赞助商链接
当前位置： >>
心电信号ST段分析研究
重庆大学 硕士学位论文 心电信号ST段分析研究 姓名：李露 申请学位级别：硕士 专业：电气工程 指导教师：杨浩
重庆大学硕士学位论文中文摘要摘要心电图（ＥＣＯ）已成为心脏病临床诊断不可缺少的常规检查手段之一，心电图检 查的准确性关系到人类的生命和健康，研究开发高性能的心脏检查设备，提高心脏 病诊断的准确率具有十分重要的社会意义和应用价值。 ＳＴ段分析是心电图分析的重要组成部分，但心肌复极过程中受到由于心肌缺 血、电解质紊乱、药物等因素干扰时，心电图上表现为ＳＴ段改变。因此，及时准 确地检测、定位、测量ＳＴ段具有重要的临床诊断价值。但目前利用计算机进行ＳＴ 段的自动检测效果还远不能令人满意，追切需要工程技术人员和医务工作者的共同 努力来寻求新的有效的处理方法．本文针对ＳＴ段分析中的难点和特点，从以下几 个方面进行了研究： （１）针对ｓＴ段分析的特殊要求，根据零相位滤波器的滤波原理，设计了一种适 用于ＳＴ段分析的零相位滤波器。通过对滤波前后信号的频谱分析，和三角波叠加 模拟基线漂移实验验证，本文中设计的零相位滤波器在有效滤除低频干扰的同时， 能够极好的保持ＳＴ段原有的形态而不受影响。 （２）心电信号特征点检测。在对Ｒ波准确定位的基础上，主要对Ｐ波的检钡５方法 做了深入研究．利用Ｐ波在心电波形中位置和形状等波形特征，在前人研究基础上， 本文提出了一种基于最优区问函数拟合的Ｐ波识别方法，根据最小二乘法原理，通 过对比拟合误差确定最优函数拟合区间，采用二次函数对Ｐ波进行逼近，最终确定 Ｐ波的起点和终点，进一步提高对Ｐ波特征点检测的准确率。并用ＭＩＴ－ＢＩＨ心电数 据库的大量心电数据对该方法进行验证，其准确率高达９８％。文章中还研究了心电 信号其他特征点的检测算法，为后面ＳＴ段分析奠定了基础。 （３）在学习神经网络理论知识的基础上，采用ＢＰ神经网络对ＳＴ段形态进行分 类识别。对ＢＰ神经网络设计过程中样本的选择，各种参数、学习算法的确定等， 通过实验对比，做了详细的说明；最后对设计的ＢＰ网络，采用了大量不同形态的 ＳＴ段波形进行测试，其准确率较为满意。 （４）对目前国内外主要采用的几种ＳＴ段电平测量方法进行了研究，并以欧洲ＳＴ 心电数据库的数据为例，通过实验将各种分析方法所得结果和专家标注做了对比， 并作出ＳＴ段偏移趋势图，分析了ｓＴ段测量的影响因素，以及各种测量方法的优缺 点，为本文中最终确定ＳＴ段电平检测算法提供了依据。 关键词；心电图，零相位滤波器，基线漂移，函数拟合，神经网络重庆大学硕士学位论文英文摘要ＡｂｓｔｒａｃｔＥｌｅｅｔｒｏｅａｒｄｉｏｇｒａｍ（ＥＣＧ）ｈａｓ ｂｅｅａｍｅｄｏｎｅｏｆ ｔｈｅ ｎｅｃｅｓｓａｒｙ ｉｎｓｔａｌｍｅｎｔｓ ｕｓｅｄ ｆｏｒｔｏｃｌｉｎｉｃ ｈｅａｒｔ ｄｉｓｅａｓｅ ｄｉａｇｎｏｓｉｎｇ，ｔｈｅ ｖｅｒａｃｉｔｙ ｏｆ ＥＣＧ ｉｎｓｌｚｕｍｅｎｔｓ ｉｓ ｃｏｒｒｅｌａｔｉｖｅｈｕｍａｎｂｅｉｎｇ ｈｅａｌｔｈ ａｎｄ ｆｉｆｅ．Ｉｔ ｈａｓ ｖｅｒｙ ｉｍｐｏｒｔａｎｔ ａｐｐｌｉｅｄ ｖａｌｕｅ ａｎｄ ｓｉｇｎｉｆｉｃａｎｃｅ ｔｏ ｒｅｓｅａｒｅｌａｈｉｇｈ－ｐｏｗｅｒｅｄ ＥＣＧ ｉｎｓ＇ｌｌｌｌｍｃｎｔｓ ｆｏｒ ｉｍｐｒｏｖｅ ｔｈｅ ｅｘａｃｔＳＴ ｓｅｇｍｅｎｔ ａｎａｌｙｓｉｓ ｉｓｏｎｅｒａｔｅ ｏｆｄｉａｇｎｏｓｉｎｇ．ｏｆ ｔｈｅ ｍｏｓｔ ｉｍｐｏｒｔａｎｔ ｐａｒｔｓ ｏｆ ＥＣＧ ａｎａｌｙｓｉｓ．Ｔｈｅ ｗｉｌｌ ａｐｐｅａｒ ｉｎ ＥＣＧ ｗｈｅｎｅｖｅｒ ｔｈｅ ｃａｒｄｉａｃ ｃｅｌｌｗａｖｅｆｏｒｍｅｌｖｅｓｏｆ ＳＴ ｓｅｇｍｅｎｔｄｅｐｏｌａｒｉｚａｔｉｏｎｗ玳ｄｉｓｔｕｒｂｅｄｂｙ ｉｓｅｈｅｍｉａ，ｅｌｅｅｔａ＇ｏｌｙｔｅ ｔｕｒｂｕｌｅｎｃｅ，ｄｒｕｇ，ｅｔｅ．Ｔｈｅｒｅｆｏｒｅ，ｔｏｉｔ ｉｓ ｓｉｇｎｉｆｉｃａｎｔ ｔｏｒｅｃｏ础，ｅ ａｎｄ ｌｏｃａｔｅ ｔｈｅ ＳＴ ｓｅｇｍｅｎｔ，ａｎｄｍｅａｓｌ鹏ｔｈｅｍｑｕｉｃｋｌｙ ａｎｄａｃｃｕｒａｔｅｌｙ ｉｎ ｃｌｉｎｉｃａｌ．Ｈｏｗｅｖｅｒ，ｔｈｅｐｈｙｓｉｃｉａｎｓ淝ｎｏｔ ｓａｔｉｓｆｉｅｄ ｗｉｔｈ ｃｕｒｒｅｎｔ ｔｅｅｌａｎｏｌｏｇｙｄｉｆｆｉｃｕｌｔｉｅｓｏｆ ａｕｔｏｍａｔｉｃ ａｎａｌｙｓｉｓ ｏｆ ＳＴ ｓｅｇｍｅｎｔ．Ｉｔ ｒｅｑｕｉｒｅｓ ｅｎｇｉｎｅｅｒｓ ａｎｄ ｐｈｙｓｉｃｉａｎｓ ｗｏｒｋｉｎｇｔｏｇｅｔｈｅｒ ｔｏ ｓｅｅｋ ｍｏｌｅ ｅｆｆｅｃｔｉｖｅ ｐｒｏｃｅｓｓｉｎｇ ｍｅｔｈｏｄｓ．Ｂｅ ｄｉｒｅｃｔｅｄ ａｇａｉｎｓｔ ｔｈｅａｎｄ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｉｎ ＳＴ ｓｅｇｍｅｎｔ ａｎａｌｙｓｉｓ，ｔｈｉｓ ｔｈｅｓｉｓ ｃｏｎｓｉｓｔｓ ｏｆｆｏｌｌｏｗｉｎｇ ｓｅｖｅｒａｌ ｐａｒｔｓ：（１）ｏｎｆａｌｔｅｒ ｂａｓｅｄａｃｃｏｕｎｔ ｏｆＯｎｔｈｅ ｓｐｅｃｉａｌ ｒｅｑｕｅｓｔ ｏｆ ＳＴ Ｓｔ：ｇｒｆｌｅｎｔ ａｎａｌｙｓｉｓ，ｔｈｉｓ ｔｈｅｓｉｓ ｄｅｓｉｇｎｓａｔｈｅ ｔｈｅｏｒｙ ｏｆＺｅｒｏ－ｐｈａｓｅ ｏｉｇｉｔａｌ Ｆｉｌｔｅｒ．Ｃｏｎｔｒａｓｔ ｔｈｅ ＥＣＧｓｐｔ翊ｌ＂ｉｌｍ ｂｅｆｏｒｅａｎｄ ａｆｔｅｒ ｆｉｌｔｅｒ ａｎｄ ｔｅｓｔ缸＇ｉａｎｇｌｅ ｓｉｇｎａｌ ｗｉｔｈ ｓｉｍｕｌａｔｉｖｅ ｂａｓｅｌｉｎｅ ｗａｎｄｅｒ，ｔｈｅ Ｚｅｒｏ－ｐｈａｓｅＤｉｇｉｔａｌ Ｆｉｌｔｅｒ ｄｅｓｉｇｎｅｄ ｉｎｐａｐｅｒ∞ｎｅｆｆｅｃｔｉｖｅｌｙ ｆｉｌｔｅｒ ｉｎｔｅｒｆｅｒｅｎｃｅ ｏｆ ｌｏｗ ｆｒｅｑｌｌｅｎｅｙ ａｎｄｒｉｐｐｉｎｇｌｙ ｋｅｅｐ ｔｈｅ ｓｈａｌ咒ｏｆＳＴ ｓｅｇｍｅｎｔ（２）ａｌａｅ ｄｅｔｅｃｔｉｏｎ ｏｆａｌｌ ｗａｖｅｆｏｒｍ ｈａｓ ｂｅｅｎｏｂｔａｉｎｅｄ．Ｗｅｄｅｅｐｌｙ ｓｔｕｄｉｅｄ ｔｈｅ Ｐ ＷａＶＩｅｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｏｆＲ ｗａｖｅ．Ａ ｎｏｖｅｌ Ｐ ＷａＶｅ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｂａｓｅｄ∞ａｐｐｒｏｘｉｍａｔｉｎｇ ｆｕｎｅｔｉｏｍ ｉｎ ｔｈｅｕｓｅ ａｏｐｔｉｍｌｌｍ ｒｅｇｉｏｎ ｉｓ ｐｒｏｐｏｓｅｄ．Ｉｎ ｔｈｅｎｌｅ，ａｎｓａｌｇｏｒｉｔｈｍ啪ｃｏｎｉｃｔｏ ａｐｐｒｏａｃｈ ｔｈｅ Ｐ ＷｌＩＶｅ ｂｙｔｈｉｓｏｆｌｅａｓｔ ｓｑｕａｒｅ ｍｅｔｈｏｄ ｉｎ ｅｖｅｒｙ ｒｅｇｉｏｎ， ａｐｐｒｏａｃｈ ｒｅｇｉｏｎ ｏｆＰ ｗａｖｅ ｂｙｗｈｉｅｌａ ｉｓ ｓｌａｉｔｔｅｄ ｉｎｌｏｃａｌ龇ｇｅ．＂Ｉｌａｅｎ讹ｆｉｎｄ ｔｈｅ ｏｐｔｉｌｎｕｌｎｅｎ＇Ｏｌ－ｏｃｏｍｐａｒｉｎｇ ｔｈｅ ａｐｐｒｏｘｉｍａｌｉｎｇＦｉｎａｌｌｙ，Ｗｅａ蛐ｔｈｅ ｃｈａｒａｃｔｅｒｉｚｅ ｐｏｉｎｔｓ ｏｆＰ ＷａＶＩ｝ｗ柳ｉｎｔｈｅ ｏｐｔｉｍｕｍ ｒｅｇｉｏｎ．ＴｈｅＩ，ｙ ｕＳｉｎｇ ｔｈｅ ａｐｐｒｏｘｉｍａｔｉｎｇ ｆｕｎｅｔｉｏｍｔｏ ａｐｐｒｏａｅｌａ Ｐｐｅｒｆｏｒｍ缸ｃｃｅｆｆｅｃｔｉｖｅ ａｎｄｔｈｅｓｉｓ．ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｔｅｓｔｅｄ ｕｓｉｎｇ ｔｈｅ ｒｅｃｏｒｄｓ ｏｆ ｔｈｅＭＩＴ－ＢＩＨｄａｔａｂａｓｅ ｉｓａｅｅｔｎｔｅ．Ｔｈｅｏｔｈｅｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐｏｉｎｔｓ ｏｆ ＥＣＧ ｓｉｇｎａｌ ｉｓ ａｌｓｏ ｓｔｕｄｉｅｄ ｉｎ（３）Ｔｈｅ０１１ｔｈｅｓｉｓ ｄｉｓｔｉｎｇｕｉｓｈ ｔｈｅ ｓｈａｌｅｓｏｆ ＳＴ ｓｅｇｍｅｎｔ ｕｓｉｎｇ ＢＰ １３ｅｕｎｌｌ ｎｅｔｗｏｒｋ ｂａｓｅｄｌｅａｒｎｉｎｇ ｔｈｅｎｅｍｌｎｅｔｗｏｒｋ ｔｌｌｅｏｒｙ．Ｔｈｉｓ ｈａｓ ｄｅｔａｉｌｅｄ ｅｌｕｃｉｄａｔｉｏｎ ａｂｏｕｔ ｔｈｅ ｃｈｏｉｃｅ ｏｆｓａｍｐｌｅ，ｃＯｎｆｌｎｎｊｎｇｔｈｅ ｐａｒａｍｅｔｅｒｓ ａｎｄ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｏｆＢＰ ｎ既ｕ＇ａｌ ｎｅｔｗｏｒｋ．Ｆｉｎａｎｒ，ａｗｅ ｔｅｓｔｅｄ ｔｈｅ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｄｅｓｉｇｎｅｄ ｉｎ ｔｈｅｓｉｓ ｕｓｉｎｇｐｌｅｎｔｉｆｕｌ ｓａｍｐｌｅ ｗｉｔｈｎ重庆大学硕士学位论文英文摘要ｄｉｖｅｒｓｉｆｉｅｄ ｓｈａｐｅｓ．Ｉｔ’Ｓ ｓａｔｉｓｆｙｉｎｇ ｉｎ ｔｈｅ ｖｅｒａｃｉｔｙ．（４）Ｙｈｅｓｅｖｅｒａｌ ａｌｇｏｒｉｔｈｍｓ ｏｆ ｔｈｅ ｄｏｍｅｓｔｉｃ ａｎｄｏｖｅｒｓｅｓｓｗｈｉｃｈ ＳＴ ｓｅｇｍｅｎｔ ｅｌｅｃｔｒｉｃｌｅｖｅｌ ｍｅａｓｕｒｅｄ ｉｓ ｒｅｓｅａｒｃｈｅｄ．Ｃｏｍｐａｒｅ ｔｈｅ ｒｅｓｕｌｔｓ ｏｆｔｈｅ ｓｅｖｅｒａｌ ａｌｇｏｒｉｔｈｍｓ ａｎｄ ｅｘｐｅｒｔ＇ｓｎｏｔｅｓａｎａｌｙｚｉｎｇ ｔｈｅ ｄａｔａｂａｓｅ ｉｎＥｕｒｏｐｅ ＳＴＴ ｄａｔａｂａｓｅ ａｎｄ ｏｂｔａｉｎ ｔｈｅ ｔｒｅｎｄ ｏｆ ＳＴ ｓｅｇｍｅｎｔｏｆｆｓｅｔ．Ｔｈｅ ａｆｆｅｃｔｉｎｇ ｆａｃｔｏｒｓ ｔｈａｔ ＳＴ ｓｅｇｍｅｎｔ ｄｅｔｅｃｔｅｄ ａｎｄ ｔｈｅ ｍｅｒｉｔｓ ａｎｄ ｄｅｍｅｒｉｔｓ ｏｆｓｅｖｅｒａｌ ａｌｇｏｒｉｔｈｍｓ ｉｓ ａｎａｌｙｚｅｄ ｗｈｉｃｈ ｐｒｏｖｉｄｅｓ ｔｈｅｓｉｓ．