面向AI-ECG算法研究的軟件平臺設(shè)計與實現(xiàn)

【作 者】嚴(yán)瑞陽，丁小曼，鄧新桃，王愛國，楊翠微,

1 復(fù)旦大學(xué) 信息科學(xué)與工程學(xué)院 生物醫(yī)學(xué)工程中心，上海市，200433

2 興化市人民醫(yī)院 心內(nèi)科，興化市，225700

3 上海市醫(yī)學(xué)圖像處理與計算機(jī)輔助手術(shù)重點實驗室，上海市，200093

4 上海心臟電生理工程技術(shù)研究中心，上海市，201318

0 引言

近年來心血管疾病已經(jīng)成為所有疾病之首，患病率與致死率在逐年提高，嚴(yán)重威脅人們的身體健康[1]。心電圖（electrocardiogram，ECG）是心臟的電活動在體表標(biāo)準(zhǔn)導(dǎo)聯(lián)上的投影，臨床醫(yī)生主要根據(jù)心電圖來分析診斷患者病情。隨著醫(yī)療技術(shù)的發(fā)展，利用人工智能（artificial intelligence，AI）技術(shù)對心電圖進(jìn)行輔助分析可以極大地提高臨床診斷的準(zhǔn)確率與效率，減少主觀誤判[2]。同時，結(jié)合可穿戴設(shè)備可對心血管疾病進(jìn)行早發(fā)現(xiàn)和早治療。

人工智能最早提出于20世紀(jì)50年代，旨在模擬人的思維和行為來使計算機(jī)應(yīng)用于更高的層次。目前基于機(jī)器學(xué)習(xí)算法的人工智能技術(shù)已經(jīng)應(yīng)用到了醫(yī)學(xué)的各個領(lǐng)域，特別是心電診斷領(lǐng)域。計算機(jī)通過對大量心電樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，從中提取特征并構(gòu)建模型，再利用模型對新的數(shù)據(jù)進(jìn)行預(yù)測分類，從而實現(xiàn)自動檢測。隨著動態(tài)監(jiān)護(hù)技術(shù)和臨床科研的深入，如何對海量的心電數(shù)據(jù)信息進(jìn)行有效的管理和分析成為一個難題。AI-ECG科研人員在準(zhǔn)備原始訓(xùn)練測試數(shù)據(jù)時需要手動對心拍片段或心電信號片段進(jìn)行分割，提取特征，耗費了大量的時間和精力。目前市面上的心電監(jiān)測軟件平臺大多注重于心電信號的采集、顯示與存儲，極少有服務(wù)于AI-ECG科研人員前期科研數(shù)據(jù)準(zhǔn)備工作的功能[3]。

為此筆者設(shè)計了一款面向AI-ECG算法研究的軟件平臺。平臺不僅可以實現(xiàn)對受試者數(shù)據(jù)信息的查詢和導(dǎo)出，還可以直接完成多種格式心電數(shù)據(jù)的讀入，P波、QRS波群、T波的檢測，對特征標(biāo)記點的手動修改，心拍片段、心電信號片段的分割，以及RR特征的自動提取，解決了受試者數(shù)據(jù)信息過多查詢困難以及AI-ECG科研人員需要手動分割信號提取特征的問題。平臺可為后續(xù)進(jìn)行機(jī)器學(xué)習(xí)分類算法的研究提供便利，極大地減輕科研人員的負(fù)擔(dān)。整個軟件平臺集數(shù)據(jù)信息管理、顯示以及處理分析于一體，界面清晰，操作簡單，具有很好的實際應(yīng)用價值。

1 軟件平臺總體設(shè)計

整個軟件平臺從穩(wěn)定性和科研便利性考慮，選擇Matlab R2019b作為開發(fā)工具，MySQL作為后臺數(shù)據(jù)庫管理平臺，設(shè)計了數(shù)據(jù)管理，數(shù)據(jù)讀入和數(shù)據(jù)處理分析三個模塊，其結(jié)構(gòu)框架，如圖1所示。

