基于平穩(wěn)和連續(xù)小波變換融合算法的心電信號(hào)P,T波檢測(cè)

熊 鵬 劉學(xué)朋 杜海曼 劉 明 侯增廣 王洪瑞* 劉秀玲

①(河北大學(xué)電子信息工程學(xué)院河北省數(shù)字醫(yī)療工程重點(diǎn)實(shí)驗(yàn)室 保定071002)

②(中國科學(xué)院自動(dòng)化研究所 北京100190)

1 引言

心電圖(ElectroCardioGram,ECG)作為心血管疾病診斷的有效手段，其P,T波代表了心室的復(fù)極化，精準(zhǔn)的P,T波檢測(cè)可以對(duì)心室顫動(dòng)和心源性猝死等重大心臟疾病進(jìn)行有效預(yù)測(cè)[1,2]。但是由于P,T波所在位置低頻成分較多[3]，噪聲較大，加之P,T波形態(tài)多變。因此，P, T波檢測(cè)成為目前的研究難點(diǎn)。

目前，針對(duì)ECG信號(hào)P,T波的自動(dòng)檢測(cè)，研究工作者提出了多種方法，包括基于濾波器的檢測(cè)算法、基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)算法和基于小波變換的檢測(cè)算法等。

Elgendi等人[4]通過0.5～10 Hz的2階巴特沃斯濾波器(Butterworth filter)剔除與P,T波檢測(cè)無關(guān)的基線漂移和QRS波群，利用差分法對(duì)P,T波進(jìn)行識(shí)別。通過P,T波頻域特性濾除的基線漂移和QRS波群，得到P,T波的待檢測(cè)段，待檢測(cè)波段的光滑程度是影響其峰值檢測(cè)的關(guān)鍵。但是，光滑的僅包含P,T波的待檢測(cè)段的獲得是十分困難的，由于在ECG信號(hào)在采集過程中受到外界各種噪聲以及工頻干擾[5]，因此ECG信號(hào)的特征波的波峰附近會(huì)有細(xì)小的毛刺，這些毛刺的頻段與P,T波頻段重疊[6]，因此僅通過頻域特性對(duì)信號(hào)濾波并不能去除這種毛刺，從而無法獲得光滑的P,T波待檢測(cè)段，導(dǎo)致峰值點(diǎn)的判斷不準(zhǔn)確。

Peimankar等人[7]利用已有的小波法獲得P波和T波位置，根據(jù)P波和T波位置選取附近的采樣點(diǎn)作為神經(jīng)網(wǎng)絡(luò)的輸入，構(gòu)建訓(xùn)練模型。但是在訓(xùn)練集構(gòu)建過程中，該類算法對(duì)訓(xùn)練集樣本的廣泛性有一定的要求，因此全面豐富的訓(xùn)練集對(duì)提高該類算法的精度是十分重要的，但實(shí)際臨床中P波和T波形態(tài)變化復(fù)雜，僅依靠訓(xùn)練集得到的檢測(cè)模型的適用性低。

小波變換方法對(duì)于信號(hào)低頻成分具有時(shí)間局部化程度高的優(yōu)點(diǎn)，在對(duì)于低頻成分的奇異點(diǎn)檢測(cè)有著較好的效果[8]，因此被研究工作者廣泛用于ECG信號(hào)中低頻成分P,T波檢測(cè)。Yochum等人[9]利用連續(xù)小波變換在不同尺度下檢測(cè)P,T特征波時(shí)，并未對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，雖然還原了數(shù)據(jù)的真實(shí)性，但其基線漂移和QRS波群的存在會(huì)影響P,T波在其尺度細(xì)節(jié)下的檢測(cè)，導(dǎo)致P, T波檢測(cè)精度不理想。為了解決基線漂移和QRS波群的干擾問題，Dev Sharma等人[10]在利用小波變換檢測(cè)的基礎(chǔ)上，采用對(duì)QRS-P波極值對(duì)的對(duì)消方式僅保留T波極值對(duì)，從而有效完成T波的檢測(cè)。但是，在分解重構(gòu)過程中，該算法直接將過零點(diǎn)判定為峰值點(diǎn)，這使得檢測(cè)的過零點(diǎn)在重構(gòu)到原始信號(hào)的峰值點(diǎn)過程會(huì)存在錯(cuò)位，從而影響T波檢測(cè)精度。

