專利名稱：基于提升小波變換和改進(jìn)近似包絡(luò)的心電特征檢測(cè)算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于微弱生物電信號(hào)處理技術(shù)領(lǐng)域，特別是受嚴(yán)重噪聲干擾的微弱心電信號(hào)的去噪及其特征點(diǎn)的實(shí)時(shí)檢測(cè) 算法。
背景技術(shù)：
由于心電圖(electrocardiogram, ECG)診斷心臟病和心血管疾病的方法具有無創(chuàng)性，方便易行使心電圖診斷在臨床上的到了廣泛的應(yīng)用。無創(chuàng)的體表電極采集到的心電信號(hào)比較微弱，僅為毫伏級(jí)，所以ECG信號(hào)極易受到外界環(huán)境干擾。這些干擾包括工頻干擾、基線漂移、肌電干擾、電極接觸噪聲、電極極化噪聲、運(yùn)動(dòng)干擾和放大電路內(nèi)部噪聲。為了抑制各種干擾，增強(qiáng)心電信號(hào)中的有效成分，提高心電特征點(diǎn)檢測(cè)的準(zhǔn)確率，除了對(duì)心電記錄儀的硬件抗干擾能力有較高的要求外，對(duì)采集到的ECG信號(hào)經(jīng)模數(shù)轉(zhuǎn)換后的數(shù)字濾波處理也是非常重要的。目前對(duì)ECG信號(hào)的檢測(cè)方法有很多，大致可以分為三大類，即經(jīng)典的數(shù)字濾波器技術(shù)、自適應(yīng)濾波器技術(shù)和以小波變換、數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)及基于經(jīng)驗(yàn)?zāi)Ｊ椒纸?Empirical Mode Decomposition, EMD)的方法等為代表的現(xiàn)代信號(hào)處理技術(shù)。這些算法在有其處理優(yōu)越性的同時(shí)也存在著不足，如濾波法，設(shè)計(jì)思想簡(jiǎn)單，處理速度快，大多可實(shí)現(xiàn)實(shí)時(shí)檢測(cè)，但檢測(cè)精度不夠高。神經(jīng)網(wǎng)絡(luò)法雖然檢測(cè)速度比較快，精度也比較高，但需要依靠人工網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練，不僅對(duì)訓(xùn)練樣本的廣泛性和代表性有較高的要求，而且訓(xùn)練學(xué)習(xí)要花費(fèi)較多的時(shí)間，實(shí)際應(yīng)用困難。數(shù)學(xué)形態(tài)學(xué)算法對(duì)信號(hào)前期的預(yù)處理要求高，并且計(jì)算量較大。EMD算法與小波變換法類似，雖然能夠達(dá)到較好的檢測(cè)精度，但算法的計(jì)算量非常大，且目前還沒有相應(yīng)的快速算法。小波變換法以其優(yōu)越的時(shí)頻局域特性在心電信號(hào)處理方面得到廣泛的研究與應(yīng)用，基于小波變換的檢測(cè)算法雖然能夠達(dá)到很高的檢測(cè)率，但實(shí)時(shí)性差，即使使用Mallet快速分解算法，計(jì)算量仍比較大，實(shí)現(xiàn)實(shí)時(shí)檢測(cè)比較困難。1996年Sweldens成功建立了一種新的實(shí)現(xiàn)小波變換的結(jié)構(gòu)-提升框架，這種提升格式構(gòu)造出來的小波稱之為第二代小波。它既保留了第一代小波的時(shí)頻局域特性，同時(shí)也克服了其平移和伸縮的不變性。