跳到主要内容

实时心电图QRS检测使用组合自适应阈值

抽象的

背景

QRS和心室节拍检测是心电图(ECG)加工和分析的基本程序。已经提出和使用了各种各样的方法,具有高百分比的正确检测。尽管如此,问题仍然是开放的,特别是在嘈杂的心电图中的较高检测准确性方面仍然开放

方法

基于一个更多ECG引线和自适应阈值的总和分化心电图的绝对值之间的比较,提出了实时检测方法。阈值结合了三个参数:自适应转换率值,当发生高频噪声时升高的第二值,并且第三个旨在避免丢失低振幅节拍。

开发了两种算法:算法1检测当前节拍和算法2还具有RR间隔分析组件。

无论使用的分辨率和采样频率如何,该算法都是自调整到阈值和加权常数。他们用任何数字运作L.ECG引线,自同步到QRS或击败斜坡,并适应击败节拍间隔。

结果

使用MIT-BIH心律失常数据库的所有48个全长ECG记录,由独立专家测试了算法,从而不包括可能的作者的影响。结果是:敏感性SE.= 99.69%和特异性SP.算法1和算法的99.65%SE.= 99.74%和SP.算法2 = 99.65%。

结论

统计指数高于科学文献中引用的统计指标。

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。拍摄检测是任何一种心电图处理和分析前面的过程。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。实时心室拍摄检测对于监测临界心脏病患者至关重要。

正确的节拍识别由电源线干扰,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]。

Friesen.等等。[2已经向九QRS检测算法进行了比较,基于:i)幅度和第一导数,ii)首次衍生,III)第一和第二导数和IV)数字滤波。达斯喀洛夫。[3.]将这些算法应用于包含具有发音为基线漂移的记录的选定信号。结果令人不令人满意,这可能是由于使用固定检测阈值,而自适应的则更合适。

Poli.。[4.]使用了一种用于QRS检测的通用算法。通过多项式滤波器相对于其余信号强调复合物并与自适应阈值相比。作者报告了99.60%的敏感性(SE)和99.51%的特异性(SP),MIT-BIH心律失常数据库。该方法实时不可应用。

AFONSO.等等。[5.]建议的硬件滤波器组用于ECG信号分解,其中几个参数被独立地计算并在决策规则中组合。作者报告了SE = 99.59%,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。

Dotsinsky和Stoyanov [6.基于陡峭边缘和尖峰评估标准,开发了一种启发式,伪实时算法,用于单通道ECG进行室内搏动检测。他们报道了SE = 99.04%和SP = 99.62%,用来自AHA和MIT-BIH心律失常数据库的两个频道录制获得

莫拉斯。[1]相结合的两种不同的算法并行工作 - 首先是从Englese和Zeelenberg的工作中取出的[7.另一方面是基于泛和Tompkins [8.]和Ligtenberg和Kunt [9.]。莫拉斯。[1在解脱出心脏病患者的记录后,SE = 99.22%和SP = 99.73%。除了少数录音108,200,203之后,包含高振幅噪声(根据作者),统计指数上升到SE = 99.56%和SP = 99.82%。

。[10.]使用了用于检测的小波变换。他们报告了来自MIT-BIH心律失常数据库的46个文件的0.15%错误检测,但排除文件214和215.此外,我们在其表II中发现了一些错误。校正后,报告的准确性略有下降。

各种QRS检测算法以及其增强的持续努力证明尚未发现普遍可接受的解决方案。困难主要来自QRS复杂波形的巨大多样性以及伴随心电图信号的噪声和伪影。

ECG数据库

所有48个MIT-BIH心律失常数据库的ECG记录都被使用,无例外。每个人的持续时间为30分钟,包括两个引线 - 修饰的肢体II和修饰的引线V1,V2,V4或V5中的一个[11.]。采样频率为360Hz,分辨率为5μV/位。两位心脏病学家已经注释了所有节拍。大约70%的节拍被注释为普通的。四个记录来自起搏器患者。