８／１ｅｖｉｄｅｎｃｅ ｆｏｒ ＳＴ ｓｅｇｍｅｎｔ ｄｅｔｅｃｔｅｄ ｉｎ ｔｈｅＫｅｙ ｗｏｒｄｓ：ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ，Ｚｅｒｏ－ｐｈａｓｅ Ｄｉｇｉｔａｌ Ｆｉｌｔｅｒ，ｂａｓｅｌｉｎｅ ａｐｐｒｏｘｉｍａｔｉｎｇ ｆｕｎｃｔｉｏｎｓ，ｎｅｕｒａｌ ｎｅｔｗｏｒｋｗｍｄ％Ⅲ独创性声明本人声明所星交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重鏖叁堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：名 魂签字日期：驯７年ｒ月们日学位论文版权使用授权书本学位论文作者完全了解重庆太堂 重废太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权 可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 保密（ 本学位论文属于 不保密（Ｖ）。 （请只在上述一个括号内打“４”） ），在 年解密后适用本授权书。学位论文作者签名：名魂．签字日期：导师签名：∥７年ｒ月妒日签字日期多物７年ｒ月煮角｜重庆大学硕士学位论文１绪论１绪论１．１引言心脏是人体最重要的器官之一，目前心血管疾病的死亡率占各种疾病死亡率的 首位。心血管疾病尤其是冠心病和心源性猝死（ｓＣＤ）已成为危害人类健康最常见 的疾病，因此心脏疾病的防治和诊断是当今医学界面临的主要问题。随着现代信息处理技术和计算机技术的快速发展，虽然许多心电研究者在心电信号的检测、分析、 诊断等方面已经做了大量的工作，但是由于心电信号是微弱的、易受噪声干扰的、 非稳定的、具有变异性的，使得心电信号的自动分析与诊断效果还不是很理想，所 以迫切需要工程技术人员和医务工作者共同努力来寻求新的有效的分析处理方法。１．２人体心电信号的产生及其发展历史人体心电信号的产生是由于在心肌细胞一端的细胞膜受到一定程度的刺激时， 对钾、钠、氯、钙等离子的通透性发生改变，引起膜内外的阴阳离子产生流动，使 心肌细胞除极化和复极化，并在此过程中与尚处于静止状态的临近细胞膜构成一对 电偶，此变化过程可用置于体表的一定电极检测出来。这即为体表心电信号的产生 机理。心电生理学资料表明，在每个心动周期中，由窦房结细胞产生兴奋，依次转 向心房和心室。在这个过程中，心激动传导系统细胞、心房肌细胞和心室肌细胞按 顺序产生兴奋，此生物电传递交化十分复杂，呈混沌态，其有序结果通过周围组织 传遍全身，使身体各部位出现有规律而各向异性的电变化。因此，将引导电极放在肢体、躯体表面或体内（包括心脏）的任何不同部位，均可记录到每一心动周期中这种规律性的变化，这就是心电图，它反映了心脏在兴奋的产生、传导和恢复过程中的电变化，可以作为心脏疾病诊断的依据【ｌ－４１。人类认识心电活动的历史可以追溯到两百多年前。１７９１年，Ｂｏｌｏｑｎａ大学的Ｃｒａｌｖａｎｉ首次证实蛙后肢活体组织标本能产生电活动。在１８５６年克利克和米勒首先 直接在心脏上记录到心搏时产生的电流。在１８８７年瓦勒发现在身体表面也可记录到这种电流。而１９０３年Ｅｉｎｔｈｏｖｅｎ采用弦线式电流计加以描记，使测定技术规范化， 并用罗马字母命名心电图各波，开创了心电图的临床应用至今已有一百多年的历史阿。１．３正常心电波形及其意义如图１．１所示，正常心电波形实际是由一系列“波组”构成的曲线图。不同导联记录的波形可能不同，但基本上都包括Ｐ波、ＱＲＳ波群及Ｔ波，有时还包括一个ｕ重庆大学硕士学位论文１绪论波，这些波段名称均是国际上所规定的【’Ｉ。图１．１心电图解Ｆｉ９１．１ Ｔｈｅ ｓｃＡｌｅｌｒｌａｔｉｃ ｏｆｃａｒｄｉｏｇｒａｍＰ波：心房除极波，反映左右两心房的电激动过程。Ｐ波可为尖顶，圆顶、平 顶、或有小的切酸。正常Ｐ波宽０．０４～使ｎ秒。 Ｐ－Ｒ间期；为房室传导的时间，即自Ｐ波的开始部至ＱＲＳ波（或Ｑ波）开始的时间，一般为０．１２～Ｏ．２０秒。Ｐ－Ｒ段：自Ｐ波终点至ＱＲＳ综合波开始的经过时间，即自心房除极完毕至心室 开始除极经过的时间，或称Ｐ－Ｒ段，正常为０．０４～０．１０秒，一般在电平线上。 ＱＲＳ综合波：左、右心室除极的全过程形成ＱＲＳ综合波。典型的ＱＲＳ波群包 含三个紧密相连的波，Ｐ波后的第一个向下的波称为Ｑ波，其后的第一个向上的波 称为Ｒ波，Ｒ波霜向下的波称为ｓ波。不同导联记录的心电图上这三个波不一定都 出现，波形和幅度变化也比较大。ＱＲＳ波时间为自心室开始激动至心室完全激动所经过的时间，～般为０．０６～０．０８秒，不超过Ｏ．１０秒。Ｊ点（Ｓ－Ｔ结合点）：ＱＲＳ综合波与Ｓ－Ｔ段的交接点，该点正常在基线上。 Ｓ－Ｔ段：为心室除极完全后，心室早期复极过程的电位变化，是从Ｓ渡至Ｔ波 开始前后的一段电平衡现象。ＳＴ段一般在基线上，向上偏移（抬高）不超过ｌｍｍ（ＶＩ’Ｖ３导联可抬高３．３ｒａｍ），向下偏（压低）移不超过０．５ｒａｍ，占时约Ｏ～Ｏ．１５秒．Ｔ波：Ｔ波为心室的晚期复极波。其波囱与ＱＲＳ综合波的主波方向一致，在 ｖｌ导联中可不一致。宽度一般为０．１～０．２５秒。 Ｑ－Ｔ间期：为Ｑ波开始至Ｔ波终止的时间，代表心室由开始激动状态至完全恢 复静止状态的时闻，与心跳的快慢有关。我国平均Ｑ－Ｔ闻期为０．３６秒。 Ｕ波：心动周期中最后一个小波，意义尚不十分清楚，其方向一般与Ｔ波一致， 高不超过０．５ｍｍ，多见予Ｉ、Ⅱ导联及胸导联中，有时幅度较低，不容易被辨认出２重庆大学硕士学位论文１绪论来。１．４心电图ＳＴ段改变及其临床意义［６－９１１．４．１ＳＴ段介绍图１．２急性冠状动脉供血不足睁０电图的演变过程Ｆｉｇ １．２ｔｈｅ ｅｖｏｌｕｔｉｖｅ ｐｒｏｃｅｓｓ ｏｆＥＣＧ ｄｕｒｉｎｇｔｈｅ ａｃｕｔｅ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｉｓｃｈｅｍｉａｓＴ段是指从ＱＲＳ综合波群终点到Ｔ波开始之间的线段，代表心室处于完全去 极化状态，其时间长度与心率有关，一般为５０ｍｓ－１５０ｍｓ。正常情况下，ＳＴ段应该 无电位差，即应与基线齐平。从心室肌除极／复极过程和心肌细胞的动作电位的机理 上看，ＳＴ段是复极前的一段持续时间较长的非稳定平衡态，Ｔ波是心室的复极过程． 当除极或复极顺序由于某种原因被破坏时，将会发生心肌缺血，若心肌缺血一直未 得到缓解，将导致心肌坏死、心肌梗死、甚至可能会造成病人猝死。发生心肌缺血时，反映在心电图中就是相应的ＳＴ段电平发生显著的变化（抬高或降低）。图１．２为急性冠状动脉供血不足时心电图的演变过程，从中可见ＳＴ段变化是心肌缺血的 最早迹象。因此若能及时检测并分析ＳＴ段的变化情况，对及时治疗病人、拯救病 人的生命具有极重要的意义．１．４．２ＳＴ段形态特征ＳＴ段的改变直接表现在形态上的差异，这也是临床医生常用的判别ＳＴ段改变的主要依据。从心室肌的去极化／复极化的过程和心肌细胞的动作电位的机理上看， ＳＴ段实际上是心室按照先去极后复极的顺序，在复极前的一段持续时间较长的非稳定平稳状态。总的来说，ＳＴ段形态可以分为三大类：正常、抬高和降低。正常情况下ＳＴ段３重庆大学硕士学位论文ｌ绪论应与基线平齐，如图１３（ａ）所示。如舡舡图１．３ＳＴ段多种压低形态（ａ）正常ＳＴ段；嘞水平型；（ｃ）斜下垂型；（ｄ）弓背型；（ｃ）近似缺血型；∞单纯Ｊ点型Ｆｉｇ １３ｌｈｅ ｓｈａｐｅｓｏｆＳＴｓｅｇｍｅｎｔｄｅｐｒｅｓｓｉｏｎ（ａ）ＳＴ ｓｅｇｍｅｎｔｎｏｒｍａｌ；Ｃｏ）ＳＴｓｅｇｍｅｎｔ船母ｄｅｐｌＩ麟溉（母。ＳＴｓｅｇｍｅｎｔｄｍｏｐｉｎｇｄｅｐｒｅｓｓｉｏｎ；（ｄ）ＳＴ ｓｅｇｍｅｎｔｌｏｒｄｏｔｉｃｄｅｐｍｓｉｏｎ；（ｅ）ＳＴｓｅｇｍｅｎｔａｐｐｒｏｘｉｍａｔｉｖｅｉｓｃｈ啪ｉａＩ（ｏｓｈｎｐｌｉｃｉｌｙ Ｊ ｐｏｉｎｔ ｄｅｐｒｅｓｓｉｏｎ当心室肌去极化，复极化的顺序由于某种原因而被破坏时，ＳＴ段就会发生改变，形成各种形态的异常。典型的缺血型ＳＴ改变，表现为ＳＴ段呈水平或下豢形下移大于０．１ｍＶ，下移的ＳＴ段与Ｒ波的夹角大于９０度，此与缺血型心肌细胞内钾离子浓度异常，细胞出现过渡极化有关，ＳＴ段的下移大致有以下几个类型： 水平型：ＳＴ段与Ｒ波的垂线所形成的夹角等于９０度，如图１．３（ｂ）； 斜下垂型：ＳＴ段与Ｒ波垂线所形成的夹角大于９０度，如图１３（ｃ）；弓背型：临床医师一眼就可以判断，不过机器判断起来由于其ＳＴ段呈弧形，所 以Ｊ点的位置可能会有模糊，考虑到的Ｔ波是倒的，所以才容易形成这种形状。Ｔ 波倒置越明显，Ｊ点的斜率越倾向９０度，甚至大于９０度，如图１．３（ｄ）； 近似缺血型：对应于弓背型在Ｔ波正向时的情况，但相比之下比上一种更为严 重，这里ｓＴ段与Ｒ波的垂线所形成的夹角小于９０度，而且必须在８０－．－８９度之间才有意义，如图Ｌ３（ｅ）所示；单纯Ｊ点型：即斜率小于８０度，这种ＳＴ段下移是生理性的，无临床价值，但有 些资料认为如果Ｊ点的位置下移大于０．２ｍＶ，还是有意义的。如图１．３（Ｄ所示。 ＳＴ段抬高主要表现为弓背向下型抬高和弓背向上型抬高，分别如图１．４（ａ）、（ｂ） 所示．４重庆大学硕士学位论文Ｉ绪论（ａ）图１．４Ｃｏ）ｓＴ段抬高形态（ａ）弓背向下型ｓＴ段抬高⑩弓背向上型ｓＴ段抬高 ∞ＳＴｓｅｇｍｅｎｔｅｌｅｖａｔｉｏｎｗｉｔｈｌｏｒｄｏｔｉｃｕｐＦｉ９１．４ｔｈｅｓｈａｐｅｓｏｆＳＴ ｓｅｇｍｅｎｔｅｌｅｖａｔｉｏｎ（ａ）ＳＴ ｓｅｇｍｅｎｔｅｌｅｖａｔｉｏｎｗｉｔｈｌｏｒｄｏｔｉｃａｄｏｗｎ；由于对应病情不同，通常重点识别ＳＴ段弓背型抬高、下垂型压低和水平型压低等形态。１．４．３ＳＴ段改变及临床意义ＳＴ段对应于心肌缓慢复极期，反应心肌复极过程的变化。正常情况下，ＳＴ段 位予基线水平上。当心肌复极过程受到由予心肌缺血、结构性心脏病、药物等因素 干扰时，心电图上表现为ＳＴ段改变。ＳＴ段改变包括时程延长或缩短，或从基线向 上或向下偏移，也可伴有Ｔ波改变。其中ＳＴ段偏移又分为：原发性ＳＴ段改变和继 发性ｓＴ段改变。