跳到主要内容

基于组合自适应阈值的实时心电图QRS波检测

摘要

背景

QRS和心室跳动检测是心电图处理和分析的基本步骤。各种各样的方法被提出和使用,具有高的正确检测百分比。然而,问题仍然是开放的,特别是在高检测精度的噪声心电

方法

提出了一种基于多导联心电图求和差值绝对值与自适应阈值比较的实时检测方法。阈值结合了三个参数:一个自适应的旋转速率值,第二个值在高频噪声发生时上升,第三个值旨在避免低振幅拍的缺失。

我们开发了两种算法:算法1检测当前拍,算法2还有RR区间分析组件。

无论使用的分辨率和采样频率如何,算法都是自调整到阈值和加权常量。他们用任何数字运作lECG引线,自同步到QRS或击败斜坡,并适应击败拍打间隔。

后果

使用MIT-BIH心律失常数据库的全部48条全长心电图记录,由独立专家对算法进行了测试,从而排除了作者可能的影响。结果是:敏感性se= 99.69%,特异性高SP.= 99.65%对于算法1和se=99.74%,以及SP.= 99.65%对于算法2。

结论

统计指标高于或可与科学文献中引用的指标相媲美。

背景

心电图中的QRS复合物和心室节拍代表了心室的去极化现象,并产生了有关其行为的有用信息。拍摄检测是一种前面的任何一种心电图处理和分析的过程。对于形态学分析,这是检测其他ECG波和参数测量的参考。节奏分析需要QRS和其他心室节拍复合物的分类正常和异常。实时心室节拍检测对于监测临界心脏病患者至关重要。

正确的节拍识别通过电源线干扰,电灰度噪声和基线播放通常存在于ECG信号中。

在长期监测电极阻抗中可以显着增加,导致信噪比非常低,这可以在单个引线中实际上不可能进行检测。因此,通常两个或三个引线用于监测[1].

弗里森et al。2[]提出了9种QRS检测算法的比较,基于:i)振幅和一阶导数,ii)仅一阶导数,iii)一阶和二阶导数,以及iv)数字滤波。Daskalov.[3.]将这些算法应用于包含明显基线漂移记录的选定信号。结果不令人满意,这可能是由于使用了固定的检测阈值,而自适应阈值则更合适。

波利.[4]使用了一种通用算法进行QRS检测。通过多项式滤波器对信号的其余部分进行了强调,并与自适应阈值进行了比较。作者报告了MIT-BIH心律失常数据库99.60%的敏感性(Se)和99.51%的特异性(Sp)。该方法不适用于实时性。

阿丰索et al。5]提出的硬件滤波器组用于ECG信号分解,其中几个参数在决策规则中独立计算并组合。作者报告了SE = 99.59%和SP = 99.56%,其实时单通道击败检测算法与MIT-BIH心律失常数据库测试。

多辛斯基和斯托亚诺夫[6]基于陡峭边缘和尖峰评估标准,开发了单通道ECG心室搏动检测的启发式伪实时算法。他们报告了从AHA和MIT-BIH心律失常数据库获得的双通道记录的Se=99.04%和Sp=99.62%

莫拉斯.[1]相结合的两次不同的不同算法并行工作 - 首先是从Englese和Zeelenberg的工作中取出的[7]而另一个是基于泛和墓[8,还有利腾堡和库特[9]莫雷斯先生.[1排除起搏器患者记录后,Se = 99.22%, Sp = 99.73%。在排除了更多的108、200、201和203录音,其中含有高振幅噪声(作者认为),统计指数上升到Se = 99.56%和Sp = 99.82%。

.[10.]已经使用小波变换进行检测。在MIT-BIH心律失常数据库的46个文件中,他们报告了0.15%的误检率,但不包括214和215个文件。此外,我们在他们的表II中发现了一些错误。修正后,报告的准确性略有下降。

QRS波检测算法种类繁多,并且不断努力增强,证明尚未找到普遍可接受的解决方案。困难主要来自QRS波群波形的巨大多样性以及伴随ECG信号的噪声和伪影。

心电图数据库

使用MIT-BIH心律失常数据库的所有48个ECG记录,无一例外。每个记录持续时间为30分钟,包括两条导联——改良肢体导联II和改良导联V1、V2、V4或V5中的一条[11.]。采样频率为360 Hz,分辨率为5μV/位。两名心脏病专家对所有搏动进行了注释。约70%的搏动被注释为普通的.其中四份记录来自装有心脏起搏器的病人。

