一種快速十二導聯心電信號質量評估方法與流程

2023-05-09 06:09:01 4

本發明涉及一種心電信號質量的評估方法，尤其涉及一種快速十二導聯心電信號質量評估方法。

背景技術：

據世界衛生組織(who)估計，世界上目前每年有3600萬人死於心血管疾病、糖尿病、呼吸系統疾病和惡性腫瘤等非傳染性疾病，佔全球死亡總數的三分之二。其中，心血管疾病是全球範圍內第一位致死、致殘原因。國家心血管病中心公布的《中國心血管病報告2014》顯示：中國心血管病患病率處於持續上升階段，目前，估計全國有心血管病患者2.9億，每5個成人中有1人患心血管病。臨床中的研究表明，心血管疾病是一種可以控制和預防的疾病。因此，對心血管疾病的預防、診斷以及治療具有非常重要的意義和研究價值。

心電圖(electrocardiogram，ecg)作為心臟電活動在體表的一種綜合表現，蘊涵著豐富的反映心臟節律及其電傳導的生理和病理信息，在一定程度上可以客觀反映心臟各部位的生理狀況，目前已成為心血管疾病無創性檢查診斷的重要方法之一。因此，檢測病人的心電信號是診斷心血管疾病的最主要也是最直接的一種方法。

隨著移動通訊技術的發展，移動醫療已經成為一種趨勢，例如可穿戴設備和手機為那些遠離醫療中心的人們提供了方便。然而要獲得滿足診斷條件的心電圖需要技巧，臨床中醫護人員大部分都是經過訓練後才進行操作的。獲取符合診斷標準的心電圖需要一些基本的要求：適當的皮膚接觸、電極的正確定位和減少幹擾等。然而，現實生活中利用手機或者可穿戴設備獲取心電信號的用戶大都是未經過訓練的人員，由於他們對心電信號的採集方法和採集環境不甚了解以及受採集過程中其他因素的幹擾，他們獲取到的心電信號中往往包含著很多噪聲，導致心電信號出現質量問題。如果把這些有質量問題的心電信號發送給醫生，不僅增加了醫生的工作量，而且還會影響醫生的診斷結果。

當普通用戶或者患者使用心電採集設備獲取心電信號時，如果設備可以對心電圖的質量進行實時評估，並告知用戶該心電信號的質量是否可以接受，這將會非常有意義。特別是當信號質量很差時，如果能夠及時提醒用戶重新測量，或檢查電極的連接，或檢查其他因素造成的影響，這將讓使用者大大受益，並且可以提高醫生的診斷效率。

從最近一些論文中可以查閱到有關對心電信號質量評估方法的研究，但是這些研究大都只採用一些簡單特徵進行評估，其性能極其有限。也有研究者試圖採用大量的複雜特徵及分類算法來提高性能，但由於複雜度過高，往往難以在計算資源有限的行動裝置上應用。如何有效的平衡算法的複雜度與檢測精度就成為了一個非常重要的問題。

技術實現要素：

針對心電採集設備對心電信號進行質量評估問題，本發明提出了一種快速十二導聯心電信號質量評估方法。利用本方法對十二導聯心電信號質量評估時，可以快速得到評估結果，並且有較高的準確率，具有很高的性價比。

本發明的目的是通過以下技術方案實現的：

一種快速十二導聯心電信號質量評估方法，包括如下步驟：

(1)將心電信號質量評估結果分為可接受與不可接受兩類；

(2)基於心電信號處理設備硬體資源的配置和處理速度，用戶自主選擇質量評估方法；

(3)基於單個導聯內部特性和不同導聯間相關特性對十二導聯心電信號進行特徵提取，得到導聯脫落特徵x1、信號幅值的平均值x2、導聯電極接反特徵x3、鄰近導聯交叉點的數量x4；

(4)如果用戶選擇的質量評估方法是基於閾值法，則直接基於特徵與閾值的大小關係得到評估結果，然後跳轉到步驟(8)；

(5)如果用戶選擇的質量評估方法是基於機器學習方法，則對步驟(3)中提取的特徵進行處理，得到48維的特徵向量；

(6)重複步驟(3)和步驟(5)，獲得大量心電信號的特徵數據，對信號進行類別標記，標記為可接受與不可接受兩個類別，基於機器學習方法構建學習與分類系統；

(7)對新的心電測試信號，重複步驟(3)和步驟(5)，獲取新的心電測試信號特徵，然後基於步驟(6)中訓練好的分類系統進行分類；

(8)將評估結果反饋給用戶。

本發明具有如下優點：

1、本發明採用閾值法和機器學習兩種方法對心電信號進行質量評估，用戶根據設備的硬體配置自己選擇合適的方法。這兩種方法都基於同一組原始特徵，可以快速得到評估結果。其中：閾值法的好處是無需進行樣本訓練，可以快速構建分類系統，分類速度快；機器學習法的好處是可以取得更高的分類精度。