前者与心肌复极有关，后者与心室肌复极无关。ｌ，ＳＴ段延长 由于不能准确测定ｓ波终末和Ｔ波的起始，故通常测ＱＴ间期，极少测ＳＴ段时程。ＱＴ间期时程有心率依赖性，其变化明显受ＳＴ段时程的心率依赖性影响，后 者反应心室动作电位平台期时程的心率依赖性。伴束支传导阻滞或预激综合症和高 钾皿症的ＱＴ间期延长是由于ＱＲＳ波和Ｔ波时程延长．低钙血症所致的是由于ｓＴ 段时程的延长。与猝死有关的长ＱＴ间期综合症是由于Ｔ波时程延长和ｕ波明显。 由奎尼丁等药物所致的ｓＴ段延长是由于ＱＲＳ波、ｓＴ段和Ｔ波时程延长，有时可 见到ｕ波增宽，其中主要是Ｔ波和ｕ波延长，增宽的ｕ波与Ｔ波融合，铡定时将 ＱＵ闻期误为ＱＴ间期。由心肌缺血产生的超急性Ｔ波引起ＱＴ间期延长是由于Ｔ 波时程的延长。２．ＳＴ段缩短ｓＴ段间期缩短的主要原因是Ｑ＇ｒ问期缩短。由于较早复极使ｓＴ段向量异常， 平均终末Ｔ波向量变得非常短，甚至消失。高钙血症也可产生相似的改变．部分正 常人也可有ＱＴ间期缩短。洋地黄制剂可弓ｌ起ＱＴ间期缭短。 ３．ｓＴ段抬高 ｓＴ段抬高可为短暂性、较久性和持续性抬高。ｓＴ段抬高可能发生于心外膜下５重庆大学硕士学位论文ｌ绪论心肌损伤、心肌梗死、心包炎、心脏肿瘤或冠状动脉痉挛所致的一过性心肌缺血。除由损伤电流所致ＳＴ抬高外，也可由心内膜下心肌所致复极延迟费心外膜下过早复极所致。ＳＴ段抬高的另外一个原因是倒置Ｐ波后的直立ＴＰ波。对ｓＴ段抬高的 分析应注意动态观察抬高的过程、形态、持续时间与症状关系。 ＳＴ段抬高常见的症状有：迷走神经张力增高、提早复极综合症、变异型心绞痛、急性心肌梗塞、急性心包炎、左室肥厚、左束支阻滞。由运动引起的ＳＴ段抬高，常被认为是严重的心肌缺血的另―特征。深入的研究结果表明，由运动引起的ＳＴ 段抬高，反映了一种更严重或不稳定的缺血性心脏病，Ｐｔｉｎｚｒｎｅｔａｌ的各类心绞痛，明显的左心室功能异常、左心室动脉瘤或两者皆有。 ４．ＳＴ段降低ＳＴ段降低可见于前壁心内膜下心肌缺血或梗死和后壁心外膜下心肌缺血。ｓＴ 段酶低也可由心腮不同步复极所致。例如心内膜下心肌较早复极或心外膜下心肌复极延迟。另外ＳＴ段降低可能由于Ｐ波负向Ｔ波（ＴＰ波）。ＳＴ段降低与Ｐ波出现相 关，是由于心房复极持续到ＳＴ段。负向ＴＰ波引起ＰＲ段下斜。ＳＴ段压低常见的症状有；典型心绞痛。出现缺血性ＳＴ段下降，下降的ＳＴ段 呈水平型、下斜型、低垂型。无症状心肌缺血、慢性冠状动脉供血不足、心肌病、 左（右）室肥厚、左（右）束支阻滞、洋地黄，奎尼丁等药物中毒．１．５ＳＴ段分析国内外研究现状对心电图ｓＴ段分析的主要内容是ｓＴＪ瑟波形检测识别和参数提取，准确可靠的波形检测识别和参数提取是ＳＴ段分析的关键，也是临床医学诊断的重要依据。计算机对Ｓ嗽的自动测量包括以下两部份内容００－１３１：（１）ｓＴ段的形态识别：正确识别ｓＴ段的形态不仅有助于医生分析ｓＴ段变化的原因，也是确定ＳＴ段起点和测量点，从而进行正确测量的前提。ｓＴ段的形态变化多样，又由于变化频率低，易受如基线漂移等干扰的影响，而不同导联下ＥＣＧ的波形也有所不弼，这是目前ｓＴ段检钡９方法还没有统一的测试标准的薰要原因。目前ｓ１段的形态识别方法有斜率法、函数拟合法和神经网络分类方法。 斜率法就是依据ｓＴ段的斜率来确定ｓＴ段的形态。ｓＴ段的斜率基本上就是临床心 电圈中ＱＲＳ－Ｔ夹角的概念，在一定程度上反映了ｓＴ段的形态，对心肌缺血的诊断有 重要的意义，是运动实验中诊断心肌缺血的定量指标之一。Ｈｏｎｅｒ系统对ＳＴ段斜率 的定义不尽相同，有Ｊ点和测量点间的斜率、铡量点和ＳＴ段之间的斜率或测量点前 后一段距离（一般取前后２０ｍｓ）。依据直线ｓＴ段的斜率可以确定ｓＴ段是上斜型下降、 水平型下降还是下斜型下降。函数拟合实质上是通过对ｓＴ段进行一次函数或二次抛 物线函数拟合来确定ｓＴ段起始点，这样能够描述整个ｓＴ段的特性，而且使用特征函６重庆大学硕士学位论文１绪论数抽取方法自适应于传导时间和心率变化。由于ｓＴ段变化大，且形态各异，要想真 正叛合好ＳＴ段的形态是很困难的，文献［１３１、【１４】等采用了神经网络对ｓＴ段形态分类识别。 （２）ｓＴ段的测量：ＳＴ段的测量参数有ｓＴ段电平、ＳＴ段斜率、ｓＴ段与等电位线所包围的面积。ｓＴ｛瑟电平测量就是在ｓＴ段上选择一点测量ｓＴ段的电平，根据这个点的 电平变化进行心肌缺血的判别。它的关键是寻找ｓＴ段的测量点和等电位点，并可靠 的检测一些特征参量。经过多年发展，对ＳＴ段电平测量的方法不断涌现，主要采用的有传统的Ｊ＋Ｘ法，Ｒ＋ｘ法、搜索窗口法和局部变换法【１删，以及现在的各种新型算法，诸如神经网络，小波变换，Ⅺ废换等１２１伽。然而由于ｓＴ段的复杂性，特别是礅起点的难确定性，给精确定位带来一定的难度。ＳＴ段中哪一点可以客观地表示ＳＴ段电平，目前尚无一致意见，这一直也是ＳＴ段电平测量的一个难题。ＳＴ段的斜率颡ｌ量实际上也是为了对ｓＴ段形态识别。直线型的ｓＴ段的斜率是较容 易确定的，但对于弓背型、下斜型等非直线型的ｓＴ段斜率的确定有一定的困难。目 前确定ＳＴ段的斜率基本上都是采用近似的方法，常用的有直线法和线性回归法［ｒｑ［ｚｔｌ。ｓＴ段面积是指Ｓ１段与基线所包围面积的大小，在一定程度上不仅反映了ＳＴ段的抬高与降低的幅度，同时考虑了持续时间的因素，对心肌缺血有动态诊断的参考价 值。ＳＴ段面积测量采用的方法主要有Ｔａｄｄｅｉ面积测量法和ＳＴ段下降型有效面积测量 法。Ｔａｄｄｅｉ面积测量法计算以ｓＴ段与基线的交点至ｓＴ段与基线阐的面积，以交点至１设终点的面积来判断ＳＴ段与１披的改变。ＳＴＪ瑟下降型有效面积测量法采用ＳＴ段起 点（Ｊ点）深度相同和ｓＴ段终点电平相同两种模式计算面积网。根据ＳＴ段的交化判断心肌缺血．本身藏是一个综合分析的过程，既要钡４量其电平的高低，也要观测其形态，单独依靠某一项指标进行判断是不适宜的。目前对ＳＴ段的分析结果常用以下几种方式表示１２７删：１）趋势图：趋势图是将有关心率和ｓＴ段的资料，经电子计算机处理后，以连续 曲线或方波形式表示其演变的一种图形形式的报告方式。常用趋势图的横坐标表示时间，纵坐标表示心率及Ｓ儇抬高或压低的程度；还表示Ｒ．Ｒ间期的变化。趋势图上方有以ｈ（小时）为单位的时间标记，并印有时间０１）；经分类的早搏及该小时的心搏 数和旱搏发生数。趋势圈清楚地展示出心率、心律、ｓＴ段变化的日节律，以及相互之问的关系，并表示出心率变异性的２４ｈ节律。２）ｓＴ段斜率图：ｓＴ段斜率是计算机在自动测定ｓＴＪ及偏移程度的同时，计算出 铡定点与Ｊ点连线延长线和等电位线之间所形成的夹角度数，以连线曲线或直方图表示．３）直方图：又称频率分布图，用来表示总心搏数和异位心搏的分布情况，也用７重庆大学硕士学位论文１绪论来表示ＳＴ段变化情况。１．６本文的研究目的和内容１．６．Ｉ本文的研究目的依据ｓＴ段的变化来分析心肌缺血从而傲出诊断。是心电图分析中的一个重要 组成部分。如对已知冠心病患者，可以检测和定量评定其心肌缺血的程度：对怀疑 有心肌缺血，特别是无症状心肌缺血的患者，可以进行早期的先兆检测；研究ＳＴ 段变化与日常活动的关系，可以观察患者的治疗效果。因此及时准确地检测、定位、 测量ＳＴ段具有重要的临床诊断价值。目前的动态心电图自动诊断系统中对ｓＴ的检测算法远不如ＱＲＳ波检测技术成熟，大多只用ＳＴ段偏移的幅度来作判别的参考，其特异性和灵敏性并不令人满意。 虽然霞前已有不少检测方法出现，但效果并不是十分理想。同时，医师们对ＳＴ段 的变化与心肌缺血的关系常有不同的看法，对ＳＴ段特征点的定位也持有不同的观点．本课题就是针对这些因素，在现有Ｅ（、Ｇ分析技术的基础上，进行研究和改进，争取提出更好的算法和实现方案，提高准确率．１．６．２本文的研究内容本论文在吸收了当前国内外心电信号ＳＴ分析方法的基础上，围绕心电信号抗 干扰技术、特征点检测、ＳＴ段形态识别和电＿平铡量几个方面进行了深入研究，主要内容如下：１１第一章绪论，主要阐述了心电信号产生的生理学机理，心电图产生和发展的 历史，叙述了心电信号各特征轰代表的生理意义．对心电图ＳＴ段形态特征、ＳＴ段 改变的机理和临床意义作了较为详细的阐述，同时，简单介绍了目前国内外ＳＴ段 分析研究现状，最后指出了本课题研究的目的和意义。 ∞第二章心电信号的预处理。本章简单介绍了心电信号的各种干扰因素，从本 课题实际研究的需要出发，根据零相位滤波器原理，设计了一种零相位带通滤波器， 使其能够同时滤除心电信号中的低频、高频和工频干扰。通过对滤波前后信号的频 谱分析，验证了本文设计的滤波器结构合理，滤波效果好。通过用三角波模拟心电 信号，叠加正、余弦函数模拟鏊线漂移实验，验证本文中设计的零相位滤波器在有效滤除低频干扰的同时，能够极好的保持ＳＴ段原有的形态而不受影响。３）第三章心电信号特征点检测。本章主要完成了心电波形各特征点的检测算 法。在对Ｒ波准确定位的基霹Ｂ上，主要对Ｐ波的检测方法做了深入研究。利用Ｐ波 在心电波形中位置和形状等波形特征，在前人研究基础上进行改进，提出了一种基 于最优区间函数拟合的Ｐ波识别方法，并用ＭＩＴ－ＢＩＨ心电数据库的大量心电数据对Ｉ重庆大学硕士学位论文１绪论该方法进行验证。本章还完成了Ｊ点、ＲＲ间期、等电位点等参数的提取，使得心电 特征煮检测方法更加完善，同时也为ｓＴ段分析打下基础。４）第四章ＳＴ段分析研究。利用神经网络通过学习具有模式分类识别的能力，在学习ＢＰ网络理论知识的基础上，采用ＢＰ网络对ＳＴ段形态进行分类识别。对于 设计的ＢＰ网络，采用了大量不同形态的ｓＴ段波形进行澳９试，其准确经较为满意。本章对目前常采用的几种ＳＴ段电平测量方法进行深入研究，并以欧洲ＳＴ心电数据库的数据做了大量实验，将实验中各种分析方法所得结果和专家标注做了对比，分 析了各种对ＳＴ段铡量的影响因素，确定了本文中采用的测量方法。 ５）全文的总结和展望。总缩全文，指出文章的创新点和研究结果，并提出后续展望。９重庆大学硕士学位论文２心电信号预处理２心电信号预处理２．