兩種開(kāi)源ECG算法性能測(cè)評(píng)研究

李靜，王步青，劉洪運(yùn)，王衛(wèi)東

解放軍總醫(yī)院 醫(yī)學(xué)工程與維修中心，北京 100853

兩種開(kāi)源ECG算法性能測(cè)評(píng)研究

李靜，王步青，劉洪運(yùn)，王衛(wèi)東

解放軍總醫(yī)院 醫(yī)學(xué)工程與維修中心，北京 100853

目的 評(píng)價(jià)小波分析法（Wavedet）、基于差分閾值法的濾波器分析法（Pantom）兩種心電（Electrocardiogram，ECG）的QRS波群檢測(cè)算法的性能。方法 利用ECG-Kit工具包，基于PhysioNet網(wǎng)站的心電信號(hào)數(shù)據(jù)庫(kù)，對(duì)MIT-BIH心律失常數(shù)據(jù)庫(kù)的25組ECG原始數(shù)據(jù)，通過(guò)兩種開(kāi)源算法進(jìn)行QRS波群的位置的準(zhǔn)確性比較。結(jié)果“Wavedet”算法比“Pantom”算法相對(duì)準(zhǔn)確率高，運(yùn)行速度快。結(jié)論“Wavedet”算法較為適合應(yīng)用在臨床上，對(duì)ECG信號(hào)的檢測(cè)具有可行性，具有更廣闊的應(yīng)用前景。

小波變換分析算法；差分閾值算法；QRS波群；ECG-Kit工具包

引言

心電（Electrocardiogram，ECG）信號(hào)的檢測(cè)、分析是臨床醫(yī)生診斷心血管疾病的重要手段和依據(jù)，而通過(guò)長(zhǎng)時(shí)程ECG的心率變異性分析進(jìn)行自主神經(jīng)功能評(píng)估在許多疾病的風(fēng)險(xiǎn)分層、治療及預(yù)后等方面應(yīng)用也越來(lái)越廣泛[1-2]。QRS波群的準(zhǔn)確檢測(cè)和識(shí)別是ECG分析的核心和關(guān)鍵，也是ECG信號(hào)自動(dòng)化分析的難點(diǎn)和焦點(diǎn)。目前，QRS波群識(shí)別與檢測(cè)的方法有很多，主要包括小波變換法、差分閾值法以及新興起的遺傳算法及人工神經(jīng)網(wǎng)絡(luò)法等[3-5]。

差分閾值算法（Pantom），主要是對(duì)信號(hào)進(jìn)行一階或二階差分，然后判斷其差分值是否超過(guò)初始設(shè)定的閾值來(lái)確定QRS波群的位置。最具代表性的是由Pan等[6]提出將經(jīng)過(guò)帶通濾波后的信號(hào)進(jìn)行微分，再平方突出頻率響應(yīng)曲線，然后又做了移動(dòng)窗口積分，積分所得的結(jié)果既包含QRS波群的斜率和的寬度信息，大大提高了閾值檢測(cè)的準(zhǔn)確性，降低了可能出現(xiàn)漏檢的概率。小波變換分析算法（Wavedet），檢測(cè)迅速而且容易實(shí)現(xiàn)，但不能從根本上解決QRS波群所引起的現(xiàn)象運(yùn)動(dòng)偽影、基線漂移等問(wèn)題，影響了整體的判別性能。而小波變換具有很好的時(shí)頻特性，以及多分辨率的特性，能夠較好的突出信號(hào)的局部特征。因此近幾年的文獻(xiàn)中一直將小波變換作為研究的重點(diǎn)。如Qi 等[7]提出利用連續(xù)小波變換和過(guò)零檢測(cè)方法結(jié)合的算法，對(duì)ECG信號(hào)進(jìn)行奇異點(diǎn)檢測(cè)和小波變換，得到很高的信號(hào)檢測(cè)率。陳文利等[8]采用基于小波變換和黃金分割搜索法的檢測(cè)算法，對(duì)ECG信號(hào)進(jìn)行小波變換后，利用正負(fù)模極大值對(duì)QRS進(jìn)行檢測(cè)，分析誤減和漏檢的情況，再用黃金分割搜索算法來(lái)調(diào)整閾值，從而提高了檢測(cè)準(zhǔn)確率。

