萬相奎 駱德漢 張軍 謝富蘭

1(廣東工業(yè)大學(xué)信息工程學(xué)院，廣州 510006)

2(廣州醫(yī)學(xué)院荔灣醫(yī)院心內(nèi)科，廣州 510170)

引言

心臟電交替是心臟電生理異常的一種表現(xiàn)方式。在心電圖(electrocardiogram，ECG)上可分為去極化波的電交替即QRS波群電交替和復(fù)極化波的電交替即T波交替(T wave alternans，TWA)。T波交替指T波每隔一個激動就發(fā)生振幅、寬度或形態(tài)的重復(fù)現(xiàn)象，即連續(xù)心拍的T波的形狀或幅度出現(xiàn)ABABA形式的規(guī)律變換，它反映了心室復(fù)極化過程的時間和空間的不均勻性傳播。大量臨床實驗和研究文獻(xiàn)表明[1-3]：TWA與室性心律失常，特別是惡性室性心律失常有密切的關(guān)系，是預(yù)測發(fā)生惡性室性心律失常和心臟猝死的獨立的，具有統(tǒng)計學(xué)意義的指標(biāo)。TWA檢測與評估方法當(dāng)前已引起廣泛注意，有望發(fā)展成為一種優(yōu)越的無創(chuàng)評定發(fā)生心臟猝死危險性的技術(shù)。

但TWA檢測具有一定的難度。由于TWA幅度一般只有微伏量級，極易受到外界噪聲的影響，電極和皮膚的接觸以及導(dǎo)線移動等都可以產(chǎn)生噪聲;靜息情況下人的心率一般為80次/min，RR間期為0.75 s，由此可以計算出 TWA的基本頻率為0.67 Hz，這與人體呼吸引起的基線漂移頻率范圍很接近;TWA是非平穩(wěn)現(xiàn)象，TWA片段的長度在幾個周期到幾百個周期之間變化，如果信號選取范圍不合適，則可能造成TWA的漏檢。

不少學(xué)者從頻譜和能量角度對TWA進(jìn)行了檢測研究，基于此提出了多種不同的 TWA陽性判據(jù)[4-11]。但頻域分析TWA無法確定T波交替的時域位置，對TWA現(xiàn)象的非平穩(wěn)特征無法做出有效的識別。受T波時域信息提取困難及其交替判據(jù)不成熟的影響，對TWA的時域檢測方法不多。目前的微分法[12]、相關(guān)法[13]、漸量修正平均法[14]，均對噪聲比較敏感[15]，對分析信號的信噪比有很高的要求，TWA檢測的穩(wěn)健性有待提高。

時頻分析提供了時間域與頻率域的聯(lián)合分布信息，清楚描述了信號頻率隨時間變化的關(guān)系。本研究基于短時傅里葉變換這一時頻聯(lián)合分析技術(shù)，運用 Wilcoxon秩和檢驗方法，研究穩(wěn)健的微伏級TWA檢測算法，并獲取TWA的時頻域信息，為心律失常和心臟猝死病理的治療與預(yù)測分析提供更豐富的信息。

1 基于時頻分析的TWA檢測算法

1.1 數(shù)據(jù)預(yù)處理

ECG的主要特征波中QRS波群的頻率分布范圍大致為0～100 Hz，但能量主要集中在 0.5～45 Hz，P波和 T波的頻譜帶寬約為0.5～13 Hz，能主要集中在0.5～10 Hz。ECG的噪聲主要包括工頻干擾、基線漂移、肌電干擾及電極移動產(chǎn)生的噪聲。在進(jìn)行T波交替檢測前，需要對采集的心電信號進(jìn)行預(yù)處理。

肌電干擾是由于病人肌肉緊張，產(chǎn)生不規(guī)則的高頻電干擾所致，表現(xiàn)為不規(guī)則的快速變化波形。頻率范圍寬，一般在5 Hz～2 kHz之間。采用文獻(xiàn)[16]提出的基于系數(shù)可調(diào)的新閾值函數(shù)的小波域信號去噪算法來降低噪聲影響。

