王秋思 李丕丁 陳黎云

摘 要：心電監(jiān)護(hù)儀是臨床中使用較為廣泛的一種心電輔助性診斷監(jiān)護(hù)設(shè)備，其準(zhǔn)確性直接關(guān)系到病人疾病的監(jiān)護(hù)與診斷，但目前對心電監(jiān)護(hù)儀的檢定仍停留在人工測定階段。為實現(xiàn)心電監(jiān)護(hù)儀智能化檢定、減少人工測定誤差，提出一種心電監(jiān)護(hù)儀屏幕波形提取算法，旨在利用圖像處理方式實現(xiàn)智能化提取心電波形并進(jìn)行監(jiān)護(hù)儀的準(zhǔn)確度鑒定。算法采用攝像裝置獲取心電設(shè)備波形屏幕圖像，通過傳統(tǒng)圖像處理技術(shù)對其進(jìn)行去噪、圖像校正、剔除小區(qū)域等一系列預(yù)處理，獲取純凈波形圖像;再結(jié)合預(yù)測搜索法提取出數(shù)字化波形信息。實驗驗證表明，該算法提取的波形準(zhǔn)確率基本在98%以上，相較于傳統(tǒng)算法，在節(jié)省人力物力的同時縮小了人工檢定階段的誤差，系統(tǒng)還可用于心電圖歸檔、處理，為智能化診斷奠定了基礎(chǔ)。

關(guān)鍵詞：圖像處理;波形數(shù)字化信息提取;預(yù)測搜索法;計算機(jī)視覺

DOI：10. 11907/rjdk. 191947 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP312文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2020）005-0094-04

0 引言

心電監(jiān)護(hù)儀是一種結(jié)合心電監(jiān)測技術(shù)和移動計算技術(shù)的輔助性診斷設(shè)備，可對異常變化的數(shù)據(jù)進(jìn)行動態(tài)監(jiān)測和預(yù)警[1-3]，廣泛應(yīng)用于臨床監(jiān)護(hù)中，可輔助進(jìn)行疾病診斷、治療和維護(hù)，大大減少了醫(yī)生的工作量。但如果心電監(jiān)護(hù)儀誤差過大，不僅可能導(dǎo)致顯示數(shù)據(jù)不準(zhǔn)確、報警不及時，甚至可能危害病人生命。因此，對心電監(jiān)護(hù)儀進(jìn)行精準(zhǔn)誤差檢定在臨床使用中具有十分重要的意義。

目前對心電監(jiān)護(hù)儀的檢定仍停留在人工測定階段，不僅耗時耗力，而且會因人工主觀因素導(dǎo)致誤差，因此實現(xiàn)心電設(shè)備的智能化檢測迫在眉睫。而智能化檢測第一步就是要獲取準(zhǔn)確的心電數(shù)據(jù)，但目前市面上流通的大部分心電監(jiān)護(hù)儀無法直接提供心電數(shù)據(jù)輸出端口（譬如HDMI、DVI等），且由于數(shù)據(jù)最終以波形的形式在屏幕端顯示，因而屏幕最終顯示結(jié)果如何，直接關(guān)系到醫(yī)護(hù)人員觀測的準(zhǔn)確度。

圖1為心電監(jiān)護(hù)儀屏幕圖像，臨床上較為關(guān)注的波形數(shù)據(jù)是心電波形，但在傳統(tǒng)心電監(jiān)護(hù)儀誤差檢定過程中，需要依賴檢測人員手工使用剛直尺和放大器進(jìn)行測量，不僅帶有主觀因素，而且容易引起誤差，費(fèi)時費(fèi)力。

針對以上問題，本文擬采用攝像裝置獲取心電設(shè)備波形屏幕圖像，通過傳統(tǒng)圖像處理技術(shù)[4]對其進(jìn)行傾斜校正[5]、畸變矯正[6]、去噪、剔除小區(qū)域等一系列圖像預(yù)處理，以獲取純凈波形圖像;再結(jié)合程凡等[7]提出的預(yù)測搜索法提取出數(shù)字化波形信息[8-14]，將從屏幕提取出波形信息與原心電信息進(jìn)行比較。這樣不僅方便后續(xù)誤差檢定，而且還可提取病人心電數(shù)據(jù)進(jìn)行存儲，有利于開展心電數(shù)據(jù)庫建立和心臟疾病遠(yuǎn)程智能診斷等。

