專利名稱：：基于波形特征匹配的心電信號r波峰檢測方法
技術領域：
：本發明涉及心電信號自動檢測與分析
技術領域：
，特別涉及一種用于心電信號特征提取和匹配的心電信號R波峰檢測方法。
背景技術：
：心電圖(Electrocardiogram，簡稱ECG)是指，心臟在每個心動周期中，由起搏點、心房、心室相繼興奮，伴隨著生物電的變化，通過心電描記器從體表引出多種形式的電位變化的圖形。心電圖是心臟興奮的發生、傳播及恢復過程的客觀指標。QRS復合波是心電信號的一個重要特征，也是心電信號檢測中最基本的問題，它不僅是診斷心律失常的最重要依據，而且只有在QRS復波確定后才能分析心電信號的其它細節，獲取更多的信息。如果QRS復波檢測不準確，會大大影響到后面的分析判斷工作。QRS復波的檢測是所有分析算法的前提，而波形定位的精度將直接影響指標的可信度。QRS復波檢測往往以R波峰為準進行定位，R波峰定位便成為QRS復波檢測的基礎；同時，R波峰作為心電信號單拍節律的最高點，常作為其余波形定位的基點，并可通過檢測R波峰得到RR間期、心率、心率變異性等重要參數。因此，R波峰的檢測在心電信號檢測中具有重要的臨床意義。如圖2所示的心電信號實例波形圖中，分別為其中的3個R波峰。目前，應用比較普遍的R波峰檢測方法大致可以分為兩類一類是幾何變換方法，如閾值檢測法、斜率法、面積法以及采用一系列帶通濾波器提取QRS復合波技術等。這些方法對短周期平穩的心電信號可以提供較高的檢測精度，但對于如圖3所示的心電信號，由于其中部分波峰異常對R波峰檢測形成干擾，幾何變換方法并不能提供良好的R波峰檢測精度。專利號為200810238523.4的中國專利“基于心電間期序列歸一化直方圖的心衰檢測方法和裝置”中，對心電信號R峰值的檢測應用了另一類方法，即小波變換模極大值檢測法。由于R波是高頻波，在心電波形中的幅值遠大于其他波，經過小波變換后，信號的R波能量主要集中在小尺度上，因此，應在低尺度上檢測R波。采樣后的心電信號往往含有高頻噪聲，但是噪聲的幅值相比R波小的多，利用小波變換模極大值線在小尺度上定位R波時，噪聲可以得到有效的抑制；R波在每個尺度上均能產生一對模極大值點，從而形成2條模極大值序列，它們在尺度1上會收斂于一點，即R波峰的橫坐標點，通過檢測收斂點即可確定R波峰的位置。但小波變換模極大值檢測法在很多情況下也無能為力，例如當出現頻率較高、幅值較大的干擾時，小波變換模極大值檢測就不能有效的區分出該波段是R波還是干擾；當干擾持續比較長的時間而不是在一個幾拍內部，小波變換模極大值檢測也會將頻率和幅值與R波相當的干擾判斷為R波。這些干擾都會讓小波變換模極大值檢測法失效，從而影響心電信號中R波峰的檢測精度。
發明內容針對現有技術存在的上述不足，本發明的目的是提供一種采用計算機實現的、抗干擾能力更強的心電信號R波峰檢測方法，該方法通過提取某些點與其所在波形上的其它點的相對位置關系，并通過度量其在對數極坐標分布模型中的分布特征，進而排除干擾、實現對心電信號上R波峰的準確識別。