圖1 系統(tǒng)總體結(jié)構(gòu)框架Fig.1 System overall structure block diagram

數(shù)據(jù)管理模塊可以直接查詢、設(shè)置和導(dǎo)出受試者的數(shù)據(jù)信息。數(shù)據(jù)讀入模塊主要是選擇讀取心電信號的格式，設(shè)置相關(guān)參數(shù)，再將心電波形顯示在主界面中。數(shù)據(jù)處理分析模塊是對讀取的心電數(shù)據(jù)進(jìn)行預(yù)處理、心拍分割、心電信號片段分割和特征提取，并對預(yù)處理結(jié)果（標(biāo)注結(jié)果）進(jìn)行存儲。

2 軟件平臺功能模塊設(shè)計與實現(xiàn)

2.1 數(shù)據(jù)管理模塊

由于在日常的科研工作中會產(chǎn)生大量的數(shù)據(jù)，為了更好地管理心電數(shù)據(jù)以及受試者的信息，系統(tǒng)設(shè)計了數(shù)據(jù)管理模塊，可以實現(xiàn)對受試者信息的查詢、添加、修改及導(dǎo)出等功能。整個數(shù)據(jù)管理模塊的結(jié)構(gòu)，如圖2所示。

圖2 數(shù)據(jù)管理模塊結(jié)構(gòu)Fig.2 Data management module block

由于所有的受試者信息與文件路徑都存儲在MySQL數(shù)據(jù)庫中，為了能夠?qū)崿F(xiàn)對受試者數(shù)據(jù)信息的訪問，首先需要將Matlab與MySQL數(shù)據(jù)庫相連接。打開Matlab中Database Explorer工具箱，選擇Configure for JDBC data source，再輸入數(shù)據(jù)庫名稱以及jar包，點擊Test進(jìn)行測試，當(dāng)測試成功時，Matlab就與MySQL完成連接。

數(shù)據(jù)管理界面一共有三個可編輯文本框，分別對應(yīng)“搜索類型”“搜索內(nèi)容”和“顯示目錄”，通過在前兩欄中輸入篩選條件，如性別、年齡、身高和診斷結(jié)果等，點擊“搜索”，系統(tǒng)就會執(zhí)行“SELECT * FROM WHERE”語句進(jìn)行查詢，將所有符合條件的受試者信息返回至Matlab并在界面中顯示。用戶也可以根據(jù)需要在第三欄中輸入想要顯示的目錄，則最終搜索的結(jié)果只包含這些目錄下的信息。

除了對受試者信息進(jìn)行查詢之外，本系統(tǒng)還可以對這些數(shù)據(jù)信息進(jìn)行增添、修改、刪除和還原等操作，如在新增受試者信息時，界面會彈出inputdlg輸入框，填寫完成后點擊“確定”，系統(tǒng)就會自動執(zhí)行INSERT INTO語句將信息保存至數(shù)據(jù)庫。根據(jù)需要，界面還設(shè)計了導(dǎo)出功能，用戶在點擊“導(dǎo)出”時，系統(tǒng)會使用copyfile函數(shù)將受試者的數(shù)據(jù)導(dǎo)出至指定文件夾。數(shù)據(jù)信息管理界面，如圖3所示。

圖3 數(shù)據(jù)信息管理界面Fig.3 Data management interface

整個數(shù)據(jù)管理界面操作簡單，功能布局清晰，方便用戶對海量受試者數(shù)據(jù)信息的查詢導(dǎo)出和進(jìn)一步分析。

2.2 數(shù)據(jù)讀入模塊

數(shù)據(jù)讀入模塊用于讀取多種不同格式的心電數(shù)據(jù)，保證信號能在主界面上正常顯示。數(shù)據(jù)讀入模塊包含ECG參數(shù)設(shè)置和心電波形顯示兩個部分，其具體流程，如圖4所示。

