英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料
基于QRS波群检测的小波评估算法
摘要: 文章涉及计算机辅助心电信号分析的问题。 这些信号的自动分析主要任务是从QRS复合检测开始。 在此阶段实现的可靠性影响取决于自动分析过程中确定的所有ECG信号参数。 这一事实证明，ECG信号分析的第一阶段非常重要。 本文旨在讨论自动分析所得到的结果。
关键词：心电信号自动分析；QRS波群检测；离散；二进小波变换
介绍
文章分析了基于二元小波变换的算法在心电信号中的QRS波群检测结果。心电图信号的计算机辅助分析在医学诊断领域中占有非常重要的地位。 由于心脏是最重要的器官之一，其病情严重影响人体其他部位的功能，可靠的诊断和有用的工具是现代医学所需要的，这也是计算机辅助医学观察应用广泛普及的直接原因。 由于心脏病是人类死亡的主要原因之一，所讨论的问题得到了一定范围的解决。 在心电图领域，我们仍然需要强大而可靠的应用工具，不仅可以诊断心肌异常，而且可以进行广泛定义的预防。 心电图信号分析和QRS复合波检测（心电信号中的主波）在文献中有很好的讨论。 但是，结果主要以合成形式的整个信号的单个参数表示（通常它是错误率-ER）。 可用的标准ECG信号数据库除正常情况注册外，还包含大量异常情况，这些异常情况也会根据心跳形态和心律失常进行分类和描述。 通过结合这些属性，可以提供更详细的ECG信号分析的效果，并针对不同类型的心跳和心律不齐给出较好的结果。 这对于检测算法的特定属性的研究非常有用，并且显示了它的优点和缺点。
心电图背景
心电图（ECG）是一种非常常见，简单且无创的医学检查。 其结果 - 心电图是显示病人心脏电活动的记录（打印在纸上或显示在监视器屏幕上）。 心脏是如同一个泵，周期性地由微小的脉冲电流激发，由位于器官内部的特定细胞产生。 周期性的电流脉冲导致心肌收缩，但这不是同时发生的。在标准条件下，心脏激发是从右心房（RA）到左心房（LA）并且在心室旁边（左心室 - LV和右心室 - RV）从其顶部到底部传播。 图1描绘了心脏的基本解剖结构心脏的兴奋和随之而来的收缩会引起泵效应 - 心脏的作用
图1：人类心脏的基本解剖
将人体心脏的电活动视为标准的，定义在人体表面上的测试点之间的电压，结果如图2所示的心电图。这是样本，标准信号呈现健康情况。 实际上，在ECG检查期间记录了多于一个的信号。 信号来自人体表面的不同部位。 这给出了在不同方向和不同平面观察心脏活动的可能性。
图2
人们可以将ECG信号分解成基本元素，称为由偏差形成的波形。等电线（基线电压）。 它们被命名为：P Q R S T U。 P波反映右侧和下一个左心房的顺序激活（去极化）。 紧接着QRS波群是心室去极化的电子表示。 单周期ECG信号结束时有T波，表示心室复极化 - 恢复到静息状态。 心电图记录中可能会出现更多波形。 这是一个U波，但这一波的起源并不清楚， 在这里提及是考虑到了ECG信号的完整性。 除了波形之外，ECG信号还定义了分段和间隔。 前者是波浪之间的等电线，后者包括波浪和波浪。 它们都具有ECG分析和诊断过程中使用的重要参数集。 心电信号的自动分析对于心脏疾病监测和诊断过程来说是非常有用的，甚至常常是必需的。 QRS波形也是ECG循环中最重要的波形指令，自动分析从检测到这个波形开始。 精确检测QRS波群是非常重要的，因为它们的位置直接用于确定基本参数，如心率和心率变异性。 这些位置还用作自动心电图分析的以下阶段中的基准点，集中在P波和T波检测以及分段和间隔属性确定。 参数集包括波的幅度和极性，它们的持续时间以及段的持续时间间隔作为计算机辅助诊断程序的输入值。
通常，尺度参数s是连续的（连续小波变换），并且信号在相应的时间尺度空间中被分析。 图3中给出了ECG信号（较低图片）以及从1到64（上图）的CWT系数的示例。
图3.两个周期的实际ECG信号的CWT系数
计算中使用的小波是二次样条小波。 其性质，即小波的相关滤波器具有线性相位，使其在包括QRS复合波检测在内的ECG信号分析应用中非常有用。 人们可以看到（在图3的上图中），每个QRS波群附近存在一对局部极端区域。 这些极端值在图3中以绝对值表示，但实际上在每个比例尺上存在一对极端相反的符号。 严格定义极端存在的一组量表的重要性并非不那么重要，这是QRS波群的特征。 这些极端分别形成最大值和最小值线。 （图3中的黑色虚线）。 根据以下方面分析极值：振幅，对内的距离以及相邻尺度极值之间的距离，以及最终有关这些极值如何在单个极值（最大值或最小值）线内传播的信息，创建一组的输入数据用于决定输入信号中的QRS复合检测。
