心電信號QRS波檢測算法的設(shè)計與仿真

王海英 王遠遠 姚之琳

摘 要：心電信號的檢測是心電圖分析和診斷的基礎(chǔ)，在心電信號的分析中，快速準確地檢出QRS波群是非常重要，它是計算相關(guān)參數(shù)和診斷的前提。針對傳統(tǒng)心電檢測算法實時性差、錯檢漏檢率高的問題，研究設(shè)計出正反雙向自適應(yīng)差分閾值檢測算法，并增加R波錯檢漏檢補償算法。經(jīng)過美國麻省理工學院的MIT-BIH心律失常數(shù)據(jù)庫驗證，檢測的準確率達99%以上。實驗結(jié)果表明，算法簡單有效、準確率高，適合實際的應(yīng)用。

關(guān)鍵詞：心電信號;QRS波群;雙向自適應(yīng);差分閾值法;R波補償算法

DOI：10.15938/j.jhust.2019.04.014

中圖分類號： TP393

文獻標志碼： A

文章編號： 1007-2683（2019）04-0084-05

Abstract：Detection of ECG（electrocardiogram） signals is the basis of ECG analysis and diagnosis. In the analysis of ECG signals， it is very important to quickly and accurately detect QRS complexes. It is a prerequisite for calculating relevant parameters and diagnosis. Considering the poor real-time performance and high error detection rate of conventional ECG detection algorithms， this paper designs a forward and reverse bidirectional adaptive differential threshold detection algorithm， and increases the R-wave misdetection miss detection compensation algorithm. The algorithm is validated by the Massachusetts Institute of Technology's MIT-BIH arrhythmia database， and the detection accuracy rate is over 99%. The experimental results show that the method is simple， effective， accurate and suitable for practical applications.

Keywords：electrocardiogram signal; QRS complex; bidirectional adaptive; differential threshold method; R wave compensation algorithm

0 引 言

近年來，在生物醫(yī)學信號處理方面，國內(nèi)外進行了大量的研究和實驗，特別是在從微弱的心電信號當中濾除無用的干擾信號并提取有用的心電信號，從而幫助心血管疾病患者得到準確的診斷方面取得了突破成果[1-2]。

一種合理有效的方法非常重要，在經(jīng)歷了漫長的發(fā)展后，較為典型的有：數(shù)學模型法、模板匹配法、圖形識別法、小波變換法、神經(jīng)網(wǎng)絡(luò)法和差分閾值法等[3-4]。其中，差分閾值法結(jié)構(gòu)原理簡單，容易實現(xiàn)，且計算處理速度快。但需要經(jīng)過預(yù)處理，把干擾濾除，才能發(fā)揮出性能。對于診斷心律失常，QRS波的準確度是非常重要的，其他波形都以QRS波的位置為基準，從而計算心率等各種參數(shù)[5-7]。

因此，針對傳統(tǒng)心電檢測算法實時性差、錯檢漏檢率高的問題，設(shè)計出正反雙向自適應(yīng)差分閾值檢測算法，并增加R波錯檢漏檢補償算法，最后進行MATLAB仿真，驗證結(jié)果。

1 心電信號QRS波檢測

1.1 R波檢測

在研究中，QRS復(fù)合波中R波位置是由差分運算結(jié)合自適應(yīng)閾值法融合檢測確定的，準確率高，算法容易實現(xiàn)。利用MATLAB仿真實驗，R波的峰值點在一階差分和二階差分中分別對應(yīng)零點和極小值點。圖1-3分別為原始心電信號、一階差分、二階差分，通過MATLAB仿真可以看出波形中零、極點的特征，同時以仿真中的特征為基礎(chǔ)檢測心電信號。

1.2 Q波、S波檢測

在醫(yī)學方面，診斷心律失常的一個重要參數(shù)是QRS波群的寬度。首先要得到QRS波的起點以及終點的位置才能得到QRS波的寬度，且檢測R波是作為Q波、S波檢測的基礎(chǔ)[8-10]。

當確定了R波的位置后，對R波設(shè)置0.06s的加窗處理，進行上述的向前檢測，由第一次波谷的出現(xiàn)確定Q波的最低點，同樣的以R波的波峰進行向后檢測，檢測出S波最低點的位置，繼續(xù)向后檢測QRS波的終點，以此來求出QRS波的寬度，將它當作心電功能診斷的參數(shù)。

2 正反雙向自適應(yīng)差分閾值法設(shè)計

差分閾值法結(jié)構(gòu)原理簡單，容易實現(xiàn)，計算處理速度快，但檢測前需要經(jīng)過預(yù)處理，把干擾濾除，才能發(fā)揮出性能。