綜上，雖然現(xiàn)有P,T特征波檢測(cè)算法取得一定成效，但仍然存在鋸齒狀毛刺干擾和過零點(diǎn)錯(cuò)位等優(yōu)化不足之處?；诖?，本文提出平穩(wěn)和連續(xù)小波變換融合算法來實(shí)現(xiàn)P,T特征波的精準(zhǔn)檢測(cè)。針對(duì)毛刺問題，融入平穩(wěn)小波對(duì)其P,T特征波候選段進(jìn)行平滑處理，平滑后再對(duì)P,T波極值對(duì)進(jìn)行精準(zhǔn)檢測(cè)，降低毛刺對(duì)P,T波極值對(duì)檢測(cè)帶來的干擾。同時(shí)，為防止P,T波極值對(duì)發(fā)生漏檢，在所檢測(cè)到的P,T波極值對(duì)左右添加檢測(cè)窗口，進(jìn)行極值對(duì)的篩選。最后，針對(duì)過零點(diǎn)錯(cuò)位問題，根據(jù)尺度時(shí)移修正原則，對(duì)過零點(diǎn)進(jìn)行時(shí)移修正，保證過零點(diǎn)準(zhǔn)確還原到原始信號(hào)所對(duì)應(yīng)的P,T波峰值點(diǎn)。彌補(bǔ)毛刺干擾和過零點(diǎn)錯(cuò)位帶來的誤差，實(shí)現(xiàn)心電信號(hào)P,T波的精準(zhǔn)檢測(cè)。

2 本文方法

如圖1所示，本文基于平穩(wěn)和連續(xù)小波變換融合算法的P, T波檢測(cè)主要包括ECG信號(hào)預(yù)處理、ECG信號(hào)平滑處理和P,T波峰值點(diǎn)檢測(cè)。首先，利用連續(xù)小波變換對(duì)其信號(hào)進(jìn)行降噪和R波檢測(cè)，消除工頻干擾、基線漂移等噪聲以及提供P,T波檢測(cè)區(qū)間。然后，利用平穩(wěn)小波變換對(duì)其ECG信號(hào)待檢段進(jìn)行平滑處理，降低毛刺對(duì)P,T波奇異點(diǎn)檢測(cè)的影響。在平滑ECG信號(hào)基礎(chǔ)上，本文算法分別對(duì)其P,T波極值對(duì)進(jìn)行篩選和過零點(diǎn)時(shí)移修正，解決過零點(diǎn)錯(cuò)位問題，最終實(shí)現(xiàn)P,T波波峰的準(zhǔn)確定位。

圖1 P,T波檢測(cè)流程圖

2.1 預(yù)處理

本模型采用連續(xù)小波變換法[11]對(duì)ECG信號(hào)進(jìn)行工頻干擾和基線漂移的消除，含有噪聲的信號(hào)經(jīng)過連續(xù)小波變換后，噪聲主要分布在高頻小波系數(shù)中，而有用信號(hào)主要分布在低頻小波系數(shù)中。通過小波變換將其噪聲信號(hào)和有用信號(hào)進(jìn)行有效區(qū)分，保留有效信號(hào)，然后將處理過的小波系數(shù)進(jìn)行重構(gòu)，即實(shí)現(xiàn)工頻干擾和基線漂移的消除。

在心電圖中，由于R波能量值高，形態(tài)特征明顯，易于檢測(cè)，P,T波能量值低，形態(tài)復(fù)雜多變，但兩者在位置上存在順序規(guī)律，故本模型利用小波變換算法對(duì)ECG信號(hào)的R峰進(jìn)行檢測(cè)[12]，從而根據(jù)R波檢測(cè)位置來預(yù)判P,T波峰值點(diǎn)檢測(cè)區(qū)間。

