专利名称：基于形态学与小波变换的心电信号qrs复波检测方法
技术领域：
本发明涉及一种心电信号QRS复波检测方法，尤其涉及一种面向远程医疗中的心电信号自动诊断系统中的QRS复波检测方法。
背景技术：
心脏病已经成为人类健康的头号杀手，目前全世界每年约有1750万人死于心脏病，占全部死亡人数的30%。作为诊断心脏生理、病理状态的重要依据，心电图(ECG，Electrocardiogram)诊断技术自其十九世纪初诞生以来，已经发展成为一门专业学科，而对于ECG信号的采集、处理、存储、传输、远程实时监控及自动诊断等方面更是当今该领域的研究重点。ECG信号是将电极置于体表特定位置所记录到的心脏电活动。典型的心电图如
图1所示，主要包括以下几部分，且这几部分为临床心电图的诊断所依据的重要特征参量:P波在QRS波群之前，前半部分主要为右心房的电活动，后半部分主要为左心房的电活动；QRS波群代表电激动通过心室肌^波代表心室的复极过程，波形比较宽且圆钝；ST段代表心室的所有部分均已除极或除极末期与复极初期相互叠加形成的彼此抵消阶段；RR期间为相邻心动周期R波峰值之间的时间间隔。ECG信号的自动诊断一直是心电信号处理领域的重点研究方向之一，通常涉及特征波的识别、心动周期的划分、各种间期的鉴别，以及在此基础上的波形异常的分类与诊断。对ECG信号进行特征波检测是实现ECG信号临床上波形自动归类、辅助诊断的基础。特别是对心率失常等的自动检测是心脏异常诊断的重要依据。同时也为后续远程传输系统中采用的感兴趣区域的高分辨率数据备份及二次传输的设计提供了重要依据。QRS复波因其比较显著的形态及频率特征，是特征波中相对容易辨认的一组波形，同时也能够根据其特点判断心脏的一系列生理和病理状态，因此通常被认为是ECG信号特征波检测的基础和起点。现代ECG信号处理过程中，通常将其认为是伪随机信号，即可通过心动周期的划分，明确各周期之间的相关性。而心动周期的划分通常基于QRS复波中R峰的识别及精确定位。在此基础上，QRS复波的起点及终点等形态信息对于判断ECG信号的各种特征间期等重要诊断依据具有指导性意义，也为实现心电图的计算机辅助与自动诊断中ECG波形与其对应的心脏生理、病理特征的分类提供了重要依据。QRS复波检测通常包括R峰及QRS复波起点与终点的定位。QRS复波检测主要有斜率法、基于小波变换的方法、基于形态滤波的方法、基于独立分量分析法等。斜率法由于其计算量小，且不需要单独检测R峰、训练方法等，适用于实时检测中。基本思想是利用R峰的斜率 较大来进行判别。比较常用的有Tompkins方法及其改进方法，基于Hilber变换的方法等。但斜率法的检测正确率不够理想，特别是误检率相对较高，且受噪声影响较大。基于小波变换的QRS复波检测方法的基本思想是:利用包含QRS复波信息的分量寻找模极大值处的过零点，该点即对应原始信号的R峰，且具有一定的位移。基于形态学运算的QRS复波检测通常选用三角型结构元素来实现，基于形态学的多分辨率分解也被用于检测QRS复波。基于形态学运算的QRS复波检测方法实现非常简单，很适合应用于对延迟时间要求严格的实时监控系统中。此外，基于独立分量分析、神经网络以及一些混合方法也被应用于QRS复波检测中。 斜率法存在对噪声比较敏感的缺点，导致误检率较高、方法可靠性低。随着计算机及各类片上系统处理速度的大幅度提高，此类方法运算速度上的优势渐微，已经逐渐被淘汰。数字滤波器法具有一定的自适应性，但对室性早搏等引起的ECG波形形态变化及QRS复波频率范围变化适应性差，对异常ECG信号容易产生误检及漏检。通常采用的基于小波变换的检测方法对变化较为平缓QRS复波具有较高的检测正确率，而基于形态学运算的检测方法通常对较为尖锐的QRS复波具有较高的检测率。且以上两种方法对于一些异常波形，如异常高大P波、RR间期变化过大等情况的检测正确率有所下降。
发明内容
为了解决现有技术中问题，本发明提供了一种基于形态学与小波变换的心电信号QRS复波检测方法，包括以下步骤:步骤1:输入抑制基线漂移与去除高频噪声后的ECG信号，并进行分段；步骤2:应用Daube chies (德比契斯)小波族中的db6小波对步骤I得到的分段ECG信号进行四层小波分解，寻找第三层小波信号D3、第四层小波信号D4分量上的模极大值点对应的过零点，并对应到原信号中的峰值处作为R峰位置；步骤3:应用多分辨率形态学分解方法，对步骤I得到的分段ECG信号进行分解，寻找第三层与第四层细节分量上共同的模极大值点，作为R峰位置；步骤4:将步骤2与步骤3得到的R峰位置进行或运算，若结果为1，则保留为新的R峰位置；步骤5:R峰的回溯；步骤6:确定QRS复波起点与终点；步骤7:确认是否完成全部ECG信号检测，若已完成，就结束算法；若未完成，更新阈值，重复步骤2至步骤7直到算法结束。作为本发明的进一步改进，步骤I中，分段方法为每5秒ECG数据作为一个分段。作为本发明的进一步改进，步骤5中，具体流程如下:判断需要进行R峰回溯的ECG数据R是否小于263ms:若R < 263ms,则表明存在误检，消除该峰，进入步骤6 ；若R > 263ms，判断 R 是否小于 1675ms:若R > 1675ms，则存在漏检，降低阈值为原来的一半，确定R峰，进入步骤6 ；若R < 1675ms，判断 Ra 是否大于 1.66:若Ra > 1.66，则进入步骤6 ；