本發明的目的是這樣實現的基于波形特征匹配的心電信號R波峰檢測方法，將心電檢測儀采集的心電信號輸入計算機，由計算機進行低通濾波和采樣預處理，并識別心電信號中的R波峰，依次包括如下步驟a)建立對數極坐標分布模型在對數極坐標中預先設定對數極徑的取值半徑Ifflax以及極角的取值范圍ΔΨ，將對數極徑的取值半徑劃分為M個等間隔區間，將極角的取值范圍△Ψ劃分為N個等間隔區間，則對數極徑的取值半徑、極角的取值范圍ΔΨ以內的對數極坐標域劃分為MXN個等間隔的二維區間，構成對數極坐標分布模型；b)針對不同的導聯方式，分別選取多個波形輪廓互不相同并且周期、幅度和R波峰均已知的心電信號分別作為模板信號，分別將各模板信號中R波峰前后各-周期內的采樣點映射到對數極坐標分布模型中，獲取各模板信號中R波峰的分布特征；c)對待測心電信號進行自相關分析，計算其自相關系數中每相鄰兩個局部最大值之間的時間間隔，取所述時間間隔的平均值作為待測心電信號的近似周期；d)提取待測心電信號中的局部最大值點；e)分別將待測心電信號中各局部最大值點前后各*近似周期內的采樣點映射到對數極坐標分布模型中，獲取待測心電信號中各個局部最大值點的分布特征；f)利用步驟b)獲取的各個模板信號中R波峰的分布特征，分別對待測心電信號中各局部最大值點的分布特征進行X2統計檢驗，得到待測心電信號中各個局部最大值點的相異度；所述χ2統計檢驗的計算公式為Udl(-dk()2義2(A,a)二全Σ/(《)，且/(οd丨丨+dk’丨'’‘kj；7=1[0,必/=0且47=0其中，X2(Di;Dk)為待測心電信號中第i個局部最大值點相對于第k個模板信號中R波峰的檢驗值；dq為待測心電信號中第i個局部最大值點在對數極坐標分布模型第j個二維分區的分布值，dk,j為第k個模板信號中R波峰在對數極坐標分布模型第j個二維分區的分布值；η為對數極坐標分布模型中二維分區的個數，且η=MXN；g)計算待測心電信號起始β倍近似周期內相異度最小的局部最大值點作為第一個待定點；然后，以前一待定點為起始點，計算其后β倍近似周期內相異度最小的局部最大值點作為又一個待定點；由此遞推確定待測心電信號中的所有待定點，每確定一個待定點則將其相異度與預先設定的閾值Ctl進行比較，相異度小于閾值Ctl的待定點即判定為待測心電信號中的R波峰；其中，β的取值范圍為1.21.8，所述閾值Ctl的取值范圍為0.20.7；h)存儲并輸出顯示待測心電信號R波峰檢測結果。其中，步驟b)中所述“分別將各模板信號中R波峰前后各-周期內的采樣點映射到對數極坐標分布模型中，獲取各模板信號中R波峰的分布特征”，具體包括bl)提取任一模板信號中R波峰前I,周期和后-周期內的采樣點作為該R波峰的分布特征點，并建立其與該R波峰的笛卡爾相對坐標；b2)根據步驟bl)所得的笛卡爾相對坐標，將所述R波峰的分布特征點從笛卡爾坐標系映射到對數極坐標分布模型中，得到該R波峰的分布特征點的對數極坐標；b3)根據步驟b2)所得的對數極坐標，計算所述R波峰的分布特征點在對數極坐標模型各二維分區中的分布數量，作為該R波峰的分布特征；b4)重復步驟bl)b3)，獲取各模板信號中R波峰的分布特征。其中，所述步驟e)具體包括el)提取待測心電信號中任一局部最大值點前*近似周期和后I:近似周期中的采樣點作為該局部最大值點的分布特征點，并建立其與該局部最大值點的笛卡爾相對坐標；e2)根據步驟el)所得的笛卡爾相對坐標，將所述局部最大值點的分布特征點從笛卡爾坐標系映射到對數極坐標分布模型中，得到該局部最大值點的分布特征點的對數極坐標；e3)根據步驟e2)所得的對數極坐標，計算所述局部最大值點的分布特征點在對數極坐標模型各二維分區中的分布數量，作為該局部最大值點的分布特征；e4)重復步驟el)e3)，獲取待測心電信號中各局部最大值點的分布特征。其中，所述步驟f)具體包括fl)利用步驟b)獲取的各個模板信號中R波峰的分布特征，對待測心電信號中任一局部最大值點的分布特征進行χ2統計檢驗，得到該局部最大值點相對于各個模板信號中R波峰的統計檢驗值；f2)以步驟fl)所得統計檢驗值中的最小值作為所述局部最大值點的相異度；f3)重復步驟fl)f2)，得到待測心電信號中各個局部最大值點的相異度。