在评估该方法期间也考虑了美国心脏协会(AHA)数据库,主要是因为它含有患有R-Ov-T型收缩的过早心室节拍的患者,其中一些非常难以检测,因为他们对以前的复杂性的亲密关系。不导出此数据库的统计指数,因为它们可以与使用AHA合作的有限数量的文章进行比较。beplay体育怎么找客服数据库由80个录制组成:2引线,250 Hz采样率和5μV/位分辨率。

方法

来自的差异化和总和信号L.将导线与阈值的绝对值进行比较MFR.=m+F+R.- 三个独立自适应阈值的组合,其中:

  • m- 陡坡阈值;

  • F- 对高频信号组件的阈值集成;

  • R.- 击败期望门槛。

开发了两种算法:

算法1检测当前的节拍。

算法2通过RR间隔分析,伪实时检测在最后一个间隔中潜在错过的潜在错过心跳。

无论使用的分辨率和采样频率如何,该算法都是自调整到阈值和加权常数。他们用任何数字运作L.ECG引线,自同步到QRS或击败斜坡,并适应击败节拍间隔。

预处理

  • 移动平均滤波器用于电力线干扰抑制:平均在电力线干扰频率的一个时段中的样本,并且在该频率处具有第一零。

  • 在28 ms间隔中移动样本的平均用于电灰度噪声抑制 - 一个在大约35 Hz的零滤波器。

  • 复合铅的移动平均值(在下一截面中解释)为40 ms间隔 - 一个在大约25Hz的滤波器的过滤器。它正在抑制通过复合引线晕染过程中使用的分化过程放大的噪声。

复合铅

该算法用复杂的引线进行操作y几个主要引线L.。在12标准的引线的情况下,首先建议三个准正交坦率领导的合成[3.12.[因此,从而确定复合引线作为空间矢量。复杂的铅是:

在哪里XJ(i)是样本的幅度值一世在领先地位j, 和义)是目前的复杂铅。

上述公式(除了归一化系数1 / L和绝对值外)最初是从Bakardjian的工作中采用的[13.]。在处理具有不同的QRS和extrasystoles时,使用无符号(绝对)值的操作方便,例如正(在一个引线)和负(在其他引线)偏转中。

自适应陡坡阈值 - m

  • 最初m= 0.6 *最大(y)设置为信号的前5个,其中应发生至少2个QRS复合物。预设具有5个陡坡阈值的缓冲区:

毫米= [m1m2m3.m4.m5.],

在哪里m1÷m5.等于m

  • 如果如果MFR.

  • 在当前一个后,没有允许检测200毫秒。在QRS QRS QRS中+200小姐一个新的价值m5.计算:

纽姆5.= 0.6 *Max(yi)

估计纽姆5.如果陡峭的坡度过早的心室收缩或伪像出现,则值会变得相当高,因此它限于纽姆5.= 1.1 *m5.如果纽姆5.> 1.5 *m5.

毫米缓冲区被刷新,不包括最旧的组件,包括m5.=纽姆5.m计算为平均值毫米

  • m在低斜率下的最后QRS检测之后,在近QRS检测之后的间隔200至1200ms中减小,其升级值的60%在1200毫秒。

  • 1200毫秒后m保持不变。

借助于若干示例,更详细地呈现阈值定义。图2中示出了两个ECG引线。1A。检测到的QRS在引线1上标记为“红色O”。摘要引线和陡坡阈值在图2中示出。1B.

图1
图1

自适应陡坡阈值

自适应整合阈值 -F

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

最初F是伪空间速度的平均值y350毫秒。

使用每个信号样本,F更新添加最大值y在最新的350毫秒的350毫秒间隔和减去最大在最早的50毫秒的间隔中。

f = f +(max(y在350 ms间隔中最新50毫秒) - max(y在350 ms间隔中最早的50 ms))/ 150

道路F更新意味着不集成间隔中的每个样本,而只是伪空间速度的包络y。重量系数1/150是经验衍生的。

图2中示出了两个ECG引线。2A。伪空间速度y并且集成阈值如图2所示。2B.。正确的检测是由于崛起F(因此MFR.)约0.2 mV。节拍复合体包含在整合过程中(注意高层升高F在任何复合物之后),因此几乎不可能对先前的复合物密切检测。

图2
图2.

自适应整合阈值

自适应节拍期望阈值 -R.