2.2 P, T檢測(cè)尺度平滑處理

針對(duì)P,T特征波能量低、形態(tài)多變等特征，在檢測(cè)P,T波峰值點(diǎn)時(shí)，其原始信號(hào)中存在鋸齒狀毛刺，干擾P,T波峰值點(diǎn)的準(zhǔn)確定位。針對(duì)此問題，本文模型利用平穩(wěn)小波變換對(duì)P,T波待檢測(cè)段對(duì)應(yīng)的尺度信號(hào)進(jìn)行平滑處理，降低毛刺對(duì)檢測(cè)結(jié)果造成的影響。

在ECG信號(hào)中，不同尺度包含不同頻段信號(hào)，從而有利于在對(duì)應(yīng)尺度下準(zhǔn)確檢測(cè)其指定特征波[13]。其中，P波的頻譜寬度在0～20 Hz，其波峰能量主要集中在3～12 Hz，R波頻譜寬度在10～25 Hz,T波頻譜寬度在0～8 Hz，其波峰能量主要集中在0～8 Hz。本實(shí)驗(yàn)中信號(hào)的采樣率為360 Hz，經(jīng)小波分解后，第5層的低頻小波系數(shù)頻帶范圍為5.76～22.5 Hz，第5層低頻小波系數(shù)頻帶范圍為5.625～11.25 Hz。因此，根據(jù)表1頻率分布可知，P,T波在其第4尺度下表現(xiàn)最為明顯。所以本模型選取第4尺度分別進(jìn)行ECG信號(hào)的平滑處理和峰值點(diǎn)檢測(cè)。

表1 頻率分布(Hz)

2.3 P, T波峰值點(diǎn)檢測(cè)

在平滑的基礎(chǔ)上對(duì)P波和T波進(jìn)行奇異點(diǎn)檢測(cè)，奇異點(diǎn)檢測(cè)首先要確定奇異點(diǎn)的位置，其位置檢測(cè)主要利用R波模極值對(duì)的位置來判定P波和T波模極值對(duì)的位置區(qū)間，其中Parea和Tarea為P波和T波位置區(qū)間。

P,T波在其s=24尺度下形態(tài)最為明顯，所以選擇在cd4系數(shù)上進(jìn)行P,T波峰值點(diǎn)檢測(cè)。在R波首個(gè)模極值對(duì)左側(cè)添加(1/3)·RR，在Parea區(qū)間內(nèi)檢測(cè)其模極值對(duì)，此模極值對(duì)由P波生成。同理，在R波最后一個(gè)模極值對(duì)右側(cè)添加( 1/2)·RR， 在Tarea區(qū)間內(nèi)檢測(cè)其模極值對(duì)，此模極值對(duì)由T波生成。

本模型為防止P,T波誤檢，分別在P,T波模極值對(duì)的左右添加100 ms檢測(cè)窗口，檢測(cè)是否存在正負(fù)性極值對(duì)。在存在正負(fù)性極值對(duì)的情況下，通過去掉模極值對(duì)較小的極值，保留其明顯的一對(duì)極值對(duì)，此極值對(duì)視為兩個(gè)極值點(diǎn)，在其極值點(diǎn)前后選取7個(gè)采樣點(diǎn)，檢測(cè)是否有同極值點(diǎn)，在對(duì)其極值點(diǎn)進(jìn)行修正，修正后的極值點(diǎn)更新了該極值對(duì)，此極值對(duì)間的過零點(diǎn)為特征波峰值點(diǎn)。

多尺度下奇異點(diǎn)檢測(cè)，過零點(diǎn)在重構(gòu)到原始信號(hào)峰值點(diǎn)過程中會(huì)存在過零點(diǎn)與峰值點(diǎn)錯(cuò)位問題，本文模型對(duì)過零點(diǎn)按照2j?1?1規(guī)則進(jìn)行平移，其中j為分解尺度，不同尺度的過零點(diǎn)修正不同，即本文在檢測(cè)P,T波時(shí)j=4，因此向右平移7個(gè)采樣點(diǎn)得到最終的過零點(diǎn)，此過零點(diǎn)為修正后的P,T波波峰。

