《1 前言》
1 前言
心电图 (ECG) 是常用临床检查方法之一, 对一些疾病, 特别是对心血管病的诊断具有重要价值。 ECG信号自动分析的关键点在于QRS复合波的检测, 随之便可进行心率变异 (HVR) 分析, 以及对ECG信息进行全面研究。
在ECG信号处理中, 用于QRS复合波检测的早期方法有带通滤波、自适应滤波、非线性自适应滤波等
为克服以往方法的上述弱点, 笔者提出如下的一种简便有效的、基于频数直方图的QRS-T复合波检测法。
《2 ECG曲线的P波与f波》
2 ECG曲线的P波与f波
ECG 的时域波形一般由P波、QRS 复合波、T波等波段组成, 而房颤发生时, 其中的P波则演变为f波 (房颤波) 。将 ECG 图像中的 QRS-T 复合波剔除, 留下的便是代表未房颤时的P波或房颤时的f波。
现提出一种简便有效的、基于频数直方图的 QRS-T 复合波剔除方法。
《2.1快速搜索ECG图像中的QRS-T复合波所在的区间》
2.1快速搜索ECG图像中的QRS-T复合波所在的区间
频数是指单位宽度的条块中所含的图形像素数, 频数直方图反映出图像的统计特性, 描述了图形像素在图像中的分布规律, 因此, 可以利用频数直方图所含有的信息作为图像的特征, 从而快速确定 QRS-T 复合波所在区间。ECG 的时域曲线如图1a 所示。
令:X为ECG图像矩阵 (已进行二值化处理:‘0’为白色, ‘1’为黑色) , d (j) 为每列的像素数, D为d (j) 的集合, i, j分别为像素点的行坐标、列坐标。于是,
i, j 的取值范围取决于所研究的ECG图像的尺寸。对于一帧图像, 一般可以取 i = 1, 2, …, 600;j = 1, 2, …, 1 200。
图1b是集合D 的图形表示, 即频数直方图, 而图1c 是图1b 的阈值化。在这里, 选择适当的阈值d0, 派生出阈值化后的新集合
式 (2) 中:当 d (j) ≥ d0 时, dth (j) = d (j) ;当 d (j) <d0 时, dth (j) = 0。
从图1 的各图对应关系中, 可以看到, 图1c 的各个相对极大值对应着相关的R波波峰, 再令n (k) 为第k个R波波峰所在位置的列坐标, 则这类列坐标组成的集合为
《2.2QRS-T 复合波的检测》
2.2QRS-T 复合波的检测
设所选图像的尺寸为 M×N (行×列) , QRS-T 图形模板是M1×N1 图形矩阵Qqrst, 模板特征向量是Dqrst, 则只需依次在图1a 中、于式 (3) 所示的各列坐标附近用该模板稍事搜索, 即能找出相应的 QRS-T 复合波的位置。
搜索时所选用的判断依据是搜索区域内的差异点数ek及图像特征向量Dk, 以及数学形态相似度。
差异点是指正被搜索区间的图像矩阵 Qk 和模板图形矩阵Qqrst之间的、存在着不匹配的那些点, 而差异点数 ek 为
式 (4) 中的 xor 为逻辑运算中的‘异或’操作, 该操作是在图像矩阵Qk 和Qqrst中的相应矩阵元之间进行的, 而求和操作∑遍历每次搜索的小区间是对 xor 操作后形成的新矩阵的元求和。上述特征向量Dk由所搜索小区域内的各列像素数组成。
匹配规则是:在所搜索的小区域内, 符合下列式的图像即为要提取的QRS-T复合波。
作为例子, 讨论如何利用上述方法从ECG曲线获取其中的P波和f波。
《2.3P 波和 f 波的获取》
2.3P 波和 f 波的获取
按上述步骤, 将ECG图像中的QRS-T复合波剔除, 即可得到未房颤时的P波 (见图2a) , 或房颤时的f波 (见图2b) 。
由图2可见, P波为能量相对集中的一个小波包, 而f波则是能量分散的一组不规则振荡。
《3 ECG信号的处理和分析》
3 ECG信号的处理和分析
所采用的数据主要来自美国MIT-BIH数据库, 有些则是北京工业大学校医院的临床病例。其中, 发生房颤的和未房颤的各50例。
对这些数据, 从功率谱、自相关和互相关等方面进行了处理和分析。为了便于观察, 对这些函数都进行了归一化处理。
《3.1功率谱函数》
3.1功率谱函数
对所采集的ECG数据进行FFT运算, 得到其幅频特性, 据此, 即可绘出ECG的功率谱图, 见图3。
从图3可以明显看出:未房颤时功率谱的谱线分布均匀, 波谷都能回到零线;而房颤时, 谱线疏密不等, 有些谱线的波谷不能回零线。
《3.2动态频谱》
3.2动态频谱
取ECG信号每10 s为一个时段, 每个样本依次取8个时段, 剔除 QRS-T 复合波后, 留下的便是P波 (未房颤时) 或f波 (发生房颤时) , 再分别对各样本进行FFT运算, 作出其动态频谱, 如图4 所示。
对比图4a 和图4b可以看出, 房颤时和未房颤时的动态频谱有着明显的不同。房颤时f波的能量分布很集中, 浓聚在 0~5 Hz 间的一段很窄频率范围内;而未房颤时P波的能量则分布于较宽的频率范围。而且, f 波各时段的动态频谱曲线之间的差异性较大, 说明了房颤波的不规则性。
《3.3自相关函数》
3.3自相关函数
自相关函数用于描述一个信号在不同时刻取值的相关程度, 是对信号内在联系的一种度量, 反映了该信号自身的内在联系。
令ECG信号的采样序列为 x (n) , 则其自相关函数为:
据此, 可以绘出自相关函数的示图。
图5a 和图5b分别是未房颤时和发生房颤时的自相关曲线。
比较图5a 和图5b可知, 房颤时的自相关曲线幅值急剧下降, 第一高峰Rmax1 与第二高峰Rmax2 的比值Rmax1Rmax2 ≥4.5, 而未房颤时自相关曲线幅值下降相对较慢, Rmax1Rmax2 ≤3。
《3.4互相关函数》
3.4互相关函数
互相关函数反映出2个信号在不同时刻取值的关联程度, 即两个信号之间的相互依赖关系。
以QRS-T的波形模板信号的采样序列作为 y (n) , ECG信号的采样序列作为 x (n) , 则互相关函数 Rxy (m) 为
据此, 可以绘出互相关函数的示图 (见图6) 。
从图6可以看到, ECG 信号与 QRS-T 模板之间的相关程度在各 QRS-T 复合波出现处为最大, 互相关曲线上出现了与 QRS-T 曲线近似的波形。未房颤时, QRS-T 复合波的间隔较为均匀, 各QRS-T 复合波间的波形亦较为规则。房颤发生时, QRS-T 复合波的间隔大小不等, 且于各 QRS-T 复合波间出现不规则振荡。
《4 结语》
4 结语
笔者提出了一种简便有效的、从 ECG 图像剔除 QRS-T 复合波的新方法, 从而方便地获取到未房颤时的P波或房颤时的f波。根据功率谱函数、自相关函数、互相关函数等方面的处理, 对一般难以直接识别的心电图上微小差别, 都可在频域上清楚地观察到, 从而很容易地判断是否发生了房颤。