上述方法各有優(yōu)劣，在已有的ECG信號(hào)自動(dòng)化分析軟件中有不同程度的應(yīng)用。隨著新理論、新技術(shù)的發(fā)展，QRS波群檢測(cè)方法也呈現(xiàn)出多技術(shù)交叉融合的特點(diǎn)。本文基于美國(guó)麻省理工學(xué)院的MIT-BIH心電數(shù)據(jù)庫(kù)對(duì)Wavedet和Pantom兩種QRS波群檢測(cè)方法的性能進(jìn)行分析和評(píng)估[9-12]，探討這兩種QRS波群檢測(cè)方法的準(zhǔn)確性、檢測(cè)速度，為ECG信號(hào)分析過(guò)程中QRS波群檢測(cè)提供借鑒和指導(dǎo)。

1 對(duì)象和方法

1.1 測(cè)試方案

1.1.1 標(biāo)準(zhǔn)信號(hào)源的選取

ECG標(biāo)準(zhǔn)信號(hào)源的選取，基于PhysioNet網(wǎng)站的心電信號(hào)數(shù)據(jù)庫(kù)。選取其中帶有注釋文件的標(biāo)準(zhǔn)信號(hào)源。注釋文件，格式為.atr，其中含有醫(yī)學(xué)專(zhuān)家對(duì)每個(gè)心拍做出的識(shí)別和標(biāo)記，作為金標(biāo)準(zhǔn)，用于檢測(cè)對(duì)比算法的輸出結(jié)果。

每一組數(shù)據(jù)庫(kù)記錄包含3個(gè)文件，分別是頭文件（擴(kuò)展名.hea）、數(shù)據(jù)文件（擴(kuò)展名為.dat）、注釋文件（擴(kuò)展名.atr）。其中較為特殊的是數(shù)據(jù)文件，以自定義的格式按二進(jìn)制存儲(chǔ)的信號(hào)原始數(shù)據(jù)，例如MIT-BIH心律失常數(shù)據(jù)庫(kù)中的數(shù)據(jù)均以“212”格式進(jìn)行儲(chǔ)存的，即每一個(gè)11 Bit的數(shù)占12 Bit空間，且數(shù)與數(shù)緊湊相連排列。

由于人體處于不同的狀態(tài)的時(shí)候會(huì)產(chǎn)生不同的標(biāo)準(zhǔn)信號(hào)源，所以標(biāo)準(zhǔn)信號(hào)源的選取包括了正常心拍和異常心拍。最終選取的心電信號(hào)數(shù)據(jù)庫(kù)為：MIT-BIH心律失常數(shù)據(jù)庫(kù)。

MIT-BIH心律失常數(shù)據(jù)庫(kù)，選取了25組數(shù)據(jù)，每組數(shù)據(jù)皆有兩組不同的導(dǎo)聯(lián)組成。采樣頻率為360 Hz，時(shí)間長(zhǎng)度為30 min。

1.1.2 測(cè)試平臺(tái)與程序代碼

Matlab軟件為算法測(cè)試平臺(tái)；采用ECG-Kit資料包實(shí)現(xiàn)對(duì)QRS波群檢測(cè)[13]。

1.1.3 輸出算法性能參數(shù)

QRS波群的位置的準(zhǔn)確性；算法運(yùn)行時(shí)間。

1.2 測(cè)試內(nèi)容

（1）完成下載MIT-BIH心律失常數(shù)據(jù)庫(kù)的25組ECG原始數(shù)據(jù)。ECG算法檢測(cè)的主要過(guò)程，見(jiàn)圖1。