基線漂移和電極移動產(chǎn)生的干擾通常小于5 Hz，采用文獻(xiàn)[17]提出的三次樣條差值法來糾正。

以50 Hz及其各次諧波構(gòu)成的工頻干擾，采用文獻(xiàn)[18]提出的自適應(yīng)notch濾波器來完成。

以小波變換的模極大值對的方法確定R波的波峰[19]。以RR間期方差是否小于RR間期均值的10%為判據(jù)來定RR間期是否平穩(wěn)，這樣既可防止過大的心動周期波動所造成的心電波形的變化，剔除異常心拍;又保證了所進(jìn)行TWA分析的心電數(shù)據(jù)中必要的生理性和病理性的心率波動。在RR間期檢測結(jié)果平穩(wěn)的基礎(chǔ)上，根據(jù) R波峰的定位結(jié)果，確定T波窗口，最后進(jìn)行TWA檢測。

由于T波波形多樣，T波起止點一向不易被準(zhǔn)確定位，而算法中又要求待檢測數(shù)據(jù)段每一心拍的T波窗口長度一致。為避免由于特征點定位誤差造成的結(jié)果偏差累計，T波時長固定為400 ms，T波起點采用經(jīng)驗公式確定：以當(dāng)前心拍的R波峰值所對應(yīng)的時間坐標(biāo)為基點，通過文獻(xiàn)[21]所采用的公式來確定T波起始點。

1.2 檢測算法

短時傅里葉變換通過對信號加窗函數(shù)，把信號分成許多小的時間間隔，用傅里葉變換分析每個時間間隔，從不同時刻局部頻譜的差異可以得到信號的時變特性，也能夠分析信號在某時刻的頻率。

設(shè)信號為x(t)，窗函數(shù)為r(t)，則短時傅里葉變換定義為

式中，τ和f分別表示分析時刻的時間和頻率。

信號x(t)在時間τ內(nèi)的總能量密度頻譜為

通過對ECG信號的短時傅里葉變換，可以獲得指定時間間隔內(nèi)特征波信號的頻率分布和能量譜，包括P波、QRS波群、及T波。

Wilcoxon秩和檢驗是基于樣本數(shù)據(jù)秩和的一種統(tǒng)計分析方法，廣泛應(yīng)用于兩組獨立樣本未知分布情況下，判定它們是否來自相同分布的總體。若一段ECG信號含有TWA，即T波存在幅值的交替變化，則各 T波所對應(yīng)的能量譜也應(yīng)呈現(xiàn)對應(yīng)的變化。因此可以依次提取各心電節(jié)拍的T波能量譜，構(gòu)成奇偶 T波序列，對它們統(tǒng)一編秩后，進(jìn)行Wilcoxon秩和檢驗來判別是否存在 TWA現(xiàn)象[20]。若奇偶T波樣本序列屬于同一樣本的概率低于0.05(P＜0.05)，則表示被分析的 T波序列中含有TWA現(xiàn)象，否則，則表示該段信號中沒有 TWA出現(xiàn)。這一檢測算法包括以下步驟。

步驟1：數(shù)據(jù)預(yù)處理后，對要被分析 ECG信號進(jìn)行小波變換，以小波變換的模極大值對方法檢測出R波峰，進(jìn)而計算出平均RR間期。

2)按式(3)確定 T 波起點[21]：

式中，Tsk(單位：ms)表示第k個心拍的T波起點位置，RRk表示第k個心拍的RR間期，Rk表示第k個心拍的R波峰值點后的40 ms位置。RR間期為當(dāng)前心拍和前一個心拍之間的時長。k=1，2，…，N。