作為優選方案，所述低通濾波的截止頻率為100120Hz，采樣的頻率為250IOOOHz。相比現有技術，本發明具有如下有益效果1、本發明方法以點與點之間的差向量作為基礎特征，使得特征具有平移和旋轉不變性，該特性能夠克服心電信號的基線漂移的影響；并且，對差向量進行對數極坐標轉換并加以分區來度量波形的相似性，這種度量對鄰近的形態特征敏感，同時又能捕獲波形的全局輪廓信息，并對波形抖動具有魯棒性，能夠有效識別和排除干擾波峰和干擾波段。2、僅以心電信號中的局部最大值點作為識別點，忽略對非局部最大值點的計算和識別，大大簡化了檢測過程中的數據計算量，進一步提高了識別的魯棒性。3、適用于在臨床上應用的采用各種導聯方式得到的心電信號。圖1為本發明方法的流程框圖2為心電信號示例波形圖；圖3為部分波峰異常的心電信號示例波形圖；圖4為本發明實施例1中一個模板信號的波形圖；圖5為圖4所示模板信號的笛卡爾坐標映射示意圖；圖6為圖4所示模板信號中點a在對數極坐標模型中的映射示意圖；圖7為本發明實施例1中采用的對數極坐標模型圖；圖8為圖4所示模板信號中R波峰在圖7所示對數極坐標模型中的歸一化分布圖；圖9為本發明實施例1中一個待測心電信號的波形圖；圖10為圖9所示待測心電信號中局部最大值點的分布圖；圖11為圖9所示待測心電信號中點S1在圖7所示對數極坐標模型中的歸一化對數極坐標分布模型圖；圖12為圖9所示待測心電信號中點S2在圖7所示對數極坐標模型中的歸一化對數極坐標分布模型圖；圖13為圖9所示待測心電信號中點S3在圖7所示對數極坐標模型中的歸一化對數極坐標分布模型圖；圖14為圖9所示待測心電信號中點S4在圖7所示對數極坐標模型中的歸一化對數極坐標分布模型圖；圖15為圖9所示待測心電信號中局部最大值點的相異度分布圖；圖16為圖9所示待測心電信號的R峰值檢測分布圖；圖17為本發明實施例2中一個待測心電信號的波形圖；圖18為圖17所示待測心電信號中局部最大值點的相異度分布圖；圖19為圖17所示待測心電信號的R峰值檢測分布圖。具體實施例方式下面結合附圖和實施例對本發明的技術方案作進一步說明本發明提出了一種結合心電信號的波形輪廓進行綜合分析的心電信號R波峰檢測方法。心電信號的逐拍對應著心臟搏動，而且各節拍的內在驅動機制相同，都是由起搏點、心房、心室相繼興奮的共同作用驅動的結果，相鄰的節拍的波形具有相似性；如果能夠對相似性加以度量和匹配，就可以找到與R波峰相似的點，實現R波峰的抗干擾檢測。本發明提取心電信號中點與其所在波形上的其它點的相對位置關系，并通過度量其在對數極坐標分布模型中的分布特征，來度量這些點與R波峰之間的相似性；同時，將點與點的相似性度量轉化為對點所在的波形經對數極坐標變換后的相似性匹配程度來加以度量，轉換后的度量對鄰近的波形形態特征敏感，同時又能捕獲波形的全局輪廓信息。將本發明方法應用于帶有微處理器等計算處理單元的識別處理設備(如具備計算機功能的心電圖分析儀、心電圖分析系統等)，結合對心電信號局部形態結構和全局輪廓信息進行識別，便能夠準確的判斷R波峰的位置。本發明的基于波形特征匹配的心電信號R波峰檢測方法，采用心電檢測儀采集心電信號，將心電檢測儀采集的心電信號輸入計算機，由計算機進行低通濾波和采樣預處理，并識別心電信號中的R波峰，其流程框圖如圖1所示，依次按如下步驟進行a)建立對數極坐標分布模型在心電信號中，由于多種因素的干擾，各個節拍的波形輪廓不可能完全吻合，因此只能通過比較波形形態的相似性匹配程度來識別R波峰。