一种心电信号QRS波群检测算法研究

樊明辉 汪敏 陈良基 王量弘 黄宝震 王新康

心电图检测是一种简单有效且低成本的检测技术,可用于识别心脏活动引起的电信号变化,在临床中已得到广泛应用[1-4]。其中,QRS波群检测是心电信号检测中最重要的一步[5-6]。常规心电图由一系列波和波段构成,在每次心脏搏动中出现。心电信号被认为是一个准周期信号,一个周期内的心电图由P波、QRS波群、T波、U波,以及PR间期、QT间期等组成[7-10]。不同波段代表着相应的心电活动。P波由心房的去极化产生,波形较小;QRS波群代表心室除极;T波代表心室复极化;PR间期代表窦房结到心室的传导时间;QT间期代表心室除极到完全复极的时间,但通常用RR间期代表一次心搏所经历的时间;ST段代表心室除极完成;心率可通过计算单位时间内R波的个数得出[11-15]。目前,针对心电信号的QRS波群检测算法日新月异,但由于受各种噪声的影响,现有算法检测准确率不高,仍有较大改进空间。本文设计了一种基于自适应阈值法的QRS波群检测算法,其准确率较高,并为心电信号波群检测算法的研究提供了新思路。

本研究设计QRS波群检测算法的思路如下:首先,判断心电图中R波是否倒置,再定位R波;其次,设计Q波和S波的定位方法;然后,在Q波定位基础上,对P波进行定位;最后,完成T波的定位,定位前应先选取S波到P波之间的片段,以判断T波是否倒置。

1.1 数据来源

选择MIT-BIH心律失常数据库,用来验证心电信号的QRS波群检测方法。该数据库包含48条持续时间均为30 min的Ⅱ导联和V1导联心电记录。每一条心电记录都由头文件(.hea)、注释文件(.ari)和数据文件(.dat)三个部分组成。头文件以ASCII格式存储,其包含的内容较多,包括采集数据的通道数、采样频率、总采集数、记录数据文件的存储格式、增益、偏移、模拟数字转换器的分辨率以及患者指南所提到的个人附加信息。

1.2 数据预处理

心电信号是一种微弱的生理电信号,在采集过程中各种噪声容易混杂其中,使心电信号的应用价值降低。因此,在分析心电信号之前,有必要对其进行以下处理:

1.2.1 减少工频干扰 工频干扰是高频噪声,其频率一般为50～60 Hz,通常由心电图机、电极等电气设备的使用所引起[16]。工频干扰对心电信号的影响很大,会使系统的信噪比下降,甚至覆盖微弱却有用的心电信号。为了将它有效滤除,本研究采用Savitzky-Golay(S-G)滤波器在不改变信号趋势的情况下消除噪声干扰、提高数据精度。S-G滤波器是根据特定条件而设计的标准数字滤波器,t时刻滤波后的结果yt可按下式计算:

其中,ai是多项式系数;np定义了平滑数据点的数量;xt是t时刻的点;h是多项式系数ai的总和。S-G滤波器的滤波可通过卷积实现,其中系数ai对结果yt来说是常数,可以根据np的数量提前设定。图1A是包含50 Hz工频干扰的心电信号,图1B是心电信号经过S-G滤波器滤波后得到的结果。由图1可以看出,大部分工频干扰已被滤除,同时部分振幅也被削弱,而基线漂移依旧存在。

图1 带工频干扰的心电信号和滤波后的心电信号

1.2.2 基线漂移的校正 基线漂移是一种低频的心电伪迹,频率在0.5 Hz以内,通常由呼吸、受检者或带电电极的运动所引起[13-14],严重影响原始心电信号振幅的测量值。为此,本研究采用移动窗口平均法校正基线漂移。移动窗口平均法的原理是利用整个窗口的均值来替代单个窗口。该方法的用途取决于窗口大小:当窗口取值较小时,就相当于对信号的平滑;当窗口取值选择较大时,就相当于获取整个信号的波动形态。图2A是滤波后的心电信号,图2B是基线漂移校正后的心电信号。

图2 滤波后的心电信号和基线漂移校正后的心电信号

1.3 QRS波群检测方法

本研究采用基于窗口最值法的自适应阈值方法进行QRS波群检测,首先进行R波检测。本研究提出的R波检测方法是先去除基线,再使除R波外其他波形的振幅减小,判断R波是直立还是倒置,在一个窗口中基于最值法得到R波振幅值,通过单个R波的振幅值进行阈值设定,进而从长程心电数据中定位R波。

R波倒置的判断流程如图3所示。首先,进行去除基线、平滑曲线等预处理操作;然后,寻找区间段中的最大值和最小值,并确定二者的位置,通过这两点与左右侧的两点计算出斜率,再根据R波的特征判断R波是否倒置。左右侧的两点与最值之间的间隔从正常QRS时限与采样频率相乘所得到的区间段中选取。正常成年人心电图中的QRS波持续时间一般为0.06～0.10 s,对应的采样点区间段为2.19～36.00,因此本研究取大致中间值,即20.00。固定值是根据R波两侧的斜率得来的,可略微小于其斜率值。需要注意的是,过小的固定值会导致判断错误,过大的固定值则会导致无法判断出R波倒置,本实验中R波的斜率判断暂定以数值10为基准。在R波倒置的情况下,Q波和S波的定位可以通过对斜率的限制来确定。