T波起點后400 ms處為T波終點。

步驟3：定義提取并進(jìn)行分析的 T波頻率范圍為 0.5 ～10 Hz。

步驟4：對 ECG信號進(jìn)行短時傅里葉變換，根據(jù)以上劃定的時頻區(qū)域提取每個心電節(jié)拍的T波時頻信息，并計算每個T波在劃定時間內(nèi)(400 ms)的能量譜 Pi，獲得 T波能量譜序列 Pn，如圖 1所示。

步驟5：對 T波能量譜序列 Pn按奇、偶劃分為兩組：P2i+1、P2i，構(gòu)成奇、偶序列樣本，分別對應(yīng)奇數(shù)序列和偶數(shù)序列的T波。應(yīng)用Wilcoxon秩和檢驗方法，對其進(jìn)行統(tǒng)一編秩后，計算奇序列 P2i+1和偶序列P2i樣本來自同一分布的概率P。

步驟6：判斷是否存在TWA：若P ＜0.05，可認(rèn)為奇序列P2i+1和偶序列P2i樣本不是來自同一分布的樣本，即存在 TWA;反之，若 P＞0.05，則認(rèn)為被分析的ECG中沒有TWA出現(xiàn)。

圖1 ECG信號T波時頻特征提取Fig.1 Time-frequency feature extraction of T wave

2 算法實驗

2.1 仿真實驗

通過特定算法檢測的 TWA是否正確，人們通常是無法知曉的，因為微伏級TWA人眼無法識別。為了評估本算法在多噪聲情況下TWA檢測的正確和有效性，首先對模擬信號進(jìn)行仿真實驗。模擬信號獲取方案[21]如圖2所示。

1)在靜息狀況下，以500 Hz采樣頻率從健康受試者體表采集ECG信號。從中選擇一個“干凈”的心電節(jié)拍，時長為1 s。對該節(jié)拍重復(fù)500次，構(gòu)成一個合成ECG信號。這使得T波都是一致的，確保合成的ECG中不會出現(xiàn)TWA。以同樣方法從另外4位受試者中獲得4段合成的ECG信號。這樣獲取5段合成ECG信號。

2)高斯函數(shù)為

高斯函數(shù)的一階導(dǎo)數(shù)為

圖2 含TWA的模擬ECG信號Fig.2 Synthetic ECG with TWA

以這兩種表達(dá)式所對應(yīng)的波形來分別模擬T波交替因子的波形(高斯函數(shù)一階導(dǎo)數(shù)波形取其一半)。

每種波形對應(yīng)5種不同幅值的交替因子，分別設(shè)定為：10、20、50、100、200 μV，構(gòu)造出 10 種不同的T波交替因子。在以上合成的5段ECG信號中，每隔一個心拍對T波進(jìn)行疊加，獲得50段不同的含TWA的ECG信號。

3)從 PhysioBank 數(shù)據(jù)庫(www.physionet.org)的MIT-BIH心電噪聲測試數(shù)據(jù)庫中獲取心電基線漂移、肌電噪聲和電極移動噪聲，并生成模擬高斯噪聲。將以上噪聲疊加后，通過調(diào)整噪聲幅值，分別與前面獲取的50段含TWA的ECG信號混合，構(gòu)造出信噪比分別為 20、25、30、35、40 的模擬 ECG，從而最終獲得250段含噪聲和TWA的模擬ECG。

按以上方案模擬一個ECG信號的過程示例如圖3所示。

對以上仿真方案構(gòu)造的各模擬ECG按本研究提出的算法分別進(jìn)行檢測。

圖3 模擬含TWA的ECG信號的過程。(a)同一個心拍合成的ECG;(b)高斯函數(shù)模擬的幅值為200 μV的T波交替因子;(c)含TWA的合成ECG;(d)模擬的含TWA的ECG信號Fig.3 The flow chart of simulating ECG with TWA.(a)the synthetic ECG by a same beat;(b)simulant alternans factor with 200μV by gauss function;(c)synthetic ECG with TWA;(d)synthetic ECG with TWA and noise