（2）數(shù)據(jù)的讀取。MIT-BIH數(shù)據(jù)庫(kù)中的心電信號(hào)記錄由.hea、.atr、.dat 3個(gè)文件組成，通過(guò)ECG-Kit中ECGwrapper函數(shù)進(jìn)行讀取。兩種算法的詳細(xì)解釋?zhuān)渲邪ㄋ惴ǖ亩x、用法、涉及到的方法、運(yùn)行環(huán)境、導(dǎo)聯(lián)通道、輸入?yún)?shù)、輸出參數(shù)及用途[14-18]，見(jiàn)圖2。

1.3 評(píng)價(jià)部分

（1）批處理獲取原始信號(hào)中的采樣點(diǎn)位置信息和疾病類(lèi)型分類(lèi)標(biāo)記。

（2）對(duì)比原始信號(hào)中QRS波的位置和算法檢測(cè)出的QRS波的位置的差異。已原始信號(hào)中標(biāo)記出的采樣點(diǎn)位置為金標(biāo)準(zhǔn)，前后窗口設(shè)置為40個(gè)采樣點(diǎn)，窗口大小為80個(gè)采樣點(diǎn)。以此為金標(biāo)準(zhǔn)，在這個(gè)標(biāo)準(zhǔn)大小的窗口中檢索，若能檢索到算法檢測(cè)出的QRS波標(biāo)記位置，則認(rèn)為此算法檢測(cè)準(zhǔn)確；若此窗口中搜索不到算法檢測(cè)出的QRS波標(biāo)記的位置，則為算法漏檢；若此窗口中搜索出的算法檢測(cè)出的QRS波的標(biāo)記位置多余1個(gè)，則認(rèn)為算法多檢。以原始信號(hào)為金標(biāo)準(zhǔn)的對(duì)比方法，見(jiàn)圖3。

圖3 以原始信號(hào)為金標(biāo)準(zhǔn)的對(duì)比方法

（3）同時(shí)畫(huà)出原始信號(hào)和算法檢測(cè)出的QRS波的位置，觀看差異。

2 結(jié)果

由于每一組MIT-BIH心電信號(hào)都是記錄了兩個(gè)不同導(dǎo)聯(lián)的心電信號(hào)，選取噪聲少的心電信號(hào)進(jìn)行計(jì)算分析，比較兩種算法對(duì)選取的導(dǎo)聯(lián)的心電信號(hào)的QRS波檢測(cè)結(jié)果，見(jiàn)表1。

在算法檢測(cè)QRS波位置的準(zhǔn)確性的結(jié)果中，對(duì)于一部分病人的心電數(shù)據(jù)，每種算法檢測(cè)QRS波的錯(cuò)檢率都非常高，大于5%。經(jīng)過(guò)畫(huà)出原始輸入的心電信號(hào)發(fā)現(xiàn)，有一些病人在做ECG檢查的時(shí)候發(fā)生了導(dǎo)聯(lián)脫落的情況，或是身體動(dòng)作比較大，給采集到的心電信號(hào)增加了噪音。編號(hào)為200號(hào)（No.200）的病人的原始心電信號(hào)曲線，見(jiàn)圖4。可以看出心電導(dǎo)聯(lián)在大多數(shù)情況下是脫落的狀態(tài)的，此信號(hào)會(huì)給算法的性能檢測(cè)造成很大的障礙，在檢測(cè)結(jié)果中去除了此類(lèi)信號(hào)的誤檢結(jié)果，所以時(shí)列的數(shù)據(jù)只有23個(gè)計(jì)算結(jié)果。方法截取后的No.200病人的原始心電信號(hào)圖，見(jiàn)圖5。