通過對(duì)模極值對(duì)和極值點(diǎn)左右鄰域的篩選與過零點(diǎn)的修正，解決了P,T特征波誤檢導(dǎo)致檢測(cè)精度差的問題。

3 實(shí)驗(yàn)分析

3.1 數(shù)據(jù)庫

本文所提出的算法在MIT-BIH arrhythmic數(shù)據(jù)庫進(jìn)行驗(yàn)證[14]，其中102,104,107,217這4組數(shù)據(jù)采集過程中患者攜帶起搏器，形態(tài)失真，并未納入本文實(shí)驗(yàn)。舍棄這4組數(shù)據(jù)的同時(shí)根據(jù)性別隨機(jī)選取了15名年齡在32～89歲的男性被試心電圖和16名年齡在23～89歲的女性被試心電圖，構(gòu)成31條實(shí)驗(yàn)數(shù)據(jù)用于對(duì)本文所提算法性能進(jìn)行測(cè)試。每個(gè)記錄的采樣頻率為360 Hz，每個(gè)記錄30 min，本文仿真過程均采用Ⅱ?qū)?lián)心電信號(hào)進(jìn)行驗(yàn)證。

3.2 評(píng)估指標(biāo)

本文利用誤差率er、敏感度Se和正確預(yù)測(cè)度PP3個(gè)指標(biāo)對(duì)本文算法檢測(cè)性能進(jìn)行評(píng)估[15,16]，3個(gè)指標(biāo)具體計(jì)算公式分別如式(7)—式(9)所示

其中，F(xiàn)N為沒有檢出的P,T波峰值點(diǎn)個(gè)數(shù)，F(xiàn)P為錯(cuò)檢P,T波峰值點(diǎn)個(gè)數(shù)，N為P,T波心拍個(gè)數(shù)，Rd為正檢P,T波峰值點(diǎn)個(gè)數(shù)。

3.3 平滑處理分析

為驗(yàn)證本文算法對(duì)ECG信號(hào)平滑處理的有效性和平滑程度對(duì)ECG信號(hào)P,T波檢測(cè)影響。例舉103.dat心律失常患者數(shù)據(jù)，圖2為該數(shù)據(jù)平滑處理結(jié)果圖。其中圖2(a)為預(yù)處理信號(hào)，圖2(b)為預(yù)處理信號(hào)P,T波檢測(cè)結(jié)果，圖2(c)為經(jīng)過平滑處理的預(yù)處理信號(hào)，圖2(d)為經(jīng)過平滑處理的預(yù)處理信號(hào)P,T波檢測(cè)結(jié)果(紅色和黑色圓圈分別代表P,T波峰值點(diǎn)位置)。圖2(a)和圖2(c)可以看出，未經(jīng)平滑處理的信號(hào)和經(jīng)過平滑處理的信號(hào)其平滑程度有明顯的變化；從圖2(b)和圖2(d)可以看出，未經(jīng)平滑處理的信號(hào)在檢測(cè)P,T波時(shí)出現(xiàn)峰值點(diǎn)的誤檢，誤將其毛刺點(diǎn)檢測(cè)為峰值點(diǎn)。而經(jīng)過平滑處理的信號(hào)在檢測(cè)P,T波時(shí)避免了誤檢的出現(xiàn)。

3.4 時(shí)移修正分析

對(duì)平滑后的ECG信號(hào)進(jìn)行P,T波峰值點(diǎn)檢測(cè)，其峰值點(diǎn)的定位是由檢測(cè)的過零點(diǎn)還原到原始信號(hào)中的峰值點(diǎn)，還原過程，不同尺度下P,T波過零點(diǎn)對(duì)應(yīng)的峰值點(diǎn)存在一定的時(shí)移誤差。針對(duì)此問題，本文算法根據(jù)尺度分解重構(gòu)原則對(duì)過零點(diǎn)進(jìn)行時(shí)移修正，優(yōu)化檢測(cè)算法的不足之處。通過圖3可知，圖3(a)和圖3(b)分別為未經(jīng)過時(shí)移修正和經(jīng)過時(shí)移修正的P,T波檢測(cè)結(jié)果，兩者對(duì)比發(fā)現(xiàn)，當(dāng)檢測(cè)P,T波奇異點(diǎn)時(shí)對(duì)過零點(diǎn)進(jìn)行時(shí)移修正能夠準(zhǔn)確定位其ECG信號(hào)P,T波波峰，從而避免了尺度下檢測(cè)的過零點(diǎn)經(jīng)重構(gòu)環(huán)節(jié)導(dǎo)致的錯(cuò)位現(xiàn)象，驗(yàn)證了過零點(diǎn)的時(shí)移修正對(duì)P,T波奇異點(diǎn)檢測(cè)具有一定的效果，彌補(bǔ)上述小波中對(duì)P,T波檢測(cè)的不足之處。

