馬建峰 徐曉雨 張霧琳

摘 要：提出一種基于差分閾值自適應(yīng)的ECG波形檢測算法.算法對ECG信號進行數(shù)字濾波預(yù)處理，利用自學(xué)習(xí)算法求出相應(yīng)的初始閾值，采用雙閾值自適應(yīng)更新法實現(xiàn)對差分閾值的自動更新和對R波以及Q、S波的檢測，通過對檢測窗口寬度的自適應(yīng)更新法實現(xiàn)對P波和T波的檢測.算法檢測精度高，適合實際應(yīng)用.

關(guān)鍵詞：ECG; QRS波群; 差分閾值; 自適應(yīng)更新

[中圖分類號]O411.1 ? [文獻標(biāo)志碼]A

Abstract：An ECG waveform detection algorithm based on adaptive differential threshold is proposed.The algorithm preprocesses the ECG signal with digital filter，calculates the corresponding initial threshold value by using self-learning algorithm，realizes the automatic update of differential threshold value and the detection of R wave，Q wave and S wave by using the double threshold adaptive update method，and realizes the detection of P wave and T wave by using the adaptive update method of detection window width.The algorithm has high detection accuracy and is suitable for practical application.

Key words：ECG;QRS complex;difference threshold;adaptive updating

QRS波群是分析ECG信號的重點之一，是心電分析與疾病診斷的重要依據(jù).由于不同人之間存在生理差異以及測試過程易受外界因素影響，使本身就很微弱的ECG信號夾雜著許多干擾信號，故原始信號與噪聲信號分離與波形檢測是ECG信號檢測的重點課題.[1]檢測算法是圍繞波形斜率進行差分法的數(shù)值分析，差分閾值測量可以避免由于基線漂移現(xiàn)象對測量結(jié)果的影響，具有比較強的抗干擾能力.本文采用改進后的差分閾值算法，閾值可以自適應(yīng)更新的變化，計算量小，原理簡單.

1 算法的實現(xiàn)

1.1 ECG數(shù)據(jù)預(yù)處理

ECG信號是一種數(shù)量級為mV級的弱電信號，具有隨機性、不穩(wěn)定性和低頻特性.一般的ECG信號內(nèi)部摻雜著大量的工頻信號和其他噪聲信號，給檢測增加了難度，因此，在對ECG信號檢測前進行預(yù)處理是必要的.[2]本文采用FIR濾波器對ECG時域和頻域變換進行預(yù)處理，消除噪聲干擾信號.FIR濾波器主要針對于數(shù)字信號處理的場合，對微控制器運算精度和內(nèi)存的要求較低，算法簡單且適用于便攜式設(shè)備及傳感器.

1.2 R波的檢測

R波是整個QRS波群中幅值變化最大且最顯著的波形，對ECG信號的分析具有重要作用.首先，對預(yù)處理后的信號進行一階差分，確定信號的邊界值點.其次，對輸入信號二階差分，確定檢測信號的波峰值.第三，通過設(shè)定的閾值，將得到的結(jié)果與閾值做比較，通過比較結(jié)果判斷R波波峰的具體位置.差分閾值選取是固定程序，如果檢測受到外界的干擾有可能導(dǎo)致波形的畸變引起誤檢、漏檢等后果.

差分閾值法中對于閾值的設(shè)定最為關(guān)鍵，也是檢測算法是否準(zhǔn)確的決定因素之一.由于測試對象存在諸多個體差異，即使是同一個人，其測試波形也會隨時間變化，此時ECG信號的幅值和形狀都有可能產(chǎn)生變化，檢測到的R波的幅值與形狀也會有所不同.[4]一般采用自學(xué)習(xí)方式來實現(xiàn)閾值的設(shè)定.雖然這種方式可以解決由個體差異造成的后果，但是時間上的變化未能得到處理.因此，本文采取一種改進后的自適應(yīng)差分閾值法，實現(xiàn)對R波的檢測.閾值的選取分為三個部分[5]：

2 實驗測試樣本與結(jié)果

2.1 ECG信號的樣本來源

樣本來源于PhysioNet網(wǎng)站的標(biāo)準(zhǔn)麻省理工學(xué)院的MIT-BIH心電數(shù)據(jù)庫中的數(shù)據(jù)，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中具有注釋的標(biāo)準(zhǔn)樣本，采樣頻率為標(biāo)準(zhǔn)值360 Hz.[11]為了節(jié)省文件長度和儲存空間，數(shù)據(jù)定義了自身格式，一個心電數(shù)據(jù)記錄主要由三部分組成：頭文件[.hea]，數(shù)據(jù)文件[.dat]，注釋文件[.atr]，其中數(shù)據(jù)文件[.dat]里儲存了本文需要提取的樣本心電數(shù)據(jù).[12]本文選擇8個年齡段不同的樣本作為測試對象，根據(jù)頭文件[.hea]注釋字符串第一行尋找測試樣本的年齡.