2.2 臨床實驗

分別從5位健康受試者體表采集30 min時長的ECG數(shù)據(jù)，以及從歐洲ST-T心電數(shù)據(jù)庫中獲取多個患心絞痛、冠心病或心肌梗塞患者的 ECG數(shù)據(jù)，分別應(yīng)用本算法和文獻(xiàn)[5]提出的譜方法(spectral method，SM)對其進(jìn)行了檢測實驗。

2.3 短時心電數(shù)據(jù)的TWA檢測

譜分析法可以準(zhǔn)確實現(xiàn) TWA檢測，但通常需要選擇128個心拍作為分析長度。對于僅持續(xù)幾十個心拍的短時間內(nèi)采集的短時心電數(shù)據(jù)，TWA通常難以被有效識別和判定。

采用所提出的算法對短時心電數(shù)據(jù)進(jìn)行了分析。從前面擬合的各類心電數(shù)據(jù)中，分別提取連續(xù)64和100個心拍的心電數(shù)據(jù)，按以上算法進(jìn)行TWA檢測實驗。實驗分為兩種類型。

第1種類型為不同SNR水平時，對擬合的不同TWA 值(10、20、50、100、200(V)的 ECG 信號進(jìn)行檢測，同一SNR和TWA水平下各有50段數(shù)據(jù)。

第2種類型為不同SNR水平時，分別對數(shù)量為50段的數(shù)據(jù)組進(jìn)行檢測。每組的50段數(shù)據(jù)是由10種不同的T波交替因子(高斯波形和其一階導(dǎo)數(shù)波形構(gòu)成，TWA 分別為 10、20、50、100、200 μV)分別與合成的5段ECG在T波上疊加而合成。

3 實驗結(jié)果

定義算法的靈敏性(Se)和錯誤預(yù)測率(PE)如下：

式中，TP表真陽性數(shù)目，即正確檢測出的真實存在TWA的ECG數(shù)目;FP表假陽性數(shù)目，即錯誤檢測出TWA而實際不存在TWA的ECG數(shù)目;FN表假陰性數(shù)目，即漏檢的含TWA的ECG數(shù)目;TN表真陰性數(shù)目，即真實存在的不含TWA的ECG數(shù)目。

3.1 仿真實驗結(jié)果

不同信噪比下，Wilcoxon秩和檢驗的概率P值如表1所示。

不同T波交替幅度下，Wilcoxon秩和檢驗的概率P值如表2所示。

通過本算法對250例模擬的ECG分析，檢測出其中的226例 ECG中出現(xiàn) TWA現(xiàn)象(P＜0.05)，24例沒有 TWA(P＞0.05)，即結(jié)果中 TP為 226，F(xiàn)N為24，TWA檢測的平均靈敏性 Se達(dá)90.4%。

若分析噪聲對檢測結(jié)果的影響(見表1)，可以發(fā)現(xiàn)：在信噪比高于30時，本算法可以100%準(zhǔn)確檢測出TWA。進(jìn)一步考慮TWA幅值對檢測結(jié)果的影響(見表2)：在 T波交替因子幅值高于100 μV時，本算法可以100%正確檢測出TWA，在TWA為50 μV時，檢測靈敏性達(dá)98%;20μV時檢測靈敏性達(dá)82%;10 μV時達(dá)72%。為進(jìn)一步測試算法的魯棒性，對前面合成的5段ECG均不加入模擬的TWA交替因子，直接與混合噪聲構(gòu)建不同信噪比(SNR=20、25、30、35、40 dB)下的模擬 ECG信號，獲得25段不含 TWA的模擬ECG。

表1 合成ECG不同信噪比下的P值Tab.1 Values of P in synthetic ECG calssified by added noise

表2 合成ECG不同交替幅值下的P值Tab.1 Values of P in synthetic ECG calssified by amplitude of the added TWA