在评估该方法时,美国心脏协会(AHA)数据库也被考虑在内,主要是因为它包含了R-over-T型室性早搏的患者,其中一些患者由于与之前的复杂关系密切,很难检测到。这个数据库的统计索引没有导出,因为它们可以与有限数量的使用AHA的文章进行比较。beplay体育怎么找客服该数据库包含80条记录:2引线、250 Hz采样率和5 μV/bit分辨率。

方法

信号的微分和求和l引线与阈值的绝对值进行比较生产商+F+R- 三个独立自适应阈值的组合,其中:

  • -陡坡阈值;

  • F–高频信号分量的积分阈值;

  • R—超过预期阈值。

开发了两种算法:

算法1按当前节拍检测。

算法2伪实时检测与附加触发潜在错过的心跳在最后的间隔RR间隔分析。

无论使用的分辨率和采样频率如何,算法都是自调整到阈值和加权常量。他们用任何数字运作lECG引线,自同步到QRS或击败斜坡,并适应击败拍打间隔。

预处理

  • 用于抑制电力线干扰的移动平均滤波器:对电力线干扰频率的一个周期内的样本进行平均,在此频率处的第一个零点。

  • 在28 ms间隔中移动样本的平均用于电灰度噪声抑制 - 一个过滤器,在大约35 Hz处具有第一零。

  • 在40 ms的间隔内对一个复杂导程进行移动平均(下一节将对其进行解释)——滤波器的第一个零点约为25 Hz。它抑制了复杂铅烧结过程中微分过程放大的噪声。

复杂的领导

该算法使用复杂的引线Y几个主要引线l.在12个标准引线的情况下,建议首先合成三个拟正交的Frank引线[3.12.],从而确定复杂导联作为空间向量。通过以下方式获得复合铅:

在哪里Xj(一)是样本的幅度值在领导j,Y(我)是当前复杂的先导。

上述公式(除了标准化系数1 / L和绝对值外)最初是从Bakardjian的工作中采用的[13.].使用无符号(绝对值)值操作证明在处理QRSs和早搏有不同,例如阳性(一个导联)和阴性(另一个导联)偏转时很方便。

自适应陡坡阈值- M

  • 开始= 0.6*最大值(Y)为信号的前5秒设置,其中至少应出现2个QRS波群。预设具有5个陡坡阈值的缓冲器:

毫米= (123.45],

在哪里1÷5等于

  • 如果出现以下情况,则检测QRS或搏动复合波彝族生产商

  • 不允许在当前检测后200ms检测。在间隔QRS÷QRS内+ 200女士一个新的价值5计算如下:

纽姆5= 0.6*马克斯(易)

估计纽姆5如果出现陡坡性室性早搏或伪影,则该值可能会变得相当高,因此仅限于纽姆5= 1.1*5如果纽姆5> 1.5*5

毫米缓冲区被刷新,排除最旧的组件,包括5纽姆5计算为平均值毫米

  • 在低斜率的最后QRS检测后,在近QRS检测之后的间隔200至1200ms中减小,达到其刷新值的60%,在1200毫秒。

  • 后1200毫秒保持不变。

在几个示例的帮助下,更详细地介绍了阈值的定义。图中显示了两个心电导联。1A.检测到的QRSs在Lead 1上标有“红色O”。图中表示了总结引线和陡坡阈值。1B.

图1
图1

自适应陡坡阈值

自适应积分阈值-F

积分阈值F如果电灰度噪声伴随心电图,则旨在提高组合阈值,从而保护算法对“错误的节拍检测”。

开始F是伪空间速度的平均值吗Y为350 ms。

对于每个信号样本,F是否更新添加的最大值Y在350毫秒间隔的最近50毫秒内,并减去马克西在间隔的最早50毫秒内。

F = F + (max(Y在350毫秒间隔中最近的50毫秒)-最大值(Y)在350 ms间隔中最早的50 ms) / 150

的方式F更新意味着并不是对间隔中的每个样本进行积分,而是对伪空间速度的包络进行积分Y.重量系数1/150是经验衍生的。

图中显示了两个心电导联。2A. 伪空间速度Y积分阈值如图所示。2B..正确的检测是由于崛起F(因此生产商)大约0.2毫伏。节拍复合体包括在积分过程中(注意F在任何复合物之后),因此几乎不可能对之前的复合物进行近距离检测。