１心电信号的各种干扰因素心电信号俘为心脏电活动在入体体表的表现，一般比较微弱［３２１，幅度为１０ｕＶ～ ５ｍＶ，频率为０．０１～１００Ｈｚ。取自体表电极信号的ＥＣＧ记录，常有来自心脏激动以 外的各种干扰掩盖了ＥＣＧ的真实图形，不仅影响医生的诊断，也是影响计算机自 动分析系统性能的主要因素。在实际应用中，由各种记录仪记录到的心电信号，其 干扰主要来自以下几方面网； １）基线漂移：表现为一种低频干扰，是由多种原因引起的。包括电极电阻的变 化、心电放大器本身的直流漂移、患者的呼吸运动、导联的连接和流经人体的寄生 电流等。基线漂移是运动条件下所特有的低频干扰，频率较低，与心电信号ＳＴ段 频率分量非常接近，较难处理。如何有效的抑制基线漂移干扰是本章研究的重点之一●２）工频于扰：由交流电源引入的５０Ｈｚ或者６０Ｈｚ及其各次谐波的干扰，其特 征值包括幅值和频率，在给定的检测环境中频率固定不变。工频干扰由于波形较规 则，通常可以采用工频陷波器加以消除． ３）肌电干扰（ＥＭＧ）：由人体的肌肉颤抖引起的ｍＶ级的干扰。ＥＭＧ基线通 常在很小的电压范围之内，所以一般不明显。舰电干扰可视为瞬时发生的高斯零均值带限高频噪声，其干扰可由方差和持续时间来估计，部分频带与ＥＣＯ信号重叠。４）电极接触噪声：电极接触噪声是瞬时的，也可能是永久的，它是由电极接触 不良或脱落带来的不稳定干扰，导致心电图记录时有时无，表现为基线的快速阶跃 变化，然后呈指数形式下降，这种跃变可能只发生一次，也可能快速的连续发生几次。５）运动伪差：运动伪迹是由于电极动作时电极一皮肤阻抗变化而引起的基线跃 交（但不是阶跃）。通常运动伪迹的起因可以假设成物体的震动或运动。由于运动伪 迹引起的基线扰动的形状可以假设成近似的周期正弦波信号，其频谱完全覆盖ＥＣＧ 信号，形态酷似Ｐ波、ＱＲＳ波和Ｔ波，大多数线性滤波器无法解决这类噪声的滤除 问题，是运动心电中最赡消除的噪声信号．６）信号处理过程中所用电子设备产生的仪器噪声． 以上各种噪声严重时可以完全淹没ＥＣＧ信号或者使基线漂移剧烈，从而影响最厢的心电诊断与分析，因此分析之前必须对其进行预处理，也就是通常所说的滤波。ｌＯ重庆大学硕士学位论文２心电信号预处理２．２滤波器的选择对心电信号影响较大的几种干扰中最主要的是工频干扰、肌电干扰和基线漂移。 经过多年努力，国内外学者研究了很多去除ＥＣＧ信号干扰的方法：Ｔｈａｋｏｒ［３４１设计的 巴特沃斯型带通滤波器可以实现低通、高通和带通等不同形式的滤波，后来他又提 出一种自适应线性滤波器，可以进一步提高信噪比。９２年Ｘｕｅｌ３５Ｊ等人采用基于神经 网络的非线性自适应滤波器可以较好的消除基线漂移和伪迹的影响，但该算法运算 量较大，对于心电信号的临床应用存在很大的局限性。文献Ｅ３６］报道的同时可消除 工频干扰和基漂的一次性滤波方法越来越受到人们的重视。文献１３７３、【３８】提出的两 种自适应滤波方法都能很好的抑制工频干扰，因为自适应滤波器的中心频率能够跟 随工频信号的频率幅度变化而自动调节并抵消工频干扰，且可获得较高的Ｑ值。目 前小波滤波是噪声抑制领域中的一个研究热点，文献【３９】设计了一种新的基于小波 变换的自适应滤波器，可有效消除心电信号巾基线漂移；文献【４０】采用小波变换将 原始心电信号分解为不同频段下的细节信号，去掉某些细节信号，再用小波逆变换 恢复保留信号，从而实现心电信号中的三种主要噪声的消除。文献［４Ｕ、￡４２】介绍的 简孳整系数递归数字滤波器其计算量小，具有严格的线性榍位，且容易实现高通、 低通、带通和带阻滤波器之间的转换，便于实时处理，目前在心率、心电、肌电检测方面已得到成功应用。心电信号由于干扰源不同，其干扰信号也是多种多样，而每一种滤波算法都是有其特定应用场所，适用于一种干扰源的滤波器或多或少会造成其他有效信号的损失。由于ＳＴ段是判别心肌缺血的只要依据，因此在测量中应尽可能的减小噪声， 否则可能会造成诊断错误。而基线漂移的频率与ＳＴ段的频率范围非常接近，因此 对ＳＴ段影响最大的是基线漂移，设计滤波器时要求不仅能够滤除基线漂移，还需 要尽可能的减小ＳＴ段变形。美国心脏病协会（ＡＬＩＡ）建议去除ＥＣＧ信号中基线漂 移的高通滤波器截止频率不得超过０．０５Ｈｚ，如保持线性相位，则截止频率小于０．ＳＨｚ［４７１。数字滤波器一般分为ＦＩＲ型和ｍｔ型滤波器两大类，ＦＩＲ型数字滤波器的一个 显著特点是较易实现线性相位，经其处理后，信号不会发生失真；然而从滤波器的 幅频特性来看，在相同的阶次下。ｆＩＲ型滤波器在通带内有较好的幅频特性，具有 较小的过渡带，因两在相同的信嗓比要求下，ｌｉＰ．．数字滤波器能更好地减少有用信 息的损失。但是ｆＩＲ型数字滤波器的缺点是没有线性相位，信号经处理后会产生失 真，而零相位数字滤波器（线性相位的一种特殊形式）能够保证输入输出信号相位 差为零，没有时延【船郴ｌ，因此采用零相位ｍｔ数字滤波器不但能够弥补ｆＩＲ滤波器 非线性相位的不足，可以以较少的阶数达到较好的滤波效果，同时保证有用信号不 失真。因此本文中设计了～种零相位ＩＩＲ滤波器，在滤除心电信号中基线漂移、工重庆大学硕士学位论文２心电信号预处理频干扰和高频噪声的同时，尽可能的保持ＳＴ段形态不受影响。２．３零相位ＩＩＲ数字滤波器的研究和性能分析２．３．１零相位数字滤波器原理数字滤波的作用是改变输入信号中某些频率分量的复振幅。在离散系统中，可 以表示为： “功＝Ｊ（行）＋｜ＩＩ（力 （２．１）通过数字滤波后，信号的模和相位分别表示为式２．２、式２．３：ｌＹ（ｅ归）Ｉ＝ｌＨ（ｅｌ。）｜?Ｘ（ｅ扣）（２．２） （２．３）ＡｒｇＩＨｅ扣）Ｊ－爿ｒｇｂ（ｅｐ）Ｊ＋０ｒｇｌ芦。拍）Ｊ从式２．２、式２．３中可以看出：滤波后信号的振幅为１日。扣）ｌ?ＪＪ（ｅｐ）ｌ，即为输入信号的振幅和系统增益的乘积，其相位为爿曙旧（ｅ扣）Ｊ＋彳，ｇｋｏ’４）Ｊ，即系统相位和输入信号相位之和，这就是幅度和相位失真。 如果用群时延来描述相位失真，每个频率上的群时延定义为该频率上相位特性 斜率的负数Ｈ日。即ｆ（ｏＪｌ：一ｄ（Ａｒｇ［Ｈ（ｅ／＇）参． ｄ口。（２．４）当ｒ（ｃｏ）为出的函数时，表示系统具有非线性相位，输入信号的各频率成分之间具有相对时延，这将导致信号的时域特性发生变化，在信号处理中称为弥散现象， 这是数字滤波器设计中必须避免的。当ｒ（ｏＪ）为非零常数时，表示系统具有线性相位，输入信号的各频率成分之间没有相对时延，而输入和输出信号在时域上具有恒定的时间延迟。 当ｆ＠）恒为零时，表示系统具有零相位，输入信号的各频率成分之间不仅没有 相对时延，而且输入和输出信号在时域上也没有时间延迟。这就是本文所研究的零相位数字滤波。零相位滤波的过程是首先使信号序列正向通过滤波器得到第一次滤波的输出， 然后将第一次滤波的输出序列进行时域翻转，将时域翻转后的序列通过同样的滤波 器进行二次滤波，二次滤波后的输出再次进行时域翻转，则可得到零相位的信号． 如图２．１所示。 零相位滤波器的时域描述可以由式（２．５卜（２．８）表示如下：乃（帕＝工（拧）‘＾（行） 乃（帕＝期（Ⅳ一ｌ一一） Ｙ３（ｎ）。Ｙ２（ｎ）‘．ｊｌ（刀）（２．５）（２．６） （２．７）重庆大学硕士学位论文２心电信号预处理肌０）＝ｙ３（Ｎ一１一帕（２．８）Ｙ（ｚ）图２．１零相位滤波器原理框图Ｆｉ９２．１ ｔｈｅｃｈａｒｔｏｆＺｅｒｏ－ｐｈａｓｅＤｉｇｉｔａｌ Ｆｉｔｔｅｒｔｈｅｏｒｙ式（２．５）－－（２．８）中，ｘ（栉）表示输入序列，的１）为所用数字滤波器冲激响应序列，ｙ２伽）为第一次滤波结果的时域翻转序列，Ｊ，．（帕为二次滤波结果的时域翻转序列，邸零相位数字滤波器的输出序列。其相应的频域描述表示为：墨０扣）＝Ｘ（ｅＪ＂）Ｈ（ｅ归）（２．９）Ｙ２（ｅ拍）＝ｇ一加‘纠’誓０―归）Ｙ３（ｅｊｍ）＝Ｙ２（ｅＪｅ）Ｈ（ｅｊ＂）（２．１０）（２．１１）Ｅ０归）＝ｅ－州，ｖ－ｉ）Ｙ３（ｅ’归） 由式（２．９）－（２．１２）可得：（２．１２）】，◇一）＝ｘ◇加）ｉ嚣。归）１２而由图２．１可知，经过零相位滤波器后的输出Ｊ，（ｚ）为：ｙ（ｚ）＝ｘ（ｚ）?Ｈ（Ｖｚ）?日（ｚ）（２．１３）（２．１４）当Ｉｚｌ＝１时，即ｚ＝矿，ｅＡ式（２．１４）腑；Ｙ（ｅ扣）＝Ｘ（ｅ加）’Ｈ（ｅ归）‘Ｈ（ｅ－Ｊ。）＝ｘ（ｅｐｌ日＠扣１２（２．１５）由式（２．１３）、（２．１５）可知，经图２．１中的处理过程以后，输入信号序列工∽）的频 谱只是在幅度上被频率响应函数所修改，而相位无变化，实现了零相位滤波。将图 ２．１中的整个过程作为一个滤波器，则该滤波器的系统函数为：凰◇弦）；ＩⅣ◇加）｜２（２，１６）重庆大学硕士学位论文２心电信号预处理２．３．２零相位ＨＲ数字滤波器的实现根据零相位数字滤波器的工作原理，实现零相位ＩＩＲ数字滤波器主要分为两部 分：（１）设计ＩＩＲ数字滤波器； （２）将信号通过ＵＲ滤波器滤波后在时域翻转，将滤波后的信号经过ｍｔ滤波器 再次滤波，将滤波后的结果再次翻转，得到零相位ＨＲ．滤波器的结果。 因此，设计零相位ＨＲ滤波器的首要工作是设计一个合适的Ⅲｔ数字滤波器。由于本课题研究的心电数据来自美国ＭＩＴ－ＢＩＨ数据库中心律失常数据库和欧 洲ＳＴ数据库，根据美国标准该数据中的工频干扰是６０Ｈｚ及其倍频干扰，同时心电信号９９％的能量集中在０．０５～４０Ｉ－Ｉｚ，而巴特沃斯滤波器在通带内有最平坦的幅度特性，因此本文中设计了一个８阶巴特沃斯ＩＩＲ带通滤波器，通带范围为０．７～４０Ｉ－Ｌｚ， 希望同时滤除心电信号中的低频、高频和工频干扰．Ｉ／Ｒ滤波器的传递函数为：酢，＝篙毫簪等等０．２８２８１，０．１７８４５。滤波器的幅频特性如图２．２所示。ＱＪ乃式（２．１７）ｑｊ系数ｂ０，巩，…，魂分别为：０．４２２３９，０，－１．６８９６，０，２．５３４４，０，－１．６８９６，０，０．４２２３９：系数ａｌ，ａ２…，ａｓ分别为：－１．５８７２，．１．１８５，１．９３０５，１．３８，．１．２３５６，－ｏ．７６３９５，设计好ＨＲ滤波器以后，根据图２．