一种基于几何形态群组特征的R波检测方法与流程

本发明属于心电图检测技术领域，具体涉及一种基于几何形态群组特征的r波检测方法。

背景技术

心血管疾病严重威胁人类健康，在我国心血管疾病也逐渐成为高发病。心电图(ecg)是心脏活动的综合体现，能够反映人体心脏的健康状况，某些病变可以通过ecg波形的异常体现出来。目前心电图广泛应用在医学上辅助医生鉴别与分析各种心脏疾病。心电波形的检测在心电图分析上起着非常重要的作用，通过心电波形检测可以得到准确的心率，而心率是衡量心脏疾病的重要指标。ecg检测能够及早的发现心脏病，通过预防和治疗可以降低心脏病人的死亡率。在心电信号的各种波形中r波是ecg信号分析的基础，是检测心律是否正常以及诊断心血管疾病的关键。

差分阈值法是最早应用在r波检测上的算法，也是r波检测的经典方法，但是当出现强干扰时检测效果会明显下降。随着计算机技术的发展与科研人员对心电信号检测研究力度的增大，各种新型的信号处理算法也被应用在了心电图分析中。常用算法有小波变换法，动态自适应阈值法，神经网络等方法。例如基于小波变换的方法来检测r波，先对心电信号进行预处理滤除噪声，然后对信号进行连续小波变换，同时采用阈值法来检测qrs波群的r波，实验结果表明该算法有较高准确性。基于小波变换的检测算法虽然检测率高，但是运算量大，处理大量数据时实时性差。基于自适应阈值的心电r波检测算法，通过设置阈值并不断检查每个心动周期的方式来提高算法的准确率，实验结果显示该算法提高了r波检测的准确率。动态自适应阈值法虽然提高了检测的准确率，但是每次检测都要对阈值进行更新，增加了算法的复杂度。

在以上方法的基础上，许多学者通过改进常用算法与结合不同算法提出了一些新的方法来进行r波检测，但很少能兼顾到算法的准确率、普适性和简便性。

技术实现要素：

本发明的目的是克服现有技术的不足而提供一种灵敏度高、准确率高、普适性好、运算简单的基于几何形态群组特征的r波检测方法。

本发明的技术方案如下：

一种基于几何形态群组特征的r波检测方法，包括以下步骤：

1)、输入心电信号(ecg)集合v，采用由fir低通滤波器和中值滤波器构成滤波器组进行信号预处理；

2)、将步骤1)中所述集合v中的所有数值进行取绝对值运算，把运算后的值存入集合v′中，对集合v′中所有值做一阶差分运算，把结果存入数组u；

3)、确定步骤2)中所述集合v′的几何形态的起始点gs，峰值点gp，结束点ge存入数组d中；

4)、对步骤3)中数组d中相邻且连续的起始、峰值、结束三点确定一个完整的几何形态ci，把找出的几何形态存入数组c；

5)、以一阶微分为基础，对集合v′中的每点求几何特征值kdot，即从集合v′中依次取每个点后连续三点的值并分别求出kdot值，然后取这四个kdot值的平均值ki并将ki存入数组s中；

6)、计算几何形态的特征值kgs，从数组c起始点开始依次取值直至c为空，计算每个上升趋势特征值为kup和下降趋势特征值kdown，由kup和kdown算出几何形态的特征值kgs，把kgs值存入数组k，数组c与数组k下标一一对应；

7)、选出候选r波，并将此几何形态信息存入数组y中，信息中包括几何形态的kgs值；

8)、确定有效r波，将其存入数组r，输出即为r波位置的集合；

其中，

所述集合v记为v＝{v1，v2，，，，，，vn}，

所述集合v′记为v′＝{v′1，v′2，，，，，，v′n}，

所述数组u记为u＝{u1，u2，，，，，，un}，

所述数组c记为c＝{c1，c2，，，，，，cn}，

所述数组s记为s＝{k1，k2，，，，，，kn}，

所述数组k记为k＝{k1，k2，，，，，，kn}，

所述数组y记为y＝{y1，y2，，，，，，yn}。

进一步，所述步骤3)的具体做法为：

依次判断数组u中ui和ui+1的正负，确定集合v′的几何形态的起始点gs，峰值点gp，结束点ge直至取完u中的值；

具体的，若ui小于零且ui+1大于零则v′i+1为几何形态的起始点gs；

若ui大于零且ui+1小于零则v′i+1为几何形态峰值点gp；

继续判断下一组ui和ui+1，若ui小于零且ui+1大于零则v′i+1为这个几何形态的结束点ge，同时也是后继几何形态的起始点，将几何形态的gs、gp、ge存入数组d中。