R波峰鄰近的波形形態與非R波峰鄰近的波形形態之間差異是非常大的，如果可以建立一種度量關系，讓度量對鄰近的波形形態特征更加敏感，就更容易將R波峰與非R波峰加以明顯的區分，達到抗干擾的檢測目標。本發明通過建立對數極坐標分布模型，將采集的心電信號映射到對數極坐標分布模型中，讓心電信號中的識別點與其所在波形上的其它點的相對位置關系呈現對數變化規律，通過度量心電信號中的識別點相對于其所在波形的其它點在對數極坐標分布模型中的分布特征，以其分布特征的對數變化規律來體現識別點對其鄰近的波形形態的敏感特性，進而實現對心電信號中R波峰的匹配識別。對數極坐標分布模型是設有多個等間隔的二維分區的對數極坐標域(ξ，Ψ)，在對數極坐標中預先設定對數極徑的取值半徑ξ隱以及極角的取值范圍％Γ，將對數極徑的取值半徑ξ_劃分為M個等間隔區間，將極角的取值范圍劃分為N個等間隔區間，則對數極徑的取值半徑ξ_、極角的取值范圍以內的對數極坐標域被劃分為MXN個等間隔的二維區間，從而構成對數極坐標分布模型。對數極坐標分布模型中二維區間的劃分，形如表1所示表1<table>tableseeoriginaldocumentpage8</column></row><table>其中，Vj為對數極坐標分布模型中第j個二維區間，je{1，2，...，n}，n=MXN。對數極坐標分布模型中，為了讓心電信號映射后不會發生點與點的重合現象，影響識別，極角的取值范圍^Γ最好設定為(-η，η]；對數極徑的取值半徑ξ_根據計算所需要的識別范圍預先設定；M和N則根據計算所需要的精度確定，通常M的取值范圍為420，N的取值范圍為836，對數極坐標模型能夠與笛卡爾坐標系(x，y)相互轉換，其轉換關系如下<formula>formulaseeoriginaldocumentpage8</formula><formula>formulaseeoriginaldocumentpage9</formula>其中(P，θ)為笛卡爾坐標系(X，y)所對應的極坐標。b)建立模板信號中R波峰的分布特征在不同個體、不同身體狀態、不同導聯方式下，所采集到的心電信號的周期、幅值和波形輪廓都不盡相同，因此在建立模板時應當充分考慮這些因素。針對不同的導聯方式，分別選取多個波形輪廓互不相同的心電信號作為模板信號，并且其各自的周期、幅度和R波峰等參數均預先獲取為已知條件，便于計算。所選取的模板信號應當對應I導聯、II導聯、III導聯、加壓單極肢導聯、單擊胸導聯等多種常用心電信號導聯方式；針對每種導聯方式所選取的多個模板信號，應當盡可能涵蓋實踐臨床上常見幾種心電信號的波形輪廓，其周期在0.431.5秒之間，以盡可能使得這些模板信號能夠用于識別心率范圍在40140次/分鐘條件下的心電信號。由心電檢測儀采集上述各類心電信號，這些信號是通過A/D轉換后的數字信號(A/D轉換的采樣頻率為500Hz)，將這些信號輸入計算機，進行低通濾波和采樣預處理，其濾波的截止頻率為100120Hz，采樣頻率在2501000Hz之間。從中選取K段信號作為模板信號，其中第k個模板信號劣的周期為Tk，ke{1，2，...，K}，波形輪廓如圖4所示，模板信號A的一個R波峰為0k。獲取模板信號Λ中R波峰Ok的分布特征Dk的方法如下在計算R波峰Ok的分布特征過程中，由于模板信號Λ為準周期信號，因此從提高魯棒性的角度考慮，不需要取模板信號式上的所有采樣點作為計算對象，只需要提取R波峰Ok前-周期和后-周期內的采樣點作為該R波峰的分布特征點進行計算。