此外，這種基于提升格式的小波變換的所有運(yùn)算均在時(shí)域進(jìn)行，無需Fourier分析，運(yùn)算速度相比第一代小波變換大大提高，適合并行處理，占用內(nèi)存空間少，便于DSP芯片實(shí)現(xiàn)。本發(fā)明采用提升小波改進(jìn)半軟閾值法對(duì)心電信號(hào)進(jìn)行去噪處理，為了提高R波檢測(cè)準(zhǔn)確率，本發(fā)明通過一種改進(jìn)的近似包絡(luò)法在增強(qiáng)R波能量的同時(shí)能夠很好的抑制噪聲和大P/T波的干擾，該算法在確保準(zhǔn)確率的同時(shí)運(yùn)算速度快，占用內(nèi)存少，可用于臨床上心電圖儀采集的心電信號(hào)處理與檢測(cè)。
發(fā)明內(nèi)容
本發(fā)明的目的在于解決目前存在的心電特征檢測(cè)算法不能同時(shí)兼顧檢測(cè)精度與實(shí)時(shí)性的問題，提供一種檢測(cè)精度高，實(shí)時(shí)性強(qiáng)的基于提升小波改進(jìn)半軟閾值與改進(jìn)近似包絡(luò)的心電信號(hào)預(yù)處理算法和基于斜率閾值的檢測(cè)算法。本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)基于提升小波改進(jìn)半軟閾值和改進(jìn)包絡(luò)預(yù)處理算法以及基于斜率閾值心電信號(hào)特征檢測(cè)算法的實(shí)現(xiàn)步驟如下(I)從MIT-BIH數(shù)據(jù)庫(kù)中提取心電信號(hào)x(t)，確定小波基函數(shù)以及提升小波分解層數(shù)N，對(duì)信號(hào)X (t)進(jìn)行N層分解；(2)設(shè)定提升小波高頻系數(shù)的閾值Thl，對(duì)提取的高頻提升小波系數(shù)進(jìn)行改進(jìn)半軟閾值去噪處理；(3)確定重構(gòu)心電信號(hào)的尺度信號(hào)，對(duì)心電信號(hào)進(jìn)行重構(gòu)得重構(gòu)信號(hào)y(t)；(4)對(duì)重構(gòu)心電信號(hào)y(t)進(jìn)行Hilbert變換并取改進(jìn)的近似包絡(luò)，完成心電信號(hào)的預(yù)處理得信號(hào)z (t)；(5)設(shè)定R波檢測(cè)的斜率閾值Th2，依照斜率閾值檢測(cè)策略，對(duì)信號(hào)z⑴進(jìn)行R波位置的檢測(cè)；(6)采用誤檢策略以及漏檢回溯策略進(jìn)行誤檢與漏檢的查詢；(7)根據(jù)臨床心電信號(hào)波形特征點(diǎn)的時(shí)域分布特性，以檢測(cè)到的R波位置為基準(zhǔn)，檢測(cè)QRS波群起止點(diǎn)、P波及T波的位置。在上述步驟(I)中，根據(jù)小波基函數(shù)特性以及心電圖信號(hào)的時(shí)頻分布確定小波基函數(shù)和分解層數(shù)N。在上述步驟⑵中，設(shè)定提升小波系數(shù)系數(shù)閾值m = Ioge(IengtKdj)),對(duì)提取的提升小波高頻系數(shù)進(jìn)行改進(jìn)半軟閾值去噪處理。在上述步驟(3)中，重構(gòu)心電信號(hào)時(shí)，舍掉高尺度與低尺度信號(hào)，選擇中間尺度對(duì)心電信號(hào)進(jìn)行重構(gòu)。在上述步驟(4)中，本發(fā)明提出一種改進(jìn)的近似包絡(luò)，能夠在增強(qiáng)R波能量的同時(shí)很好的抑制各種噪聲以及大P/T的干擾，比傳統(tǒng)包絡(luò)更容易實(shí)現(xiàn)R波的檢測(cè)。