2.1 心電信號檢測預(yù)處理

選用低噪聲、低漂移、高輸入阻抗、高共模抑制比的放大器AD620和TLC2254組成多級放大器，其具有可調(diào)的放大倍數(shù)[11-12]。設(shè)計二階巴特沃茲低通濾波電路，濾掉混雜在心電信號當中的高頻干擾，保證心電信號基本不失真。因摻雜有低頻干擾，設(shè)計高通濾波器，設(shè)計高頻濾波器的截止頻率為0.05Hz。同時電路結(jié)構(gòu)上采用右腿驅(qū)動電路，合理有效的抑制了50Hz工頻干擾，得到較高信噪比心電信號[13-14]。

2.2 正向、反向R波檢測

本研究設(shè)計了R波的正向與反向的自適應(yīng)閾值，從根本上提高了算法的精確度，不僅檢測出R波正向的波形，也能檢測出不經(jīng)常出現(xiàn)的反向波形。

在大多數(shù)情況下，R波向上的峰值特性通過選擇適當?shù)恼蜷撝稻涂梢灾苯臃从吵鲂碾娦盘枺缤ㄟ^公式

thnew（i）=（0.7×th+0.3×data（i））（3）

Th：初始閾值，這一自適應(yīng)閾值就能檢測出R波正向的波形。本研究運用MATLAB對算法進行仿真與驗證，在實驗過程中應(yīng)用到美國麻省理工MIT-BIH心律失常數(shù)據(jù)庫中的采樣頻率360Hz、時間30分鐘的心電信號，實驗中采用這段心電信號中約12s的數(shù)據(jù)，具體實施方式如圖4所示。

現(xiàn)有檢測反向R波的方法中，大多方法是通過得到數(shù)據(jù)的絕對值進行閾值搜索來檢測偶然出現(xiàn)在波形中的反向R波[15-16]。在R波第一次被檢測到之后，查看當前位置前后的初始信號，得到R波幅值的正負，當R波為正向時，幅值為正，當R波為反向時，幅值為負。然而，由于反向R波的檢測結(jié)果會受到正向R波檢測效果的影響，因此在試驗中，即使反向R波被檢測到了，也有可能不全面，總體的心電信號波形檢測也就隨之會受到影響。

在本研究中，選取更簡潔的反向自適應(yīng)閾值的檢測方法來減少上述中存在的誤差，正向R波檢測做出更改，先找到數(shù)據(jù)data（i）<-1/2*th的信號，之后自適應(yīng)更新閾值，式（4）為更新原則：

thnew（i）=-（0.7×th+0.3×data（i））（4）

2.3 正反雙向自適應(yīng)閾值的設(shè)定

上述的正反R 波檢測方法中，正反向自適應(yīng)閾值的更新原則分別為式（3）和式（4），以上兩種方法均可以自適應(yīng)地變化，改善了當前固定閾值檢測方法效果不佳的問題，也能夠滿足不同心電信號之間存在的差別，純正向自適應(yīng)閾值的漏檢問題也得到解決。算法方面利用MATLAB 工具進行仿真，方法簡單，計算量不多，精確度較高，檢測的結(jié)果滿足數(shù)據(jù)及在實際運用中的要求。

2.4 R波錯檢漏檢補償算法

心電信號個體中存在一定的復(fù)雜性，由于在采集過程中，對于數(shù)據(jù)所在的環(huán)境以及數(shù)據(jù)本身的因素都比較復(fù)雜，所以存在一定的差異性[17-20]，因此在對于數(shù)據(jù)采集以及檢測的過程中難免會出現(xiàn)漏檢和錯檢的情況，增加R 波檢測的準確性變得尤為重要，本研究提出的方法是針對R 波漏檢錯檢的補償算法，附加補償首次檢測到的R 波，這樣大大降低了之后波形檢測的錯誤率。R 波錯檢漏檢補償算法的流程圖如圖5所示。經(jīng)過錯檢漏檢補償策略實行后，大幅提升了算法的精確度。

3 MATLAB仿真及結(jié)果分析

根據(jù)本研究的算法，利用MATLAB工具編程算法驗證，圖6和圖7為MIT-BIH數(shù)據(jù)庫中207、100號信號R波檢測的仿真結(jié)果。檢測到R波峰的位置用紅色‘o表示。由圖知，207號信號圖包括正反兩向R波，通過算法對R波進行精確的位置定位;在100號的信號中，只存在R波的正向波，且錯檢以及漏檢的情況也不存在。整體來看，該算法下檢測R波得到的結(jié)果滿足所需的要求，并且精確度相對來說較高，檢測效果很好，可以檢測其他波形。