圖4 數(shù)據(jù)讀入模塊流程Fig.4 Data receiving module block

（1）ECG參數(shù)設(shè)置

當(dāng)用戶對選中的受試者點擊查看時，系統(tǒng)會根據(jù)文件路徑，找到該受試者的心電數(shù)據(jù)文件，但在讀取心電數(shù)據(jù)之前首先需要對ECG的一些必要參數(shù)進(jìn)行設(shè)置。整個ECG設(shè)置包括了數(shù)據(jù)格式設(shè)置，導(dǎo)聯(lián)設(shè)置和基本參數(shù)設(shè)置。相比于其他軟件平臺只能讀取單一數(shù)據(jù)格式的信號，本軟件平臺可以讀取文本格式（.txt）、Matlab數(shù)據(jù)文件格式（.mat）、MIT-BIH數(shù)據(jù)庫數(shù)據(jù)格式以及來自其他設(shè)備（如Neuroscan多道電生理記錄儀的采集數(shù)據(jù)格式）等多種不同格式的心電信號[4]。因此在格式設(shè)置中用戶需要根據(jù)讀入的心電信號設(shè)置對應(yīng)的格式。同時本系統(tǒng)還可以讀取單導(dǎo)聯(lián)、2導(dǎo)聯(lián)、12導(dǎo)聯(lián)甚至128導(dǎo)聯(lián)的心電信號，這就同樣要求用戶在導(dǎo)聯(lián)設(shè)置中設(shè)置對應(yīng)的導(dǎo)聯(lián)數(shù)。基本參數(shù)設(shè)置中主要完成采樣率和最大幅值等參數(shù)的設(shè)置。

（2）心電波形顯示

當(dāng)完成ECG設(shè)置之后，系統(tǒng)會根據(jù)格式來選擇對應(yīng)的方法讀取心電數(shù)據(jù)，生成一個數(shù)據(jù)矩陣。由于本系統(tǒng)采用按行讀入的方式，因此使用Matlab的mapminmax函數(shù)對每一行數(shù)據(jù)進(jìn)行歸一化處理，最后使用plot函數(shù)將心電波形在主界面上繪制出來。用戶在主界面中可以設(shè)置顯示的時間窗長，默認(rèn)窗長為30 s，通過移動滑動條可觀察不同時間段的波形。當(dāng)數(shù)據(jù)量過大，尤其是繪制長程心電波形時，為避免顯示出現(xiàn)延遲和卡頓，在生成數(shù)據(jù)矩陣之后系統(tǒng)會根據(jù)時間窗來截取對應(yīng)時間的心電數(shù)據(jù)進(jìn)行繪制顯示，之后每次移動滑動條系統(tǒng)都會自動清屏，并重復(fù)之前的步驟，從而保證整個界面顯示流暢。

整個系統(tǒng)主界面，如圖5所示，界面直觀，波形清晰，用戶可以自由查看各路心電信號。

圖5 軟件系統(tǒng)主界面Fig.5 Main interface of software system

2.3 數(shù)據(jù)處理分析模塊

為了更好地服務(wù)于AI-ECG算法的研究，減少科研人員前期數(shù)據(jù)預(yù)處理以及獲取原始訓(xùn)練測試數(shù)據(jù)的工作量，本軟件平臺設(shè)計了數(shù)據(jù)處理分析模塊。作為本平臺設(shè)計的核心，數(shù)據(jù)處理分析模塊將實現(xiàn)對心電信號的預(yù)處理和數(shù)據(jù)分析，如QRS波群檢測和RR特征自動提取等，最后將處理結(jié)果（標(biāo)注結(jié)果）存儲在受試者對應(yīng)的文件夾中。整個數(shù)據(jù)處理分析模塊主要包含數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析和數(shù)據(jù)存儲三個部分。

2.3.1 數(shù)據(jù)預(yù)處理

由于心電信號是一種微弱信號，在采集的過程中極易受環(huán)境的影響而產(chǎn)生噪聲，如基線漂移、肌電干擾和工頻干擾等，因此在數(shù)據(jù)分析之前首先要進(jìn)行預(yù)處理[5]。對于基線漂移，本系統(tǒng)采用中值濾波器進(jìn)行濾除，而對肌電干擾和工頻干擾則采用小波變換的方法濾除[6]。經(jīng)過預(yù)處理之后的波形已較為光滑，可進(jìn)行后續(xù)的檢測分析。

2.3.2 數(shù)據(jù)分析

數(shù)據(jù)分析功能主要是完成P波、QRS群波、T波的檢測，心拍、心電信號片段分割以及特征信息的提取。本模塊的另一個特點是增加了手動標(biāo)注的功能，即在算法檢測或者注釋文件標(biāo)注出現(xiàn)錯誤時，用戶可以手動新增、修改和刪除標(biāo)記點，操作便捷，提高了臨床診斷以及AI-ECG算法研究的準(zhǔn)確率。