圖1 ECG算法檢測(cè)的主要過(guò)程

圖2 被檢測(cè)的兩種算法的詳細(xì)介紹

兩種算法的誤檢率可以總結(jié)，見(jiàn)圖6。由于數(shù)據(jù)較多，圖中只引入了一些病人（No. 116，No. 201，No. 210，No.214，No. 215和No. 223病人）的檢測(cè)結(jié)果。可以看出，“Wavedet”算法的檢測(cè)錯(cuò)誤率相對(duì)來(lái)說(shuō)較低。

表1 兩種算法檢測(cè)QRS波位置的檢測(cè)結(jié)果

圖4 No. 200病人的原始心電信號(hào)圖

圖6 兩種算法檢測(cè)QRS波位置的錯(cuò)誤率

圖5 方法截取后的No.200病人的原始心電信號(hào)圖

3 討論與結(jié)論

算法性能的檢驗(yàn)是以Physionet上獲取的MIT-BIH數(shù)據(jù)庫(kù)中的信號(hào)的注釋文件里的標(biāo)記為金標(biāo)準(zhǔn)的。原始信號(hào)源中，有一部分信號(hào)源包含的噪音信號(hào)較多，干擾較大，對(duì)分析算法性能的作用不大，所以在結(jié)果分析中去除了這部分原始數(shù)據(jù)的處理結(jié)果。

差分閾值算法因其快速、簡(jiǎn)單的特點(diǎn)，在一些要求簡(jiǎn)單、實(shí)時(shí)化心電儀器中，得到廣泛應(yīng)用；而小波變化具有辨率分析的特點(diǎn)，從而可以在時(shí)、頻兩域獲得表征信號(hào)局部特征的能力，由于其可變的時(shí)間窗和頻率窗，使得它對(duì)于信號(hào)具有很高的適應(yīng)性。比較這兩種檢測(cè)方法，小波變換方法擁有不容置疑的優(yōu)越性，已成為近年學(xué)者研究的重點(diǎn)。

通過(guò)對(duì)兩種算法的檢測(cè)性能分析，“Wavedet”算法相對(duì)準(zhǔn)確率高、運(yùn)行速度快，較為適合應(yīng)用在臨床上對(duì)ECG信號(hào)的檢測(cè)。

但是各個(gè)研究者應(yīng)從不同的側(cè)重點(diǎn)出發(fā)，運(yùn)用符合信號(hào)質(zhì)量和應(yīng)用需求的算法，實(shí)現(xiàn)對(duì)QRS波群的分析。對(duì)QRS波檢測(cè)來(lái)說(shuō)，并沒(méi)有最優(yōu)化的算法，只有最適合的算法，信號(hào)質(zhì)量和應(yīng)用需求決定了除噪方法和檢測(cè)算法，要結(jié)合最后所需要達(dá)到的目的正確的選擇算法。整體來(lái)看，小波變化在所有檢測(cè)方法中具有更多的實(shí)際意義，我們也相信小波變化具有更廣闊的應(yīng)用前景。

[1] 王春武,程禮邦,丁煜,等. 基于脈搏的心沖擊信號(hào)特征提取方法研究[J].微型機(jī)與應(yīng)用,2016,35(22):36-39.

[2] 姚歡,王劍鋼.ECG信號(hào)QRS波群檢測(cè)算法的進(jìn)展[J].現(xiàn)代生物醫(yī)學(xué)進(jìn)展,2012,12(20):3988-3991.

[3] 覃愛(ài)娜,桂衛(wèi)華,唐國(guó)棟.一種改進(jìn)的QRS波檢測(cè)方法[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,39(5):1049-1054.

[4] 陳靜,張世杰.基于動(dòng)態(tài)自適應(yīng)閾值法的QRS波群檢測(cè)方法[J].中國(guó)新通信,2009,2:67-69.

[5] 王偉,李小梅.利用自適應(yīng)小波變換檢測(cè)心電QRS波算法的實(shí)現(xiàn)[J].科技通報(bào),2008,24(1):98-102.

[6] Pan J,Tompkins WJ.A real-time QRS detection algorithm[J].IEEE Trans Biorned Eng,1985,(3):230-236.