在上述步驟(5)中，由于預(yù)處理后心電信號(hào)中R波斜率明顯增大，所以本發(fā)明提出基于斜率閾值的特征檢測(cè)算法。在上述步驟(7)中，在對(duì)其它特征點(diǎn)進(jìn)行檢測(cè)時(shí)，由于取改進(jìn)近似包絡(luò)后其它特征波形受到抑制，所以在檢測(cè)其它特征波時(shí)，以檢測(cè)到的R波位置為基準(zhǔn)，在重構(gòu)的信號(hào)進(jìn)行其它特征點(diǎn)的檢測(cè)。本發(fā)明的心電信號(hào)特征點(diǎn)檢測(cè)算法的效果和益處是本發(fā)明基于提升小波變換和改進(jìn)近似包絡(luò)，提高了心電信號(hào)的去噪處理的速度。經(jīng)過改進(jìn)近似包絡(luò)處理，提高了 R波的檢測(cè)精度，也使得其它特征點(diǎn)的檢測(cè)精度有所提高。該處理算法適合并行處理，速度快，精度高，占用內(nèi)存空間少，便于DSP芯片實(shí)現(xiàn)。
圖I是本發(fā)明算法總體流程圖；圖2是心電信號(hào)預(yù)處理及R波檢測(cè)流程圖3是向心電信號(hào)中加入噪聲后，用本發(fā)明的預(yù)處理算法去噪的效果圖；圖4是特征點(diǎn)檢測(cè)結(jié)果圖；圖5是本發(fā)明算法成功判定室性期前收縮位置圖；圖6是本發(fā)明算法成功去除偽跡干擾圖；圖7是本發(fā)明算法成功去除強(qiáng)噪聲干擾圖；圖8是本發(fā)明算法在存在基線漂移的情況下成功檢測(cè)為弱R波圖；圖9是本發(fā)明算法在大T波干擾下成功檢測(cè)R波位置圖。
具體實(shí)施例方式以下結(jié)合技術(shù)方案和附圖詳細(xì)敘述本發(fā)明的具體實(shí)施例。本發(fā)明基于提升小波變換、改進(jìn)近似包絡(luò)和斜率閾值的心電圖信號(hào)中R波、QRS波群起止點(diǎn)、P波以及T波位置的檢測(cè)算法，圖2是心電信號(hào)預(yù)處理及R波檢測(cè)的具體流程圖，具體實(shí)施步驟為I.提升小波改進(jìn)半軟閾值去噪根據(jù)心電信號(hào)特征波形以及噪聲的頻域分布特性，利用提升小波小波變換的時(shí)頻局域特性，選用sym8小波作為小波基函數(shù)對(duì)心電信號(hào)進(jìn)行三層提升分解，提取高頻小波系數(shù)并進(jìn)行改進(jìn)半軟閾值處理，選擇三尺度信號(hào)對(duì)心電信號(hào)進(jìn)行重構(gòu)。2.改進(jìn)近似包絡(luò)處理，首先對(duì)重構(gòu)的心電信號(hào)y(t)依據(jù)下式進(jìn)行Hilbert變換，H\y{t)\ = yh ( ) = y(t)*h(t) = —(I)
Tt由傳統(tǒng)包絡(luò)定義可得包絡(luò)信號(hào)E1 (t)為El(t) = ^y{tf+yh(t)2⑵為了增強(qiáng)QRS能量并減弱噪聲和不需要的P/T波。本發(fā)明提出一種改進(jìn)的近似包絡(luò)，定義如下E2 (t) = y(t) |3+|yh(t) I4⑶圖3是向提取的心電信號(hào)中加入噪聲后，用以上步驟預(yù)處理算法處理的效果圖。3. R波波峰位置檢測(cè)策略由于心電信號(hào)隨機(jī)性強(qiáng)，同一被檢者的R波的幅值和間隔可能在短時(shí)間內(nèi)發(fā)生劇烈的變化，所以本發(fā)明提出了依據(jù)斜率為閾值的特征檢測(cè)方法，并設(shè)定平均R-R間隔值根據(jù)當(dāng)前檢測(cè)R波位置自適應(yīng)變化。