进一步，所述步骤5)的具体做法为：

记集合v′中当前点v′i，该当前点后连续三点为v′i+1，v′i+2，v′i+3，v′i+3，

则，kdot1＝vi+1-vi，kdot2＝(vi+2-vi)/2，kdot3＝(vi+3-vi)/3，kdot4＝(vi+4-vi)/4，

则，ki＝(kdot1+kdot2+kdot3+kdot3)/4，

将ki存入数组s。

进一步，在进行步骤5)前，设置一个最低有效阈值tn即电压为0.01mv，几何形态特征值为0.001滤除噪声。

进一步，所述步骤6)的具体做法为：

从数组s中取出起始点至峰值点区间的几何特征最大值kmax，计算出这区间中几何特征的均kavg值，然后计算几何形态的上升趋势特征值为kup；

从数组s中取出起始点至结束点区间的几何特征最大值kmin，计算出这区间中几何特征的均k′avg值，然后计算几何形态的下降势特征值为kdown；

其中，

kup＝(kmax+kavg)/2，

kdown＝(kmin+k′avg)/2，

kgs＝kup*δs+kdown*(1-δs)。

进一步，所述步骤7)的具体做法为：

记数组k中当前点为ki，该当前点后续两点记为ki+1、ki+2；若ki小于ki+1且ki+1大于ki+2时，将ci+1记为候选r波，并将此几何形态信息存入数组y中，信息中包括几何形态的kgs值。

进一步，所述步骤8)的具体做法为：

首先用确定数组c的几何形态的特征值kgs的方法确定数组y的几何形态特征值k′gs，将k′gs值存入数组y，记数组y＝{y1，y2，，，，，，yn}；

然后记数组y中当前点为yi，该当前点后续两点记为yi+1、yi+2，若yi+1大于1/2的yi且yi+1大于1/2的yi+2时，则认为yi+1是有效r波，将其存入数组r。

与现有技术相比，本发明的有益效果是：

1、本发明采用由fir低通滤波器和中值滤波器构成滤波器组进行信号预处理，利用fir低通滤波器先对心电信号的肌电干扰噪声进行滤除，然后用中值滤波器对心电信号再次滤波，消除基线漂移噪声，从而有效简化心电信号滤波除噪的过程；

2、本发明通过计算连续四点kdot的均值ki来降低某一异常点对算法性能的影响，在几何形态的趋势特征值计算中，先找出几何形态上升或下降趋势区间内ki的最大值kmax，然后求出此区间内ki的均值kavg，最后把kmax与kavg的均值作为几何形态的趋势特征值，有效消减异常点对算法性能的影响，经过两次信号运算，消减异常点对算法性能的影响，有效提升r波检测的准确率；

3、本发明与现有技术中动态自适应阈值法不同，本发明在确定了几何形态后，只需要设置一个可以再次过滤噪声的阈值即可，减少不必要的几何形态判别，而不需要在进行r波检测时再动态的改变阈值；

4、本发明检测r波时不需要每次动态改变阈值来提高准确率，简化监测过程，有效提高自适应性，同时本发明以群组中几何形态的特征值检测r波而不是以心电信号中的某一点对r波进行检测，对严重异常的波形也可以做到有效检测，从而具有普适性；

总之，本发明具有有效滤除心电信号干扰噪声和基线漂移噪声、监测准确率高、监测过程简便、自适应性强、普适性高的优点。

附图说明

图1为检测r波流程示意图。

图2为对集合v采用滤波器组进行信号预处理前后波形对比图。

图3为对经过预处理后的波形采用本发明提供的方法进行特征提取前后后的波形对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于几何形态群组特征的r波检测方法，包括以下步骤：

1)、输入心电信号(ecg)集合v，采用由fir低通滤波器和中值滤波器构成滤波器组进行信号预处理；

2)、将步骤1)中所述集合v中的所有数值进行取绝对值运算，把运算后的值存入集合v′中，对集合v′中所有值做一阶差分运算，把结果存入数组u；

3)、确定步骤2)中所述集合v′的几何形态的起始点gs，峰值点gp，结束点ge存入数组d中；

4)、对步骤3)中数组d中相邻且连续的起始、峰值、结束三点确定一个完整的几何形态ci，把找出的几何形态存入数组c；

5)、以一阶微分为基础，对集合v′中的每点求几何特征值kdot，即从集合v′中依次取每个点后连续三点的值并分别求出kdot值，然后取这四个kdot值的平均值ki并将ki存入数组s中；

6)、计算几何形态的特征值kgs，从数组c起始点开始依次取值直至c为空，计算每个上升趋势特征值为kup和下降趋势特征值kdown，由kup和kdown算出几何形态的特征值kgs，把kgs值存入数组k，数组c与数组k下标一一对应；