节拍期望门槛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,对阈值的集成阈值保护免受错误的QRS检测,R.正在保护“QRS误解”。

任何新的QRS检测都会更新具有5个最后一个RR间隔的缓冲区。R M是缓冲区的平均值。

  • R.= 0.V.从最后一次检测到的QRS到预期的2/3的间隔R M

  • 在QRS + RM * 2/3到QRS + RM中,R.下面讨论的陡坡阈值的减少减少1.4倍(m在200-1200 ms间隔中)。

  • QRS + RM之后减少R.停止了。

节拍期望阈值的时间过程R.如图所示。3.。减少R.(分别MFR.)在第四QRS的约0.2mV允许其检测,尽管引线2中缺乏复杂,但导致概述铅幅度的两倍降低y(如图。3B.)。

图3.
图3.

自适应节拍期望阈值

组合自适应阈值 -MFR.

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。(如图。4.

图4.
图4.

组合自适应阈值

MFR.=m+F+R.

算法2:在最后一次检测到的RR间隔中,伪实时检测最终错过了心跳的额外触发

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额外检查。它的功能由图2中的信号解释。5.。图15中的15.2秒的第四络合物。5B.应该因为这个事实而错过了MFR.较大于摘要铅y

图5.
图5.

在最后一次RR间隔中,伪实时检测最终错过了心跳的额外触发。

让我们标记以前的RR间隔T1.和最后一个 -T2.(如图。5A)。

如果T1.没有缩短,由逻辑或2条条件T1> RM或RM-T1 <0.12 * RM测试,同时进行测试T2.很长时间才能满足条件ABS(T2-2 * RM)<0.5 * RM,间隔进行检查检查错过的复合物。

在搜索尖锐峰的每个主要引线上执行测试(定义为具有一个中央和两个横向点8ms的两个信号差的产品>4μV的乘积>4μV)。如果通过测试,则在该点处对摘要引线的幅度进行第二个,这应该是更大的缓冲器平均值的1/3毫米,为了将这一点定义为错过的QRS复杂。

结果与讨论

通常,统计指数SE和SP来自以下参数:正确检测到的节拍TP(真正的正),虚假检测到的节拍FP(误报)和未检测到的节拍FN(假阴性)。此外,我们使用了从Dotsinsky和Stoyanov采用的两个参数[6.],如下所述。

引入SP移位的正误差以解释如图2所示的案例。6.。这里,该算法在第3 QRS之前进行了误报误差并错过了以下QRS。正式,这是一个假的正误差,立即后跟假阴性。但是,如果这两个检测之间的时间间隔相当短,例如≤200ms,则我们仅接受这一点,仅为一个错误,标记为转移误报错误(SP)。

图6.
图6.

在P波移位正误差

在正常复合物中示出了在图2中示出了刚刚在正常复合物之前的伪影误差的另一个例子。7.

图7.
图7.

转移阳性误差,假阳性+假阴性双胞胎

SN转移的负误差是由SP相同的原则,但在相反的意义上。它还包括在200毫秒内发生的Twin Fn + FP错误。移位的第一个输入FP或FN误差是将其定义为SP或SN。

使用移位错误的逻辑(代替FP和Fn或fn和fn和fp,当它们在彼此的200ms内出现时)是记录中的节拍总数保留其值。否则,它会根据错误的类型和数量而改变,从而妨碍了对SE和SP的正确计算。

灵敏度SE通过求解FN来计算

Sn,虽然特异性sp - 通过求解fp + sp。

该方法是在Matlab中开发的。来自MIT-BIH心律失常数据库的所有48个录制,没有任何例外,用于测试两个算法。

通过专门设计的软件将包含检测标记的处理后的文件,并将其与原始MIT-BIH注释的节拍进行比较。它显示了所有案例,其中注释和检测标记不同60 ms。这些案件被独立专家审查,从而排除可能的作者的影响。

两种算法的结果呈现在表中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”中被排除在研究之外),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计算的标准方式,

考虑到关节SP和SN错误作为两个单独的错误给出以下结果:

算法1:SE = 99.54%,SP = 99.61%;