1 算法總體設(shè)計

本文使用Python語言結(jié)合OpenCV[15-16]計算機(jī)視覺庫進(jìn)行算法設(shè)計，圖2為算法整體流程，分為圖像處理和波形信息提取兩大部分。

（1）圖像預(yù)處理：圖像預(yù)處理指對心電監(jiān)護(hù)儀屏幕圖像進(jìn)行一系列圖像處理，包括校正、波形區(qū)域圈定、圖像預(yù)處理和剔除小區(qū)域等。其中校正和預(yù)處理是為了減少背景和攝像裝置的影響，而剔除小區(qū)域是為了去除圖像中除波形數(shù)據(jù)外的其它干擾圖形，突出波形區(qū)域，獲取只有波形的純凈圖像，以便后續(xù)進(jìn)行數(shù)字化波形信息提取。

（2）數(shù)字化波形信息提取：指在獲取到純凈的波形圖片后，利用圖像處理方式提取出心電波形數(shù)據(jù)，與原始數(shù)據(jù)進(jìn)行對比，計算相似度。

2 圖像處理算法流程

心電監(jiān)護(hù)儀圖像一般為彩色黑底圖像，對比度強(qiáng)、波形清晰，背景對待提取區(qū)域干擾也小[17]。前期圖像處理算法主要作用是從一張完整的屏幕圖像中獲取僅有波形區(qū)域的部分圖像，流程見圖2中“圖像處理部分”區(qū)域所示。

2.1 畸變校正、傾斜校正

本文在利用攝像裝置獲取心電監(jiān)護(hù)儀屏幕圖像時，由于攝像裝置位置、鏡頭本身存在畸變等影響，不可避免會有圖像傾斜和畸變問題，因而首先需對圖片進(jìn)行畸變校正與傾斜校正。

2.1.1 畸變校正

指在攝像裝置采集圖像時，由于鏡頭本身透視原因造成的失真導(dǎo)致圖片出現(xiàn)凸形畸變，因此需對采集的屏幕圖像進(jìn)行畸變校正?；冃Ｕ譃閮刹剑?/p>

（1）選用黑白方格“棋盤”圖對攝像頭進(jìn)行定標(biāo)，獲取攝像頭的內(nèi)參數(shù)矩陣、畸變系數(shù)、旋轉(zhuǎn)向量和平移向量后，完成攝像頭標(biāo)定工作。

（2）對圖像進(jìn)行畸變校正。獲取到畸變參數(shù)后，利用OpenCV庫中的undistort（）函數(shù)對圖形進(jìn)行畸變校正，矯正后圖像邊緣明顯的弧形畸變會得到有效改善。

2.1.2 傾斜校正

傾斜校正使用基于霍夫變換的傾斜校正算法，利用霍夫變換檢測出圖像背景中的橫線（譬如顯示屏邊緣、曲線基準(zhǔn)線等），求檢測到的所有直線與水平線夾角的平均值，再對圖像進(jìn)行相應(yīng)旋轉(zhuǎn)以完成圖像的傾斜校正。傾斜矯正流程如圖3所示。

2.2 波形區(qū)域圈定

波形區(qū)域圈定指對圖像波形區(qū)域進(jìn)行圈定并截取出波形區(qū)域圖片，目前圈定方法是通過人工方式圈定，后續(xù)有望通過深度學(xué)習(xí)自動獲取目標(biāo)波形區(qū)域位置。人工圈定后圖像見圖6。

2.3 圖像預(yù)處理

在獲取到波形區(qū)域后，為削弱背景和噪聲影響，突出波形目標(biāo)，需要對圖像進(jìn)行預(yù)處理操作。預(yù)處理步驟如下：

（1）去噪：采集到屏幕圖像后，首先要對其進(jìn)行濾波去噪處理，本文選取的去噪方法是中值濾波去噪，具體函數(shù)為：

2.4 小區(qū)域剔除

為避免在人工圈定波形區(qū)域時，除波形區(qū)域外還囊括其它數(shù)字等，需要排除除波形外的其它區(qū)域。具體操作為：①檢測當(dāng)前區(qū)域中所有連通域輪廓;②考慮到人工圈定波形區(qū)域時，波形區(qū)域長寬應(yīng)當(dāng)占據(jù)圖像大部分，因而在此步驟判斷輪廓長寬是否滿足大于波形區(qū)域圖像的 ? ? 1/2，認(rèn)定不滿足的非目標(biāo)波形區(qū)域即可去除;③在剩余區(qū)域輪廓中，查找到所占面積最大的區(qū)域即為波形區(qū)域，剔除其余小區(qū)域。算法流程見圖8。