2.2 檢測結(jié)果

測試結(jié)果見表1.檢測結(jié)果表明，總漏檢個數(shù)為31，誤檢個數(shù)為5，誤檢個數(shù)相對較少，6組數(shù)據(jù)準(zhǔn)確率都在99.9%以上，第106組數(shù)據(jù)準(zhǔn)確率達到了100%.，編號為101，108的兩組漏檢個數(shù)相對較多的原因是，這三組數(shù)據(jù)中存在嚴(yán)重的偽差，造成了測量波形的失真度過高，算法誤判.測試結(jié)果表明，本文設(shè)計的改進差分閾值算法實現(xiàn)了對QRS波群的精確檢測，可以完整檢測出波群的個數(shù).

3 討論與結(jié)論

本文提出的一種基于ECG的改進型差分算法.算法考慮外界對輸入信號的影響，采取閾值和檢測窗口寬度可自主適應(yīng)和修正的方式對波形進行檢測，最大程度避免了由于干擾而造成的檢測錯誤.檢測算法特別適用于便攜式設(shè)備等傳感器設(shè)備的運用，方法相對簡單，占用內(nèi)存小，運算速度快，對處理器的要求比較低，可以加入實時操作系統(tǒng)，實現(xiàn)心電波形的隨時監(jiān)測.

參考文獻

[1]Steinberg JS，Varma N，Crgankiewicz I，et al.2017 ISHNE/HRS動態(tài)心電圖和體外心電監(jiān)測/遠程監(jiān)測專家共識（4）：心臟遠程監(jiān)測的現(xiàn)狀、前景與建議[J].實用心電學(xué)雜志，2019，28（6）：389-396.

[2]孫榮亮，張鳳娟，張婭利，等.NT-proBNP、HRV和ECG與心律失?；颊咝墓δ艿南嚓P(guān)性研究[J].寧夏醫(yī)學(xué)雜志，2019，41（11）：967-970.

[3]李明東，盧彪，辛正華，等.基于深度學(xué)習(xí)的多媒體移動物體檢測技術(shù)研究[J].牡丹江師范學(xué)院學(xué)報：自然科學(xué)版，2019（4）：9-12.

[4]何伶俐，王宇峰，何汶靜.基于小波變換的改進閾值法在心電信號去噪中的應(yīng)用[J].生物醫(yī)學(xué)工程與臨床，2016，20（2）：127-130.

[5]蘇麗，趙國良，李東明.心電信號QRS波群檢測算法研究[J].哈爾濱工程大學(xué)學(xué)報，2005（4）：513-517.

[6]王瑞榮，余小慶，朱廣明，等.基于小波變換和K-means聚類算法的心電信號特征提取[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2016，29（5）：368-371.

[7]黃進文，王威廉.基于LabVIEW的心電信號QRS波群離散極值點識別法[J].云南大學(xué)學(xué)報：自然科學(xué)版，2008（2）：129-134.

[8]葛禮霞，季丹丹，劉海明.脈沖多時滯差分方程的振動性[J].牡丹江師范學(xué)院學(xué)報：自然科學(xué)版，2018（2）：26-29.

[9]劉文亭，劉同寶.基于心電圖V_1及avL導(dǎo)聯(lián)的窄QRS波群心動過速鑒別診斷流程及應(yīng)用評價[J].山東大學(xué)學(xué)報：醫(yī)學(xué)版，2013，51（9）：67-71+78.

[10]李鴻強，魏小清，王有璽，等.主成分分析和線性判別分析應(yīng)用于心電信號特征提取和診斷算法研究[J].生物醫(yī)學(xué)工程研究，2019，38（2）：145-150.

[11]Hulsenboom Alexandra D J，Verdurmen Kim M J，Vullings Rik，van der Hout-van der Jagt M Beatrijs，Kwee Anneke，van Laar Judith O E H，Oei S Guid.Relative versus absolute rises in T/QRS ratio by ST analysis of fetal electrocardiograms in labour：A case-control pilot study[J].PloS one，2019，14（3）.

[12]李鴻強，魏小清，王有璽，等.主成分分析和線性判別分析應(yīng)用于心電信號特征提取和診斷算法研究[J].生物醫(yī)學(xué)工程研究，2019，38（02）：145-150.

編輯：琳莉