基于扩展卡尔曼滤波的j波检测与分类方法
【技术领域】
[0001]本发明涉及J波的检测识别及危险等级分类方法，具体为基于扩展卡尔曼滤波的J波检测与分类方法。
【背景技术】
[0002]心电图上J点是指QRS波群与ST段交界处的一个突发性转折点，它标志着心室除极的结束、复极的开始。J点之后的顿挫称为J波(如图1所示)。J波在心电图中呈尖峰型、顿挫型或驼峰型波形电位变化。J波若呈尖峰型，时限〈0.02s，振幅〈0.2mv，常伴发早期复极综合征，多属于正常变异J波；若为顿挫或驼峰型，J波时限>0.03s，J波振幅>0.2mv,且伴发器质性心脏疾患，多属于异常J波。根据目前的研究，可以将J波的危险等级分为三个级别:小 J 波(0.05mv-0.09mv)、大 J 波(0.lmv-0.2mv)、巨大 J 波(大于 0.2mv)0
[0003]随着对J波的研究不断发展，由J波引起的一系列的综合征也收到了广泛的关注。J波综合征由于可能会引起恶性室性心律失常、心源性猝死等重大疾病，越来越受到医学界的重视和关注。经过多年的研究，人们发现J波综合征可分为获得性和遗传性两类，获得性J波综合征包括缺血性J波综合征和低温性J波综合征，遗传性J波综合征包括早期复极综合征(early repolarizat1n syndrome，ERS)和Brugada 综合征(Brugada syndrome,BrS)0提高对心电图正常变异J波与异常J波的鉴别能力，有助于识别临床异常J波的高危患者，减少恶性心律失常及特发性心室颤动猝死的发生，有很大的临床意义和现实意义。
【发明内容】
[0004]本发明为了解决现在没有一种有效的J波识别和分类方法的问题，提供了于扩展卡尔曼滤波的J波检测与分类方法。
[0005]本发明是采用如下的技术方案实现的:基于扩展卡尔曼滤波的J波检测与分类方法，包括以下步骤:
根据原始心电图得到相位和频率信息，再通过高斯拟合对心电图波形进行逼近，得到拟合心电图波形中各个时刻的幅值；
将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差；
对输出的结果进行分析，如果量测值和真值的差别> 0.05mv，那么心电图波形中存在J波，否则，心电图波形中没有J波；
在存在J波的基础上，如果量测值和真值的差别< 0.1mv,则存在的J波是小J波； 如果量测值和真值的差别> 0.lmv，而彡0.2mv,则存在的J波是大J波；
如果量测值和真值的差别> 0.2mv，则存在的J波是巨大J波。
[0006]由于J波及J波综合征在临床上逐渐得到重视，对于J波的检测显得尤为重要。目前，对于心电图中J波的检测主要还是依靠医生的个人经验，这样就给医疗带来了很多不便。本发明希望通过信号处理的方法，将J波的检测变得智能化、大众化。同时，定性定量地对J波检测也可以帮助医生做出正确的诊断，从而制定合理可行的治疗方案。随着“智慧医疗”和“互联网+”的提出，对于治疗也有了更加人性化的要求。本文对J波检测的实现可以为今后的在线实时监测做出贡献。心脏病患者可以使用便携式的心电图机实时地查看自己的身体状况。
【附图说明】
[0007]图1为含J波的心电图的波形图。
[0008]图2为高斯拟合的流程图。
[0009]图3为本发明的流程框图。
【具体实施方式】
[0010]基于扩展卡尔曼滤波的J波检测与分类方法，包括以下步骤:
根据原始心电图得到相位和频率信息，再通过高斯拟合对心电图波形进行逼近，得到拟合心电图波形中各个时刻的幅值；
将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差；
对输出的结果进行分析，如果量测值和真值的差别> 0.05mv，那么心电图波形中存在J波，否则，心电图波形中没有J波；
在存在J波的基础上，如果量测值和真值的差别< 0.1mv,则存在的J波是小J波； 如果量测值和真值的差别> 0.lmv，而彡0.2mv,则存在的J波是大J波；