此外本發(fā)明還采用自適應(yīng)閾值、回溯檢漏和跳檢的檢測(cè)策略，更好的防止了漏檢、誤檢的發(fā)生，R波的具體檢測(cè)步驟如下(I)設(shè)定預(yù)處理后信號(hào)的起始點(diǎn)i，求該點(diǎn)斜率，并取絕對(duì)值dif (i)；(2)判斷dif (i)與設(shè)定閾值(本文在檢測(cè)R波時(shí)取閾值Th2 = 0. I)的大小，若dif(i) > Thr且其后連續(xù)四點(diǎn)的斜率值遞增并滿足閾值條件，則在i點(diǎn)前后各10內(nèi)搜索幅值最大點(diǎn)，作為R點(diǎn)，否則繼續(xù)檢測(cè)下一個(gè)點(diǎn)是否滿足閾值條件；(3)當(dāng)檢測(cè)到的R點(diǎn)為第一個(gè)R點(diǎn)且i > 460 ;或檢測(cè)到的R點(diǎn)為第二個(gè)且R⑵-R(I) > 460;或檢測(cè)到的R點(diǎn)為第k(k> 2)個(gè)且R(k)-R(k-1) > 460，則降低閾值重新檢測(cè)；(4)為防止誤檢，據(jù)絕對(duì)不應(yīng)期概念，檢測(cè)當(dāng)前確定的R點(diǎn)后200ms內(nèi)是否有更大峰值，若存在，則用更大峰值點(diǎn)代替原檢測(cè)到的R點(diǎn)；(5)從當(dāng)前檢測(cè)到的R點(diǎn)處跳過360ms，繼續(xù)檢測(cè)。仿真實(shí)驗(yàn)結(jié)果表明，該跳檢策略既能提高檢測(cè)效率也不會(huì)導(dǎo)致漏檢。4. QRS起點(diǎn)和終點(diǎn)的檢測(cè)算法由于ECG信號(hào)中QRS波群的持續(xù)時(shí)間為0. 06s-0. ls，所以R波波峰位置R_peak確定后，在[R_peak-100ms, R_peak]區(qū)間內(nèi)，基于斜率閾值算法檢測(cè)該區(qū)間進(jìn)行檢測(cè),若存在連續(xù)四點(diǎn)斜率漸增，且間隔一點(diǎn)的兩點(diǎn)斜率的絕對(duì)值增值大于4倍閾值，則認(rèn)為這四點(diǎn)中的起點(diǎn)為QRS波群起點(diǎn)；同理在[R_peak，R_peak+100]區(qū)間內(nèi)檢測(cè)確定QRS波群的終點(diǎn)。5. P波和T波的檢測(cè)ECG信號(hào)經(jīng)提升閾值去噪，Hilbert變換及改進(jìn)近似包絡(luò)后雖然使得QRS波群的能量有很大程度的增加，但也極大的削弱了 P波和T波能量，使得P波和T波能量接近于零，所以本文選擇在重構(gòu)后信號(hào)中運(yùn)用斜率閾值檢測(cè)算法檢測(cè)P波和T波。依據(jù)ECG信號(hào)中QRS復(fù)合波所占時(shí)間為0.06s-0.1s，P-R段時(shí)間間隔正常值為
0.12s-0. 2s, S-T段間隔為0. 05s-0. 25s，T波寬度約為0. 2s，所以同樣依據(jù)斜率閾值檢測(cè)算法選擇在[R_peak_250ms, R_peak_150ms]區(qū)間內(nèi)檢測(cè) P 波，在[R_peak+170ms, R_peak+400ms]區(qū)間內(nèi)檢測(cè)T波，在檢測(cè)P/T波時(shí)設(shè)定閾值為0. 01。若檢測(cè)到的波峰前三點(diǎn)中有兩點(diǎn)斜率為負(fù)，則說明P/T波倒置。