１所示零相位滤波器的工作原理，将需要滤 除噪声干扰的心电信号通过ＩＩＲ滤波器，然后将ｆＩＲ滤波器滤波后的信号经过时域 翻转，再次通过ＩＩＲ滤波器并将滤波结果再次在时域内翻转，便实现了零相位ｆＩＲ 滤波器滤波。Ｆｉ８２．２ｔｈｅⅫ１ｐ１．栅ｅ盘１鹎啦ｌＩｃｙ坤ｓｐ哪辩ｅ删ｃｓｂａｎｄ－ｐａｓｓ ｆｉｌｔｅｒｗｉｔｈ ｅｉｇｈｔ ｓｔｅｐｓ１４图２．２ ８盼Ｂｔｍｅｒｗｏｒｔｈ带通滤波器幅频响应特性ｏｆＢｕｔｔｅｒｗｏｒｔｈ重庆大学硕士学位论文２心电信号预处理２．３．３零相位ＩＩＲ数字滤波器的性能分析现以欧洲ＳＴ－Ｔ心电数据库中数据为例，分析本文设计的零相位Ⅲｔ数字滤波器的性能。图２．３（ａ）为取自欧洲ＳＴ－Ｔ数据库中记录ｅ０１ １３中一段原始心电波形，从图中可以看出信号中含有基线漂移和少量的高频干扰，由于原始心电信号工频干扰并 不是缀严重，因此在实验中我们人为地加上了６０Ｈｚ的工颓干扰，以验证滤波器同时能够滤除工频干扰的能力。图２．３∞为加上６０Ｈｚ工频干扰的波形，图２．３（ｃ）为采用零相位ｌＩＰ．滤波器滤波以后的波形图。从图２．３（ｃ）中可以看出，本文中设计的零相 位滤波器不但消除了基线漂移，工频干扰，同时对比图２．３（ａ）也可以看出，在２．３（ａ） 中一些由于高频干扰产生的毛刺也被滤除了，说明滤波器有较好的消除低频、高频 和工频干扰的能力。同时由于使用的零相位滤波器，滤波后信号没有产生时延。这也是零相位滤波器较之其他滤波器的一个较大的优越性．图２．３（ａ）原始信号波形；∞加６０ＨｚＩｇｉ：Ｐ扰后的信号波形；（ｃ课用零相位滤波器滤波后的信号波形ｒｉ９２．３（丑）ｔｈｅｏｒｉｇｉｎａｌＥＣＧｗａｖｅ；（ｂ）ｔｈｅＥＣＧｗａｖｅｗｉｔｈ ６０ＨｚＰｏｗｅｒ－ｌｉｎｅｉｒｄｇ，ｌ＇ｆｅｒｆｆｌｌｅ．，ｅ ｆｒｅｑｅｅｎｃｙ；Ｃｃ）吐ＩｅＥ０３ｗａｖｅ：ｆｉｌｔｅｒｅｄｕｓｉｎｇｔｈｅＺｅｒｏ－ｐｈａｓｅｔ）ｉｇｉｔａｌＦｉｌｔｅｒ为了进一步验证滤波器的滤波效果，将信号滤波前后的信号作频谱分析如图２．４所示．２．㈣表示原始心电信号的频谱；２．４∞表示加了６０Ｈｚ工频干扰以后信号的频谱；２．４（ｃ）表示滤波以后信号的频谱。原始心电信号由于低频干扰，有严重的基线漂重庆大学硕士学位论文２心电信号预处理移，从频谱图２钗ａ）中可以看出，在０～０．５Ｈｚ之间含有幅值高于１７０的频率成分， 在Ｏ～Ｏ．１Ｈｚ之间的值甚至更高，而在６０Ｈｚ处幅值约为３，工频干扰不是很严重； 从图２．４（ｂ）中可以看出，加上工频干扰以后，６０Ｈｚ处的频谱幅值约为７０，信号中含有较严重的工频干扰；从图２．４（ｃ）中可以看出，滤波后的信号在０～０．５Ｈｚ之间的低频成分幅值已经衰减到小于５，而图２．㈧中０．６Ｈｚ处原本大于５０的频谱幅值在图２．４（ｃ）中已经被抑制到低于２０了；而原本图２．郇）中６０Ｈｚ处频谱幅值为７０的工频干扰成分在图２．４（ｃ）００已经衰减到低于ｌ，在６０Ｈｚ附近的频谱值已经衰减到接近于Ｏ。图２．４（８）原始心电信号频谱图：＠加６０Ｈｚ工频干扰以后的心电信号频谱图；（ｃ）滤波以后的心电信号频谱图Ｆｉｇ２．４（丑）ｔｈｅ ｓｐｅｃＵｕｍ ｏｆｏｒｉｇ讥ｄｐｏｗｅｒ－ｌｉｎｅＥＣＧｓｉｇｎａｌ；（ｂ）ｔｈｅ ＥＣＧ ｓｐｅｃ劬ｎ ｗｉｔｈ ６０Ｈｚｉｎｔｅｒｆｅｒｅｎｃｅ矗ｌ；ｑＩⅫ叼．（１：）ｍｃ ＥＣＧ ｓｌ，ｅｏｎ∞ａｆｔｅｒｆｉｌｌｅｒ由图２．３、２．４的分析可以得出结论，本文中设计的零相位带通滤波器，通过一 次滤波同时滤除了信号中的低频、高频和工频干扰，取锝较好的滤波效果。 为了验证滤波器的性能及对ｓＴ段的影响，采用了如图２．５（ａ）所示三角波信号来 模拟ＱＰ．Ｓ波，水平直线模拟ｓＴ段和等电位，通过在三角波上４１，Ｎ低频正、余弦信重庆大学硕士学位论文２心电信号预处理号来模拟基线漂移，以滤波后信号与原始信号的相关系数和均方根误差作为检验指 标。相关系数计算式为：Ⅳ∑（毛－ｘ）?“一－），＝一（２．Ｉｓ）均方根误差计算式为；艿＝专防叫叻其中五表示滤波前后信号各点的测量值，只表示标准三角波信号值，ｘ、Ｙ表 示对应信号均值。如果滤波前后相关系数接逐于ｌ，且均方根误差趋予０，说明滤波 后的信号接近原始信号，滤波器可以有效地滤除基线漂移，且对ＳＴ段影响较小．图２．５（ａ）标准三角波信号模拟的Ｅ（好信号；＠加模拟基线漂移的Ｆ－．ＣＧ信号；（ｃ］随波后信号Ｆｉｇ２．５（ａｙｄｌｅ Ｆ把Ｏｓｉｇｎａｌ ｓｉｍｕｌａｔｅｄ ｂｙ ｔｈｅ ｂａｓｅｌｉｎｅｎｏｒｍａｌ蚓ｃ１７ｗａｖｅ；Ｃｏ）ｕｌｌｅＥＣＧ啦删ｗｉｆｌｌｗｍｄｅｆ；（ｃ）ｔｈｅ Ｅ（Ⅺｓｔｇｎａｌ ａｆｔｅｒ ｆｉｌｌｅｒ重庆大学硕士学位论文２心电信号预处理构造三角波信号模拟原始心电信号，长度总共为１０Ｓ，采样率为２５０Ｈｚ，模拟 心电信号心率６０ｂｍｐ／ｍｉｎ，由予正常心电信号ＱＲＳ波宽为６０～１００ｍｓ，Ｓ波的宽度 为Ｏ－６０ｍｓ，ＳＴ段为０．－１５０ｍｓ，因此实验中每个三角波宽取ｌＯＯｍｓ，每波间隔９００ｍｓ， 将三角波顶点作为Ｒ波峰值点，取Ｒ＋１５０ｍｓ处作为ＳＴ段电平测量点。模拟基线漂 移采用式（２．２０）的低频正、余弦信号叠加，调节式＜２．２０）中低频信号的幅值Ａ、Ｂ或 频率峨、奶，就可以模拟出不同的基线漂移。ⅣＯ）＝Ａｓｉｎ（ｗｌｔ）＋Ｂｃｏｓ（００２ｔ）ｒ２ ２０１图２．５（ａ）、（ｂ）、（ｃ）分别为由标准三角波信号模拟的原始ＥＣＧ信号，加模拟基线 漂移的ＥＣＧ信号和采用零相位滤波器滤波后的结果。模拟基线漂移为式（２．１８）中Ａ；Ｖ４、Ｂ＝１／６、峨＝２、ｏＪ２＝１的取值。现改变式（２．２０）中各参数Ａ’Ｂ、铂、％，分别取不同的值来模拟多种基线漂 移。根据式（２．１８）、（２．１９）来计算不同基线漂移影响的ＥＣＧ信号、ＳＴ段滤波前后同原始ＥＣＧ信号、ＳＴ段的相关系数和均方根误差。计算结果如表２．１所示。表２．１受不同基线漂移影响的ＥＣＧ信号、ＳＴ段在滤波前后与原始 ＥＣＧ信号、ＳＴ段的相关系数和均方根误差Ｔａｂｌｅ ２．１ Ｃｏｒｒｅｌａｔｉｏｎ Ｃｏｅｆｆｉｃｉｅｎｔ ａｎｄ ＲｏｏｔＭｅａｎＳｑｕａｒｅ Ｅｒｒｏｒ ｏｆｔｈｅ ＥＣＧｓｉｇｎａｌ，ＳＴｓｅｇｍｅｎｔ ｓｕｆｆｅｒｅｄ ｓｅｖｅｒａｌｂａｓｅｌｉｎｅｗａｎｄｅｒｂｅｆｏｒｅａｎｄａｆｔｅｒｆｉｌｔｅｒ滤波前 记 模拟ＥＣＧ信号 相关系 录 数Ｙ０。８５１６０．６３９２ ０．６８５１ Ｏ．９７００ Ｏ．１１７３滤波后 模拟ＥｃＧ信号 相关系 数，，０９９９７ Ｏ．９９９７模拟ＳＴ段电平 相关系 数，， 均方根 误差万ｏ．０６７５模拟ＳＴ段电平 相关系 数ＹＯ．９７Ｓ４ ０．９９９４ ｏ．９９８４均方根 误差占Ｏ．００Ｓ４ ０．Ｏ１０９ Ｏ．Ｏ１０４ ｏ．００７３ ０．０５３５均方根 谡差万ＯＪＤ０７００．００７０均方根 误差万Ｏ．Ｏ００１记录ｌ 记录２ 记录３ 记录４ 记录５ｏ．Ｓ５６９０．８１８９０．１３５７ Ｏ．１１９４ ０－０２８３ ０．８３２０Ｏ．Ｏ∞２Ｏ．０１２４ ５．９４ｅ－７ Ｏ．０１１１０．“２５ｏ．９８７２ ０．１０７２０舯４３Ｏ．９９９７０舯７ｌｏ．００７００．９９９８ ０．９９８９０．嗍Ｏ．００７１表２．１中记录ｌ～５模拟基线漂移的参数取值如下：记录ｈ Ａ－－ｌ／４，Ｂ－－－－Ｉ／６，ｑ＝２、吃＝１；记录２：Ａ＝ｌ／３，Ｂ＝ｌ／２，ｑ＝０．８、吃＝２；Ｉｌ重庆大学硕士学位论文２心电信号预处理记录３：Ａ＝ｌ／２，Ｂ＝Ｉ／６，ｑ＝０．６、吼＝４：记录４：Ａ＝Ｉ／￥，Ｂ＝０，ｑ＝１、吃＝６； 记录５：Ａ－＝ｌ／６，Ｂ＝ｌ／４，ｑ＝４、吐＝０．８； 为了更直观的体现出滤波前后ＥＣＧ信号、ＳＴ段与原始ＥＣＧ信号、ＳＴ段的相关性和均方根误茇，将表２．１的计算结果用折线图表示如图２．６所示．图２．６（ａ）滤波前后ＥＣＧ信号与原始ＥＣＧ信号相关系数对比ｆ秭滤波前后ｓＴ段与原始ｓＴ段相关系数对比；∞滤波前后ＥＣＧ信号均方根误差对比；（ｄ）滤波前后ｓＴ段均方根误差对比Ｆｉ９２．６（ａ）ＣｏｍｐａｔｉｓｉｏｎｉｎＣｏｒｒｅｌａｔｉｏｎＣｏｅ商ｉｃｉｅｎｔｏｆ触ＥＣＧｓｉｇｎ面ｗ斑１ｂａｓｅｌｉｎｅｗａｎｄｅｒｂｅｆｏｒｅａｎｄａｆｔｅｒｆｉｌｔｅｒａｎｄｔｈｅｏｒｉｇｉｎａｌＥＣＧ ｓｉｇｎａｌ；Ｃｏ）ＣｏｍｐａｒｌｓｉｏｎｉｎＣｏｒｒｅｌａｔｉｏｎＣｏｅｆｆｉｃｉｅｎｔｏｆｔｈｅＳＴｓｅｇｍｅｎｔｂｅｆｏｒｅａｎｄａｆｔｅｒｆｉｂｅｒａｎｄｔｈｅｏ啦删ＳＴｓｅｇｍｅｎｔ；（ｃ）ＣｏｍｐａｒｉｓｉｏｎｉｎＲｏｏｔＭｅａｎＳｑｕａｒｅＥｒｒｏｒｏｆ吐ｈｅＥＣＧｓｉｇｎｌｌｂｅｆｏｒｅａｎｄａｆｔｅｒ矗ｔ嘲；（ｄ）ＣｏｍｐａｒｉｓｉｏｎｉｎＲｏｏｔＭｅａｎＳｑｕａｒｅＥｒｒｏｒｏｆｔｈｅ ＳＴ ｓｅｇｍｅｎｔ ｂｅｆｏｒｅ ａｎｄ ａｆｔｅｒ ｆｉｌｔｅｒ重庆大学硕士学位论文２心电信号预处理从图２．６中受５秘不同基线漂移影响的ＥＣＧ信号和ＳＴ段滤波前后结果对比可 以看出：滤波前由于受基线漂移影响，无论是整个ＥＣＧ信号还是ＳＴ段，与原始信号的相关系数都偏小，相关性较低，而均方根误差偏大，说明基线漂移对整个ＥＣＯ信号和ＳＴ段造成了干扰，如果不消除这些干扰，极可能对ＥＣＧ信号、ＳＴ段的分 析产生影响；丙滤波后低频基线漂移得到很好的抑制，无论是整个Ｅ（沿信号还是 模拟ＳＴ段，与原始信号的相关系数都很接近ｌ，而对应的均方根误差也大大减小， 趋近于０。同时，对比实验中模拟的５种不同的基线漂移滤波前后结果，从图２．６ 中可以看到，由记录４模拟的基线漂移，滤波前后ＥＣＧ信号和ＳＴ段相关系数比较 接近于ｌ，而均方根误差也趋予０，是由于记录４模拟的基线漂移幅度小、频率低， 因此对信号的影响不严重。而由记录５模拟的基线漂移，由于幅值和频率都较大， 因此在滤波前对ＥＣＧ信号和ＳＴ段影响比较严重，与原始ＥＣＧ信号和ＳＴ段相比， 其稿关性极低，ＥＣＧ信号的相关系数只有ｏ．１１７３，ＳＴ段相关系数只有０．１０７２；而均方根误差相对较大，ＥＣＧ信号的均方根误差为０．０５３５，ＳＴ段均方根误差达到了０．