一種心律失常情況下心電信號身份識別方法
2023-09-20 02:32:35
一種心律失常情況下心電信號身份識別方法
【專利摘要】一種心律失常情況下心電信號身份識別方法。包括以下步驟：心電信號採集，濾波以及標準化處理；心電信號竇性心拍判別，若判斷為竇性心拍，則進行下一步處理，否則將其剔除；將通過判斷的心拍經過自相關與因子分析得到特徵提取與降維後的心拍特徵向量；心拍模板進行層次聚類，相似度較為接近的模板歸為一類，各類中心點作為待識別模板；識別過程中，採集的心拍與各類模板中心進行相似度匹配識別。採用上述的一種心律失常情況下心電信號身份識別方法，有效的區分並保存了個體自有的心拍特徵，消除心律失常波形以及其他形變較大的波形幹擾；完善了個人心拍信息，提高了心律失常情況下身份識別的準確率。
【專利說明】
【技術領域】
[0001] 本發明涉及一種心律失常情況下心電信號身份識別方法，屬於生物信號識別領 域，特別是利用人體心電信號進行身份識別。 一種心律失常情況下心電信號身份識別方法
【背景技術】
[0002] 生物信息識別技術以其獨特性、方便性、安全性等受到了學者的廣泛關注，這項技 術也逐漸成為被社會所接受的一種安全驗證方式。常見的生物識別技術有：指紋識別、掌 紋識別、虹膜識別、聲紋識別等。近年來，一種新的生物特徵被用來作為身份識別，這種特徵 就是心電信號。心電信號是心肌在搏動前後所產生的微弱生物電信號，由於個體的生理結 構有其獨特性，因此這種生物電信號在體表的投影也具有獨特性。經過大量的統計數據研 究，已經證明心電信號其具有唯一性；相對於以上幾種生物特徵，採用心電信號作為識別特 徵具有以下幾個優點：心電信號屬於一維信號，相比較於前面幾種二維特徵，其數據量大大 的減少，僅佔用很少的存儲空間；心電信號只能從活體採集，因此難以偽造。
[0003] 由於心電信號特徵具有以上優點，因此可以應用於銀行、保險公司、部隊等對安防 要求比較高的單位。心電信號是心臟的心肌細胞的電活動的綜合反映，人的心臟又是不斷 跳動的，心臟在長時間的工作過程中難免會出現異常情況，比如說常見的房性早搏、室性期 前收縮、漏搏等，這些情況不僅僅發生在心律失常患者中，即使是正常人也會有個別的心律 失常波形出現，正常人在疲勞、受刺激、情緒激動、服用藥物時常會出現以上幾種常見的心 律失常。這些心律失常波形的形態與正常竇性心律波形的形態差別很大，並且心律失常種 類繁多，心律失常的出現常具有隨機性。正是由於這些情況的存在，如果在進行身份識別時 採集的心電信號存在心律失常，若檢測裝置不對心律失常的心拍進行處理，將會嚴重影響 身份識別。現有的技術一般是採用整形濾波，將心電信號波形失真較為嚴重的波形進行規 整化，或者是提取心電波形頻域上的特徵進行識別。但是這樣做的缺點是:無論是整形濾波 還是提取其他頻域的特徵，心電信號正常波形和異常波形依舊混雜在一起，由於採用的是 相同手段，並沒有從根本上消除正常心拍與心律失常心拍的差別。因此，此類方法在心律失 常的情況下識別率一般不到90%，遠低於正常波形97%以上的識別率。
【發明內容】
[0004] 本發明綜合考慮了正常情況下與心律失常情況下的心電信號的特徵，提供一種在 心律失常與正常情況下均具有高識別率的心電信號身份識別算法。總體流程如圖1所示， 主要技術包括心電信號預處理、心律失常判別、心電特徵提取、模板聚類及匹配。具體可分 為以下三個模塊：
[0005] 1心律失常判別模塊
