張強(qiáng)兵　龐宇

【摘 要】快速而準(zhǔn)確檢測(cè)出心電信號(hào)中QRS波群的位置，是心電信號(hào)自動(dòng)分析和診斷系統(tǒng)中的一個(gè)關(guān)鍵環(huán)節(jié)，各種算法層出不窮。本論文圍繞心電信號(hào)QRS波群的檢測(cè)的關(guān)鍵技術(shù)展開研究，分別對(duì)幾種經(jīng)典方法和新興的神將網(wǎng)絡(luò)法進(jìn)行了對(duì)比分析。

【關(guān)鍵詞】QRS波群；小波變換；差分閾值；數(shù)學(xué)形態(tài)

0 引言

隨著移動(dòng)通信、電子、醫(yī)學(xué)及計(jì)算機(jī)技術(shù)的迅猛發(fā)展，電子產(chǎn)品集成度的不斷提高，使得心電數(shù)據(jù)的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)已經(jīng)成為了一種可能[1]。ECG信號(hào)分析的關(guān)鍵是對(duì)QRS波群的識(shí)別，是分析心臟狀態(tài)的重要依據(jù)。QRS波群的識(shí)別過程分為三個(gè)步驟：首先，是對(duì)信號(hào)進(jìn)行去噪處理，抑制噪聲；然后，是對(duì)R波的進(jìn)行識(shí)別；最后，通過對(duì)于R波的識(shí)別，基于一定的方法進(jìn)一步識(shí)別Q波和S波。目前，QRS波群的識(shí)別方法有很多，其基本的思想是利用QRS特征波在時(shí)域圖形和處理后圖形中對(duì)應(yīng)的關(guān)系，來進(jìn)行識(shí)別。本文分別對(duì)閾值法、小波變換法、神經(jīng)網(wǎng)絡(luò)法、數(shù)學(xué)形態(tài)法等進(jìn)行了對(duì)比。

1 差分閾值法

差分閾值法是由閾值法發(fā)展而來的，閾值法的基本原理：ECG信號(hào)中某時(shí)刻的數(shù)據(jù)幅度值大于所設(shè)定的閾值，就可判定該時(shí)刻存在一個(gè)可能的R波。通過對(duì)該時(shí)刻所在小范圍內(nèi)的數(shù)據(jù)進(jìn)行修正，可最終確定R波。

而差分閾值法的基本原理：ECG信號(hào)的R波和其二階差分的極小值存在固定的位移關(guān)系，而且R、Q和S波在ECG的一階差分信號(hào)中都表現(xiàn)為過零點(diǎn)。對(duì)ECG信號(hào)及其一階差分和二階差分進(jìn)行適當(dāng)?shù)奶幚?，由滿足條件的二階差分局部極小值即可對(duì)ECG 信號(hào)的R波進(jìn)行精確定位；再由已知的R波在一階差分位置的前后過零點(diǎn)，即可識(shí)別出Q、S波等特征波[2]。

總體來講，差分閾值檢測(cè)法的優(yōu)點(diǎn)是算法原理簡(jiǎn)單、計(jì)算量較小、實(shí)時(shí)性好，容易于硬件實(shí)現(xiàn)，對(duì)低頻噪聲有較強(qiáng)的抑制能力，但對(duì)各類高頻噪聲的消噪效果并不理想，比較容易受到大的T波、肌電干擾和高頻偽跡的影響，單獨(dú)使用時(shí)，只有通過復(fù)雜的判斷邏輯去彌補(bǔ)噪聲對(duì)檢測(cè)帶來的影響。與其它檢測(cè)方法相比，其檢測(cè)精度相對(duì)較低，檢測(cè)率一般只能達(dá)到95%左右[3]，在噪聲干擾嚴(yán)重的情況下，其誤檢率增大，不適用于ECG信號(hào)的精確檢測(cè)分析。

2 小波變換法

小波變換法是近年來興起的信號(hào)處理技術(shù)，已逐步應(yīng)用于醫(yī)學(xué)信號(hào)分析中，尤其是在心電信號(hào)分析中具有獨(dú)特優(yōu)勢(shì)。小波變換具有優(yōu)良時(shí)頻域局部化特點(diǎn)[4]，其時(shí)頻窗口面積固定，具有形狀可變的自適應(yīng)能力，可對(duì)信號(hào)進(jìn)行不同尺度的線性變換，其實(shí)質(zhì)是帶通濾波。