（1）特征點檢測

在完成預(yù)處理，心電信號相對光滑之后，用戶點擊任一通道就進(jìn)入了信號分析界面。心電信號基本上包含了P波、QRS波群、T波以及一個小U波，而對R波的檢測是提取心電信號特征，并進(jìn)行人工智能分類算法研究的基礎(chǔ)。由于Pan-Tompkins QRS檢測算法在AI-ECG研究中有著廣泛的應(yīng)用，因此本系統(tǒng)內(nèi)置了該檢測算法，可以很快很準(zhǔn)確地檢測到R波的位置，同時在信號分析界面上顯示心率并繪制龐加萊散點圖和直方圖，用戶可以直觀地查看受試者的健康狀況[7-8]。

除此之外，P波與T波的檢測在臨床診斷和機(jī)器學(xué)習(xí)算法研究中也有著重要的作用，所以本系統(tǒng)還設(shè)計了P波、T波檢測算法，主要采用將QRS波群置零的方法，即在檢測到R波之后，先將QRS波群全部置零，再在相鄰的兩個置零區(qū)域之間檢測峰值，通過設(shè)置閾值對檢測到的峰值進(jìn)行篩選，找出P波和T波進(jìn)行記錄并在界面上標(biāo)注[9]。當(dāng)完成標(biāo)注之后，用戶在查看時可根據(jù)實際情況對標(biāo)注點進(jìn)行手動校正。數(shù)據(jù)處理分析界面，如圖6所示。

圖6 數(shù)據(jù)分析界面Fig.6 Data analysis interface

（2）心拍分割

心拍分割功能用于對心電數(shù)據(jù)中各種類型的心拍片段進(jìn)行自動分割并一一歸類，主要服務(wù)于心拍分類算法的研究，解決了AI-ECG科研人員手動分割歸類心拍片段的問題。

系統(tǒng)在讀取心拍注釋文件時會將所有類型的心拍與對應(yīng)采樣點存放在元胞之中，并在界面中標(biāo)注。用戶也可以通過“人工標(biāo)注”面板對心拍進(jìn)行手動標(biāo)注、修改和刪除等操作。在進(jìn)行心拍分割的時候，用戶可以自定義選擇R波前后的時間進(jìn)行分割，由于一個完整的心動周期大概在0.6～0.8 s之間，因此系統(tǒng)默認(rèn)對R波前面0.35 s，后面0.4 s，共0.75 s的心拍長度進(jìn)行分割[10]。最后對分割完成的所有心拍進(jìn)行篩選，將同一類型的心拍片段存放在一起以便進(jìn)行后續(xù)的存儲。

（3）信號片段分割與特征提取

該功能用于對各種心律類型的信號片段進(jìn)行分割，并自動提取RR特征，主要服務(wù)于房顫自動檢測算法研究及心率變異性分析[11-12]。

系統(tǒng)將讀取的心律信息標(biāo)注在界面中，然后根據(jù)心律類型對心電信號片段進(jìn)行歸類，相同心律類型的信號片段會存放在同一個元胞之中。為了研究的需要，系統(tǒng)會對各類型的心律片段進(jìn)行細(xì)化分割，默認(rèn)分割長度為5 min，用戶也可以自定義輸入分割長度。在分割的過程中如果片段長度小于設(shè)置分割長度，則該段信號會被自動舍棄從而確保最終分割完的心電片段長度一致。

在完成心電信號分割之后，系統(tǒng)就開始自動提取一些RR特征，其中主要包括了時域特征、頻域特征和非線性特征，如表1所示[13]。

2.3.3 數(shù)據(jù)存儲

當(dāng)數(shù)據(jù)處理完畢之后，需要對其進(jìn)行整理保存。因此本模塊設(shè)計了數(shù)據(jù)存儲功能，實現(xiàn)對心電數(shù)據(jù)及表1中特征信息的自動保存。系統(tǒng)在存儲時會使用xlswrite函數(shù)將心拍心律片段等數(shù)據(jù)保存成Excel表格形式，并進(jìn)行自動命名，如：王華竇率-RR特征.xlsx，所有的數(shù)據(jù)都會默認(rèn)存儲到受試者的文件夾下，用戶也可以手動選擇存儲至其他文件夾中。