[0006] 1.1心電信號預處理。預處理主要是為了去除心電信號中可能存在的幹擾。心電 信號是毫伏級別的體表信號，容易受到外界幹擾，如肌電幹擾、工頻幹擾、基線漂移等均為 常見影響心電信號波形的幹擾。因此在預處理過程中需要對其進行濾波去噪。
[0007] 1.2心律失常判別。進行心律失常判別的目的是區分竇性心拍與非竇性心拍。由 竇房結髮起的衝動形成的心律在醫學上稱為竇性心律。竇性心律波形較為規則，波形較為 完整，有窄形的QRS波，符合心電識別的標準。反之，非竇性心拍波形往往形態不規則，與竇 性心拍波形區別較大，在識別過程中需要對其處理。非竇性心拍波形與竇性心拍波形具體 對比見圖2。經過算法的判斷，若為竇性心拍則傳遞到下一步進行處理，若為其他非竇性心 拍則將其剔除。
[0008] 2心電特徵提取模塊
[0009] 2. 1自相關函數（Autocorrelation, AC)處理。傳統的心電身份識別一般採用基 準點作為其識別特徵，採用基準點的方法有其固有缺陷。第一，對基準點進行檢測，計算量 較大，較為耗費系統資源；第二，目前醫學界對基準點具體位置也沒有統一的標準，不同的 標註算法採用的標準不同。因此，為了減少算法的複雜度，降低識別成本，本發明採用經過 自相關（AC)處理後的心拍波形數據作為特徵。對心電信號進行自相關處理能極大的減少 特徵的計算量，並且增強特徵的魯棒性。
[0010] 2. 2特徵降維處理。我們採用因子分析（Factor Analysis，FA)對特徵進行降維處 理。因子分析法主要是從研究數據內部出發，分析其相互影響程度，利用少數因子表示數據 的整體信息。因子分析法比較PCA，優點在於其分析結果更具有解釋性。因子分析法根據原 始數據信息進行信息的重組，只選取部分信息用來表示原本的數據信息，起到了降維的作 用。
[0011] 3模板匹配
[0012] 模板進行聚類。利用層次聚類的方法將採集到的心電信號模板進行分類，目的是 區別同一個體的不同心拍特徵。層次聚類的優點是不需要像K-Means-樣人為指定聚類類 別的個數，能夠適應不同的數據特點由算法自動決定類別。模板經過聚類能夠更好的表現 同一個識別者不同的心拍特徵，避免了現有的求模板平均值造成的各個樣本的模板特徵間 差異較小的後果。
[0013] 本發明的優點在於
[0014] 1.算法將心律失常波形或者雜波在識別之前就已經剔除，從而最小程度的減少了 心律失常或雜波的幹擾，提高了識別算法的魯棒性與識別率。
[0015] 2.在心律失常波形判斷的過程與樣本特徵提取過程中，均不用檢查P波、Q波、T 波等特徵點，因此極大程度上減少了算法的複雜度。
[0016] 3.採用自相關與因子分析進行降維處理，能夠在減少樣本維度的同時保留絕大部 分樣本信息。
[0017] 4.在模板存儲過程中採用了非監督層次聚類，能夠保存同一個識別者不同的心拍 特性，最大限度的表現其心拍特徵。
【專利附圖】
【附圖說明】
[0018] 圖1為本發明總體流程圖。
[0019] 圖2為心律失常判別流程圖。
[0020] 圖3為心電特徵提取流程圖。
[0021] 圖4為模板層次聚類流程圖。
[0022] 具體實現方式
[0023] 為進一步詳細表述本發明的實施步驟、效果和優勢，下面將結合附圖對本發明的 實施方案作進一步的說明。
[0024] 本發明提出的心律失常情況下心電信號身份識別方法，如圖1所示，包括以下步 驟：
[0025] 心電信號心律失常判別：