圖4即為以上檢測(cè)算法的心電特征檢測(cè)結(jié)果圖。6.室性期前收縮收縮的判定心室收縮是一種常見的心臟疾病，本文通過設(shè)定時(shí)間閾值實(shí)現(xiàn)對(duì)其自動(dòng)診斷。檢測(cè)出當(dāng)前R波位置后，若其與前一個(gè)R波間隔小于500ms，而與后一個(gè)R波間隔大于800ms，則判定為室性期前收縮。此外，對(duì)其它心率失常疾病的自動(dòng)診斷也可通過同樣方法設(shè)定判定規(guī)則。圖5為本發(fā)明算法成功檢測(cè)出MIT-BIH數(shù)據(jù)庫(kù)中標(biāo)注室性期前收縮V點(diǎn)位置(紅色邊框標(biāo)出位置)。7.實(shí)驗(yàn)測(cè)試結(jié)果本發(fā)明采用MIT-BIH數(shù)據(jù)庫(kù)中包含嚴(yán)重噪聲干擾，最難實(shí)現(xiàn)準(zhǔn)確檢測(cè)的105號(hào)數(shù)據(jù)作為實(shí)施例。MIT-BIH數(shù)據(jù)庫(kù)中標(biāo)注“I”點(diǎn)處為極似R波的偽跡，“U”點(diǎn)處為有極嚴(yán)重的噪聲干擾或信號(hào)缺失。實(shí)驗(yàn)過程中對(duì)105號(hào)數(shù)據(jù)的650000個(gè)點(diǎn)進(jìn)行了 R波檢測(cè)，檢測(cè)結(jié)果與數(shù)據(jù)庫(kù)中記錄對(duì)比，假陽(yáng)性為4，假陰性為3，R波誤檢率為0. 27%，檢測(cè)效果優(yōu)于目前多數(shù)算法。此外還選取了 105號(hào)數(shù)據(jù)中包含偽跡干擾、強(qiáng)噪聲干擾和R波微弱并存在基線漂 移的信號(hào)進(jìn)行R波檢測(cè)，圖6、圖7和圖8分別為本發(fā)明算法對(duì)數(shù)據(jù)庫(kù)中標(biāo)注的特殊點(diǎn)(圖中用紅色邊框標(biāo)出)的檢測(cè)結(jié)果圖。圖9顯示本發(fā)明算法能夠有效去除大P/T波干擾。
權(quán)利要求
1.一種基于提升小波變換和改進(jìn)近似包絡(luò)的心電信號(hào)特征檢測(cè)算法，其特征在于包括如下步驟(1)從MIT-BIH數(shù)據(jù)庫(kù)中提取心電信號(hào)x(t)，確定小波基函數(shù)以及提升小波分解層數(shù) N，對(duì)信號(hào)x(t)進(jìn)行N層分解；(2)設(shè)定提升小波高頻系數(shù)的閾值Thl，對(duì)提取的高頻提升小波系數(shù)進(jìn)行改進(jìn)半軟閾值去噪處理；(3)確定重構(gòu)心電信號(hào)的尺度信號(hào)，對(duì)心電信號(hào)進(jìn)行重構(gòu)得重構(gòu)信號(hào)y(t)；(4)對(duì)重構(gòu)心電信號(hào)y(t)進(jìn)行Hilbert變換并取改進(jìn)的近似包絡(luò)，完成心電信號(hào)的預(yù)處理得信號(hào)z (t)；(5)設(shè)定R波檢測(cè)的斜率閾值Th2，依照斜率閾值檢測(cè)策略，對(duì)信號(hào)z(t)進(jìn)行R波位置的檢測(cè)；(6)采用誤檢策略以及漏檢回溯策略進(jìn)行誤檢與漏檢的查詢；(7)根據(jù)臨床心電信號(hào)波形特征點(diǎn)的時(shí)域分布特性，以檢測(cè)到的R波位置為基準(zhǔn)，檢測(cè) QRS波群起止點(diǎn)、P波及T波的位置。