圖2 信號(hào)平滑處理結(jié)果

3.5 對(duì)比結(jié)果分析

表2記錄了MIT-BIH數(shù)據(jù)庫上P波和T波檢測(cè)算法的性能。表3提供了該數(shù)據(jù)庫下的P波和T波檢測(cè)算法性能對(duì)比。其中，N為P,T波心拍個(gè)數(shù)，F(xiàn)N為沒有檢出的P,T波峰值點(diǎn)個(gè)數(shù)，F(xiàn)P為錯(cuò)檢P,T波峰值點(diǎn)個(gè)數(shù)，Rd為正檢P,T波峰值點(diǎn)個(gè)數(shù)，分別采用誤差率er、敏感度Se和正確預(yù)測(cè)度PP3個(gè)統(tǒng)計(jì)參數(shù)來評(píng)價(jià)所提出的P波和T波算法的性能。

圖3 信號(hào)時(shí)移修正結(jié)果

表2 P, T波統(tǒng)計(jì)結(jié)果

表3 方法對(duì)比

如表2所示，P波的誤差率、敏感度、正確預(yù)測(cè)度達(dá)到：0.23%,99.85%,99.90%;T波的誤差率、敏感度、正確預(yù)測(cè)度達(dá)到0.27%,99.85%,99.87%，驗(yàn)證了本文算法的有效性，能夠準(zhǔn)確有效地檢測(cè)心律失常疾病下P,T特征波。在心電信號(hào)中，由于采集和儀器本身等因素，波峰附近會(huì)存在一定的毛刺波形，毛刺的存在，導(dǎo)致峰值點(diǎn)定位不準(zhǔn)確。同時(shí)，峰值點(diǎn)的定位是由檢測(cè)的過零點(diǎn)還原到原始信號(hào)中的峰值點(diǎn)，還原過程，過零點(diǎn)對(duì)應(yīng)的峰值點(diǎn)存在一定的時(shí)移誤差，同樣導(dǎo)致峰值點(diǎn)定位不準(zhǔn)確。本文算法針對(duì)鋸齒狀毛刺干擾、過零點(diǎn)錯(cuò)位等問題進(jìn)行了優(yōu)化。在連續(xù)小波多尺度P,T波信息獲取下，融合平穩(wěn)小波，對(duì)P,T波候選段進(jìn)行平滑處理，解決毛刺干擾問題，根據(jù)不同尺度下的時(shí)移修正規(guī)則，再進(jìn)行過零點(diǎn)的時(shí)移修正，保證所檢測(cè)的P,T波過零點(diǎn)能夠準(zhǔn)確還原到原始信號(hào)所對(duì)應(yīng)的P,T波峰值點(diǎn)。本文算法簡(jiǎn)單有效地優(yōu)化了現(xiàn)有算法中毛刺干擾、過零點(diǎn)錯(cuò)位等不足，最大限度避免真實(shí)峰值點(diǎn)的錯(cuò)誤定位，為臨床醫(yī)學(xué)分析提供基礎(chǔ)保障。