3 波形信息提取

在獲取純凈波形數(shù)據(jù)區(qū)域之后，需對該區(qū)域的波形信息進(jìn)行提取。本文使用改進(jìn)的預(yù)測搜索算法對心電曲線進(jìn)行提取，提取流程如圖10所示。

3.1 預(yù)測搜索算法

預(yù)測搜索算法是程凡等提出的心電曲線預(yù)測算法，其核心思想是根據(jù)目前已知點(diǎn)推斷下一點(diǎn)的可能位置，并在一定區(qū)域內(nèi)進(jìn)行搜索，找到最合適的點(diǎn)作為心電軌跡的下一點(diǎn)。

得到了預(yù)測值Pi+1后，可判斷其是否為心電軌跡上的點(diǎn)。若是則判定其為需要尋找的點(diǎn);若不是，則在一定區(qū)域內(nèi)搜索適當(dāng)?shù)狞c(diǎn)作為下一點(diǎn);若在搜索區(qū)域內(nèi)沒有找到這一點(diǎn)，則判斷其可能出現(xiàn)斷裂，以預(yù)測點(diǎn)作為下一點(diǎn)。

使用這一方法可以有效減少心電曲線斷線和網(wǎng)格線影響等干擾因素，保持所提取的心電曲線平滑和連續(xù)。

3.2 心電波形提取

本文使用改進(jìn)的預(yù)測搜索算法對心電曲線進(jìn)行提取，相較于原始預(yù)測搜索算法，添加了波形起始點(diǎn)與終點(diǎn)判定，且結(jié)合預(yù)測搜索法對中間點(diǎn)進(jìn)行判定。與普通心電波形提取算法相比，避免了截斷點(diǎn)對波形數(shù)據(jù)提取的影響。

算法主要內(nèi)容為：先選取4×4的窗口逐列搜索圖像，找到滿足4×4窗口包含黑色像素點(diǎn)的位置，即認(rèn)為該點(diǎn)為心電波形上的一點(diǎn)，從而找出心電曲線的各點(diǎn)（包含起點(diǎn)、終點(diǎn)和中間點(diǎn)）。

心電曲線各點(diǎn)的判斷標(biāo)準(zhǔn)為：

（1）起點(diǎn)判定標(biāo)準(zhǔn)。從開始搜尋時起，至第一次搜尋到窗口4列都包含黑色像素點(diǎn)，判定此4列中包含起始點(diǎn)。

（2）中間點(diǎn)判斷標(biāo)準(zhǔn)。確定起始點(diǎn)之后，從起始點(diǎn)往后逐列使用預(yù)測搜索算法計算預(yù)測點(diǎn)并在預(yù)測點(diǎn)附近尋找實際點(diǎn)。若找到實際點(diǎn)則以實際點(diǎn)為該列心電曲線提取的心電數(shù)據(jù)，若未找到實際點(diǎn)則以預(yù)測點(diǎn)作為提取的心電數(shù)據(jù)。

（3）終點(diǎn)判斷標(biāo)準(zhǔn)。當(dāng)連續(xù)多點(diǎn)均未找到實際點(diǎn)時，認(rèn)為曲線追蹤結(jié)束，算法停止。

但在實際搜尋過程中，因曲線線寬問題導(dǎo)致某些列可能滿足4×4搜尋窗口的位置點(diǎn)很多。針對這種情況，在判斷起點(diǎn)、終點(diǎn)、中間點(diǎn)時，一旦獲知有一點(diǎn)滿足條件，則在實際點(diǎn)附近上下遍歷出所有在心電曲線上的連續(xù)點(diǎn)，取其中間點(diǎn)作為提取的心電數(shù)據(jù)。

4 系統(tǒng)測試及結(jié)果分析

通過上述方法從二值圖中提取出心電波形圖，如圖11、圖12所示。

5 結(jié)語

本文設(shè)計并實現(xiàn)了基于圖像處理的心電監(jiān)護(hù)儀屏幕波形提取算法。通過對心電監(jiān)護(hù)儀屏幕圖像進(jìn)行校正、去噪、剔除小區(qū)域和波形提取等處理，實現(xiàn)提取后的波形區(qū)域與原始波形相似度基本在98%以上。相較于傳統(tǒng)的人工心電設(shè)備檢測技術(shù)，本算法對全自動屏幕波形提取進(jìn)行了深入研究，為如何獲取精準(zhǔn)的屏幕數(shù)字化信號，以及如何與監(jiān)護(hù)設(shè)備進(jìn)行智能檢定提出了解決方案;在節(jié)省人力物力的同時減少了人工檢定過程中的主觀誤差。本算法還可推廣應(yīng)用于其它圖像波形提取領(lǐng)域，且對今后心電波形歸檔、數(shù)字化存儲以及遠(yuǎn)程醫(yī)療診斷等提供基礎(chǔ)服務(wù)。