4 結(jié) 論

本研究設(shè)計出正反雙向自適應(yīng)差分閾值檢測算法，增加R波錯檢漏檢補償算法，能夠?qū)崟r顯示波形、心律及心律失常信息，該算法經(jīng)過美國麻省理工學院的MIT-BIH心律失常數(shù)據(jù)庫驗證，檢測的準確率達99%以上。實驗結(jié)果表明，該方法相對簡單，計算量不多，不僅精確度高，檢測結(jié)果滿足數(shù)據(jù)及在實際運用中的要求。

參 考 文 獻：

[1] 江培海， 黃啟俊， 常勝， 等. 基于 SOC FPGA 的心電信號檢測系統(tǒng)設(shè)計[J]. 傳感器與微系統(tǒng)， 2016， 35（2）： 74.

[2] 陳偉偉. 中國心血管病報告 2015[J]. 中華醫(yī)學信息導(dǎo)報， 2016 （12）： 11.

[3] ALBERT D， SATCHWELL B R， BARNETT K N. Heart Monitoring System Usable with a Smartphone or Computer： U.S. Patent 8，509，882[P]. 2013-8-13.

[4] 王吉鳴， 呂穎瑩， 包濤， 等. 動態(tài)心電監(jiān)測系統(tǒng)介紹及關(guān)鍵技術(shù)水平分析[J]. 中國醫(yī)療設(shè)備， 2016 （10）： 71.

[5] POKHARKAR S， KULKARNI A. FPGA Based Design and Implementation of ECG Feature Extraction[J]. Heart， 2015， 1（12）：.

[6] 董春桃， 隋偉， 喻洪流. 基于改進的差分閾值法心臟遠程監(jiān)測的實時與回顧性分析[J]. 中國醫(yī)學裝備， 2014（11）：52.

[7] 張穎， 王曉， 劉興鵬，等. 健康成年人和肥厚型心肌病患者碎裂QRS波群的分布規(guī)律與特征[J]. 中國心血管病研究， 2016， 14（9）：784.

[8] 張飛. 異常心電波形的自動分析及其快速識別算法研究[D]. 成都：電子科技大學， 2015.

[9] STAMLER R， STAMLER J， SCHOENBERGER J A， et al. Relationship of Glucose Tolerance to Prevalence of ECG Abnormalities and to 5-year Mortality from Cardiovascular Disease： Findings of the Chicago Heart Association Detection Project in Industry[J]. J Chronic Dis， 2016， 32（11）：817.

[10]DESJARDINS B， KAZEROONI E A. ECG-gated Cardiac CT.[J]. American Journal of Roentgenology， 2016， 182（182）：993.

[11]尚宇， 武小燕. 傅里葉級數(shù)在心電信號模擬中的應(yīng)用[J]. 西安工業(yè)大學學報， 2016， 36（1）：21.

[12]陳霞. 心電圖ST段壓低對急性ST段抬高型心肌梗死患者的預(yù)后價值[J]. 醫(yī)學新知， 2017， 27（1）：48.

[13]江偉， 袁芳， 楊柳青. 心電信號中去除肌電干擾信號的研究[J]. 安徽大學學報（自科版）， 2017， 41（3）：85.

[14]何伶俐， 王宇峰， 祝元仲， 等. ECG 監(jiān)護儀設(shè)計回顧與發(fā)展[J]. 醫(yī)療裝備， 2015 （1）： 1.

[15]周建華， 龔叢芬. 遠程實時傳輸 12 導(dǎo)聯(lián)心電圖對老年 AMI 患者院前診斷價值[J]. 西南國防醫(yī)藥， 2015， 25（3）： 266.

[16]李文濤. 心電信號噪聲處理的研究[J]. 數(shù)字技術(shù)與應(yīng)用， 2016（8）：85.

[17]TAIPING M O， ZHOU Y， ZHAO X. Research of Transplantation and Optimization of Android System Based on S5PV210 Embedded Platform[J]. Video Engineering， 2016.

[18]陳立軍， 宮永立， 崔俊潔，等. 火電廠一次風速及煤粉濃度的數(shù)據(jù)采集系統(tǒng)設(shè)計[J]. 計算機測量與控制， 2015， 23（11）：3842.

[19]劉俠，匡瑞雪，王波，等. 基于隱馬爾可夫場的脊柱CT圖像分割算法[J]. 哈爾濱理工大學學報，2018，23（2）：1.

[20]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)學與醫(yī)學工程， 2016， 29（5）：368.

[21]劉素貞，李麗濱，張闖，等. 電磁超聲特征信號檢測系統(tǒng)的設(shè)計[J]. 電機與控制學報，2017，21（09）：103.

（編輯：溫澤宇）