7)、选出候选r波，并将此几何形态信息存入数组y中，信息中包括几何形态的kgs值；

8)、确定有效r波，将其存入数组r，输出即为r波位置的集合；

其中，

所述集合v记为v＝{v1，v2，，，，，，vn}，

所述集合v′记为v′＝{v′1，v′2，，，，，，v′n}，

所述数组u记为u＝{u1，u2，，，，，，un}，

所述数组c记为c＝{c1，c2，，，，，，cn}，

所述数组s记为s＝{k1，k2，，，，，，kn}，

所述数组k记为k＝{k1，k2，，，，，，kn}，

所述数组y记为y＝{y1，y2，，，，，，yn}，

其中n为自然整数。

进一步，所述步骤3)的具体做法为：

依次判断数组u中ui和ui+1的正负，确定集合v′的几何形态的起始点gs，峰值点gp，结束点ge直至取完u中的值；

具体的，若ui小于零且ui+1大于零则v′i+1为几何形态的起始点gs；

若ui大于零且ui+1小于零则v′i+1为几何形态峰值点gp；

继续判断下一组ui和ui+1，若ui小于零且ui+1大于零则v′i+1为这个几何形态的结束点ge，同时也是后继几何形态的起始点，将几何形态的gs、gp、ge存入数组d中。

进一步，所述步骤5)的具体做法为：

记集合v′中当前点v′i，该当前点后连续三点为v′i+1，v′i+2，v′i+3，v′i+3，

则，kdot1＝vi+1-vi，kdot2＝(vi+2-vi)/2，kdot3＝(vi+3-vi)/3，kdot4＝(vi+4-vi)/4，

则，ki＝(kdot1+kdot2+kdot3+kdot3)/4，

将ki存入数组s。

进一步，在进行步骤5)前，设置一个最低有效阈值tn即电压为0.01mv，几何形态特征值为0.001滤除噪声。

进一步，所述步骤6)的具体做法为：

从数组s中取出起始点至峰值点区间的几何特征最大值kmax，计算出这区间中几何特征的均kavg值，然后计算几何形态的上升趋势特征值为kup；

从数组s中取出起始点至结束点区间的几何特征最大值kmin，计算出这区间中几何特征的均k′avg值，然后计算几何形态的下降势特征值为kdown；

其中，

kup＝(kmax+kavg)/2，

kdown＝(kmin+k′avg)/2，

kgs＝kup*δs+kdown*(1-δs)。

进一步，所述步骤7)的具体做法为：

记数组k中当前点为ki，该当前点后续两点记为ki+1、ki+2；若ki小于ki+1且ki+1大于ki+2时，将ci+1记为候选r波，并将此几何形态信息存入数组y中，信息中包括几何形态的kgs值。

进一步，所述步骤8)的具体做法为：

首先用确定数组c的几何形态的特征值kgs的方法确定数组y的几何形态特征值k′gs，将k′gs值存入数组y，记数组y＝{y1，y2，，，，，，yn}；

然后记数组y中当前点为yi，该当前点后续两点记为yi+1、yi+2，若yi+1大于1/2的yi且yi+1大于1/2的yi+2时，则认为yi+1是有效r波，将其存入数组r。

本实施例中，采用基于窗函数的fir低通滤波器就是有选择性的去掉或削弱一些特定频率范围内的信号。从时域出发利用窗函数法设计fir滤波器，通过选取合适的窗函数，把无限长的理想hd(n)截为有限长的h(n)，用h(n)逼近hd(n)，使频率响应h(e^jw)和所求的理想频率响应hd(e^jw)接近。理想数字滤波器频率特性不易实现，fir滤波器的设计思路就是寻找一个可实现的频率特性h(e^jw)来逼近hd(e^jw)。

数字滤波器传输函数为hd(e^jw)，hd(n)是与理想频响对应的理想单位抽样响应序列，公式如下：

因为hd(n)通常是无限长的非因果序列，而本发明需要的为有限长的低通滤波器，为了达到设计目的，采用对hd(e^jw)进行近似逼近的方法。常用方法是用窗函数法进行fir低通滤波器设计，选取适当的窗函数截取hd(n)，公式如下：

h(n)＝hd(n)w(n)

