一种基于ECG信号的心脏运动信号预测方法与流程

本发明属于心脏运动预测技术领域，更为具体地讲，涉及一种基于ECG信号的心脏运动信号预测方法。

背景技术：

近年来，冠心病成为导致人类死亡的主要疾病之一，体外循环冠状动脉旁路移植手术作为治疗冠心病的手术方式之一，由于手术中使用心肺仪，给病人带来诸多术后并发症，不但增加了医疗成本而且大大延长了病人术后恢复时间。手术辅助机器人的出现给心脏不停跳的冠状动脉旁路移植手术带来了可能，手术辅助机器人的工作是消除心脏表面手术点与手术工具之间的相对运动，给医生提供一个静止手术场景画面以便进行远程医疗操作。

一般手术中血管的直径范围是0.5-2mm，考虑到机器人动态跟踪误差应控制在1％内才能保证病人的安全，因此，机器人跟踪位置均方根误差应在100μm数量级的范围内，在心脏运动过程中，心脏表面某些点的运动频率最高可得26Hz，在每个方向上的运动幅度最高可达10mm。传统的反馈控制无法满足快速跟踪的要求，提高心脏表面目标点的预测精度可以提高跟踪控制精度，所以对心脏表面目标点的预测变得十分必要。

在以往的研究中很多预测方法和ECG信号有关，Ortmaier T等人在文献《Motion compensation in minimally invasive robotic surgery》中提出ECG信号与心脏运动信号的强相关关系表明这2个信号在心脏运动预测中可以交换使用。Bebek O等人在文献《Intelligent control algorithms for robotic-assisted beating heart surgery》中提出可将时变的心跳频率用于心脏运动信号的预测。Duindam Y等人在文献《Geometric motion estimation and control for robotic assisted beating-heart surgery》中提出心脏表面目标点运动信号可以分离为2个周期信号，其中一部分就是通过分析ECG信号得到的心脏运动的相位和频率。然而，这些方法在出现遮挡时无法获取运动目标的测量值时，不能达到预测心脏目标点运动的目的。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种基于ECG信号的心脏运动信号预测方法，利用ECG信号与心脏表面目标点历史轨迹之间的相关性建立GLM模型，当出现遮挡等无法获取运动目标的测量值时，利用ECG信号通过GLM模型达到预测目标点运动的目的。

为实现上述发明目的，本发明一种基于ECG信号的心脏运动信号预测方法，其特征在于，包括以下步骤：

(1)、建立并初始化GLM预测模型

(1.1)、建立GLM模型：利用心脏表面目标点x的N个历史测量值和ECG信号在k时刻的测量值建立GLM模型，用方程表示为：

其中，是三维列向量，表示心脏表面目标点x在k时刻的三维坐标预测值；w(k-1)是k-1时刻的模型参数，是由M个权值系数组成的列向量；Q(k-1)是3*M维的模型设计矩阵，表示为：

Q(k-1)＝[x(k-N) x(k-N+1) … x(k-1) e(k)]

其中，x(k-N)…x(k-1)是N个历史测量值，e(k)是ECG信号在k时刻的实时测量值，且由一维的e(k)扩展为三维列向量，即e(k)＝[e(k) e(k) e(k)]；

(1.2)、初始化GLM模型：令k＝1，将k＝1之前的N个历史测量值初始化为0向量，即x(1-N)＝x(2-N)＝…＝x(0)＝0；将k＝1时刻的模型参数初始化为0矩阵，即w(0)＝0；令方差矩阵为V(k)，并初始化为V(0)＝σI_M×M；

其中，σ一般取远远大于1的正数，I_M×M表示M×M维单位矩阵，ECG信号在k＝1时刻的测量值e(1)可直接获得；

(2)、判断测量系统是否提供k时刻的心脏表面目标点x的测量值x(k)，如果提供，则记录下该测量值x(k)，然后执行步骤(3)；否则执行步骤(4)；

(3)、更新GLM模型参数

基于迭代最小二乘滤波原理，利用k时刻心脏表面目标点x的测量值x(k)，以及k时刻ECG信号的实时测量值e(k)，更新模型参数w(k)以及方差矩阵v(k)，待更新完毕后，跳入步骤(5)；

(4)、基于当前GLM模型以及k时刻ECG信号的实时测量值e(k)，获取心脏表面目标点x的预测值：

再用预测值代替测量值，即令然后执行步骤(5)；

(5)、更新GLM模型设计矩阵

利用k时刻心脏表面目标点x的测量值x(k)以及k时刻ECG信号的实时测量值e(k)更新模型设计矩阵，得到：

Q(k)＝[x(k-N+1) x(k-N+2) … x(k) e(k+1)]

(6)、当前时刻值k加1，即k＝k+1，返回步骤(2)，进入下一时刻k+1的处理流程。

其中，所述步骤(3)中，更新模型参数w(k)和方差矩阵v(k)的具体方法为：

(2.1)、计算模型当前的预测误差和增益矩阵

预测误差：

增益矩阵：

其中，μ为遗忘因子，0<μ<1；

(2.2)、利用预测误差和增益矩阵更新模型参数w(k)和方差矩阵v(k)