小波識(shí)別法的原理：在對(duì)信號(hào)進(jìn)行分析時(shí)，可根據(jù)心電信號(hào)中各波形的頻率分布來進(jìn)行多尺度分析，在某些尺度上可充分突出QRS波群特征，利用小波進(jìn)行多尺度的變換，搜索在各尺度空間上的模極大值位置，從而檢測(cè)到QRS特征波的位置。

與差分閾值法相比，小波變換的計(jì)算量雖相對(duì)較大，但檢測(cè)率則要高，檢測(cè)率在99%以上。使用小波變換法需要高性能的硬件支撐，如ARM、DSP或PC等，隨著微處理器性能的提高和計(jì)算機(jī)多處理器技術(shù)的發(fā)展，這種方法運(yùn)用的越來越廣泛。

3 神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)方法是近年來迅速發(fā)展的一種用于模式識(shí)別的新型計(jì)算機(jī)和人工智能技術(shù)，其在ECG信號(hào)的處理分析方面主要是用于分類、重構(gòu)和壓縮。由于神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)能力，其優(yōu)良特性對(duì)解決醫(yī)學(xué)問題極具優(yōu)勢(shì)。神經(jīng)網(wǎng)絡(luò)缺點(diǎn)在于學(xué)習(xí)訓(xùn)練需要太多的時(shí)間，而且要求訓(xùn)練樣本需有一定的代表性。有文獻(xiàn)提出分別利用人工智能網(wǎng)絡(luò)和回傳神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)ECG信號(hào)的檢測(cè)與分析，雖然可獲得良好的判別效果，但神經(jīng)網(wǎng)絡(luò)法的算法學(xué)習(xí)訓(xùn)練時(shí)間長(zhǎng)，運(yùn)算量過大，因而難以適用于實(shí)時(shí)檢測(cè)。

4 數(shù)學(xué)形態(tài)法

數(shù)學(xué)形態(tài)學(xué)的基本思想是通過使用結(jié)構(gòu)元素在圖形中不斷地移動(dòng)，來考察出圖形各部分間的關(guān)系。在使用不同結(jié)構(gòu)元素對(duì)同一信號(hào)進(jìn)行處理時(shí)，會(huì)得出不同的結(jié)果，因此選用的結(jié)構(gòu)元素圖形屬性應(yīng)盡量相似于所要處理的圖形。

圖1 直線和三角形結(jié)構(gòu)元素

數(shù)學(xué)形態(tài)法方法的原理：先對(duì)ECG信號(hào)做形態(tài)學(xué)運(yùn)算，再對(duì)信號(hào)進(jìn)行QRS復(fù)合波檢測(cè)，其核心就是對(duì)ECG信號(hào)進(jìn)行波峰和波谷特征提取，顯著增強(qiáng)QRS復(fù)合波，同時(shí)減弱P波和T波。其基本的運(yùn)算包括：腐蝕、膨脹，這兩種基本運(yùn)算的定義與集合的運(yùn)算密切相關(guān)，其中開和閉運(yùn)算就是經(jīng)過腐蝕和膨脹復(fù)合運(yùn)算得到的[8]。

形態(tài)開和形態(tài)閉運(yùn)算的作用分別是抑制峰值噪聲和波谷噪聲，其濾波效果與結(jié)構(gòu)元素的形狀和尺寸相關(guān)[9]。選擇的結(jié)構(gòu)元素不同，將會(huì)產(chǎn)生不同的濾波效果。

對(duì)于心電信號(hào)的處理，結(jié)構(gòu)元素的選擇應(yīng)結(jié)合心電信號(hào)各個(gè)波形的特征。由MIT-BIH數(shù)據(jù)庫中ECG數(shù)據(jù)的采樣率（360Hz）和各個(gè)特征波的時(shí)間寬度可知特征波形的采樣點(diǎn)數(shù)，如表1所示：