為了度量和計算R波峰Ok與其分布特征點的相對位置關系，將這些分布特征點投射到以R波峰Ok為原點的笛卡爾坐標系中，建立各分布特征點與該R波峰的笛卡爾相對坐標，以笛卡爾相對坐標度量各分布特征點與R波峰Ok的差向量。差向量的大小僅與R波峰Ok和其分布特征點之間的相對位置關系有關，而與R波峰Ok前-周期和后-周期信號波形的基線無關，因此以點與點之間的差向量作為基礎特征，使得基礎特征具有平移和旋轉不變性，該特性能夠克服心電信號的基線漂移的影響。然后，再根據上述的笛卡爾相對坐標，將R波峰Ok的分布特征點映射到對數極坐標分布模型中，得到分布特征點的對數極坐標；這些分布特征點在對數極坐標分布模型中的對數極坐標直接的反映了其與R波峰Ok之間的位置關系，并且其分布呈對數規律變化，通過度量R波峰Ok的分布特征點的分布特征，這種度量對R波峰Ok鄰近的波形形態特征敏感，同時又能捕獲波形的全局輪廓信息。例如，模板信號Λ上的采樣點⑴其作為R波峰Ok的分布特征點，在以R波峰Ok為原點的笛卡爾坐標系中的笛卡爾相對坐標為(xa，ya)，相應的極坐標為(Pa，θa)，如圖5所示；映射到對數極坐標分布模型之后，得到分布特征點a的對數極坐標(ξa,，如圖6所示，(ξa,Wa)與(xa，ya)滿足對數極坐標模型與笛卡爾坐標系的轉換關系，從圖6中能夠看到分布特征點a分布在對數極坐標分布模型的一個二維區間中。為了便于后續的計算，可根據分布特征點所在的二維區間，對分布特征點的對數極坐標進行歸一化處理。通過該方法，即可獲得R波峰Ok的各個分布特征點在對數極坐標分布模型中的分布圖，再通過其各自的對數極坐標確定其所在的二維區間，從而計算獲知R波峰Ok的分布特征點在對數極坐標模型各二維分區中的分布數量，以此作為R波峰Ok的分布特征Dk。R波峰Ok的分布特征為一個分布集合Dk={dka,dk,2，...,dkjJ,...,dk,n}，其元素Clkij的分布形如表2所示；表2<table>tableseeoriginaldocumentpage10</column></row><table>其中，dk,j為模板信號Λ中R波峰Ok在對數極坐標分布模型第j個二維分區Vj的分布值，代表R波峰Ok的分布特征點中有dkd個分布特征點落在二維分區\中，je{1，2，···，η}，η=ΜΧΝ。通過該步驟所得到的各個模板信號的R波峰分布特征，將之儲存在心電圖分析設備的存儲器中，作為識別待測心電信號中R波峰的標準模板。至此，測試準備工作已完成，接下來即可進行待測心電信號的測試步驟。c)計算待測心電信號的近似周期由心電檢測儀采集心電信號，這些信號是采樣頻率為500Hz的數字信號，將這些信號輸入計算機，進行低通濾波和采樣預處理，其濾波截止頻率和采樣頻率均與模板信號相同，由此得到待測心電信號。獲取待測心電信號的近似周期，是進行后續測試的一個重要步驟。一方面，可以用近似周期劃分識別點的分布特征點選取范圍，以提高計算過程的魯棒性能；另一方面，還可以此近似周期作為R波峰所在范圍的判斷基準。待測心電信號的近似周期，可采用本領域常用的自相關分析計算得到，對待測心電信號進行自相關分析，計算其自相關系數中每相鄰兩個局部最大值之間的時間間隔，取所述時間間隔的平均值作為待測心電信號的近似周期。對于待測心電信號及，其信號值為時間的函數S(t)，則待測心電信號力的自相關系數Rs(T)為<formula>formulaseeoriginaldocumentpage11</formula>實際計算時，只需選取一段時長的待測心電信號S(所選時長至少應大于一個周期長度)，計算其自相關系數Rs(T)取局部最大值時所對應的m個τ值，記為τι，1ε{1，2，...