多的可以依靠经验，也可以很方便灵活的进行改动优化，但是因为它过多 1 2 第三章信号特征抽取技术 的依赖特征点和阈值，故对于复杂的变异心电波形，识别能力就被严重的局限。 而且在尖峰噪声干扰较严重时检出率也会大大降低。 3 2 基于小波变换的信号检测原理 在传统的差分域值法中，人们很多的利用了斜率判据来消除基线波动、高大t 波对r 峰识别的干扰，甚至在q r s 波幅度太小时，把幅度闽值和斜率阁值降低， 根据以前的r r 间期平均值进行重新搜索。这些方法虽然可行，但小波变换分析 技术却可以在变换过程中同时实现去噪，去基漂，以及对真实r 峰校验。本文作 者，在利用自适应算法检出r 峰后，就使用小波变换技术对信号进行更深入分析。 小波分析在心电数据的处理方面一直显示出过人的优越性。小波分析根据信 号不同的频率成分，在时域和频域自动调节采样步长的良好性质。前人研究利用 小波变换的过零点采检测q r s 峰值【1 1 】，较好的滤除e c g 基线漂移【1 2 1 ，和一定的模 板匹配方法结合起来，在心率失常的自动检测方面也取得了优异的成果 13 1 。 1 小波变换的基本原理 小波( 如德比契斯小波，图3 2 ) 是一个满足条件( z ) 出= o 的函数，称 为母小波，庐通过平移和伸缩而产生的一个小波函数簇屯。( 其中，a 、b 为伸缩和 平移参数) ： 图3 2 德比契斯( d a u b e c h i e s ) 小波 第三章信号特征抽取技术 丸。( 工) ：i 下1 | ( 型) ，d ，6 j r ，口o ( 1 ) 口 a j 、波变换是一种积分变换，定义为： w f ( d ，6 ) = ( f ) 以，。( o a t ( 2 ) 其中庐( r ) 是小波函数在复域中的共轭。为了能在计算机中分析，还有需要把连续 小波变换离散化1 47 1 。就是要对位移进行均匀离散、伸缩因子进行幂级离散，即a 取2 0 ，2 1 ，2 2 ，2 j 。根据m a l l a 算法可得： x 门( 七) = y h ( n ) x 川1 ( 女+ 2 川 ) ( 3 ) ( 七) = g ( n ) x o - t ) ( | i + 2 j - i 月) ( 4 ) 式中：d o ( k ) 代表分辨率j 下小波变换所得序列；x o ( k ) 代表分辨率j 下的离散概貌 信号；x ( o ( k ) 即为待分析信号。由此可知，在实际运用中，并不需要知道小波的具 体形式，只要知道h ( n ) 和g ( n ) 就足够了。而且，还可以推出小波的重建算法： 一。( 女) = h ( - n ) x o ) ( t + 2 川n ) + g ( - n ) d o ) ( t + 2 川月) ( 5 ) 其中多见的是三阶样条小波，其h ( n ) 和g ( n ) 如下： h ( 1 ) = 0 3 7 5 0 h ( 2 ) = o 1 2 5 0h ( 3 ) = 0 0 0 0 0 g ( 1 ) = 0 5 7 8 9g ( 2 ) = 0 0 8 6 9g ( 3 ) = o 0 0 6 1 h ( k ) = h ( 1 一k )g ( k ) = 一g ( 1 一k )h ( k ) = g ( k ) = 0( 当k 3 ) 当要验证小波变换是否正确时，可以利用( 3 ) ，( 4 ) 对一段整形的e c g 信 号进行小波分解，再利用( 5 ) 对分解出的小波信号进行重建( 结果将是浮点型的 数据) ，观察与原始信号的差别，如果误差在可接受的范围内，就可以证明小波变 换正确。 2 用于检测信号的突变特征的小波变换 根据小波变换理论，信号的突变( 奇异) 特性可用小波变换在多尺度的过零 点或极值点来表征【1 4 】。而信号的奇异性可以用l i p s c h i t z 指数( 亦称c t 李氏指数”： 表征信号局部特征的一种度量) 来描述，根据m a l l a t 对信号的奇异点与小波变换 极大值之问的关系，函数x ( t ) 在区间( a ，b ) 上是一致l i p s c h i t z 指数0 【由l i p s c h i t z 正规性可知，当且仅当存在一个常数k 0 使得对于所有的a t b 时小波变换为 1 4 弟三章信号特征抽取技术 j 暇他驯= 去聃矿l 等忙k 谛t 其中，就是l i p s c h i t z 指数，描述这信号的奇异性：当x o ( t ) 在t o 处连续可导，那 么t o 处的l i p s c h i t z 指数c 【= 1 ：如果x ( t ) 在t o 处有界不连续，则d 的上限为0 ；如果 x ( t ) 在t o 处连续不可导，则0 r 峰前后重新开窗一 小波变换 一 提取波形直接参数一 计算间接参数一，调用基本判据进行判断一 得出分析 结果( 一 或得到模板标准向量) 。因此节律分析类的总体设计图- 女= - f - ： 图4 3 节律分析类的数据流图 第四章系统的分析和设计 操作对象服务 相关属性输八输出描迷 s h o r t p e d o d d er 峰位置记单通道e c g ，信号长预测r 峰位自适应法检查 数据源 t e c t录数组度，信号计数器置r 埯 由数据源定时 器驱动 数据源 r h y t h m a n a l y s 当前直接节对于m i t b i h 的- 心电 确定r 峰位小波变换法检 律誊数 记录，一般为2 个通道置，以及检测测波形特征 由自适应申成的e c g 的开窗数据。通p 峰，j 点， 功识别到的r 道数、信号计数器和排井得出6 个节 峰的事件驱动序标志 律参数 m a 丁l a b w a v e i e t t r a n s f当前e c g 原 小波变换结果的存取数小波变换结 小波变换 始信号 据指针果 引擎 r h y t h m a n a l y s e 启动 人机界面 r e s e t ( 输 ) 节律计数器， 辑亳与棒舟 小波变换计 析有关的属性 数器，当前直 复位，以准备 接节律泰数， 另外的e c g 间接节律参