2.根據(jù)權(quán)利要求I所述的心電信號(hào)特征檢測(cè)算法，其特征在于步驟(I)中選擇合適的小波基并確定提升小波分解層數(shù)，根據(jù)小波基函數(shù)特性以及心電圖信號(hào)的時(shí)頻分布確定小波基函數(shù)類型和分解層數(shù)N。
3.根據(jù)權(quán)利要求I所述的心電信號(hào)特征檢測(cè)算法，其特征在于步驟(2)設(shè)定提升小波系數(shù)閾值
4.根據(jù)權(quán)利要求I所述的心電信號(hào)特征檢測(cè)算法，其特征在于步驟(3)重構(gòu)心電信號(hào)時(shí)，舍掉高尺度與低尺度信號(hào)，選擇中間尺度對(duì)心電信號(hào)進(jìn)行重構(gòu)。
5.根據(jù)權(quán)利要求I所述的心電信號(hào)特征檢測(cè)算法，其特征在于步驟(4)的改進(jìn)近似包絡(luò)，本發(fā)明提出一種改進(jìn)的近似包絡(luò)，能夠在增強(qiáng)R波能量的同時(shí)很好的抑制各種噪聲以及大P/T的干擾，比傳統(tǒng)包絡(luò)更容易實(shí)現(xiàn)R波的檢測(cè)。
6.根據(jù)權(quán)利要求I所述的心電信號(hào)特征檢測(cè)算法，其特征在于步驟(5)中斜率閾值檢測(cè)策略，由于預(yù)處理后心電信號(hào)中R波斜率明顯增大，所以本發(fā)明提出基于斜率閾值的特征檢測(cè)算法。
7.根據(jù)權(quán)利要求I所述的心電信號(hào)特征檢測(cè)算法，其特征在于步驟(7)中其它特征點(diǎn)的檢測(cè)，由于取改進(jìn)近似包絡(luò)后其它特征波形受到抑制，所以在檢測(cè)其它特征波時(shí)，以檢測(cè)到的R波位置為基準(zhǔn)，在重構(gòu)的信號(hào)上進(jìn)行其它特征點(diǎn)的檢測(cè)。
全文摘要
本發(fā)明公開了一種基于提升小波變換和改進(jìn)近似包絡(luò)的心電信號(hào)特征檢測(cè)算法，屬于微弱生物電信號(hào)處理技術(shù)領(lǐng)域。目前臨床應(yīng)用的心電信號(hào)檢測(cè)技術(shù)多數(shù)不能兼顧檢測(cè)精度與實(shí)時(shí)性要求，本發(fā)明提出了一種基于提升小波改進(jìn)半軟閾值去噪和改進(jìn)近似包絡(luò)的心電信號(hào)進(jìn)行預(yù)處理算法以及基于斜率閾值的心電特征檢測(cè)算法，根據(jù)心電信號(hào)的波形特點(diǎn)及時(shí)域分布特性設(shè)定檢測(cè)準(zhǔn)則，對(duì)心電信號(hào)分別進(jìn)行R波、QRS波群起止點(diǎn)、P波及T波位置的檢測(cè)。本發(fā)明檢測(cè)算法簡(jiǎn)單，速度快，適合并行處理，占用內(nèi)存空間少，便于DSP芯片實(shí)現(xiàn)。該算法即使在強(qiáng)噪聲和大P/T波干擾的情況下也能準(zhǔn)確檢測(cè)出R點(diǎn)位置，與MIT-BIH數(shù)據(jù)庫(kù)標(biāo)注比較，對(duì)包含嚴(yán)重噪聲干擾的105號(hào)數(shù)據(jù)的R波誤檢率僅為0.27％。
文檔編號(hào)A61B5/0472GK102626310SQ201210118910
公開日2012年8月8日 申請(qǐng)日期2012年4月23日 優(yōu)先權(quán)日2012年4月23日
發(fā)明者李鴻強(qiáng), 王小飛 申請(qǐng)人:天津工業(yè)大學(xué)