，m}，則待測心電信號勁勺近似周期乞為<formula>formulaseeoriginaldocumentpage11</formula>d)待測心電信號的R波峰應該是一個局部最大值點，若僅以待測心電信號中的各個局部最大值點作為識別點進行計算，可以避免對信號中大量的明顯非R波峰的點進行識另|J，大大簡化了檢測過程中的數據計算量，能夠進一步提高識別的魯棒性。因此，在進行識別之前，先通過本領域常用一些方法提取待測心電信號中的局部最大值點。例如，可以計算各相鄰采樣點之間的幅值差，若某一采樣點與其前、后相鄰采樣點之間的幅值差均不小于零，則判定該采樣點為局部最大值點。也可利用求導法，對待測心電信號進行求導運算，取得待測心電信號上導數為“O”的極值點，再進一步判斷這些極值點是極大值點還是極小值點，其中的極大值點即為心電信號的局部最大值點。e)獲取待測心電信號中各個局部最大值點的分布特征得到待測心電信號的近似周期和局部最大值點后，即可計算待測心電信號中各個局部最大值點的分布特征。例如，待測心電信號^近似周期為，通過計算得到待測心電信號左中的I個局部最大值點，其中第i個局部最大值點為Si,ie{1,2,...,1}；獲取待測心電信號左中局部最大值點Si的分布特征Di的方法如下提取待測心電信號中局部最大值點Si前|近似周期和后I近似周期中的采樣點作為局部最大值點Si的分布特征點，并投射到以局部最大值點Si為原點的笛卡爾坐標系中，建立局部最大值點Si各分布特征點與局部最大值點Si的笛卡爾相對坐標，再根據笛卡爾相對坐標將其映射到對數極坐標分布模型中，得到分布特征點的對數極坐標，這些分布特征點在對數極坐標分布模型中的對數極坐標直接的反映了其與局部最大值點Si之間的位置關系；計算獲取局部最大值點Si的分布特征點在對數極坐標模型各二維分區中的分布數量，以此作為局部最大值點Si的分布特征D”該步驟的具體計算過程與步驟b)中計算R波峰為Ok的分布特征Dk的具體計算步驟相似，計算所得的局部最大值點Si的分布特征一個分布集合Di=Wia，Cli,2,...,(Iijj,...,U，其元素Cli,」為待測心電信號左中局部最大值點Si在對數極坐標分布模型第j個二維分區\的分布值，代表局部最大值點Si的分布特征點中有dy個分布特征點落在二維分區、中，je{1，2，...，η}，η=ΜΧΝ。通過該步驟得到待測心電信號中各局部最大值點的分布特征，作為識別各局部最大值點是否R波峰的識別特征。f)計算待測心電信號中各個局部最大值點的相異度在待測心電信號的每一個周期中，只有一個局部最大值點是真正的R波峰，該局部最大值點應該與模板信號中R波峰的相似性匹配程度最高。所以，在此引入“相異度”這一概念，通過計算局部最大值點的相異度，來描述局部最大值點與模板信號中R波峰的相似性匹配程度；局部最大值點的相異度越小，則表示該局部最大值點與模板信號中R波峰的相似性匹配程度越高，該局部最大值點就越有可能是待測心電信號的實際R波峰。為了能夠度量待測心電信號中各個局部最大值點的相異度，本發明利用步驟b)獲取的各個模板信號中R波峰的分布特征，分別對待測心電信號中各局部最大值點的分布特征進行χ2統計檢驗，得到各個局部最大值點的相異度。例如，待測心電信號左中的局部最大值點Si，ie{1,2,...,I}，其分布特征為Di,Di的元素為局部最大值點Si在對數極坐標分布模型第j個二維分區\的分布值；模板信號劣，ke{1，2，...