８３２０；但是在滤波以后，整个ＥＣＧ信号和ＳＴ段与原始ＥＣＧ信号、ＳＴ段的相关 系数均接近与ｌ，分别为０．９９４２和０．９９８９，同时均方根误差大大减小，分别为Ｏ．００７ｌ和０．０１１１。根据对５种不同的基线漂移影响的模拟ＥｃＧ信号和ＳＴ段滤波结果，可以得出 结论：本文设计的零相位滤波器不仅能够有效的抑制低予０．７Ｈｚ的不同频率的基线 漂移，并且对ｓＴ段影响极小，尽可能地保持了原始有用信号。２．４小结本章在参考国内外心电信号滤波器研究的基础上，针对心电信号常见的几种予 扰，从本课题实际研究的需要出发，根据零相位滤波器原理，设计了一种ｆＩＲ型的 ８阶Ｂｕｔｔｅｎｖｏｒｔｈ零相位带通滤波器，依据心电信号的特点，选择合适的通带频率， 使其能够同时滤除心电信号中的低频、高频和工频干扰。经过具体实验分析，本文 设计的滤波器，结构合理，滤波效果好，计算量小，速度快，而且因为零相位滤波 器特有的性能，没有时延。通过采用三角波模拟心电信号，叠加正、余弦函数模拟 基线漂移实验，验证本文中设计的零相位滤波器在有效滤除低频干扰的同时，能够 极好的保持ＳＴ段原有的形态弼不受影响，为本文后面章节的分析打下基础。重庆大学硕士学位论文３心电信号特征点检测３心电信号特征参数检测３．１引言心电波形主要有Ｐ、Ｑ、Ｒ、Ｓ、Ｔ波组成，心电波形识别就是指心电特征波形中各个相关特征点的识别，并从中提取该特征波形的起始、终止位置，波形的振幅、 形态，ＳＴ段的幅度等参数。波形的检测识别和参数提取是心电自动分析技术的关键， 其准确性和可靠性决定着整个诊断的效果，甚至涉及到挽救病人生命的成败。在心电波形的检测中，ＱＲＳ波检测是ＥＣＧ信号分析检测的关键和重要组成部分，也是其它细节部分口波、Ｔ波、ＳＴ段等）检测与分析的重要依据，其它各波、段的检测 都是建立在正确检测ＱＲＳ波基础上的，只有确定了ＱＲＳ波的位置，才能进行ＥＣＧ其它特征点的检测。３．２基于时域分析的ＱＲＳ波检测３．２．１Ｒ波检测由于目前ＱＲＳ波检测算法已经比较成熟，也不是本课题研究的重点，同时本实验室在Ｒ波检测方面已经研究出比较好的算法，因此本文采用了文献【４８仲所述基予幅值和斜率的可变双阙值Ｒ波检测算法原理，对ＥＣＧ信号Ｒ波进行检测。该检 测方法为：先在待分析数据中选取样本数据，通过一个自学习过程，找出该样本数 据的所有极大值，并确定该样本数据的最大幅值及其上升斜率最大值（正值）和下降 斜率的最小值（负值），再求出样本中所有大于最大幅值一定比例的极大值的平均值， 同时求出样本中所有大于上羚斜率最大值一定比例的上升斜率的平均值和所有小予 下降斜率最小值一定比例的下降斜率的平均值，上述三值分别乘以一个系数作为判 断Ｒ波的阈值，然后找出待分析心电数据的所有极大值，对其进行幅值判断，在满 足幅值判断的条件下进行斜率判断。当斜率条件也满足时，则认为Ｒ波已检测到； 为防止有漏判，采用“回溯，’毫乏术，也就是要对数据进行二次检索，此时所有的阈值 都要降低一个水平，从而找出被遗漏的Ｒ波；为防止Ｒ波的误检，算法中利用了“不 应期的概念，杜绝了在这个时间内同一个ＱＲＳ波上的多触发的误检。３．２。２０波、Ｓ波检测在已经正确检测到Ｒ波的基础上的，本文中Ｑ、ｓ波的检测采用的是局部极值 和局部变换方法。其中局域变换思想是首先选取包含待测波特征点的一个子段，（ｎ行Ｅ［ｎｏ，％１，ｎｏ，％是根据?ｔｌ，Ｅｇ波形各波段的特性选取的。其次以‰，Ｋ为首、末两个端点作一条直线，求出它的直线方程：重庆大学硕士学位论文３心电信号特征点检测ｙ（功：《‰）＋Ｏ一‰）墨墨上２：竺止‰一‰（３．１）最后我们做变换方程为Ｄ（砂＝｜Ｊ删一《圳，如图３．１所示，心电信号的各波特征点（Ｐｏ，Ｐｅ，Ｑ０，ｓｃ，Ｔｏ，Ｔｃ）是不同斜率波段连接的结点，其中Ｐｏ是Ｐ波与等电 位线的结点，Ｒ是Ｐ波与ＰＱ段的结点，Ｃｂ是ＰＱ段与ＱＲＳ波的结点，Ｓ。是ＱＲＳ 波与ｓＴ段的结点，也即Ｊ点，Ｔｏ是ｓＴ段与Ｔ波的结点，Ｔｃ是Ｔ波与等电位线的结点，实际上它们就是一个个拐点。我们知道曲线的拐点到曲线两端点间直线的距离最大，因此Ｄ＠）最大值点就是特征点的位置。图３．１心电特征点的定义Ｆｉｇ．３．１ Ｄｅｆｉｎｉｔｉｏｍ ｏｆＥｌｅｃｔｒｏｃａｒｄｉｏ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐｏｉｎｔ本文中Ｑ波、ｓ波的蜂值点是按照局部极值法求得。从已检测到的Ｒ波所在位 置前后一定范围内搜索各波的极值点，得到Ｑ波、Ｓ波的峰值点．Ｑ波搜索区间为Ｒ波之前７０ｍｓ到１０ｍｓ，Ｓ波的搜索区间为Ｒ波之后１０ｍｓ到７０ｍｓ。在Ｑ、Ｓ波峰值点检测到后，再根据局域交换的思想提取Ｏ波的起点和Ｓ波的终点。Ｑ波起点搜索区间为Ｑ波前４０ｍｓ至０ Ｑ波蜂值点，Ｓ波终点搜索区间为Ｓ波峰值点到Ｓ波后４０ｍｓ。３．３基于函数拟合的改进的Ｐ波、Ｔ波检测算法在ＥＣＧ信号中，Ｐ波和Ｔ波的幅度小，频率低，难以将干扰和噪声分离，因此 较ＱＰ．Ｓ波的检测更为困难。通常Ｐ波、Ｔ波的检测是在ＱＲＳ波定位之后进行的； 在ＱＲＳ波之前的一段时间间隔之内检测Ｐ波，在ＱＲＳ波之后的一段时间之内检测 Ｔ波。目前对ＥＣＧ信号Ｐ波和Ｔ波的检测仍然是一个未能很好解决的问题。３－３．１常用Ｐ波检测方法Ｐ波在心电图中是心电曲线的第一个波，如图３．１所示。Ｐ波由心房的除极产生， 为左右心房除极的混合波，持续时间一般为０．０４～０．１１秒。在心电图的计算机自动 分析中，各种Ｐ波异常、Ｐ－Ｒ间期异常以及心律失常的诊断和分析都有赖于Ｐ波的 正确识别和定位；另外，在心电图分析中还常将ＰＲ段作为等电位线，从而判断心重庆大学硕士学位论文３心电信号特征点检测电图中其他波、段是否异常。因此正确的识别和定位Ｐ波在心电图的计算机分析中 显得尤为重要。由于Ｐ波幅度小，频率低，特征点不明确，容易被噪声和干扰淹没，发生病变时也有可能和Ｔ波混叠，这些问题都给Ｐ波的计算机识别带来了一定的困 难．目前常用的Ｐ波检测方法有局部极值和局部交换法嗍、斜率域值法网、函数拟合法【５ｌ－ｓ２ｌ、小波变换法和神经网络法ｉｓ３侧。其中文献【４９】所提局部极值和局部变换 方法与前面Ｑ波、Ｓ波特征点定位方法相同，首先在Ｒ波之前的一个时间段之内搜 索局部极大值，认为该处为Ｐ波的峰值点，然后在Ｐ波峰值点前后一个时间段之内 分另Ⅱ采用局部变换得到Ｐ波的起点和终点。该方法简单方便，但是抗干扰能力极差； 文献［５０ｌ所提斜率域值法检测Ｐ波与检测Ｒ波的原理相同，均是利用其峰值点附近 斜率突变，出现斜率极大值和极小值的特征来进行检测，但是由于Ｐ波的斜率特征 并不是很明显，甚至有时候根本没有Ｐ波，导致这种方法经常会失效；文献【５１】所 述函数拟合法通常是选取和Ｐ波形态相似的二次函数，按照某种方式去逼近它，使 拟合误差达到最小，该方法的抗干扰能力较强，但是需要准确的选取拟合区间，否 则仍无法正确识别Ｐ波；文献［５３４４１采用的小波变换法需要将原始信号进行多尺度 分解，而文献［５５１采用的神经网络法则需要首先选取～定数量的样本，对样本训练 以后再进行判断，这两种方法一般都能够取得较好的结果，但是计算量都相对较大， 且计算比较复杂；本文在总结以上各方法优缺点的基础上。提出了一种基于最优区阅醋数拟合的Ｐ波识别方法。３．３．２二次函数拟合Ｐ波算法原理由于Ｐ波的形态和二次函数曲线很相似，因此可以用二次函数必功＝ａｏ＋ａＩ协一Ｘｏｒ 来拟台Ｐ波，如图３．２所示。ｎ’、 、。’一，图３：２二次函数拟合Ｐ波示意图 Ｆｉ９３．２Ｔｈｅ ｓＩ＠ｃｈｔｏａｐｐｆ鼬ｄｌＰｗａｖｅｗｉｔｈ嘲ｃＩｉｃ重庆大学硕士学位论文３心电信号特征点检测将Ｐ波看成关于峰值点对称的一段二次曲线，首先需要确定二次函数的参数 ａｏ，口ｌ。设ｒ为心电数据上对应‘到‘个点的采样值，将二次函数．），（曲对Ｐ波按最 小二乘法原理逼近，则有：●ＩＥ＝芝恁一如）】２＝量ｋ一嘞一ｑ“一吒）】２ 魄 魄（３．３）其中‘、‘对应于Ｐ波峰点前后等间距的两个点，屯对应于Ｐ波的峰值点，Ｅ为拟合误差平方和。根据最小二乘法原理，３．３式中Ｅ最小时，二次函数与Ｐ波最 为逼近，此时将３３式分别对％，ａ。求偏导，并令各自的偏导数为零：里旦：０Ｏａ。（３．４）．０―Ｅ――：＝００ａ１（３．５）联合（３．４）、（３．５）两式解出ａｏ、口ｌ，从而得到二次函数曲线ｙ（对。取‘、‘处对 应幅值的平均值作为心电参考等电位ｃ，将Ｊ。处的值减去等电位ｃ，就可以得到Ｐ波 的幅值。同时将二次函数ｙ（ｘ）减去ｃ并令其为零，即：ｙ∽一ｃ２０解出３．６式的两根作为Ｐ波的起点和终点，两根之差为Ｐ波的宽度。（３．６）３．３．３改进的基于最优区间函数拟合的Ｐ波检测算法用二次函数拟合Ｐ波，拟合区间位置的选取是影响函数拟合准确性的关键，通 常选取Ｒ波之前的一段时间作为函数的拟合区间。由于不同的心电波形Ｐ波的位置和形状差别都很大，尤其是在心率变化较大的时候，Ｐ波与Ｒ波之间的距离变化很大，如果对所有的心电波形都用同一个到Ｒ波距离相同的区间去拟合，显然得到的结果是不理想的。因此，我们提出一种从变化拟合区间中寻找最优拟合区间的思想。 函数拟合区间的选取如图３．３所示。首先，在Ｒ波峰值点前五到乃时刻之间的时间段Ｌ。内搜索局部极大值只，认 为Ｐ＿出现的地方是Ｐ波峰值的大致位置。而实际中由于干扰的存在，己并不一定 是Ｐ波真正的峰值点，真正的峰值点可能存在只附近的一段时间内。因此我们选取 己前后一个时间段Ｌ：作为Ｐ波的临时峰值区间，将此区问内的所有采样点均看作是 Ｐ波的峰值点，称之为临时峰值点。以每一个临时峰值点只作为二次函数的顶点， 再分别取前后一个时间段Ｌ，作为拟合区间对Ｐ波进行函数拟含。显然，取不同的 临时峰值点只时，函数拟合区间ｚ＿的位置是变化的。在每一个拟合区间ｚ－－３上，二 次函数按最小二乘法逼近Ｐ波，得到拟合误差Ｅ，取所有变化区间内拟合误差Ｅ最重庆大学硕士学位论文３心电信号特征点检测小时对应的区间作为Ｐ波的最优函数拟合区间，将该区问内拟合得到的Ｐ波起点、终点和峰值点分别作为当前心动周期Ｐ波特征点。（ｂ）一图３．