图2.
figure2

自适应积分阈值

自适应拍期望阈值-R

跳动期望阈值R旨在处理正常振幅的心跳,然后用非常小的振幅(分别具有非常小的转换率)。这可以例如在电极伪影的情况下观察到。相反,对集成阈值保护免受错误的QRS检测,R防止“QRS误检”。

最后5次RR间隔的缓冲区在任何新QRS检测时更新。R M是缓冲区的平均值。

  • R= 0V从上次检测到的QRS到预期QRS的2/3R M

  • 在QRS+Rm*2/3至QRS+Rm的区间内,R然后减少1.4倍,然后前面讨论的陡坡阈值的减少(在200-1200毫秒的间隔)。

  • QRS + Rm后,下降R停止。

拍差期望阈值的时间过程R如图所示。3..减少R(分别生产商),在第四个QRS约0.2 mV时可以检测到,尽管铅2中缺乏复合物,这导致总铅幅值下降了两倍Y(无花果。3B.).

图3.
图3

自适应拍期望阈值

组合自适应阈值生产商

组合的自适应阈值是自适应陡坡阈值,自适应积分阈值和自适应节拍期望阈值的总和。(无花果。4

图4.
装具

结合自适应阈值

生产商+F+R

算法2:伪实时检测,在最后检测到的RR间隔内触发最终错过的心跳

所有先前的考虑因素都涉及算法1,其检测其发生处的节拍。通过算法2执行最终错过的心跳的附加检查。其功能由图2中的信号解释。5.图4中的15.2秒的第四络合物。5b应该因为事实而错过,生产商较大的摘要铅Y

图5.
figure5

伪实时检测,附加触发最后一个RR间隔内最终错过的心跳。

让我们标记以前的RR间隔T1.最后——用T2.(无花果。5a).

如果T1.,用t1>Rm OR Rm-t1<0.12*Rm AND in the same timeT2.满足abs(t2-2*Rm)<0.5*Rm的条件需要很长时间,需要对间隔进行检查,以确定是否有遗漏的复形。

在每个主引线上执行一个测试,在其中搜索尖峰(定义为两个信号差值的乘积> 4 μV,其中一个中心点和两个侧边点相距8 ms)。如果测试通过,则对该点的汇总超前幅度进行第二次测试,其幅度应大于缓冲区平均值的1/3毫米,以便将该点定义为错过的QRS波群。

结果与讨论

统计指标Se和Sp通常由以下参数推导:正确检出的节拍TP(真阳性)、误检的节拍FP(假阳性)、未检出的节拍FN(假阴性)。此外,我们采用了来自Dotsinsky和Stoyanov的两个参数[6,如下所述。

为了解释图中所示的情况,引入了SP偏移的正误差。6。在这里,算法在第3次QRS之前出现假阳性错误,并错过了随后的QRS。从形式上讲,这是一个假阳性错误,紧接着是假阴性。但是,如果这两次检测之间的时间间隔相当短,例如≤ 200毫秒,我们只接受一个错误,标记为移位假阳性误差(SP)。

图6.
figure6

P波处的偏移正误差

图中显示了另一个SP错误的例子,这是由于在正常复合物之前的人为因素造成的。7

图7.
figure7

转移阳性错误,假阳性+假阴性双胞胎

SN–移位负误差的假设原理与SP相同,但意义相反。它还包括200 ms内发生的双FN+FP误差。移位的第一个传入FP或FN误差将其定义为SP或SN。

使用移位错误(而不是FP和FN或FN和FP,当它们在200毫秒内出现时)的逻辑是这样的,记录中的总拍数保留了它的值。否则,它将根据错误的类型和数量而变化,从而阻碍Se和Sp的正确计算。

灵敏度Se通过FN求和得到

SN,特异性Sp -通过FP+ Sp求和。

该方法是在Matlab中开发的。所有来自MIT-BIH心律失常数据库的48个记录都被用于测试这两种算法,没有任何例外。

包含检测标记的处理文件通过专门设计的软件自动与原始MIT-BIH注释beats进行比较。它显示注释和检测标记差异超过60 ms的所有案例。这些案例由独立专家检查,因此排除了可能的作者影响。

两种算法的结果如表所示1

表1两种算法的统计结果

在所有110050的注释节拍中(“未知”或“可疑”被排除在研究之外),算法1和109616的真实检测到算法2.统计指标是:

算法1:Se=99.69%,Sp=99.66%;

算法2: Se = 99.74%, Sp = 99.65%。

Se和Sp计算的标准方法,

将SP和SN联合误差视为两个单独的误差,得到以下结果:

算法1: Se = 99.54%, Sp = 99.61%;