小波变换的连续方法通常使得由输出系数表示的信息变得冗余。 这也适用于QRS检测问题。 这就是为什么许多为此目的而开发的算法都是基于小波变换，而不是连续的，但是被抽取的，因此缩小了尺度集合[9]。 更重要的是，快速算法的实现需要规模参数是离散的。 这就是为什么在实践中s参数是离散的
图4
图4.具有DWT系数和用于QRS综合检测过程的计算参数的单个QRS复合波：A-极值（最小值或最大值）的幅度; n - 极端样本指数; dn - 单个极限线内相邻刻度的两个极值之间的距离。
开发的算法是对[6]的一种修改，详细介绍见[1,2,3]。 本文讨论了基本解释以及所提议的方法中具体和最初的特性。 对于QRS检测的目的，选择范围的范围，使他们的频谱覆盖的频谱平均QRS波群，从标准数据库中存在的全套QRS波群获得[4]。 对于[4]四个尺度（称为特征尺度）中的信号的采样频率覆盖所提到的平均QRS复合波谱。 分析从最粗糙的等级2j（其中j = 4）开始，其特征在于最佳频率分辨率，其涉及最小信号细节以及最佳QRS波群与其他ECG波以及大多数人为因素组分比。 每个特征尺度下的每个QRS波群都由一对相反符号的局部极值表示，其幅度超过为该尺度定义的阈值，极值位于与QRS波群时间特性相关的局部邻域内（图4）。 因此，在2j尺度（其中j = 4）处有一对由局部最大值组成 。（其中j = 1），其又以最佳时间分辨率为特征。 这个事实在QRS复杂时间精确定位中非常有用。 在QRS检测过程中使用的附加条件定义了描述最大距离的一对全局邻域参数dn#39;和dn#39;#39;
在极端位置之间的极端位置之间。 从所有特征量表中获得的全套参数A和n说明了输入分析ECG信号中QRS复合波存在的决定性条件。 为了达到更好的可靠性系数，应用了额外的程序。这些是：冗余极端排斥[2,6]，Lipschitz规则性测试程序以排除像人工制品一样的QRS [2,5,6]; 在每个心室肌收缩（在ECG信号中观察到的QRS复合波）之后的消隐是自然的，存在解剖时间段（不应期），在此期间不能进行随后的收缩[2,6]并且最终搜索回技术[2,6]这在所有情况下非常有用，当在先前QRS检测之后的限定时间段内没有发现后续QRS复合波时。 这使阈值系数值改变，使算法更加敏感。
提出的算法[1,2,3]是基于[6]中描述的算法开发的，但是有许多重要的特性将其与“主”算法区分开来。 它们是：在一次迭代中分析的数据缓冲区的长度根据正在处理的ECG信号的即时参数来计算; 在一次迭代中只搜索一个QRS波群; 阈值不是一个单一的值，而是一个可变的函数; 最终QRS综合检测
在附加的邻域分析之后做出决定 - 这提供了前面提到的不应期，并且用于防止检测QRS类似部分的信号或伪影放置在有效QRS波群附近并且省略后者; 搜索返回技术是通过周期重复操作进行的迭代地减少阈值（这个时间阈值是单个值）。
结果
所提出的算法的评估使用MIT-BIH心律失常数据库 - 第三版[4]进行。 在QRS综合检测阶段全部必要的信息由数据库分析信号中QRS波群的参考位置组成。 当时没有QRS复合体形态规范和分析。 这里必须指出，除了正常的QRS波群外，还有许多异常形式（即房性早搏或室性早搏）。 最重要的目标是仅在ECG信号分析的初始阶段找到所有QRS波群。 在这个阶段没有进行分类。 另一方面，关于更详细信息的统计实验和评估可能具有高度重要性。 它揭示了关于所提出的解决方案的错误率降低的研究中的有用数据。 所提出的算法通过使用来自MIT-BIH心律失常数据库[4]的信号进行测试，描述了不同类型的心律失常。 这允许一个考虑这些附加数据进行研究，而不仅仅是QRS复合体位置。 该方法在评估所提出的QRS解决方案时非常有用复杂的检测不仅在解剖，检测窦性心律，但也在其他不正确的发作提示心肌功能障碍。对于不同类型的心脏跳动的QRS检测结果的小波系数的项也可以是非常有价值的。 它在仅基于小波算法结果的节拍分类问题的算法能力初始评估中可以发挥至关重要的作用。