更新后的模型参数为：w(k)＝w(k-1)+δK；

更新后的方差矩阵为：

本发明的发明目的是这样实现的：

本发明一种基于ECG信号的心脏运动信号预测方法，将ECG信号与心脏运动信号的相关部分建模为GLM模型互相关项，利用迭代最小二乘法实时地估计GLM模型互相关项的系数，将ECG信号非平稳心率变化信息的全过程通过GLM模型互相关项引入心脏表面目标点的预测中，增强了对心脏信号中非平稳变化的适应能力，提高了对运动信号的估计精度，完成了心脏运动信号的实时预测。

同时，本发明一种基于ECG信号的心脏运动信号预测方法还具有以下有益效果：

(1)、本发明利用ECG信号与心脏表面目标点历史运动轨迹之间的相关性，提高预测精度；而现有技术只考虑目标点运动在时间上的自相关性，利用目标点的历史测量值预测未来运动，这类方法在进行长时间连续预测时，预测误差会急剧增大；

(2)、本方法首次将ECG信号与心脏表面目标点的运动信号的相关部分建模为相关项，利用迭代最小二乘法估计模型参数，将ECG信号非平稳特征表征并引入心脏表面目标点的预测当中；

(3)、本发明与现有技术相比，本发明不仅仅利用ECG信号的单点特征，而是将两种信号进行耦合进而预测，这样可以实时更新ECG信号以达到实时更新模型参数的目的，进而可提高预测精度。

附图说明

图1是本发明基于ECG信号的心脏运动信号预测方法流程图；

图2是基于GLM模型的心脏表面目标点运动预测原理框图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明基于ECG信号的心脏运动信号预测方法流程图。

在本实施例中，测量心脏表面目标点运动的测量系统可以为基于立体内窥镜的视觉测量系统、基于超声波测量的测量系统或基于激光和视觉的测量系统等，在本实施例中，如图2所示，采用基于立体内窥镜的视觉测量系统。无论何种测量系统，在其对心脏表面目标点进行直接测量时，通过本发明所述的方法会在每个测量时刻，利用最新获取的心脏表面目标点测量值以及ECG信号测量值实时更新GLM模型参数和设计矩阵，当测量系统因心脏表面目标点被遮挡而无法获取测量值时，可通过GLM模型预测目标点的位置，弥补测量系统的测量空白。

下面结合附图和实施例对本发明作进一步说明。如图1所示，本发明一种基于ECG信号的心脏运动信号预测方法，包括以下步骤：

S1、建立并初始化GLM预测模型

S1.1、建立GLM模型

在本实施例中，利用本发明所属方法对心脏表面目标点的近4个历史时刻的测量值以及ECG信号的测量值，建立5阶的GLM模型进行预测，用方程表示为：

其中，是三维列向量，表示心脏表面目标点x在k时刻的三维坐标预测值；w(k-1)是k-1时刻的模型参数，是由5个权值系数组成的列向量；Q(k-1)是3*5维的模型设计矩阵，表示为：

Q(k-1)＝[x(k-4) x(k-3) x(k-2) x(k-1) e(k)]

其中，x(k-4),x(k-3),x(k-2),x(k-1)是4个历史测量值，e(k)是ECG信号在k时刻的实时测量值，且由一维的e(k)扩展为三维列向量，即e(k)＝[e(k) e(k) e(k)]；

S1.2、初始化GLM模型：令k＝1，将k＝1之前的4个历史测量值初始化为0向量，即x(-3)＝x(-2)＝x(-1)＝x(0)＝0；将k＝1时刻的模型参数初始化为0矩阵，即w(0)＝0；令方差矩阵为V(k)，并初始化为V(0)＝σI_5×5；

其中，σ一般取远远大于1的正数，I_5×5表示5×5维单位矩阵，ECG信号在k＝1时刻的测量值e(1)可直接获得。

S2、判断测量系统是否提供k时刻的心脏表面目标点x的测量值x(k)，如果提供，则记录下该测量值x(k)，然后执行步骤S3；否则执行步骤S4。

S3、更新GLM模型参数

基于迭代最小二乘滤波原理，利用k时刻心脏表面目标点x的测量值x(k)，以及k时刻ECG信号的实时测量值e(k)，更新模型参数w(k)以及方差矩阵v(k)，待更新完毕后，跳入步骤S5；

其中，更新模型参数w(k)和方差矩阵v(k)的具体方法为：

S3.1、计算模型当前的预测误差和增益矩阵

预测误差：

增益矩阵：

其中，μ为遗忘因子，0<μ<1，在本实施例中取μ＝0.98；()^T表示转置；

S3.2、利用预测误差和增益矩阵更新模型参数w(k)和方差矩阵v(k)

更新后的模型参数为：w(k)＝w(k-1)+δK；

更新后的方差矩阵为：

S4、基于当前GLM模型以及k时刻ECG信号的实时测量值e(k)，获取心脏表面目标点x的预测值：

再用预测值代替测量值，即令然后执行步骤S5。

S5、更新GLM模型设计矩阵

利用k时刻心脏表面目标点x的测量值x(k)以及k时刻ECG信号的实时测量值e(k)更新模型设计矩阵，得到：

Q(k)＝[x(k-3) x(k-2) x(k-1) x(k) e(k+1)]

通过更新模型设计矩阵后，进而完成对心脏表面目标点的运动的预测。

S6、当前时刻值k加1，即k＝k+1，返回步骤S2，进入下一时刻k+1的处理流程。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。