表1 特征參數(shù)Tab.1 Characteristic parameters

整個存儲功能操作簡單，命名清晰，便于用戶查看。不僅如此，所存儲的數(shù)據(jù)文件可直接用于AI-ECG分類算法研究，如各類心拍片段可用于訓(xùn)練與測試心拍分類算法，各類心律片段及RR特征可用于房顫自動檢測算法研究及心率變異性分析，為受試者診斷提供了便利。

3 軟件平臺驗證測試

本軟件平臺包含了心電數(shù)據(jù)管理、顯示、處理、分析和存儲等功能，在完成對軟件平臺的開發(fā)之后，為了驗證其性能，需要對主要功能模塊進(jìn)行測試。軟件平臺的測試主要包括數(shù)據(jù)管理和數(shù)據(jù)處理分析兩個部分。

在數(shù)據(jù)管理測試中，當(dāng)軟件成功連接MySQL數(shù)據(jù)庫，打開數(shù)據(jù)管理界面，按照不同順序?qū)Υ郎y樣本數(shù)據(jù)進(jìn)行查詢、增添、刪除、修改、還原和導(dǎo)出等操作，反復(fù)進(jìn)行50輪。最終系統(tǒng)成功進(jìn)行49次，報錯一次，整體運行準(zhǔn)確率較高。

在數(shù)據(jù)處理分析測試中，為了驗證R波檢測的準(zhǔn)確率，本系統(tǒng)分別對5段時長1 h的心電信號進(jìn)行R波檢測，并與實際R波位置進(jìn)行比較，最后得到的檢測準(zhǔn)確率較高，如表2所示。

表2 R波檢測準(zhǔn)確率Tab.2 R wave detection accuracy

在心拍分割方面，為了驗證不同類型心拍片段分割歸類的準(zhǔn)確率，本系統(tǒng)分別對5段時長1 h并包含多種心拍類型的心電信號進(jìn)行分割歸類。最終系統(tǒng)實現(xiàn)對5段信號共24 635個心拍的100%完全準(zhǔn)確分割歸類，每段信號的分割時長為（0.6±0.2）s。

在特征提取方面，系統(tǒng)分別對5例健康受試者和5例心律失常患者的RR特征進(jìn)行計算分析，結(jié)果如表3所示。心律失常患者的HRV指數(shù)相比健康人偏低。最終提取的結(jié)果可供醫(yī)護(hù)人員與AI-ECG科研人員參考并直接調(diào)用研究。

表3 兩組受試者心電圖部分特征提取結(jié)果Tab.3 Partial feature extraction results of two groups of subjects

4 結(jié)語

本研究主要以Matlab作為開發(fā)工具，設(shè)計了一款面向AI-ECG算法研究的軟件平臺。軟件平臺能夠?qū)Υ罅渴茉囌咝畔⑦M(jìn)行查詢與設(shè)置，并對心電數(shù)據(jù)進(jìn)行導(dǎo)出，做到了有效的管理。同時軟件平臺提取的QRS波群、各種心拍片段、心電信號片段和RR特征信息可直接用于多種算法研究的數(shù)據(jù)訓(xùn)練和測試，如心拍分類算法、房顫自動檢測算法和心率變異性的研究，減少了AI-ECG科研人員前期準(zhǔn)備訓(xùn)練測試數(shù)據(jù)集的工作量，為AI-ECG分類算法的研究提供了便利。不僅如此，多種格式心電數(shù)據(jù)讀取以及人工修改標(biāo)注功能的實現(xiàn)增加了軟件的臨床應(yīng)用價值。經(jīng)驗證測試，本系統(tǒng)能夠進(jìn)行數(shù)據(jù)管理，心電信號顯示、處理、分析和存儲等操作，實現(xiàn)了預(yù)期的功能。

整個軟件平臺集數(shù)據(jù)管理、顯示和處理分析于一體，層次分明，并且軟件平臺界面直觀，操作簡單，具有很好的穩(wěn)定性和實用性。在下一步工作中會根據(jù)需要加入人工智能檢測算法，進(jìn)一步完善軟件平臺功能，更好地服務(wù)于AI算法研究和臨床應(yīng)用研究。