参考数据库[4]包含有关QRS波群及其形态（搏动类型）的位置的信息，其包括（与图5中使用的数据库[4]注释一起）：正常搏动（N），左束支传动节拍（L ），右束支传导阻滞（R），房性早搏（A），畸变性房性早搏（a），淋巴结（交界性）早搏（J），室上性早搏（S），室性早搏（V）， （f），心房逸搏（e），节点（交界）逸搏（j），心室逃逸搏动（E），起搏搏动（/），起搏和正常搏动融合（f），不可分类的节拍（Q），孤立的QRS样神器（|）。 数据库中还包括心室颤动发作[4]。 由于该波的检测非常重要，因此它成为ECG信号分析专用应用中的一项单独处理任务。 在这项工作中，这些事件常常被排除在测试之外。
这里提出的可能病例的详细列表只是为了想象心脏功能的复杂性。 图5显示了相关的QRS复合波形。
图5.不同类型的节拍[4]。
心电信号的注释还包括节奏的类型和录音本身的一些技术方面即信号部分的噪声含量。正如在图5中可以看到的那样。QRS复合波形在幅度和时间（频率以及）参数方面具有很大的可变性。 特别是在将室性早搏（V）和心室逸搏（E）与正常搏动（N）进行比较时，可以观察到有意义的差异。参考信号集合包含总共TB = 109492 QRS波群（TB -搏动总数）。 在评估过程中有不同的测试算法检测变量：amp;#183; 在参考QRS复合体位置的定义邻域中仅有一个QRS复合体检测位置 -检测是真正的 - TP，amp;#183; 在参考QRS复合体位置的定义邻域中存在多于一个QRS复合体检测位置 -检测为假正性 - FP，amp;#183; 在参考QRS复合体位置的定义邻域中没有QRS复合体检测位置 -检测为假阴性 - FN，amp;#183; 甚至有一个QRS复合波检测到位于参考QRS复合波位置的定义邻域之外的位置 -检测为误报 - FP。根据建议[8]，基于QRS复合检测结果，存在QRS复合检测算法的基本参数。 这些是：灵敏度 、预测性、错误率、可靠性和特异性。考虑到上述情况，所提出的算法的FN = 140和FP = 83检测，总误差率（ER）等于0.20％（在包括在参考数据库[4]中的全套信号上测试并根据到[8]）。 原始算法的相关值[6]等于0.17％（详情见表1）。 该参数使两个解决方案都可比。 所讨论的解决方案的优点是来自参考集合的特定信号的最大误差率不超过1.14％，而相应的最大值表征参考算法等于1.59％。
表1.所提议的和基础算法的比较。
表2给出了不同类型QRS波群FN检测的详细介绍。大多数FN检测可以在正常节拍（N）下观察到。 因为QRS综合类型的总数占数据库[4]中包含的总次数（TB）的68％以上并不令人惊讶。 还有什么更重要的。检测到的假阴性信号中有87％位于测试信号的噪声部分。 就室性早搏（V）和房性早搏（a）而言，我们必须注意到，几乎所有的人都没有被噪声扭曲，但两种形式都与正常的QRS复合波有显着不同：（V）型是其特点是持续时间较长，斜率较低，（a）型描述的幅度要小得多（图5）。 值得一提的是，只有不到8％的孤立QRS像人造物（红色QRS，图5中的符号I）被检测为真正的QRS波群（见表2）。表2.针对不同类型的QRS波群提出的算法FN检测。 FN1（FP1） - 值是指定拍子类型的数量; FN2（FP2） - 值是指假阴性检测总数FN（FP）。
表2.针对不同类型的QRS波群提出的算法FN检测
节奏存在[4]。 FN1，FP1 - 值指的是节拍总数（TB）; FN2，FP2 - 值分别表示错误检测总数FN或FP。
表3 针对不同算法的检测
反过来，对表3中所示的不同类型的节奏[4]，提出的算法FN和FP检测的详细介绍也是如此。类似地，基本代表正常节拍的正常窦性心律
（N）表示错误检测的最高级别。 这个事实的原因类似于上面在正常节拍讨论中所描述的。 以较高的错误检测率为特征的其他节奏由相当可变的即时RR间隔描述。 这包括：心房颤动，心房扑动，心室二联律，窦性心动过缓和室性心动过速。
增加错误检测的另一个因素是相邻QRS波群幅度的变化。 这在参考数据库中出现的室性心动过速节律发作期间很常见[4]。 这两个因素与信号中存在的噪声一起揭示了所提出和评估的算法的弱点。
最后，表4列出了信号质量（噪声周期）的总结。
表4.在低信号质量存在下提出的算法错误检测率。 FN1，FPlt;
全文共7412字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10755]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