表1 特征波時(shí)間寬度與采樣點(diǎn)數(shù)的關(guān)系

常用的結(jié)構(gòu)元素如直線形、三角形，如圖1所示。

運(yùn)用數(shù)學(xué)形態(tài)濾波器對(duì)ECG信號(hào)進(jìn)行處理，可以很好的保持原始信號(hào)的幾何特征。其能夠?qū)€漂移進(jìn)行很好的抑制，并且濾波器的組合簡(jiǎn)單，運(yùn)算速度快、實(shí)時(shí)性好[11]。但對(duì)于高頻干擾的濾除并不易，這主要是由于個(gè)體差異性，心電的主成分頻率因人而異，使得結(jié)構(gòu)元素的變動(dòng)范圍較大，在濾除高頻噪聲時(shí)，容易使得QRS波段產(chǎn)生失真?；跀?shù)學(xué)形態(tài)的閾值檢測(cè)法，檢測(cè)率一般可達(dá)97%左右。 5 結(jié)束語

本文對(duì)心電信號(hào)QRS波群的檢測(cè)的關(guān)鍵技術(shù)展開論述，分別對(duì)幾種經(jīng)典方法和新興的神將網(wǎng)絡(luò)法的基本理論、實(shí)現(xiàn)過程和特點(diǎn)進(jìn)行了較為詳盡的闡述，并對(duì)比分析了幾種方法的優(yōu)劣。隨著電子技術(shù)的發(fā)展，一些高性能的處理器芯片已經(jīng)運(yùn)用到智能手機(jī)中，使得使用智能手機(jī)處理小波變換這類運(yùn)算量大的心電檢測(cè)算法成為可能。如果能夠解決傳統(tǒng)閾值法的容易受到高頻噪聲干擾的特點(diǎn)，則可作為智能終端的算法。該論文對(duì)于遠(yuǎn)程心電醫(yī)療監(jiān)護(hù)客服端軟件的設(shè)計(jì)與應(yīng)用具有參考價(jià)值，今后的研究工作主要包括深入研究心電數(shù)據(jù)，并使心電檢測(cè)程序更為智能化。

【參考文獻(xiàn)】

[1]朱凌云.移動(dòng)心電監(jiān)護(hù)系統(tǒng)ECG信號(hào)的智能監(jiān)測(cè)與分析方法研究[D].重慶大學(xué)，2003.

[2]朱凌云，吳寶明.移動(dòng)心電監(jiān)護(hù)系統(tǒng)QRS波的實(shí)時(shí)監(jiān)測(cè)算法研究[J].儀器儀表學(xué)報(bào)，2005，6（26）：604-604.

[3]李延軍，嚴(yán)洪.QRS波群檢測(cè)常用算法的比較[J].生物醫(yī)學(xué)工程學(xué)進(jìn)展，2008，2（29）：101-107.

[4]張美慧.心電信號(hào)自動(dòng)分析算法的研究[D].西南交通大學(xué)，2007.

[5]Lisha Zhong.Smart-Phone Based Automatic Arrhythmia Detection and Diagnosis. Bioinformatics andBiomedical Engineering[J].（ICBBE）2011，5thInternational Conference on，2011：1-4.

[6]張德豐.Matlab小波分析[M].機(jī)械工業(yè)出版社，2009.50-51.

[7]李翠微.長(zhǎng)時(shí)間動(dòng)態(tài)心電圖的特征提取與診斷[D].西安交通大學(xué)，1994.

[8]Young.N，Evans.A.N.Spatio-temporal attribute morphology filter for noise reduction in image sequences[J].IEEE Image Processing，2003：14-17.

[9]張乾，趙春暉.一種濾除心電信號(hào)中噪聲的形態(tài)濾波方法[J].應(yīng)用科技，2002，9（29）：9-11.

[10]田絮資，楊建.心電信號(hào)去噪的數(shù)學(xué)形態(tài)學(xué)濾波器[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（2）：124-126.

[11]劉忠國(guó)，王金亮.基于形態(tài)學(xué)濾波器的ECG信號(hào)預(yù)處理[J].生物醫(yī)學(xué)工程學(xué)雜志，2011，2（28）：365-368.

[責(zé)任編輯：劉帥]