跳过主要内容

基于联合自适应阈值的实时心电图QRS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。

该算法是自调整阈值和加权常数,无论分辨率和采样频率使用。它们对任何数字都适用l,与QRS或节拍斜率自同步,并适应节拍间间隔。

结果

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%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复合体和心室跳动代表心室的去极化现象,并提供有关其行为的有用信息。拍频检测是任何一种心电处理和分析之前的一个步骤。对于形态学分析,这是检测其他心电波形和参数测量的参考。节律分析需要将QRS和其他心室跳动复合体分为正常和异常。实时检测心室跳动对危重患者的监护至关重要。

电力线干扰、肌电噪声和基线漂移是ECG信号中常见的干扰因素。

在长期监测中,电极阻抗会显著增加,导致极低的信噪比,这使得在单个导线中检测实际上是不可能的。因此,通常使用两到三条引线进行监控[1].

弗瑞森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.]将这些算法应用于含有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,而自适应的检测阈值更合适。

波里.[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。

阿方索et al。5[]提出了用于心电信号分解的硬件滤波器组,其中多个参数独立计算并组合在一个决策规则中。作者报告说,在麻省理工- bih心律失常数据库测试的实时单通道心跳检测算法中,Se = 99.59%, Sp = 99.56%。

Dotsinsky和Stoyanov [6[]开发了一种启发式的、伪实时的单通道心电搏动检测算法,基于陡边和陡峰评价标准。他们报告了Se = 99.04%和Sp = 99.62%,这些数据来自于AHA和MIT-BIH心律失常数据库的两个通道记录

莫拉.[1]在逻辑上结合了两种并行工作的不同算法——第一种算法来自英格利斯和齐伦伯格[7另一部是以潘和汤普金斯为原型的[8,还有利腾堡和库特[9].莫拉.[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检测算法的种类繁多,以及对其不断改进的努力,证明了目前还没有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信号的噪声和伪影。

心电图数据库

48例MIT-BIH心律失常数据库记录全部使用,无例外。每一个导联持续时间为30分钟,包括两个导联—修饰翼导联II和一个修饰翼导联V1、V2、V4或V5 [11].采样频率为360 Hz,分辨率为5 μV/bit。两位心脏病专家对所有的心跳都做了注释。大约70%的节拍被标注为正常的.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。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—三个独立的自适应阈值的组合,其中:

  • ——陡坡阈值;

  • F-高频信号分量积分阈值;

  • 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。

该算法是自调整阈值和加权常数,无论分辨率和采样频率使用。它们对任何数字都适用l,与QRS或节拍斜率自同步,并适应节拍间间隔。

预处理

  • 电力线干扰抑制的移动平均滤波器:对电力线干扰频率的一个周期内的样本进行平均,在该频率处的第一个零。

  • 为肌电噪声抑制而在28毫秒间隔内对样本进行移动平均-一个大约35 Hz的前零滤波器。

  • 以40毫秒为间隔移动平均一个复杂的引线(正弦波将在下一节中解释)——一个大约25赫兹的前零滤波器。它抑制了在复杂的铅窦化过程中因分化过程而放大的噪声。

复杂的领导

该算法使用复杂的引线Y几个主要线索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,从而确定复合导线作为空间矢量。得到的复合铅为:

在哪里Xj(我)是样本的振幅值吗在领导j,Y(我)是当前复杂的先导。

以上公式(除归一化系数1/L和绝对值外)最初采用Bakardjian的工作[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

  • 最初= 0.6 *马克斯(Y)为信号的前5秒设置,其中至少要发生2个QRS复形。预置具有5个陡坡阈值的缓冲区:

毫米= (123.45],

在哪里1÷5等于

  • 如果检测到QRS或节拍复合体生产商

  • 电流后200毫秒不允许检测。在周期内QRS ÷ QRS+ 200女士的新值5计算:

newM5= 0.6 *马克斯(易)

估计newM5如果出现陡坡性室性早搏或伪影,其值可能会变得相当高,因此它被限制为newM5= 1.1 *5如果newM5> 1.5 *5

毫米缓冲区被刷新,排除了最旧的组件,并包括5newM5的平均值毫米

  • 在最后一次QRS检测后,在200 ~ 1200 ms的时间间隔内以低斜率降低,在1200 ms时达到其刷新值的60%。

  • 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。1.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。1 b

图1
图1

自适应陡坡阈值

自适应积分阈值F

结合阈值F目的是在ECG伴随肌电噪声时提高联合阈值,从而保护算法不受“误拍检测”。

最初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在最近的50毫秒的350毫秒间隔和减法maxY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) - - - max (Y在最早的50毫秒中间隔350毫秒) / 150

的方式F更新意味着不是区间内的每个样本都被积分,而只是伪空间速度的包络Y.权系数1/150是由经验推导出来的。

图中显示了两个心电导联。2.pseudo-spatial速度Y积分阈值如图所示。2 b.正确的检测是由于上升的F(因此生产商),约0.2 mV。beat综合体包含在集成过程中(注意,它的高度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用于处理正常幅度的心跳,然后是一个非常小幅度的心跳(分别是一个非常小的回转率)。例如,这可以在电极伪影的情况下观察到。与防止错误QRS检测的积分阈值相反,R防止“QRS误检”。

一个具有最后5个RR间隔的缓冲区在任何新的QRS检测时被更新。Rm是缓冲区的平均值。

  • R= 0V在从最后检测到的QRS到预期的2/3的区间内Rm

  • 在QRS + Rm * 2/3到QRS + Rm的区间内,R比之前讨论的陡坡阈值(在200-1200毫秒的间隔)。

  • QRS + Rm后,下降R是停止了。

拍差期望阈值的时间过程R如图所示。3..的减少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。3 b).