若Ra< 1.66，则存在漏检，降低阈值为原来的一半，确定R峰，进入步骤6。作为本发明的进一步改进，步骤3，应用多分辨率形态学分解方法，即应用构造如
式I和2所示尺度分析算子与细节分析算子对步骤I得到的分段ECG信号进行分解:ψ
权利要求
1.一种基于形态学与小波变换的心电信号QRS复波检测方法，其特征在于，包括以下步骤: 步骤1:输入抑制基线漂移与去除高频噪声后的ECG信号，并进行分段； 步骤2:应用Daubechies小波族中的db6小波对步骤I得到的分段ECG信号进行四层小波分解，寻找第三层小波信号D3、第四层小波信号D4分量上的模极大值点对应的过零点，并对应到原信号中的峰值处作为R峰位置； 步骤3:应用多分辨率形态学分解方法，对步骤I得到的分段ECG信号进行分解，寻找第三层与第四层细节分量上共同的模极大值点，作为R峰位置； 步骤4:将步骤2与步骤3得到的R峰位置进行或运算，若结果为1，则保留为新的R峰位置； 步骤5:R峰的回溯； 步骤6:确定QRS复波起点与终点； 步骤7:确认是否完成全部ECG信号检测，若已完成，就结束算法；若未完成，更新阈值，重复步骤2至步骤7直到算法结束。
2.根据权利要求1所述的基于形态学与小波变换的心电信号QRS复波检测方法，其特征在于:步骤I中，分段方法为每5秒ECG数据作为一个分段。
3.根据权利要求1所述的基于形态学与小波变换的心电信号QRS复波检测方法，其特征在于:步骤5中，具体流程如下: 判断需要进行R峰回溯的 ECG数据R是否小于263ms: 若尺< 263ms，则表明存在误检，消除该峰，进入步骤6 ; 若R > 263ms，判断R是否小于1675ms: 若R > 1675ms，则存在漏检，降低阈值为原来的一半，确定R峰，进入步骤6 ; 若R < 1675ms，判断Ra是否大于1.66: 若Ra > 1.66，则进入步骤6 ； 若Ra < 1.66，则存在漏检，降低阈值为原来的一半，确定R峰，进入步骤6。
4.根据权利要求1所述的基于形态学与小波变换的心电信号QRS复波检测方法，其特征在于:步骤3，应用多分辨率形态学分解方法，即应用构造如式I和2所示尺度分析算子Ψ]与细节分析算子对步骤I得到的分段ECG信号进行分解:
5.根据权利要求4所述的基于形态学与小波变换的心电信号QRS复波检测方法，其特征在于:根据步骤3中选出的平均模极大值最大的分量，在确认为R峰的过零点前后分别选择距离最近的极值处作为QRS复波的起点与终点。
6.根据权利要求1所述的基于形态学与小波变换的心电信号QRS复波检测方法，其特征在于:步骤7中，需要更新的阈值为步骤3中小波分解过程中的阈值03与θ4，以及形态滤波过程中的阈值σ，选择D3分量上包括该点在内的前3s内样本的均方根作为阈值θ3，选择D4分量上包括该点在内的前3s内样本的均方根的一半作为阈值Q4，如式4所不,其中W3X [m]与W4X [m]分别为D3与D4上的信号分量，k为ECG信号每秒样本数，k=360。
7.根据权利要求1所述的基于形态学与小波变换的心电信号QRS复波检测方法，其特征在于:步骤7中，选取平均值的方法作为阈值，形态滤波过程中的阈值σ，选择前3个心动周期中最大值平均值的5/9，如式5所示，
全文摘要
本发明提供了一种基于形态学与小波变换的心电信号QRS复波检测方法，步骤1输入抑制基线漂移与去除高频噪声后的ECG信号，并进行分段；步骤2应用db6小波对步骤1得到的分段ECG信号进行四层小波分解；步骤3应用多分辨率形态学分解方法，对步骤1得到的分段ECG信号进行分解，寻找第三层与第四层细节分量上共同的模极大值点，作为R峰位置；步骤4将步骤2与步骤3得到的R峰位置进行或运算，若结果为1，则保留为新的R峰位置；步骤5R峰的回溯；步骤6确定QRS复波起点与终点；步骤7确认是否完成全部ECG信号检测，若已完成，就结束算法；若未完成，更新阈值，重复步骤2至步骤7直到算法结束。该方法能够达到99%以上的检测正确率。
文档编号A61B5/0472GK103083013SQ20131001859
公开日2013年5月8日 申请日期2013年1月18日 优先权日2013年1月18日
发明者张钦宇, 张璞, 郑石 申请人:哈尔滨工业大学深圳研究生院