算法2:SE = 99.60%,SP = 99.60%。

算法2由于未减少的未检测到的节拍而改善了0.05%(标准评估的0.06%的灵敏度)。该结果可以例如在记录109,203,210和223中观察到,其中附加检测的节拍分别是6,9,12和5.两种算法的性能尤其与含有R-over的AHA的文件A5001进行测试。T过早的心室复合物,非常接近先前的正常QRS复合物(图。5A)。观察到通过算法1未检测到的74的改进。在心室复渗时发生这种过早性心室复合物的检测被认为是重要的,目的是通过R-T on-T事件触发心室颤动的可能风险。

结论

用于实时和伪实时实现的所提出的算法是自适应的,与阈值和常数值无关。无论使用的分辨率和采样频率如何,它们都自同步到QRS陡坡和心律。由于积分阈值,算法实际上对电灰度和类似的高频噪声非常不敏感。

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。

统计指数高于科学文献中引用的统计指标。

参考

  1. 1。

    Moreas JCTB,Seixas Mo,Vilani Fn,CostaeV:QRS复杂检测算法使用心电图引线。Comp.2002年,29:205-208。

    文章谷歌学术

  2. 2。

    Friesen Gm,Jannett Tc,Jadallah Ma,Yates S1,Quint SR,Nagle HT:九QRS检测算法噪声灵敏度的比较。IEEE跨越生物学eng1990年,37:85-98。10.1109 / 10.43620

    文章谷歌学术

  3. 3。

    Daskalov Ik,Dotsinsky Ia,Christov II:ECG采集,预处理,参数测量和录制的开发。Ieee Eng在Med&Biol1998年,17:50-58。10.1109 / 51.664031

    文章谷歌学术

  4. 4.

    Poli R,Cagnoni S,Valli G:优化线性和非线性QRS检测的通用设计。IEEE跨越生物学eng1995年,42:1137-1141。10.1109 / 10.469381

    文章谷歌学术

  5. 5。

    AFONSO VX,Tompkins WJ,Nguyen TQ,Luo S:ECG使用滤波器击败检测。反式生物学eng.1999年,2:192-201。10.1109 / 10.740882

    文章谷歌学术

  6. 6。

    Dotsinsky I,Stoyanov T:单通道心电图中的心室差差检测。BioMed Eng在线2004年,3:3. [http://www.biomedical-engineering-online.com/content/3/1/3.] 10.1186 / 1475-925x-3-3

    文章谷歌学术

  7. 7。

    Englese Wah,Zeelenberg C:QRS检测和特征提取的单扫描算法。IEEE COMP in卡1979,37-42。

    谷歌学术

  8. 8。

    Pan J,Tompkins W:实时QRS检测算法。IEEE Trans Biomed Eng1985年,32:230-236。

    文章谷歌学术

  9. 9。

    Ligtenberg A,Kunt M:一种用于心律失常监测的鲁棒数字QRS检测算法。电脑和生物密res1983年,16:273-286。10.1016 / 0010-4809(83)90027-7

    文章谷歌学术

  10. 10。

    李C,郑田,太田:使用小波变换检测ECG特征点。IEEE跨越生物学eng1995年,42:21-28。10.1109 / 10.362922

    文章谷歌学术

  11. 11.

    Mark R,Moody G:MIT-BIH心律失常数据库目录。剑桥:马萨诸塞州理工学院1988年。

    谷歌学术

  12. 12.

    Levkov C:从传统的12引线系统的肢体和胸部电极衍生的正交心电图。MED BIOL ENG计算1987年,25:155-164。

    文章谷歌学术

  13. 13。

    Bakardjian H:使用分形数字聚类的心室击败分类器。MED BIOL ENG计算1992年,30:495-502。

    文章谷歌学术

下载参考

致谢

作者非常感谢Ivan Dotsinsky,生物医学科学院,保加利亚科院生物医学工程中心教授的贡献,用于检查和测试所提出的算法的结果。

作者信息

隶属关系

作者

通讯作者

对应于Ivaylo i Christov.

作者的原始提交的图像文件

权利和权限

重印和权限

关于这篇文章

引用这篇文章

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

下载引用

关键词

  • 假阳性错误
  • 过早心室复合物
  • 心室节拍
  • 复合铅
  • 击败检测
\