图3
图3

自适应拍期望阈值

组合自适应阈值生产商

组合自适应阈值是自适应陡坡阈值、自适应积分阈值和自适应拍差期望阈值的总和。(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

前面的所有考虑都与算法1有关,它在节拍出现时检测节拍。算法2对最终错过的心跳执行额外的检查。它的功能由图中的信号来解释。5.第四个复合物在图中15.2 s处。5 b应该被忽略,因为,生产商大于总结导语吗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。

让我们将之前的RR区间标记为t1最后——用t2(无花果。5).

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,以便将此点定义为错过的QRS复合体。

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.这里算法在第3个QRS之前出现了假阳性错误,错过了接下来的QRS。形式上,这是一个假阳性错误,紧接着是一个假阴性错误。然而,如果这两次检测之间的时间间隔相当短,例如≤200毫秒,我们只接受这一个错误,标记为移位假阳性误差(SP)。

图6
figure6

P波上偏移的正误差

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

偏移的阳性错误,假阳性+假阴性双胞胎

SN -位移负误差的假设原理与SP相同,但意义相反。它还包括双FN+FP错误发生在200毫秒。移位的第一个传入FP或FN错误是将其定义为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。

经过处理的包含检测标记的文件通过专门设计的软件自动与MIT-BIH标注的节拍进行比较。它显示了注释和检测标记差异超过60毫秒的所有情况。这些案件由独立专家审查,因此排除了可能的提交人影响。

两种算法的结果如表所示1

表1两种算法的统计结果

在所有的110050个注释节拍中(“未知的”或“有问题的”被排除在研究之外),真正检测到的节拍是算法1的109548和算法2的109616。统计指标如下:

算法1: Se = 99.69%, Sp = 99.66%;

算法2: Se = 99.74%, Sp = 99.65%。

标准的Se和Sp计算方法,

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由于减少了未检测到的节拍数,灵敏度提高了0.05%(标准评价为0.06%)。这个结果可以在录音109,203,210和223中观察到,其中额外检测到的节拍分别是6,9,12,5。两种算法的性能都特别用AHA中包含r-过- t室性早搏复合体的文件A5001进行了测试,该文件非常接近之前正常的QRS复合体(图)。5).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

提出的实时和伪实时实现算法是自适应的,独立于阈值和常量值。无论使用的分辨率和采样频率如何,它们都与QRS陡坡和心率自同步。由于积分阈值的存在,该算法对肌电图和类似的高频噪声不敏感。

该算法可以操作一个,两个或多个引线,使用一个组合引线信号,由微分引线信号的绝对值和导出。

统计指标高于或可与科学文献中引用的指标相媲美。

参考文献

  1. 1.

    Moreas JCTB, Seixas MO, Vilani FN, Costa EV:一种基于心电图导联的QRS复合检测算法。薪酬在卡2002,29:205 - 208。

    文章谷歌学者

  2. 2.

    Friesen GM, 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.

    Daskalov IK, Dotsinsky IA, Christov II:心电采集、预处理、参数测量和记录技术进展。IEEE医学与生物学工程师1998年,17:- 58。10.1109/51.664031

    文章谷歌学者

  4. 4.

    Poli R, Cagnoni S, Valli G:线性和非线性QRS最优检测的一般设计。生物工程翻译1995年,42:1137 - 1141。10.1109/10.469381

    文章谷歌学者

  5. 5.

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

    文章谷歌学者

  6. 6.

    Dotsinsky I, Stoyanov T:单通道心电图的心室跳动检测。生物医学Eng在线2004年,3:3.[http://www.biomedical-engineering-online.com/content/3/1/3) 10.1186 / 1475 - 925 x - 3 - 3所示

    文章谷歌学者

  7. 7.

    英文WAH, Zeelenberg C:一种用于QRS检测和特征提取的单扫描算法。IEEE Card中的Comp1979年,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年,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年,16:273 - 286。10.1016 / 0010 - 4809 (83) 90027 - 7

    文章谷歌学者

  10. 10.

    李晨,郑晨,泰晨:用小波变换检测心电特征点。生物工程翻译1995年,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。医学生物学工程计算机1987年,25:155 - 164。

    文章谷歌学者

  13. 13.

    Bakardjian H:使用分形数聚类的心室跳动分类器。医学生物学工程计算机1992年,30:495 - 502。

    文章谷歌学者

下载参考

确认

作者感谢保加利亚科学院生物医学工程中心Ivan Dotsinsky教授对所提出算法结果的检查和测试所作的贡献。

作者信息

从属关系

作者

相应的作者

对应到Ivaylo我Christov

作者为图像提交的原始文件

权利和权限

再版和权限

关于这篇文章

引用这篇文章

基于联合自适应阈值的实时心电图QRS检测。生物医学Eng在线3.28(2004)。https://doi.org/10.1186/1475-925X-3-28

下载引用

关键字

  • 假阳性错误
  • 过早心室复杂
  • 心室跳动
  • 复杂的领导
  • 击败检测