图3 R波倒置的判断流程

在判断出R波是直立状态后,可获取该区间段的最大值,并将其定义为R波峰值。然后,判断心电信号的点是否大于R波峰值的一半;如果是,则暂且将其定义为R波,再继续判断下一个点。

确定下一个R波之前应先判断该R波的位置点与上一个R波位置的间隔;如果两个R波的间隔很短,则用后者替代前者。完成直立R波检测后,配合斜率限制,通过前向寻找最小值和后向寻找最大值,就可以确定Q波和S波的位置。

1.4 P波检测方法

P波是心电周期中心电图波形第一次短时间向上运动而形成的,表明心房正通过收缩将血液泵入心室,代表心房去极化。对心房活动(P波、心房扑动、房颤)的判定是诊断心律失常的关键,因此,在智能分类分析算法中P波的准确定位非常重要。本研究设计了一个在R波直立心电图中进行P波定位的算法,其流程如图4所示。在完成R波检测和Q波定位后,从Q波往前寻找最值并判断是否有符合P波特征的点;如有这样的点,则将其作为P波。在此过程中需用到多点跳跃式检测,以免因PR间期波动而导致其他波被误检成P波,同时也加快了检测速度。此外,由于P波定位依据的是P波的形态学特征,因此能有效避免跳跃式检测过程中错过P波。

图4 R波直立心电图中的P波定位流程

1.5 T波检测方法

T波通常为平稳向上的波形,反映心室的快速复极化。当人体健康状况不佳时,在心电图上可表现为T波电交替现象。在常规心电图分析中,对许多重要指标,如QT间期和ST段相对位置的测量和判断都是以T波位置特征为基础的。在心电图中,T波以多种形态存在:正常T波升支长而降支短,波峰圆钝;异常T波典型表现为倒置、高耸、双峰。在P波检测完成后,提取S波到P波的心电图片段,计算该段心电信号在时间窗内的最大值和最小值位置;根据这两点与相邻点的斜率,判断T波是直立还是倒置(具体方法与判断R波是否倒置类似)。

对于R波检测的准确性,可利用MIT-BIH心律失常数据库进行验证,具体结果如表1所示。MIT-BIH心律失常数据库提供的48条心电数据中共有110152个心搏。对本研究提出的R波检测算法,采用MIT-BIH心律失常数据库进行验证,每笔误差的绝对值之和为2610,总体准确率达97.63%。单笔误差特别大的原因是该条记录中存在室性早搏等心律失常,导致R波形态与窦性心律心电图的R波差异较大,因此未能成功检出R波或存在重复检测的情况。对于窦性心律心电图,该算法基本能准确定位R波;而对心律失常或心肌梗死引起的形态变化过大的R波,可能无法准确定位。

表1 MIT-BIH心律失常数据库R波检测结果 n

本研究基于自适应阈值法进行QRS波群检测。由于数据库中含有多个导联的心电信号,而本研究仅涉及2个导联,因此我们先利用Ⅱ导联的心电数据测试算法,再将算法运用到Ⅰ导联,结果发现其也能实现R波检测。这是因为R波检测过程中将其他波的振幅减小,所以造成Ⅰ导联R波和正常Ⅱ导联的心电波形较为相似。图5为心电图中R波直立、T波直立情况下所有特征点的检测结果。

图5 R波直立、T波直立心电图上各波的检测结果

在R波倒置心电图中寻找T波、P波的方法与R波直立情况下类似,可使用最值法后向寻找最大值。在R波倒置的情况下,对心电图上所有波的检测结果如图6所示。

图6 R波倒置心电图上各波的检测结果

本研究提出了一种基于自适应阈值法的QRS波群检测算法,通过最值法检测出倒置的R波信号,并在检测出R波位置的基础上,对心电图中的P波、Q波、S波、T波进行定位。在判断R波是直立还是倒置时,可能选取的区间段都是噪声,此时无法判断R波倒置与否,甚至得不到R波峰值。为此,本研究提出可通过循环和随机选取区间的方式判断区间段是否为噪声。在R波检测中,还可能遇到选取的区间段中正好出现R波峰值的情况。为解决这一问题,本研究提出通过比较出现R波峰值位置与上一个R波位置的间隔来调整R波振幅,从而得到自适应阈值。经MIT-BIH数据库验证,根据本研究提出的算法,R波定位的准确率总体在97.63%;由于单笔误差较大,整体准确率相对不高。单笔误差较大的原因是该记录中含有室性早搏等心律失常的心电信号,导致其心电图的R波形态与窦性心律心电图的R波差异较大,所以未能成功检出R波或出现重复检测;而对于窦性心律心电图,基本上能准确定位R波。

本研究提出的心电信号QRS波群检测算法仍有一些改进空间,缺陷主要在于其中的R波检测算法虽然适用于大部分心电信号,但也有个别误差较大。今后将针对单笔误差较大的、含心律失常的心电信号进行深入研究,通过适当调整算法内部参数和添加判断条件,使之更智能、特异性更高。