心电自动分析系统

广泛的应用, 如何对海量的心电图数据记录进行 更加精确和快速的计算机自动分类就越来越受到 广大研究者 的重
视。心电自动分析系统实现了对心电数据的自动分类和智能诊断, 并具备对心电数据、病人 信息、医生诊断分 析等
数据管理功能。本文介绍了系统所涉及到的算法, 系统 的框架、功能 与实现, 并对 系统的 技术特 点进行了 分析, 最
2 心电图的诊断
尽管在 ECG自动分类方面许多学者作了大量 的研究工作, 得到上面所提及的一些基本的判断依 据, 但目前的分类方法都存在着一些缺陷, 不能很好 地解决分类问题。这主要是因为 ECG 波形分类中 存在着以下几个难点:
% 与波形检测一样, 分类过程中面临着噪声的 干扰, 只是经过了检测的预处理步骤后, 噪声能量有 较大的下降。
第 26卷 第 4期 2007年 8月
北京生物医学工程 Be ijing B iomed ica l Eng ineering
V o.l 26 N o. 4 A ugust 2007
心电自动分析系统
王鸿鹏 1 戴博 1 杨孝宗 2
摘 要 心电图的自动分析对于心血管疾病的分析和诊 断有着 十分重 要的意 义。随着心 电图在 临床中 日益
∀Ab stract# T he automa tic ana lysis o f ambulatory electrocard iogram ( ECG ) is very significant to cardiac d iseases ana lysis and diagnosis. W ith the ex tens ive clin ica l app lications of ECG, m ore and mo re em phasis is g iven by m ost researchers to explore even mo re accurate and higher speed ECG autom atic c lassifica tion m ethods as a synthetic and com plicated subject, espec ia lly for the volum inous ECG data. The ECG au tom atic ana ly sis system inc ludes autom atic class, inte lligence d iagnose, and the da ta m anage o f ECG, patient in fo rm ation, and docto r diagnoses. F irstly the pape r introduced the arithm etics about the system, espec ia lly tw o class, then in troduced the bas ic fram e, function and realization of the system. F ina lly the system techno logy tra it is discussed and the system application foreg round is forecasted.
第 4期
心电自动分析系统
, 387,
1 心电波形检测
在心电信号的波形检测中, QRS 波的检测至关 重要。由于 QRS 波群占据了 ECG 信号的大部分能 量, 其幅度特征非常明显, 和其它心电波形的区别显 著, 因此在 ECG 信号的波形检测中, 一般都是先检 出 QRS 波, 再以此为基础, 向前向后检出其他特征 波形。 1 1 心电波形阈值检测算法的原理
在比较各种差分方法的基础上, 选择了基于五 点差分的差分阈值法, 其原理如下:
令 ECG 数据为 X [ n ]序列, 五点差分值为 Y [ n ] 序列, [ n ]由下式得到:
Y [ n] = X [ n + 1] - X [ n - 1] + 2(X [ n + 2] - X
[ n - 2] ); n > 2 QRS复波阈值的设定方法为: 计算出 y [ n ] ( n
近年来, 随着计算机技术和心电理论不断向纵 深发展, 在心电图的自动分析领域, 主要涉及到阈值 检测、小波变换检测、基于人工智能的检测等一些检 测分析方法。在心电波形检测方法中, 差分阈值法 由于运算简单、效果比较明显, 至今仍然较为广泛地 应用于 QRS 波形的实时检测中。其它的波形检测 方法各有优劣, 目前还需要在理论上深入研究和临 床上进一步验证; 心电图的分类算法还不完善, 例如 神经网络等人工智能理论的应用, 虽然, 具有很好的 分类结果, 但是, 由于耗时较大、实现复杂, 并不是很 适合于实际应用, 因而本文将提出一种新的心电图 分类算法, 并在实际系统中加以应用。