算法2: Se = 99.60%, Sp = 99.60%。

算法2将灵敏度提高了0.05%(标准评估为0.06%)由于未检测到的搏动次数减少。例如,可以在记录109203、210和223中观察到这一结果,其中额外检测到的搏动分别为6、9、12和5。这两种算法的性能特别是通过包含R-over-T室性早搏复合物的AHA文件A5001进行了测试接近先前的正常QRS波群(图。5a).对算法1 R-on-T配合物未检测到的74进行了改进。考虑到R-on-T事件可能引发心室颤动的风险,在心室复极时发现这种室性早搏复合体被认为是很重要的。

结论

所提出的实时和伪实时实现算法是自适应的,与阈值和常量值无关。它们与QRS陡坡和心律自同步,与使用的分辨率和采样频率无关。由于积分阈值,这些算法实际上对ele不敏感心电图和类似的高频噪声。

算法可以使用从差分引线信号的绝对值之和导出的组合引线信号与一个,两个或更多个引线一起操作。

统计指标高于或可与科学文献中引用的指标相媲美。

工具书类

  1. 1。

    莫雷斯JCTB、塞克斯莫、维拉尼FN、科斯塔EV:一种基于心电图导联的QRS复合检测算法。薪酬在卡2002年,29:205–208.

    文章谷歌学者

  2. 2。

    Friesen总经理、Jannett TC、Jadallah MA、Yates SL、Quint SR、Nagle HT:比较了9种QRS检测算法的噪声灵敏度。生物工程翻译1990年,37:85–98. 10.1109/10.43620

    文章谷歌学者

  3. 3。

    达斯卡洛夫·伊克、多辛斯基·伊亚、克里斯托夫二世:ECG获取,预处理,参数测量和录制的开发。医学与生物学中的IEEE工程1998,17:- 58。10.1109/51.664031

    文章谷歌学者

  4. 4。

    Poli R, Cagnoni S, Valli G:最佳线性和非线性QRS检测的通用设计。生物工程翻译1995,42:1137 - 1141。10.1109/10.469381

    文章谷歌学者

  5. 5。

    Afonso VX, Tompkins WJ, Nguyen TQ, Luo S:利用滤波器组进行心电节拍检测。反式生物医学中1999,2:192-201。10.1109 / 10.740882

    文章谷歌学者

  6. 6.

    多辛斯基一世,斯托亚诺夫T:单通道心电图的心室跳动检测。BioMed Eng在线2004年,3:3.[http://www.biomedical-engineering-online.com/content/3/1/3]10.1186/1475-925X-3-3

    文章谷歌学者

  7. 7.

    英文WAH, Zeelenberg C:QRS检测和特征提取的单扫描算法。IEEE COMP1979, 37–42.

    谷歌学者

  8. 8.

    Pan J, Tompkins W:一种实时QRS检测算法。IEEE Trans Biomed Eng1985,32:230–236.

    文章谷歌学者

  9. 9

    Ligtenberg A, Kunt M:用于心律失常监测的稳健数字QRS检测算法。计算机和生物医学研究1983,16:273-286。10.1016 / 0010-4809(83)90027-7

    文章谷歌学者

  10. 10。

    李晨,郑晨,泰晨:利用小波变换检测心电特征点。生物工程翻译1995,42:第21至28。10.1109/10.362922

    文章谷歌学者

  11. 11。

    穆迪公司Mark R:MIT-BIH心律失常数据库目录。剑桥:麻省理工学院1988.

    谷歌学者

  12. 12.

    Levkov C:从传统的12导联系统的四肢和胸部电极得到的正交心电图。医学生物工程计算机1987,25:155-164。

    文章谷歌学者

  13. 13。

    Bakardh:使用分形数聚类的心室跳动分类器。医学生物工程计算机1992,30:495–502.

    文章谷歌学者

下载参考

致谢

作者衷心感谢保加利亚科学院生物医学工程中心Ivan Dotsinsky教授为检查和测试所提出算法的结果所作的贡献。

作者信息

从属关系

作者

相应的作者

通信伊瓦伊洛·克里斯托夫

作者的原始提交的图像文件

权利和权限

重印和许可

关于这篇文章

引用这篇文章

Christov,I.I.使用组合自适应阈值的实时心电图QRS检测。BioMed Eng在线3,28(2004)。https://doi.org/10.1186/1475-925X-3-28

下载引文

关键字

  • 误报错误
  • 过早心室复杂
  • 心室跳动
  • 复杂的领导
  • 节拍检测