如果量测值和真值的差别> 0.2mv，则存在的J波是巨大J波。
[0011]由于扩展卡尔曼滤波在进行运算时实际上是对本时刻的观测量和状态量的计算，从而准确的得到下个时刻的状态量。很容易理解的是，观测量就是我们通过心电图(ECG)得到的真值，而与之进行计算的状态量就需要的通过拟合的方法得到的量测值。拟合其实就是一种逼近，通过一些基本的数据信息，就可以很精确的拟合出整个数据。对于心电图来说，通过知道一些相位和频率信息等信息，就可以很好的拟合出与之对应的标准(拟合)心电图，从而与实际的数据进行对比，本发明采用的拟合方法是高斯拟合。对于本发明来说，需要拟合的是心电图波形和各时刻的幅值，而可以得到的是原始心电图的相位和频率信息，通过相位和频率信息就可以高斯拟合得到拟合心电图波形。图2所示为高斯拟合在心电图上的应用。
[0012]卡尔曼滤波技术是一种最优估计技术。一般来说，在解决工程技术问题中，人们有必要精确了解工程对象(滤波技术中称为系统)的各种物理量(滤波技术中称为状态)，以便对工程对象实现有效控制。为此则需要对系统状态进行量测。但是，量测值并不能准确地反映系统的真实状态，其中常常含有很多种随机误差(或称为量测噪声)；同时，限于量测方法，常常量测值并非与状态一一对应，量测值可能是某系统的部分状态，也可能是部分状态的线性组合。为了解决系统状态的真值与量测值之间的矛盾，出现了种种最优估计方法。最优估计是一种数据处理技术，它能将仅与部分状态有关的量测值进行处理，得出从某种统计意义上讲估计误差最小的更多状态的估计值(简称估计或估值)。估计误差最小的标准称为估计准则。根据不同的估计准则和估计计算方法，有不同的最优估计。卡尔曼滤波是一种递推线性最小方差估计。
[0013]本发明运用的扩展卡尔曼滤波与卡尔曼滤波的区别，其实就是线性和非线性的区另O。因为心电信号是非线性的，所以说对于只适用与线性的卡尔曼滤波来说就不在适合。作为它的升级，扩展卡尔曼滤波很好的解决了这个问题，从而将卡尔曼的思想运用到了心电信号检测中。对于本专利来说，通过高斯拟合得到的值作为了量测值，而真实得到的数据就作为了真值，将二者进行扩展卡尔曼滤波，从而能准确的判断心电信号每个时刻的异变。
【主权项】
1.基于扩展卡尔曼滤波的J波检测与分类方法，其特征在于包括以下步骤: 根据原始心电图得到相位和频率信息，再通过高斯拟合对心电图波形进行逼近，得到拟合心电图波形中各个时刻的幅值； 将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差； 对输出的结果进行分析，如果量测值和真值的差别> 0.05mv，那么心电图波形中存在J波，否则，心电图波形中没有J波； 在存在J波的基础上，如果量测值和真值的差别< 0.1mv,则存在的J波是小J波； 如果量测值和真值的差别> 0.lmv，而彡0.2mv,则存在的J波是大J波； 如果量测值和真值的差别> 0.2mv，则存在的J波是巨大J波。
【专利摘要】本发明涉及J波的检测识别及危险等级分类方法，具体为基于扩展卡尔曼滤波的J波检测与分类方法，包括以下步骤：根据相位和频率信息通过高斯拟合得到拟合心电图；将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差；对输出的结果进行分析，进而判断心电图波形中是否存在J波，以及存在J波情况下，J波的类别。本发明希望通过信号处理的方法，将J波的检测变得智能化、大众化。同时，定性定量地对J波检测也可以帮助医生做出正确的诊断，从而制定合理可行的治疗方案。
【IPC分类】A61B5/0452
【公开号】CN105125209
【申请号】CN201510572649
【发明人】李灯熬, 马伟, 赵菊敏
【申请人】太原理工大学
【公开日】2015年12月9日
【申请日】2015年9月10日