[7] Qi H,Liu X,Chao P.A Method of continuous wavelet transform for QRS wave detection in ECG signal[A].International Conference on Intelligent Computation Technology and Automation[C].New York:IEEE,2010:22-25.

[8] 陳文利,莫智文,郭文.基于小波變換和黃金分割搜索法的QRS波檢測(cè)算法[J].生物醫(yī)學(xué)工程學(xué)雜志,2009,26(4):743-751.

[9] Blanco M,Weng B,Barner KE.New ECG enhancement algorithm for stress ECG tests[J].Comput CardiolComputers in Cardiology,2006,33:917-920.

[10] 李向軍.一種基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾男碾奞RS波檢測(cè)方法[J].電子科技大學(xué)學(xué)報(bào),2007,36(4):795-797.

[11] 鄭唯琴,陳杭,葉樹(shù)明.基于數(shù)學(xué)形態(tài)學(xué)的QRS波差位波峰提取方法[J].計(jì)算機(jī)工程與應(yīng)用.2010,46(31):127-129.

[12] 王曉花,徐學(xué)軍,何秋婭.一種改進(jìn)的心電圖QRS波群檢測(cè)算法[J]. 計(jì)算機(jī)工程與科學(xué),2016,38(5):983-987.

[13] Zhao ZD, Chen YQ.A new method for removal of baseline wander and power line interference in ECG signals[A].Machine Learning and Cybernetics, 2006 International Conference on[C].New York:IEEE,2006:4342-4347.

[14] 馬曉婷,尚宇.ECG去噪算法的設(shè)計(jì)與實(shí)現(xiàn)[J].國(guó)外電子測(cè)量技術(shù),2017,36(7):18-22.

[15] 鄭敏敏,高小榕,謝海鶴.心電信號(hào)小波去噪的改進(jìn)算法研究[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào),2017,36(1):114-118.

[16] 曹鴦婷,陳俊麗.改進(jìn)型閾值提取心電信號(hào)的R峰值[J].電子測(cè)量技術(shù),2015,38(12):107-110.

[17] 赫彬,白艷萍,張雅婷.基于不同經(jīng)驗(yàn)?zāi)B(tài)分解的小波軟閾值ECG去噪研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2016,46(6):136-144.

[18] 李鋒,陳美麗.一種基于幾何特征的ECG波形識(shí)別算法[J].北京生物醫(yī)學(xué)工程,2015,34(3):261-266.

Performance Evaluation of Two Open Resource ECG Algorithms

LI Jing, WANG Buqing, LIU Hongyun, WANG Weidong
Medical Engineering and Maintenance Center, Chinese PLA General Hospital, Beijing 100853, China

ObjectiveTo evaluate the performance of two kinds of electrocardiogram (ECG) QRS complex detection algorithms Wavedet and Pantom.MethodsAccuracy of the position of QRS complexes of the 25 groups of ECG original data in the MIT-BIH arrhythmia database were compared by two open resource algorithms based on the ECG data of the PhysioNet website via using the ECG-Kit.ResultsThe accuracy rate of “Wavedet” algorithm was higher and the speed was faster than “Pantom”.ConclusionThe “Wavedet” algorithm is more suitable for clinical application. It is feasible for the detection of ECG signal and has a wider application prospect.

wavedet; pantom; QRS complex; ECG-Kit

TP391

A

10.3969/j.issn.1674-1633.2017.11.009

1674-1633(2017)11-0032-03

2017-06-22

2017-09-05

國(guó)家自然科學(xué)基金（61372047）；國(guó)家科技支撐計(jì)劃（2013BAI03B04）。

王衛(wèi)東，研究員，主要研究方向?yàn)樯镝t(yī)學(xué)電子學(xué)與信息系統(tǒng)。

通訊作者郵箱：wangwd301@126.com

本文編輯 袁雋玲