，K}，其R波峰Ok的分布特征為Dk，Dk的元素dk,」為模板信號Λ中R波峰Ok在對數極坐標分布模型第j個二維分區Vj的分布值；其中，je{1，2，...，η}，η為對數極坐標分布模型中二維分區的個數，且η=MXN0利用模板信號Λ中R波峰Ok的分布特征為Dk，對待測心電信號《§中局部最大值點Si的分布特征Di進行χ2統計檢驗，得到局部最大值點Si相對于模板信號Λ中R波峰Ok的統計檢驗值Χ2(Di,Dk)；χ2統計檢驗的計算公式為<formula>formulaseeoriginaldocumentpage12</formula>由此，利用步驟b)獲取的K個模板信號中R波峰的分布特征，對待測心電信號S中局部最大值點Si的分布特征Di進行χ2統計檢驗，即可得到局部最大值點Si相對于各個模板信號中R波峰的統計檢驗值X2(Di5D1),χ2(Di,D2)、……、χ2(Di,Dk)。將χ2(Di,D1),X2(Di5D2),……、X2(D^Dk)中的最小值作為局部最大值點Si的相異度C”通過該步驟逐一對待測心電信號中各個局部最大值點進行X2統計檢驗，得到各個局部最大值點的相異度。g)判定R波峰待測心電信號每一節拍中，除實際R波峰以外的局部最大值點均為干擾點，應當在識別過程中加以排除。干擾點是由于心電信號受到幅值較大的干擾而產生的，從識別角度來講可將這些干擾點分為兩類。第一類干擾點，是心電信號的中的P波、T波和U波中的局部最大值點，這些干擾點與模板信號中R波峰的相異度較大，因此通過比較各局部最大值點之間的相異度大小，就能夠加以排除。第二類干擾點，是由于咳嗽、噴嚏等動作導致心電信號劇烈抖動，這種抖動的持續時間相對較長，并且振幅較大，形成一段干擾波，干擾波中的局部最大值點作為第二類干擾點。為了將R波峰與這兩類干擾點區分開，需要預先設定一個閾值Ctl，通過與閾值Ctl比較來確定R波峰的位置。具體處理方式是，將待測心電信號每一節拍中相異度最小的局部最大值點作為待定點，在后面加以進一步識別和判定，而除待定點以外的局部最大值點即被視為第一類干擾點加以排除；每確定一個待定點則將其相異度與預先設定的閾值Ctl進行比較，把相異度大于閾值Ctl的待定點判定為第二類干擾點加以排除，相異度小于閾值Ctl的待定點即判定為待測心電信號中的R波峰。但在確定R波峰之前，待測心電信號的節拍時長無法準確的判定，因此需要一個判定時長，該判定時長中既能確定至少包含一個R波峰，又不會超過2個節拍時長，以盡可能保證判定的準確性。考慮到步驟c)中計算所得的近似周期與實際節拍時長之間的誤差，取β倍近似周期作為判定時長來進行判定，β的取值范圍為1.21.8，以確保β倍近似周期的信號中一定至少包含了一個R波峰，并且不會超過2個信號節拍的時長。因此采用β倍近似周期作為計算基準，判定R波峰的具體步驟為計算待測心電信號起始β倍近似周期內相異度最小的局部最大值點作為第一個待定點；然后，以前一待定點為起始點，計算其后β倍近似周期內相異度最小的局部最大值點作為又一個待定點；由此遞推確定待測心電信號中的所有待定點，每確定一個待定點則將其相異度與預先設定的閾值Ctl進行比較，相異度小于閾值Ctl的待定點即判定為待測心電信號中的R波峰。β的最優取值為1.5。例如，計算某β倍近似周期內相異度最小的局部最大值點，確定待定點為Si,其相異度為Ci；將Ci與預先設定的閾值Ctl進行比較，若Ci>C0,則判定待定點Si為第二類干擾點；若Ci<Ctl，則判定待定點Si為R波峰。