[0026] 201 :在判別之前，需要對心電信號進行預處理，消除工頻、基線漂移以及高頻幹 擾。利用一個五階去均值濾波器去除高頻噪聲的幹擾；利用截止頻率為l-30Hz的帶通濾波 器消除工頻以及基線漂移的幹擾。在獲得經過濾波處理的波形後，需要對其進行R波檢測， 本發明採用閾值檢測法檢測R波位置。根據R波的位置，取R波前〇. 4秒與後0. 4秒的心 電信號作為一個心拍。
[0027] 202:本發明採用模板匹配的方法將竇性心拍與心律失常或者其他心拍區分開來。 模板的選取來自於MIT-BIH Normal Sinus Rhythm Database (nsrdb)。該資料庫中包含有18 條正常竇性心律的心電信號。心律失常算法將採集的各個心拍與標準模板進行匹配，若匹 配成功則進行下一步，不成功則將此心拍剔除。標準竇性心拍模板的構造過程如下：
[0028] (a)將 MIT-BIH Normal Sinus Rhythm Database 中每段心電數據隨機選取 30 個心 拍，一共得到540個心拍。
[0029] (b)對心拍進行歸一化處理。設原始信號為yi，歸一化處理信號為Xi，則有：
[0030]
【權利要求】
1. 一種心律失常情況下心電信號身份識別方法，包括以下步驟： 步驟1，心電信號採集，濾波以及標準化處理； 步驟2,心電信號心律失常判別，判別是否為竇性心拍； 步驟3,心電信號特徵提取與降維，經過自相關與因子分析得到心拍特徵向量； 步驟4,心拍模板進行層次聚類，各類中心與採集的心拍匹配識別。
2. 根據權利要求1所述的心律失常情況下心電信號身份識別方法，其特徵在於，所述 心律失常判別方法的步驟為：心電信號預處理；組建竇性心拍模板；對心電信號進行竇性 心拍判別。
3. 根據權利要求2所述的心律失常判別方法，其特徵在於，從竇性心電標準資料庫中 獲取標準竇性心電；對心電進行歸一化處理；定位R波，按照R波分割心拍；提取心拍的P 波、QRS波、T波位置與幅度；利用P波幅度、PR間期、QRS波間期、QT間期、ST段幅度這五 個特徵組成心拍的特徵向量；對得到的心拍特徵採用K-Means聚類方法聚為5類；取以上5 類模板中心的心拍數據作為標準竇性心拍模板。
4. 根據權利要求2所述的心律失常判別方法，其特徵在於，將待識別的心拍數據與得 到的5個標準竇性心拍分別進行相關係數測量；其中若有一組的相關係數大於設定的閾值 則將此心拍判別為竇性心拍，否則判別成其他心律失常心拍並將其剔除。
5. 根據權利要求1所述的心律失常情況下心電信號身份識別方法，其特徵在於，心電 信號特徵提取中，因子分析進行特徵降維主要包含以下幾個步驟： 步驟1，對經過自相關變換（AC)的心電數據進行標準化運算； 步驟2,根據信息保留量確定公共因子的數量，計算心電數據的因子載荷矩陣； 步驟3,採用差分最大法對因子載荷矩陣進行正交旋轉，使因子載荷陣每列或者每行元 素的平方值向〇與1分化； 步驟4,忽略特殊因子的影響，根據因子載荷矩陣求降維後心電數據。
6. 根據權利要求1所述的心律失常情況下心電信號身份識別方法，其特徵在於，心拍 模板層次聚類主要步驟包括： 步驟1，初始化階段，將每個心拍模板各自歸為一類，計算類間兩兩距離； 步驟2,根據類中心距離尋找各類之間最接近的兩類，判斷最小距離是否小於閾值，若 滿足上述條件，則此兩類歸為一類，否則停止層次聚類，保存各類心拍模板； 步驟3,重新計算新生成的類中心，並且重新計算各類之間的兩兩距離，重複步驟2。
【文檔編號】A61B5/117GK104055522SQ201410313479
【公開日】2014年9月24日 申請日期:2014年7月1日 優先權日:2014年7月1日
【發明者】張躍, 侯中傑 申請人:清華大學深圳研究生院