為評(píng)估本文算法性能，分別與傳統(tǒng)特征波檢測(cè)算法和基于深神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了比較，如表3所示。文獻(xiàn)[4]采用差分法對(duì)P,T波候選段進(jìn)行峰值點(diǎn)檢測(cè)，雖然通過頻域特性消除雜波，得到P,T波的候選段，由于在心電信號(hào)采集過程中受到外界各種噪聲以及工頻干擾，信號(hào)本身存在鋸齒狀細(xì)小毛刺，從而干擾峰值點(diǎn)的檢測(cè)。所以，光滑的僅包含P,T波的待檢測(cè)段獲取是十分困難的。文獻(xiàn)[7]運(yùn)用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建P,T特征波訓(xùn)練模型，雖然此方法不需要消除雜波，但構(gòu)建訓(xùn)練集過程中，該類算法對(duì)訓(xùn)練集樣本的廣泛性有一定的要求，因此全面豐富的訓(xùn)練集對(duì)提高該類算法的精度是十分重要的，僅依靠訓(xùn)練集得到的檢測(cè)模型在臨床應(yīng)用中適用性低。文獻(xiàn)[9]利用小波法檢測(cè)心電信號(hào)P,T特征波，既不存在雜波干擾，也不存在特征波形態(tài)的廣泛性約束，但信號(hào)本身的毛刺問題仍會(huì)干擾峰值點(diǎn)的定位，導(dǎo)致現(xiàn)有檢測(cè)精度并不理想。文獻(xiàn)[10]在小波法檢測(cè)基礎(chǔ)上，運(yùn)用頻域和位置信息消除QRS波群和P波極值對(duì)，僅保留T波極值對(duì)T波過零點(diǎn)進(jìn)行檢測(cè)。但是小波分解重構(gòu)過程中，由于尺度原因，過零點(diǎn)對(duì)應(yīng)原始信號(hào)峰值點(diǎn)存在錯(cuò)位現(xiàn)象，同樣帶來峰值點(diǎn)的定位誤差。雖然現(xiàn)有檢測(cè)精度相差不大，但特征波的準(zhǔn)確定位對(duì)是醫(yī)學(xué)特征提取的基礎(chǔ)保障。所以，針對(duì)上述毛刺干擾、過零點(diǎn)錯(cuò)位等問題，本文利用連續(xù)小波多尺度優(yōu)勢(shì)獲取P,T特征波主要成分，融合平穩(wěn)小波對(duì)P,T波候選段進(jìn)行平滑處理，再根據(jù)尺度分解重構(gòu)原則對(duì)過零點(diǎn)進(jìn)行時(shí)移修正，優(yōu)化檢測(cè)算法的不足之處，為遠(yuǎn)程醫(yī)療心電信號(hào)智能分析提供準(zhǔn)確的定位。

4 結(jié)束語

本算法使用MIT-BIH arrhythmic數(shù)據(jù)庫中6種常見且具有臨床研究意義的心律失常心電信號(hào)對(duì)該算法進(jìn)行了測(cè)試和評(píng)價(jià)。針對(duì)現(xiàn)有檢測(cè)算法存在的鋸齒狀毛刺干擾和過零點(diǎn)錯(cuò)位問題，運(yùn)用融合算法優(yōu)化不足之處，最大限度降低毛刺、過零點(diǎn)錯(cuò)位帶來的誤差。實(shí)驗(yàn)結(jié)果表明本文算法的P波誤差率、敏感度、正確預(yù)測(cè)度可以達(dá)到0.23%,99.85%,99.90%；T波誤差率、敏感度、正確預(yù)測(cè)度可以達(dá)到0.27%,99.85%,99.87%，能夠?qū)@6種心律失常疾病下的心電信號(hào)P波和T波進(jìn)行峰值點(diǎn)的準(zhǔn)確定位。與現(xiàn)有P,T波檢測(cè)算法相比，本文算法簡(jiǎn)單，執(zhí)行效率高，面向臨床應(yīng)用具有明顯優(yōu)勢(shì)。另外，本文的實(shí)驗(yàn)數(shù)據(jù)僅包含了6種常見心律失常，沒有考慮更多的心血管疾病情況，下一步將對(duì)該算法進(jìn)行優(yōu)化，進(jìn)一步提高在多種疾病數(shù)據(jù)下的P,T波檢測(cè)精度，為心血管疾病智能輔助診斷提供基礎(chǔ)保障。