參考文獻(xiàn)：

[1] 王斌全，趙曉云. 心電圖的發(fā)明與發(fā)展[J]. 護(hù)理研究雜志，2008， 22（33）： 3101-3109.

[2] 薛松維. 臨床實用心電圖入門. 心電圖的測量要點(diǎn)[J]. 中國鄉(xiāng)村醫(yī)藥，2011（2）：83-85.

[3] 薛松維. 臨床實用心電圖入門. 心電圖導(dǎo)聯(lián)、波形及臨床價值[J]. 中國鄉(xiāng)村醫(yī)藥，2011，18（1）： 80-81.

[4] 馬頌德，張正友. 計算機(jī)視覺. 計算理論與算法基礎(chǔ)[M]. 北京：科學(xué)出版社，1998.

[5] 梁添才，皮佑國，彭晶. 基于Hough變換的列車客運(yùn)票圖像傾斜校正[J]. 華南理工大學(xué)學(xué)報（自然科學(xué)版），2007，35（5）：35-40.

[6] 楊必武，郭曉松. 攝像機(jī)鏡頭非線性畸變校正方法綜述[J]. 中國圖象圖形學(xué)報，2005（3）：269-274.

[7] 程凡，高榮，魏義祥. 掃描心電圖心電軌跡的跟蹤算法[J]. 生物醫(yī)學(xué)工程學(xué)雜志，2001，18（2）：306-333.

[8] 王志成，胡陽，黃瑛. ECG記錄圖紙數(shù)字化過程中的幅值定標(biāo)方法及其后處理[J]. 中國醫(yī)療器械雜志，2004（1）：19-22.

[9] 王志禎，陳兆學(xué)，趙曉靜. 基于高斯模糊技術(shù)的心電圖曲線提取方法[J]. 中國組織工程研究與臨床康復(fù)，2010（39）：7346-7349.

[10] 劉花麗，李海翔，郭偉峰. 一種提取心電曲線的方法[J]. 河南教育學(xué)院學(xué)報（自然科學(xué)版），2010 （2）：25-27.

[11] BADILINI F，ERDEM T，ZAREBA W，et al. ECGScan： a method for conversion of paper electrocardiographic printouts to digital electrocardiographic files[J]. Journal of Electrocardiology，2005（38）： 310-318.

[12] ISRAEL S A，INE J M，CHENG A，et al. ECG to identify individuals[J]. Pattern Recognition 2005，38（1）：133-142.

[13] ISRAEL S ?A，SCRUGGS W ?T，WOREK W J，et al. Fusing face and ECG for personal identification[C]. Washington DC：32nd Imagery Pattern Recognition workshop，2003：226-231.

[14] SHEN T，TOMPKINS W J，F(xiàn)LU Y H. One-lead ECG for identity verification[C]. Houston：2nd Conference of the IEEE Engineering in Medicine and Biology Society and the Biomedical Engineering Society，2002：62-63.

[15] [美]GARYBRADSKI，ADRIANKAEHLER. 學(xué)習(xí)OpenCV[M]. 北京：清華大學(xué)出版社，2009.

[16] 王穩(wěn). 基于OpenCV的心電圖數(shù)據(jù)提取研究[D]. 天津：天津工業(yè)大學(xué)，2016.

[17] 梁琳，何衛(wèi)平，雷蕾，等. 光照不均圖像增強(qiáng)方法綜述[J]. 計算機(jī)應(yīng)用研究，2010 （5）：1625-1628.

[18] RICOLFE-VIALA C，SANCHEZ-SALMERON A. Lens distortion models evaluation[J]. Applied Optics，2010（49）：5914-5928.

[19] BI R，L JING L，ZHU Q. Exploration and improvement of ostu threshold segmentation algorithm[J]. Intelligent Control & Automation，2010（6）：6183-6188.

（責(zé)任編輯：杜能鋼）