2、本發明針對十二導聯心電信號採集設備，提取簡單高效的多種特徵，並基於不同的信號處理設備特性提出兩種分類方法，從而使得算法性能與硬體設備之間達到較好的匹配，提高性價比。

3、本發明提出的方法擁有較高的準確率、很好的魯棒性，並且具有方法簡單、成本低廉等優點。

附圖說明

圖1為快速十二導聯心電信號質量評估方法的流程圖；

圖2為十二導聯心電信號顯示圖。

具體實施方式

下面結合附圖對本發明的技術方案作進一步的說明，但並不局限於此，凡是對本發明技術方案進行修改或者等同替換，而不脫離本發明技術方案的精神和範圍，均應涵蓋在本發明的保護範圍中。

本發明提供了一種快速十二導聯心電信號質量評估方法，如圖1所示，具體實施步驟如下：

(1)將心電信號質量評估結果分為可接受與不可接受兩類，即信號質量只有兩個等級。

(2)檢查設備硬體資源的配置和處理速度，用戶自主選擇質量評估方法，即閾值法和機器學習法。當硬體的配置比較低但對處理速度有要求時，用戶可以選擇基於閾值法對心電信號質量進行評估；當硬體的配置比較高並且對處理精度有要求時，用戶可以選擇基於機器學習方法對質量進行評估。

(3)對十二導聯心電信號進行原始特徵提取，提取時基於單個導聯內部特性(特徵1、特徵2和特徵3)和不同導聯間相關特性(特徵4)這兩大類特徵，具體提取步驟如下：

特徵1：導聯脫落特徵

對單個導聯心電信號幅值保持不變的區間進行跟蹤，得到其長度；對一條導聯進行上述處理，可以得到多個這樣的區間，將最長的一段的值進行保存，定義為x1。

特徵2：信號幅值的平均值

提取單個導聯的信號幅值的絕對值的平均值，定義為x2。

特徵3：導聯電極接反特徵

一個心電圖記錄中，把單個導聯分成不同的區間，每一個區間的長度均為l秒(如l＝1)。如果在某一區間內出現最小幅值小於某個閾值(如-1mv)，最大幅值小於某個閾值(如250μv)，並且最小幅值的絕對值大於最大幅值的絕對值，則將該區間定義為異常區間。統計單條導聯中以上異常區間的數量，定義為x3。

特徵4：鄰近導聯交叉點的數量

一種常見的顯示十二導聯心電圖信號的方法是將多個導聯進行縱向排列(如圖2所示)。使用這種視圖，一個導聯的信號可能會與鄰近的其他導聯交疊，尤其是當心電圖中導聯存在明顯的基線漂移時。在這種情況下，不僅對漂移的導聯很難分析，其他的鄰近導聯也會被掩蓋。

這裡採用不同導聯信號之間交叉點的個數來表達信號交疊的嚴重程度。在輸出的十二導聯心電圖上，鄰近導聯的縱向間距是固定值。基於一個固定的參考點，將各條導聯的信號幅值加上所處位置的偏移量就將十二條導聯輸出在了同一個圖上。將鄰近兩條導聯的信號值相減，從而得到一條新曲線s。在正常情況下(鄰近導聯不交疊)，曲線s的值應該全部為正數或者全部為負數，這裡的正負特性取決於鄰近兩條導聯相減的順序。如果正常情況下曲線s的信號值應全部為正數，則所有小於0的點均為交叉點；反之如果正常情況下曲線s的信號值應全部為負數，則所有大於0的點均為交叉點。定義單條導聯上的交叉點數量值為x4。對於任何一條導聯，分別計算其與上面鄰近導聯的交叉點x41及與下面鄰近導聯的交叉點x42，並定義x4為這兩者中的較大者。

(4)如果用戶選擇的是閾值法，則針對步驟(3)中的4種特徵分別設定4個閾值，即t1、t2、t3、t4。依次對每條導聯進行如下判定：若x1>t1或x2>t2或x3>t3或x4>t4，則判定該導聯信號為不可接受信號，否則即為可接受信號。十二導聯信號中任何一條導聯判定為不可接受，則整個十二導聯信號都判定為不可接受，並跳轉到步驟(8)。

(5)如果用戶選擇機器學習方法，則要對步驟(3)中提取的特徵基於下面的公式進行處理：

這裡，i＝1,2,3,4，xi表示第i個原始特徵，ti表示第i個原始特徵的閾值參數，fi表示第i個原始特徵經過處理後的特徵。

對每個導聯提取上述的4個特徵，當12導聯的特徵都提取完後，把所有特徵按順序依次排列，從而構成48維的特徵向量。

(6)重複步驟(3)和步驟(5)，獲得大量心電信號特徵數據，對信號進行類別標記(可接受與不可接受，兩個類別)，基於支持向量機的機器學習方法構建學習與分類系統。

(7)對新的心電測試信號，重複步驟(3)和步驟(5)，獲取特徵，然後基於步驟(6)中訓練好的分類系統進行分類。

(8)將評估結果反饋給用戶。