３函数拟和区间示意图（ａ）Ｐ波极大值搜索区间；（ｂ瑚定临时峰值区间；（ｃ）选取临时峰值点；（ｄ）以临时峰值点为中心的函数拟合区间Ｆｉｇ ３．３ Ｔｈｅ ｓｋｅｔｃｈ ｏｆａｐｐｒｏｘｉｍａｔｉｎｇ ｆｕｎｃｔｉｏＩｋｑ ｒｅｇｉｏｎ ｓｅａｒｃｈｅｄ ｒｅｇｉｏｎ ｏｆＰＣａ）ｔｈｅｗａｖｅ ｍａｘｉｍｍ；（ｂ）ｃｏｎｆｈ＇ｍ ｔｈｅ ｒｅｇｉｏｎ ｏｆｌｉｌｅ ｔｅｍｐｏｒａｒｙ ｍａｘｉｍｕｍ；（ｃ）ｓｅｔｅｃｔｔｈｅ ｐｏｉｎｔ ｏｆｔｈｅ ｔｅｒａｐｏｒａｒｙｍａｘｉｍｕｍ；（ｄ）ｔｈｅ叩伊ｍ凼删Ｉ塔ｆｈｎｃ６０ｆＥ ｒｅｇｉｏｎｃｅｎｔｅｒｒｅｇａｒｄ ｔｈｅ ｔｅｍｐｏｒａｒｙ ｍａｘｉｍｕｍ ｐｏｉｎｔ ａｓ一个心跳周期Ｐ波检测过程如下： １）采用基于时域分析的幅值．斜率联合判断方法，检测出每个心跳周期的Ｒ波； ２）搜索Ｐ波可能存在的大致位置。由于Ｐ波峰值点为一个局部极值点，而正常心电图中的Ｐ－Ｒ问期一般为０．１２～０．２０ｓ，因此在Ｒ波之前的一个时间段％内，用局部极值法搜索局部极大值，认为局部极大值出现的位置即为Ｐ波峰值的大致位重庆大学硕士学位论文３心电信号特征点检测置，记为只。其搜索区间Ｌ。为阵２５０加ｓ，Ｒ―１００ｎ岱】；３）确定临时峰值区间Ｌ，。由于Ｐ波的宽度为４０ｍｓ～ｌｌＯｍｓ，因此我们将搜到的 极大值点己前后２０ｍｓ共４０ｍｓ的时间段作为临时峰值区间ｚｋ，将该区间内的点称 为临时峰值点只，认为Ｐ，是Ｐ波真正峰值点可能存在的位置； ４）确定函数拟合的区间Ｌ，．将临时峰值区间Ｌ：内的每一个点只作为Ｐ波的 顶点，将只前后各５５ｍｓ（由于Ｐ波的宽度为４０ｍｓ～ｌｌＯｍｓ）共ｌｌＯｍｓ的时间段作 为函数拟合的区间Ｌ，．值得注意的是，这里的尸，实际上是区间Ｌ，内的各个点，因 此对于实际存在的每一个Ｐ波，我们都给它确定了多个函数拟合的区间，区间的个 数为区间Ｌ，内的点Ｐｆ的个数； ５）滑动区间拟合Ｐ波。在前面确定了Ｐ波的各个拟合区间Ｌ，的基础上，我们 对每一个区间上的Ｐ波都用一段二次函数曲线去进行拟合。由于Ｐ波的宽度为 ４０ｍｓ～ｌｌＯｒｎｓ，Ｐ波的高度不超过０．２５ｍＹ，因此在对Ｐ波进行拟合时，如果在某个 区间上通过拟合得到的Ｐ波的幅值大于０．２５ｍＶ，则认为此次拟合是无效的，将Ｅ，记 为．１，在此区间的拟合结束，循环进行到下一个拟合区间；如果在某个区阿上通过 拟合得到的Ｐ波的幅值满足条件，则继续判断Ｐ波宽度是否也满足４０ｍｓ～１１０ｍｓ 的条件，如果宽度条件不满足，同样认为此次拟合是无效的，也将Ｅ，记为．１，在此 区间的拟合结束，循环进行到下一个拟合区间；如果Ｐ波的幅值和波宽都满足条件， 则认为此次拟合是有效的，求出此次拟和的误差Ｅ，； ６）判断有无Ｐ波。将各次拟合得到的Ｅ，进行判断，如果对当前Ｐ波的所有Ｅ， 都小于零，则认为当前心动周期中无Ｐ波；如果当前Ｐ波的所有Ｅ，不是都小于零， 则为当前心动周期中存在Ｐ波；对于无Ｐ波的心跳周期，不再求Ｐ波的特征点； ７）确定Ｐ波的最优拟合区间。本文用二次函数来拟合Ｐ波，是将Ｐ波看作一 段二次曲线，我们认为在理想的情况下，如果Ｐ波与二次曲线完全拟合，那么拟 和误差Ｅ等于零。对于有Ｐ波的心跳周期，比较判断找出Ｅ，最小（此时Ｅ，是大于 零的）的那一次拟合，将此次拟合认为是所有拟合中二次函数与Ｐ波最为逼近的一 次，此时得到的Ｅ．认为是该次心跳中二次函数与Ｐ波的拟和误差Ｅ，将此次拟合的 区问Ｌ，定为当前Ｐ波的最优拟合区间。 ８）求Ｐ波特征点。将在最优拟合区间上拟合得到的Ｐ波的起点、终点作为当 前Ｐ波的起点和终点，将最优拟合区间上的临时峰值点只作为Ｐ波的峰值点。 整个算法实现过程如图３．４所示．重庆大学硕士学位论文３心电信号特征点检测心电原始信号在区间Ｌｌ内搜索极大值气， 确定临时峰值区间Ｌ， 确定函数拟合区问瓦 循环移位到下一个拟合区间Ｔ循环移位到下 一个拟合区间否定拟合函数，求出参考等电位 Ｐ波幅值满足条件？Ｉ 离是否对每～个区 间都已经拟合？二二］［Ｐ波宽度满足条件？ 求出拟合误差Ｅ 是否对每个区间都已经拟合是 否比较拟合误差．求出拟合误差 最小值。确定最优拟合区阔 将最优拟合区间上拟合得到的Ｐ波起点、 终点分别作为Ｐ波真正的起点和终点图３．４算法流程图 Ｆ电３．４Ｔｈｅ ａｌｇｏｆｉ血ｍ ｐｒｅｃｅｓｓｉｎｇ ｆｌｏｗ３。３．４Ｐ波检测算法实验结果及可靠性验证为了验证本文所提Ｐ波检测方法的准确性，以及各种参数选择对不同采样率心电信号的合理性，本文采用美国麻省理工学院提供的ＭＩＴ－ＢＩＨ心电数据库中心律失常数据库和欧洲ｓＴ数据库两种不同采用率的数据对算法进行了大量的实验验证，整个算法过程由Ｍａｔｌａｂ语言编程实现。ＭＩＴ－ＢＩＨ心律失常心电数据库数据采样率为 ３６０Ｈｚ，采样精度为１１位，每个记录数据长度为３０分钟；欧洲ＳＴ心电数据库数据 采样率为２５０Ｈｚ，采集精度为１２位，每个记录数据长度为２小时，包含了２通道的 数据。数据库申每个数耀都由心电医学专家对每个心博作出识别和标注，因此对算 法的准确度评估非常关键。 下面给出几例Ｐ波检测结果图。对于每一例数据，我们只给出了部分数据段的 分析结果，图中每个心电波形从左至右三条短竖线分剔表示用本文算法得到的Ｐ波 起点、峰值点和终点；如果算法判别心电波中无Ｐ波，则不作标记。图３．５为本文 算法对欧洲ＳＴ心电数据库中记录ｅ０１６１两种不同形态的心电波形Ｐ波检测结果，重庆大学硕士学位论文３心电信号特征点检测其中图３．５（ｂ）中含有一定的噪声干扰。图３．５欧洲ＳＴ－Ｔ心电数据库ｅ０１６１记录Ｖ４导联分析结果（ａ）２９７０～２９７５秒；㈣７５０～３７５５秒Ｆｉ９３．５ｔｈｅａｎａｌｙｓｉｓｒｅｓｕｌｔｓｏｆｌｈｅｅ０１６１ｒｅｃｏｒｄＶ４ｌｅａｄｓｈａｏｌｅＥｌ加ｐ％ＳＴ－ＴＤａｔａｂａｓｅ（ａ）２９７０～２９７５ ｓｅｅｏｎｄｓ；（ｂ）３７５０－－３７５５ｓｅｃｏｎｄｓ图３．６所示为心律失常数据库中部分数据的Ｐ波识别结果。其中图３．６（ａ）是１００ 记录的分析结果，该记录中Ｐ波的峰值点附近由于干扰造成一些小的尖峰，而该数 据的分析结果并没有将尖峰点处判为Ｐ波峰值点，表明本算法具有一定的抗干扰能 力；图３．６（ｂ）是１１３记录的分析结果，该数据的分析结果表明本算法对小Ｐ波的识 别也能取得较好的效果；图３．６（ｃ）、图３．６（ｄ）分别为１２３和２３３记录的分析结果，图 ３．６（ｃ）中的瞬时心率只有５０ｂｍｐ左右，而图３．６（ｄ）中的瞬时心率达到了１００ｂｍｐ，用 本算法对这两个数据分析均能得到较满意的效果．重庆大学硕士学位论文３心电信号特征点检测图３．６（ａ）１００记录分析结果（１５０～１５５秒）：（ｂ）１１３记录 分析结果（１５０～１５５秒）；（ｃ）１２３记录分析结果（２４７～２５２秒）； （ｄ）２３３记录分析结果（２４７～２５２秒） Ｆ．晷３．６（ａ）１ｋｒｅｓｕｌｔｓｏｆｔｈｅｌ００ｒｅｃｏｒｄ（１５０～１５５ ｓｅｃｏｎｄｓ）；（ｂ）Ｔｈｅ ｒｅｓｕｌｔｓｏｆｔｈｅｌｌ３ｒｅｓｕｌｔｓ ｏｆｔｈｅ １２３ｒｅｃｏｒｄ（１５０～１５５ ｓｅｃｏｎｄｓ）；（ｃ）１１ｌｅ （ｄ）１１ｌｃｒｅｃ，ｏｒｄ（２４７～２５２ ｓｅｃｏｎｄｓ）；ｒｅｓｕｌｔｓ ｏｆｔｈｅ ２３３ｒｅｃｏｒｄ（２４７～２５２ ｓｅｃｏｎｄｓ）为了验证算法的可靠性，本文对大量的心电波进行了实验，分别统计了每例数 据Ｐ波的总个数、误检和漏检的个数，最后得出误检的Ｐ波总个数和误检率。表３．１ 中给出了算法对ＭＩＴ－ＢＩＨ心电数据库中心律失常数据库数据验证的部分结果。从表 ３．１中可以看出，本文所提基于最优区间函数拟合法对Ｐ波识别总体效果较好，检 出率达到９８％以上，个别数据的检出率高达１００％，尤其是对漏检的发生率极低．重庆大学硕士学位论文３心电信号特征点检测然而从表３．１中我们也可以看出，对于１１６记录的误判率相对较高，经分析主要是 因为１１６记录有频发性室性早搏症状，而误判基本上都发生在室性早搏时，此时Ｐ波与Ｔ波重叠在一起，因而造成误判。表３．１ ＭＩＴ－ＢＩ］＇Ｉ心律失常心电数据库部分数据Ｐ波检出结果Ｔａｂｌｅ３．１ Ｔｈｅ ｒｅｃｏｇｍｚｅｄ ｒｅｓｕｌｔｓ ｏｆＰ ｗａｖｅｓ ｉｎ ｔｈｅ ＭＩＴ－ＢＩＨ Ａｒｒｈｙｔｈｍｉａ ｄａｔａｂａｓｅ记录号 ｌ∞１０１ １０３ １ｌｌ １１３ “５ １１６ １１７ １２２ １２３心拍总数２２７０误检１ ９漏检心拍数Ｏ ｌ Ｏ ｌ ０ Ｏ Ｏ Ｏ ０ Ｏ ２ １ ｌＯ ３ １５ Ｏ Ｏ ４７ ５ ｌ ２ ８４误检总误检率Ｃ％）Ｏ．０５ ０．５４ ０．１４ Ｏ．６５ Ｏ Ｏ １．９９ Ｏ．３２ ０．０４１８“２０８４ ２１３５ １７９４ １９５３ ２３６４ １５３８３１４ Ｏ Ｏ ４７ ５ ｌ ２ ８２“７６１５１５ １９９９３Ｏ．１３０．４２总共３．３．５Ｔ波检测Ｔ波钝圆，占时较长，从基线开始缓慢上升，然后较快下降，形成前肢较长、 后肢较短的波形。Ｔ波方向常和ＱＲＳ波群的主波方向一致。在以Ｒ波为主导联中， Ｔ波的振幅不应低于同导联Ｒ波的１／１０，心前导联的Ｔ波可高达１．２～１．５ｍＶ．在 ＱＲＳ波群主波囱上的导联中，Ｔ波低平或倒置，常见于心肌缺血、低血钾等。 由于Ｔ波的形态与Ｐ波相似，可以采用上面介绍的Ｐ波检测算法来检测Ｔ波， 此处不再叙述。３．４Ｊ点、ｌｍ间期、等电位参数提取Ｊ点检测Ｊ点为ＱＲＳ波群与ｓＴ段的结合点，如图３．１所示Ｓ。点。Ｊ点通常位于等电位线３．４．１上，常随着ＳＴ段偏移而移位，有时因为除极尚未完成，部分心肌已开始复极致使Ｊ 点上移，还可以由于心动过速，使心房的Ｔ波重叠于ＱＲｓ波后段，使得Ｊ点下移．重庆大学硕士学位论文３心电信号特征点检测Ｊ点的检测是用Ｊ＋ｘ法测量ＳＴ段的关键，通常找到Ｓ点以后，再向后搜索Ｊ点。本文中对Ｊ点的检测采用的局部搜索法。其搜索时间段为从Ｓ波终点开始，到其后６０ｍｓ的时间范围。３．４．２ＲＲ问期参数提取ＲＲ间期的提取不但对于心律失常诊断分析有很重要的判断价值，早搏、心动过速、心动过缓、停搏等都要利用ＲＲ间期进行判断，同时在后面的ＳＴ段分析中 也有应用。