主要步骤如下: % 按照波形单调性检测心电波形拐点; & 根据各拐点的幅度, 确定 R波的位置; ∋ 根据检测到的相邻 R 波的宽度, 剔出一些干 扰信号的突变点; ( 由 R波前后找到 Q 波、S波结点; ) 根据 Q 波、S波确定 P波、T 波位置; ∗ 由 R波、Q 波、S波、P 波、T 波结点位置计算 P R 间期、QRS宽度等波形特征参数; + 根据波形特征点标绘心电波形。
差分阈值法是最经典的心电信号 QRS 波形检 测方法, 其基本思想是: 对滤波后的 ECG 信号进行 差分运算, 求出差分的阈值以确定 QRS 波形的下降 沿, 再根据一定的时间窗和幅度阈值来确定 QRS 波 的特征点。该方法虽然对噪声较为敏感, 但由于其 运算简单, 计算复杂度较小, 因此在心电信号的实时 分析中仍然是应用较广的方法。算法的原理是基于 QRS复波的幅值与斜率均为最大的特点, 确定 QRS 复波的阈值, 计算 ECG 数据的差分值与阈值进行比 较, 如达到或超过该阈值即可判断为检测到一个 QR S 复波 。 1 2 心电波形检测算法的实现
& ECG信号特征参数 (如 RR 间隔、QRS 复波 宽度等 )具有模糊性。每个特征参数都是在一定范 围内变化着的量, 同一特征参数正常值与异常值的 区分阈值对不同个体有所不同, 这就造成了参数确 定、提取和识别的困难。
∋ ECG波形形态多变, 在个体间、个体内都有 一定差异性, 要对其进行正确识别, 同时要使得运算 量不至于过大, 比较困难。
后预测了系统的应用前景。
关键词 心电波形检测; 差分阈值; 二次分类; 模板匹 配
中图分类号 R318. 04
文献标识码 A
文章编号 1002- 3208 ( 2007) 04- 0386- 04
ECG au tom atic ana lysis system WAN G H ongp eng1, DA I B o1, YAN G X iaozong2 1 Shenzhen G raduate School, H arbin Institute of T echnology, Shenzhen, Guangdong Province 518055; 2H arbin Institute of T echno logy, H arb in 150001
( ECG信号尤其是动态 ECG 信号数据量大, 自动分析和诊断时间不能太长, 要求算法具有较好 的实时性。 2 1 二次分类心电图诊断方法
基于心电图快速阅读模糊分类法和模板匹配精 确分类法, 对心电图进行分类。其主要思想是: 首先 根据心电波形的特征参数, 从 11方面进行初次模糊 分类, 然后, 将这 11方面的分类可能产生的结果, 进 行并集运算, 作为分类的初次结果, 也就是限定一个 大致范围; 接着, 将这 11方面的分类结果, 进行交集 运算, 并依次将这些交集结果, 与按照下文所提 10 个方面量化后建立的模板库中相应病症模板匹配, 以此来确定最终的诊断结果。
= 2~ 999); 取其中前 10个最大值加以平均, 得到一Байду номын сангаас个平均值 Y, 则阈值为
rh = ( 0 7 ~ 0 8) ∃ Y 当 ECG 数据的差 分值超过 rh 的值时, 则判断 为检测到一个 QRS复波。利用阈值法可以很容易 地定出 P 波起点和 T 波终点, 然后, 采用最小二乘 意义下的二次曲线拟合方法来寻找最优分割点作为 P 波终点。在检测出 T 波后, 在 U 波可能出现的范 围内搜索 U 波, 使用前文所述多点差分的非线性变 换, 利用阈值法初步判定 U 波的存在及 U 波的起始 点, 由于 U 波和 T 波相似的形态, 其他一些参数可 以比照 T 波参数来完成。在此基础上, 可算出 R R 间期, 每分钟心率及 ST 段电平, 从而对该波形进行 分类。
, 388,
北京生物医学工程
第 26卷
2 2 基于心电图快速阅读模糊分类法 心电监测的本质是通过快速阅读屏幕滚动的心
电图来快速诊断和鉴别各种心律失常, 可分为以下 步骤。
( 1) 步骤 1 测量和分析心率。如果正常, 转 入第 2步。如果心率过快, 分析是否如下原因引起: 心动过速、心房扑动 ( 简称房扑 )、心房颤动 ( 简称房 颤 ) 、心室扑动 (简称室扑 )等。
∀K ey words# ECG detection; d iffe rentia te thresho ld de tection; tw o c lass; tem plate m atch ing
计算机医学应用已成为现代医学的一个重要组 成部分和专门学科。计算机的心电图 ( com puterized ECG )分析 是至今计算 机医学应 用中最 为成功 的范 例 之一, 它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 1亿多份 ECG 几乎采用计算机进 行分析处理。国际计算机心电图协会 ( Internat ional Society for Computerized E lectrocard io logy, ISCE ) 每年 召开的计算机心电图应用学术年会, 展示当今此研 究领域的最高水平和最新成果 [ 2 ] 。