在上)式中，w(n)为偶对称且有限长的窗，本实施例中选用的窗函数为汉明窗：

其幅度响应为：

由w(n)对称性以及卷积定理得如下公式：

窗函数法是应用窗函数取有限长脉冲响应，以h(n)来逼近hd(n)的方法，在fir滤波器设计中应用广泛。

中值滤波是基于排序统计理论有效抑制噪声的信号处理技术。一维信号处理最先应用中值滤波技术，随后二维信号处理也逐渐开始应用。中值滤波的原理是把数字图像或数字序列中某一点处的值用该点的一个邻域中各点值的中值代替。设一维序列为x1，x2，x3，...xn，把这些元素按从小到大排列进行中值滤波，如果元素总数为偶数，中值为中间两元素的均值，元素总数为奇数，中值为中间的元素值，公式如下：

记为yi＝med{xi}

yi是一维序列x1，x2，x3，x4，，，，，，xi的中值。把中值滤波的概念推广到二维，选用特定形式的二维窗口对二维序列进行中值滤波，二维信号的中值滤波公式如下：

yi，j＝meda{xij}，a为滤波窗口。

本实施例中，依据一阶差分公式δy＝y(x+δx)-y(x)对集合v′中所有值做一阶差分，计算时，取集合v＇中当前值v′i作为y(x)，取v′i的下一个值v′i+1作为y(x+δx)代入上式，得出δy记为ui存入数组u，直至取完集合v′中的所有数值，其中i为大于等于1的整数。

在确定数组u中数值的起始点gs，峰值点gp，结束点ge时，取数组u中ui(i为大于等于1的整数)作为当前值，ui+1作为下一个值，具体的i依次取1、2、3……n，当i取1时，当前值为u1，下一个值为u2，判断u1和u2的正负，如果u1小于零且u2大于零，记集合v＇中与之相对应的v′2为gs；继续判断i＝2时，当前值为u2，下一个值为u3，如果u2大于零且u3小于零，记集合v′中与之相对应的v′3为gp；继续判断i＝3时，当前值为u3，下一个值为u4，如果u3小于零且u4大于零，记集合v′中与之相对应的v′4为ge，否则舍弃v′4点，继续取值判断，直至当i取某一个值使得，ui小于零并且ui+1大于零，记集合v′中与之相对应的v′i+1为ge，将几何形态的gs、gp、ge存入数组d中；直至取完数组u中的数值。

本实施例中，检测r波时的算法描述如下：

利用本发明提供的监测r波方法的实验结果与分析如下：

心电信号提取算法的性能需要权威的心电检测标准来对其进行检测，经过权威心电数据库的检测后才能得到认可。通常用mit-bih数据库对检测算法进行验证。mit-bih库记录了48个病例，每个病例数据长30分钟，总计约116000多个心拍，其中既有正常心拍也有异常心拍，可以对r波检测算法进行有效的验证。本文用mit-bih库中约116000多个心拍验证算法，mit心拍定位标注包括：n(1)、l(2)、r(3)、a(4)、v(5)、f(6)、j(7)、a(8)、s(9)、e(10)、j(11)、/(12)、q(13)、|(16)、！(31)、e(34)、n(35)、f(38)，检测结果如表1所示。

表1mit-bih心率失常数据库r波的检测结果统计

表1中的检测指标有四项，错检率记为der，灵敏度记为se，精确率记为ppv，准确率记为acc，计算公式如下所示。

选用四个指标对算法性能进行衡量，由表1中可以看出算法的错检率为1.07％，灵敏度为99.38％，精确率为99.61％，准确率为98.99％。在实验结果中出现了207号文件灵敏度为87.32％，准确率为87.02％的现象，主要原因是这类心电信号自身带有较强的噪声，经过滤波器组滤波后，没有彻底滤除噪声。其中部分心电信号r波检测的灵敏度、精确率、准确率为100％，主要原因是这类ecg信号自身携带的噪声较少，前期滤波处理彻底滤除了噪声，如100号、103号和109号等。通过表1中实验结果可以看出，除了207号文件因噪声过多造成实验结果不理想外，该算法每一个文件的灵敏度为96.36％以上，精确率为95.30％以上，准确率为94.43％以上。所有文件的错检率为1.07％，灵敏度为99.38％，精确率为99.61％，准确率为98.99％。通过每一个文件各项指标的结果和总体文件的检测结果可以看出本文算法不但能够准确检测出正常波形的r波，对异常波形的r波检测也具有较好的效果，说明该算法具有较高的普适性。

综上所述，本发明以整体与局部兼顾的信号处理方式计算几何形态特征值，处理信号时兼顾整体与局部的思想，既可以规避因某一点几何特征值偏大对实验结果造成影响又具有滤波功能。另外，用几何形态群组特征值确定r波，只需设置一个过滤噪声的最低阈值减少无效几何形态的判别，然后通过比对群组中三个几何形态特征值即可检测出r波，不需考虑波形是否异常，极大的提高了本算法的普适性，降低了算法的复杂度。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。