用所提出的算法對這25段模擬ECG進(jìn)行TWA檢測。在SNR=20時檢查出2個模擬ECG的P＞0.05，其它23個模擬 ECG在不同 SNR下檢測結(jié)果均為P＜0.05，即TN為23，假陽性FP為2。根據(jù)式(7)，本算法在這種模擬情況下的錯誤預(yù)測率為8%，即其正確預(yù)測率達(dá)92%。

3.2 臨床實驗結(jié)果

檢測結(jié)果如表3所示。表中”SM”表示譜分析方法;ECG n表示第n個健康受試者;編號為 e0103的P＜0.05欄中的值“17(56%)”表示 30段 ECG中檢測出17段出現(xiàn)P＜0.05，它在一定程度上反應(yīng)了TWA出現(xiàn)的頻次。

在運用算法的實驗中，基于Wilcoxon秩和檢驗的應(yīng)用限制，需考慮設(shè)定合適的T波數(shù)目來獲得具有統(tǒng)計意義的結(jié)果。將30 min時長的ECG數(shù)據(jù)劃分為30個1 min的ECG段，每段大致包含60～80個T波，對每個1 min時長的 ECG分別送入算法檢測。

從表中可以看出，本算法和基于SM譜方法分析在本次實驗樣本中檢測的結(jié)果完全一致。

表3 部分樣本的檢測結(jié)果Tab.3 Test results of partial samples

本算法在表中也反映出：編號為e0105和e0121的患者，其TWA在多段心拍檢測中出現(xiàn)的頻率均高達(dá)70%以上。根據(jù)TWA是預(yù)測發(fā)生惡性室性心律失常和心臟猝死的預(yù)測指標(biāo)觀點，其應(yīng)列為重點監(jiān)測對象。

3.3 短時心電數(shù)據(jù)的TWA檢測結(jié)果

表4為SNB=25 dB時，不同TWA水平的檢測結(jié)果。對比表1、表2和表4不難發(fā)現(xiàn)：本算法對短時心電數(shù)據(jù)的TWA檢測在不同TWA中取得較好的檢測效果，特別是在TWA幅值為50以上，取得了與長時心電數(shù)據(jù)TWA檢測一致的結(jié)果。

表4 短時間心電數(shù)據(jù)的TWA檢測(SNB=25 dB)Tab.4 TWA detection of ECG data within short time(SNB=25 dB)

表5為不同SNB情況下，對不同級別 TWA的檢測結(jié)果。對比表1、表2和表5同樣容易發(fā)現(xiàn)：本算法在不同信噪比下，對短時心電數(shù)據(jù)中存在的不同形態(tài)和幅值的TWA檢測有較好的檢測能力，特別是在信噪比為30以上時，取得了與長時心電數(shù)據(jù)TWA檢測一致的結(jié)果。

表5 短時間心電數(shù)據(jù)的 TWA檢測(TWA=10、20、50、100、200 μV)Tab.5 TWA detection of ECG data within short time(TWA=10、20、50、100、200 μV)

4 討論

短時傅里葉變換雖然仍然是在特定時間窗內(nèi)的快速傅里葉變換，本質(zhì)上是在譜分析范疇。但本算法是應(yīng)用短時傅里葉變換來提取連續(xù)T波的能量信息，通過Wilcoxon秩和檢驗這一統(tǒng)計技術(shù)來定性檢測TWA，因此本算法對TWA檢測的能力主要由Wilcoxon秩和檢驗來決定，這跟基于譜分析的TWA檢測算法有本質(zhì)區(qū)別，這也是本算法在短時心電數(shù)據(jù)的TWA檢測中取得較好檢測效果的原因。