因为Ｒ波检测相对其它波段容易些，因此取ＲＲ间期作为一个心动周期，ＲＲ间期是通过计算相邻两个心跳周期的Ｒ点距离得到的。３．４．３等电位参数提取心电图中Ｐ波终点到ＱＲＳ波群起点这段时间代表激动在房室交界区、房室束 及部分束支内传导，因产生的信号微弱，在体表心电图中星一水平线，因此在心电信号分析中通常将其对应的电平作为等电位电平．每一心拍的等电位电平是ＳＴ段 特征参数提取的基础。为了消除干扰的影响，对于每一心拍，取Ｐ波终点至ＱＲＳ 波群的起点间的数据作为等电位段参考区间，对该区间内数据取平均作为等电位电平。３．５小结本章主要完成了心电波形各特征参数的检测算法。 首先采用基于幅值和斜率的可变双阈值时域检测算法对Ｒ波进行定位。然后利用局部极值和局部变换相结合的方法确定ＱＲＳ波的起点和终点。 根据Ｐ波在医学诊断中的重要意义和计算机自动分析中的重要地位，本章主要对Ｐ波的检测方法做了深入研究。利用Ｐ波在心电波形中位置和形状等波形特征， 在前人研究基础上，本文提出了一种改进的Ｐ波检测算法――基于最优区间函数拟 合的Ｐ波识别方法，并用ＭＩＴ－ＢＩＨ心电数据库的大量心电数据对该方法进行实验分 析，验证本文所提算法准确性较高，并依照Ｐ波和Ｔ波在形态上的相似性，将此算法应用于Ｔ波检测中．本章还介绍了心电波形中其他特征点的检测算法，如Ｊ点、ＲＲ间期、等电位点 等参数的提取，使得心电特征点检测方法更加完善，同时也为下一章ＳＴ段分析打下基础．重庆大学硕士学位论文４ｓＴ段分析方法研究４ｓＴ段分析研究ＳＴ段的变化与心肌细胞是否缺血之间具有密切的关系，对于心绞痛，尤其是无 症状心绞痛的诊断和治疗具有非常重要的意义。因此ＳＴ段分析是ＥＣＧ信号分析中又一个重要部分。 ＳＴ段的分析主要包括ＳＴ段形态识别、ＳＴ段电平测量和ＳＴ段面积。本章主要从形态识别和电平测量两个方面进行ＳＴ段分析研究。４．１ＳＴ段形态识别常用方法对ｓＴ段的形态识别方法，目前国内外主要采用以下几种方法：（１）斜率法 ＳＴ段的斜率基本上就是临床心电图中ＱＲＳ－Ｔ夹角的概念，如图４．１所示．１Ｊｆ。ｅ ｒｚ二差篆ｌ＼一ｒ／、、、ｌｆ９图４．１ ＱＲＳ－Ｔ夹角 Ｆｉｇ ４．１ ｔｈｅ ａｎｇｌｅ ｏｆＱＲＳ ｗａｖｅｍ３ｄ Ｔ ｗａｖｅＳＴ段的斜率在一定程度上反应了ｓＴ段的形态，对心肌缺血的诊断有重要意义， 是运动试验中诊断心肌缺血的定量指标之一。Ｈｏｌｔｅｒ系统对ＳＴ段斜率的定义不尽相 同，如Ｊ点和测量点问的斜率，测量点和ＳＴ段终点的斜率或测量点前后一段距离 （一般取前后２０ｍｓ）。如采用临床常用的定义方法，算式如下【１７】：静：―ｘ（ＳＴ．）―－ｘ（Ｊ） 吼一‘，。。（４．１）依据直线型ＳＴ段斜率可以判别ｓＴ段是上斜型压低、水平型压低还是下垂型压 低。若为上斜型压低，可诊断为生理型，但若夹角大于８００，便可怀疑为心肌缺血。 因此ＳＴ段的斜率越来越受到心电研究者们的重视。 对于直线型ＳＴ段的斜率是比较容易确定的，但对于弓背型、下垂型等非直线重庆大学硕士学位论文４ＳＴ段分析方法研究型的ＳＴ段斜率的确定存在一定的困难。目前确定斜率的方法基本上都是近似的， 常用的方法有直线型和线性回归法。 直线法ｉｓ６１是用两点形成的直线斜率来近似ＳＴ段的斜率，目前有四种测量方法： （ａ）用Ｊ点和Ｊ＋Ｘ点形成直线；彻用ＳＴ段测量点和ＳＴ段终点形成直线；（ｃ）用ＳＴ段测量点前后共２０ｍｓ间隔内的数据进行线性回归形成直线，求出直线 的斜率来近似ＳＴ段的斜率； （ｄ）对Ｊ点至Ｊ＋ｘ之间的线段进行线性回归。 （２）函数拟合法 对于斜率法中用两个点形成直线的斜率来描述ＳＴ段的形态，这对于ＳＴ段中涉及到的“弯曲度”、‘倾斜度”的整体概念是不够的，函数拟合法就是用某种函数来近似ＳＴ段，这样能够描述整个ＳＴ段的特性，但是由于ＳＴ段的变化大，而且形态各 异，要想拟合好很困难。因此，一般只是进行一次直线函数或二次抛物线函数拟合． 二次抛物线函数拟合的方法是抽取描述整个ＳＴ段的参数ａ，ｂ，ｃ，将ＳＴ段近似认 为是一段二次曲线Ｙ＝ａｘ＇２＋栅＋ｃ，利用参数ａ，ｂ，ｃ，划分ＳＴ段的类型［５＇７１ｔ当Ｉ叫小于某阈值时，认为Ｓ－Ｔ段蜕化为一条直线段ｈ＋ｃ，此时若别也小于某阈值，则Ｓ玎段进一步蜕化为一条水平线段，ｃ代表了ｓ－Ｔ段水平抬高或压低的程度：若１６Ｉ大于该阈值，则ｓ．Ｔ段类型为斜上或斜下； 当Ｈ大于某阈值时，认为Ｓ－Ｔ段是弯曲的。当ａ＞０时Ｓ－Ｔ为下凹型；当ａ＝《ｏ时，Ｓ．Ｔ段为上凸型，Ｓ－Ｔ段抬高或压低的程度可由离开等电位线的绝对距离或该距离对 于Ｒ峰幅度的相对值来表示． （３）神经网络分类识别方法 用计算机对已经滤除了干扰的ＳＴ段形态进行识别，难点主要在于其形态的多 样性，难以用数学表达式精确描述其形态。神经网络技术适合此类常规方法不易建 模且要求有容错功能的问题。神经网络所具有的信息分布式存储、大规模自适应并 行处理、高度的容错性是它可用于模式识别的基础。特别是它的学习能力很强，利 用这一点可直接进行心电的众多样本的学习，并能在实际使用中不断学习以丰富扩 充它的分类识别能力ｐ３１１５ｓ－５９］。 与传统的统计模式识别方法相比，采用神经网络的方法增加了获取判别函数的 手段。其判别函数不仅可以是线性的还可以是非线性的，能够处理一些背景知识和 推理过程都不确定的问题。医此，采用神经网络模型用于心电识别中是比较适合心 电识别的特点的，能够有利于解决心电识别中所遇到的复杂性和不确定性等问题。 采用神经网络进行心电信号的分类可以无须构造复杂的难以很全面的心电信号分析 算法；神经网络的自学习能力可以在不同的环境下通过学习改进其分类的能力，从重庆大学硕士学位论文４ＳＴ段分析方法研究而满足不同的分类要求；神经网络的并行处理能力可以提高心电分析的速度。 将神经网络应用予心电信号分类，尤其是ＳＴ段这种难以用数学表达式精确描 述的形态分类问题具有传统分类方法不可比拟的优越性，也是目前许多心电研究者 热衷的一个课题，本文也将采用神经网络对ＳＴ段进行形态分类识别．４．２ＢＰ神经网络模型及学习算法自从１９４３年心理学家ＭｃＣｕＵｏｃｈ和数学家Ｐｉｔｔｓ提出神经元生物学模型（简称Ｍ－Ｐ模型）以来，１９５７年Ｒｏｓｅｎｂ｜ａｔｔ提出了感知器（Ｐｅｒｃｅｐｔｒｏｎ）模型，到１９８６年 Ｒｕｍｅｌｈａｒｔ等人提出的反向传播网络（ＢＰ网络）。在人工神经网络的应用中，８０％～ ９０％的人工神经网络模型都是采用ＢＰ网络或它的变化形式，它也是前向网络的核 心部分，体现了人工神经网络最精华的部分１６０］。４．２．１神经元模型神经网络是由大量的处理单元（神经元）互相连接而成的网络，为了模拟大脑的基本特性，在神经科学研究的基础上，提出了神经网络的模型。神经元是神经网 络的基本处理单元，一般表现为一个多输入、单输出的信息处理单元，通用的结构 模型如图４．２所示例．图４．２神经元结构模型Ｆｉｇ ４．２ Ｎｅｍ＇ｏｎ ｍｏｄｅｌ其中，峨为神经元ｉ的内部状态，只为阈值，工，为输入信号，％表示与神经元 ｘ，连接的权值，热表示某一外部输入的控镑ｌ信号。有代表性并广泛被接受的神经元模型主要有以下几种： （ｔ）Ｍ－Ｐ模型Ｍ－Ｐ模型是最简单的神经元模型，它将神经元看作一个二值逻辑单元。可以简单地将它计为：重庆大学硕士学位论文４ＳＴ段分析方法研究ｙ＝咧∑彤ｔ－ｈ）ＩｄⅣ（４．２）其中ｓｇｎｏ称为符号函数。（２）非线性函数模型对于神经元来说，其输入输出关系可以通过一个非线性关系来描述， 其输出在 某一个范围内连续变换，即输入输出关系为：ｙ＝，（∑．ｗ一。－ｈ）ｆｌｌ（４．３）其中，／．ｏ是一非线性函数，它有许多形式， 最常用的非线性函数是“ｓ＂型函 数，其表达式为；州２丙而＇１（４．４）其中，口为Ｓｉｇｍｏｉｄ函数的斜度参数。 （３）微分方程模型 定义神经元的状态Ｈ。（ｆ）满足微分方程：』ｒ警＝咄Ｉ（ｆ）＋∑嘞删一只【Ｙｉ（ｆ）＝，ｋ，（ｆ）】李孛经元的输出为状态”，◇的菲线性函数，即：ｙ（Ｏ。／协（ｆ）） （４）概率模型 （４．回（４．５１概率模型是一种二值模型，它与Ｍ－Ｐ模型的不同之处在于输入信号不直接影响 输出的值，仅仅影响输出取“１”或者‘‘ｏ＂的概率。即：Ｐ（Ｙ＝１）＝――二＿ １＋ｅ蚺争牡＝）ｗ。ｘ．一再（４．７）其中智一，Ｔ是一个控制参数．根据各神经元连接方式的不同神经网络可分成两大类：没有反馈的前向网络和 相互结合型网络。前向网络由输入层、中间层（或叫隐层）和输出层组成，中问层 可有若干层，每一层的神经元只接受前一层神经元的输出。而相互连接型网络中任 意两个神经元问都有可能连接，因此输入傣号要在神经元之间反复往返传递，从某 一初态开始，经过若干次的变化。渐渐趋子菜一稳定状态或进入周期振荡等其他状态。重庆大学硕士学位论文４ＳＴ段分析方法研究４．２。２感知器及其学习算法感知器网络是由Ｍ－Ｐ网络发展而来的，是一个线性闺值单元组成的网络，它的 结构和学习算法比较简单，是其他前向型神经网络的基础。图４．３为双层感知器神经网络模型．ＴＩＴｚＴＩ图４．３感知器结构Ｆｉ９４．３曩口Ⅸ咖鞠ｄ出Ⅲ：ｔｉ叩图４．３所示感知器结构模型中，左起第一层为输入层，有ｎ个神经元。向量 Ｉ＝弛，ｊ：，…，毛）７构成输入向量，满足ｌｊ∈（０，１），Ｏ＝ｌ，２＇…，磅；第二层为输出层，向 ｉ－Ｙ＝（五，艺，…，ｙｍ）７构成输出向量，满足Ｚ苣（Ｏ’１），（ｉ＝１，２，…，ｍ）。用％表示输入层 第ｉ个神经元和输出层第＿，个神经元间的连接权值。当输入向量为‘时，网络的输出 向量中第＿，个分量可以表示为： 三ｙＪ＝ｆｌ∑ｗｕｌＩ―ｈＪ、ｊ＝１，２，…，ｍ “【４．８）对感知器进行训练，即调整连接权值，使之反映样本的内在联系。假设，９２（筇，巧，…，ＩＤ并ａｔ’２（ｆ，，哆，…，《ｐ）是已知的ｎ维输入向量及其对应的ｎ维期望输出向量，向量ｊ９作为网络的输入向量，由式４．８得网络的ｍ维输出向量】，’。相 对于ｊ，的输出向爨ｔｐ称为教师信号，并采用逐次迭代的方法来调整权值，其法则为：ｗ＃ｑ斗ｑ＝ｗＨ∞