對T波的起點及終點的定義在許多文獻(xiàn)中并不一致。T波低頻多態(tài)(很多情況下也低幅)，容易受到噪聲干擾，準(zhǔn)確檢測它比較困難。T波選取方法通常有經(jīng)驗值法、面積法、模板法等[22-23]。面積法和模板法等均對信號預(yù)處理質(zhì)量有較高要求，并預(yù)先確定T波的范圍，而在目前T波的檢測準(zhǔn)確率尚不高的情況下，對于雙向、雙峰等形態(tài)的 T檢測結(jié)果可能出現(xiàn)差誤。經(jīng)驗值法可能導(dǎo)致RT間期變異情況下出現(xiàn)誤判，但它可以避開T波始末點確定的難點，并大幅減少T波檢測運算量。

考慮到本研究主要是要求提取T波能量，而T波能量主要集中在T波中間部位，在起點和終點附近其能量很小，因此認(rèn)為采用這一方法對由于 RT間期變異所引起的誤判和干擾的可能性較小。在進(jìn)行驗證實驗的過程中，從實驗數(shù)據(jù)中隨機提取了兩段心電數(shù)據(jù)，分別進(jìn)行了RT變異的模擬試驗：分別將RT間期延長10 ms和縮短10 ms，提取的T波能量變化均低于1%。進(jìn)行Wilcoxon秩和檢驗的結(jié)果沒有變化。因此本研究選擇了經(jīng)驗值法來定位T波。

5 結(jié)論

微伏級的TWA事件很難通過觀察來識別，研究可靠的TWA檢測算法，及尋找TWA與心臟猝死事件的關(guān)系是目前無創(chuàng)心臟猝死危險分層及預(yù)測研究的熱點。

本研究提出了一種基于T波時頻能量譜的統(tǒng)計分析方法來檢測TWA的算法，通過對不同噪聲級別、不同TWA形態(tài)和幅值下的模擬ECG檢測，驗證本算法的TWA檢測靈敏性和魯棒性。對于本研究設(shè)計的模擬信號，TWA檢測的平均靈敏性達(dá)90.4%，特異性達(dá)92%。在30 dB及以上信噪比情況下，實現(xiàn)了100%的TWA正確檢測。臨床數(shù)據(jù)檢測中，其檢測結(jié)果和目前普遍被認(rèn)同的SM譜方法檢測的結(jié)果完全一致：所有健康受試者均沒有發(fā)現(xiàn)TWA;來自歐洲ST-T心電數(shù)據(jù)庫中，檢測出兩個患者盡管患有冠心病和心絞痛，但在檢測樣本中并沒有發(fā)現(xiàn)TWA。

本研究提出的這一調(diào)和方法在微伏級TWA檢測上既可達(dá)到傳統(tǒng)譜分析方法的魯棒性和準(zhǔn)確性，也支持靜息狀況下采集的患者的ECG分析，這些特點均是目前譜分析法和時域分析法所不具備的。本研究中，通過少量樣本檢測的結(jié)果來確定TWA和心臟猝死事件的關(guān)聯(lián)是困難的，未來將根據(jù)本算法進(jìn)行大樣本實驗，以期尋找兩者的客觀聯(lián)系，這將是下一步的研究工作。

[1]Garcia P，Euler DV.T-wave alternans：reviewing the clinical performance， understanding limitations， characterizing methodologies[J].Annals of Noninvasive Electrocardiology，2008，13(4)：401-420.

[2]Quarta G，Marino L.The microvolt T-wave alternans test：an emerging tool for risk stratification of sudden cardiac death [J].High Blood Pressure＆ Cardiovascular Prevention，2007，14(4)：213-219.

[3]Javed B，Angel L.The elusive scourge of sudden cardiac death[J].Journal of American College of Cardiology，2007，49(13)：1434-1437.

[4]Rosenbaum DS，Jackson LE，Smith JM，et al.Electrical alternans and vulnerability to ventricular arrhythmias[J].The New England Journal of Medicine，1994，330(4)：235-241.

[5]Burattini L，Bini B，Burattini R.Correlation method versus enhanced modified moving average method for automatic detection of T-wave alternans[J].Computer Methods and Programs in Biomedicine，2010，98：94-102.

[6]張志菓，張建興，李川勇.T波交替的研究進(jìn)展[J].國際生物醫(yī)學(xué)工程雜志，2007，30(3)：181-186.

[7]Nearing BD，Verrier RL.Personal computer system for tracking cardiac vulnerability by complex demodulation of the T wave[J].Journal of Applied Physiology，1993，74(5)：2606-2612.

[8]Martínez JP， Olmos. Methodological principles of T wave alternans analysis：a unified framework [J].IEEE Transaction on Biomedical Engineering，2005，52(4)：599-613.

[9]余輝，李恒達(dá)，張力新等.改進(jìn)的譜分析法定量估算T波電交替的研究[J].中國生物醫(yī)學(xué)工程學(xué)報，2011，30(2)：213-219.

[10]Burattini L， Bini S， Burattini R. Comparative analysis of methods for automatic detection and quantification of microvolt T-wave alternans[J].Medical Engineering＆ Physics，2009，31：1290-1298.

[11]Boix M，Canto B，Cuesta，et al.Using the wavelet transform for T-wave alternans detection[J].Mathematical and Computer Modelling，2009，50：738-742.

[12]Karczmarewicz S，Kulakowski P.The new，non-rate-dependant algorithm of T-wave identification for time-domain analysis of T wave alternans in high resolution ECG[C]//Karczmarewicz S.Proceedings of the 6th International Conference on CAD Systems in Microelectronics.Slavsko：Ukraine，2001：85-87.

[13]Burattini L，Zareba W，Courdec J，et al.Computer detection of non-stationary T-wave alternans using a new correlation mcthod[J].Computers in Cardiology，1997，24：657-660.

[14]Nearing BD，Verrier RL，Modified moving average analysis of T-wave alternans to predict ventricular fibrillation with high accuracy[J].Journal of Applied Physiology，2002，92：541-549.

[15]Janusek D， Pawlowski Z. Comparison of T-wave alternans detection methods[J]. Biocybernetics and Biomedical Engineering，2004，24(4)：31-41.

[16]萬相奎，徐杜，張軍.心電信號小波消噪方法的研究[J].中國生物醫(yī)學(xué)工程學(xué)報，2008，27(4)：630-632.

[17]Meyer C，Keiser H.Electrocardiogram baseline noise estimation and removal using cubic splines and state space computation techniques[J].Computers and Biomedical Research，1977，10：459-470.

[18]Ferdjallah M，Barr RE.Adaptive digital notch filter design on the unit circle for the removal of powerline noise from biomedicalsignals[J].IEEE Transaction on Biomedical Engineering，1994：41(4)：529-536.

[19]Li Cuiwei，Zheng Chongxun，Tai Changfeng.Detection of ECG characteristic points using wavelet transforms[J]. IEEE Transaction on Biomedical Engineering，1995，42(1)：21-28.

[20]Inaki R，Neil R，Paul S，et al，T-Wave alternans found in preventricular tachyarrhythmias in CCU patients using a wavelet transform-based methodology [J]. IEEE Transaction on Biomedical Engineering，2008，52(4)：2658-2665.

[21]Martinez，Olmos S，Laguna P，T wave alternans detection：A simulation study and analysis of the European ST-T database[J].Computing in Cardiology，2000，27：155-158.

[22]張石，佘黎煌，徐中強，等，心電 T波電交替檢測算法綜述[J].中國生物醫(yī)學(xué)工程學(xué)報，2010，29(3)：446-463.

[23]沈永林，蔡志鴻，孫小蒼.心電微伏T波交替檢測的一種方法[J].清華大學(xué)學(xué)報(自然科學(xué)版)，2004，44(4)：462-465