然后再以待定點Si為起始點，計算待定點Si之后β倍近似周期內相異度最小的局部最大值點，作為下一個待定點進行判定。通過該步驟逐一對待測心電信號中各個局部最大值點進行判定，排除其中屬于第一類和第二類干擾點的局部最大值點，判定待測心電信號中的R波峰。該步驟中，閾值Ctl的取值是排除第二類干擾點的決定值，若閾值Ctl取值過大，則會造成第二類干擾點的漏檢；若閾值Ctl取值過小，則可能將具有識別意義的局部最大值點一并排除，導致識別遺漏。通常，作為待測心電信號的實際R波峰，其相異度不會大于0.2;但實際中，只要局部最大值點的相異度小于0.7，將其作為有意義的識別點識別為R波峰，在臨床上還是可以被接受的。因此，閾值Ctl的取值范圍取0.20.7為宜。h)最后，將待測心電信號R波峰檢測結果存儲在計算機的存儲設備中，并通過顯示設備輸出顯示R波峰檢測結果，以便觀察和進行后續處理。下面通過實施例進一步說明本采用發明方法識別心電信號中R波峰的具體過程。實施例1本實施例中，由心電檢測儀(ECG-9130P，福田公司，日本)采集心電信號，這些信號是采樣頻率為500Hz的數字信號，將這些信號輸入計算機，進行低通濾波和采樣預處理，其濾波器采用二階Butterworth低通濾波器，截止頻率為100Hz，采樣頻率為250Hz，將得到的信號作為待測信號。其中一Π導聯的待測心電信號衣，其波形輪廓如圖9所示；利用本發明方法，識別待測心電信號$中的R波峰。在計算機中具體按如下步驟進行首先，建立對數極坐標分布模型，如圖7所示，對數極徑的取值半徑預先設定為10，且M取10，即每“1”對數極徑劃分一個等間隔區間；極角的取值范圍設定為(1，π]，Ν取16，即每“I”極角劃分一個等間隔區間；則將對數極徑的取值半徑為10、極角的取值范圍為(-η，η]以內的對數極坐標域(ξ，Ψ)劃分為160個等間隔的二維區間，如表3所述表3<table>tableseeoriginaldocumentpage14</column></row><table>然后，采用多種不同的導聯方式，由心電檢測儀采集多個周期不同、分別代表臨床上常見波形輪廓的已知心電信號(周期和幅度等參數均已知)，這些信號是采樣頻率為500Hz的數字信號，將這些信號及其相關參數輸入計算機，進行低通濾波和采樣預處理，其濾波器采用二階Butterworth低通濾波器，截止頻率為IOOHz，采樣頻率為250Hz，從得到的信號中選取50個作為模板信號，通過臨床專家手工標記R波峰。分別將各模板信號中R波峰前后各I周期內的采樣點映射到對數極坐標分布模型中，獲取各模板信號中R波峰的分布特征。其中第11個模板信號毛為Π導聯的心電信號，其波形圖如圖4所示；將模板信號卩中R波峰前后各i周期內的采樣點按照步驟b)所述方法映射到對數極坐標分布模型Λη2中，為便于后續計算，再進一步對映射到對數極坐標分布模型中采樣點進行歸一化處理，使它們分別落于各自所屬二維區間的邊緣上，由此得到模板信號毛中R波峰的對數極坐標分布模型圖如圖8所示。準備工作完成后，通過分析待測心電信號$的自相關系數，按照步驟C)所述方法計算得到待測心電信號的近似周期I。按照步驟d)所述方法計算得到待測心電信號衣中的局部最大值點，但由于分別心電信號茂的最后一個近似周期中的波形輪廓不完整，其中的局部最大值點無法利用本發明方法進行測試，因此最后一個近似周期中的局部最大值點舍去，得到能夠作為識別點的61個局部最大值點，分別為si、s2、s3、……、S61，如圖10所示。為簡要說明待測心電信號戈中R波峰的判定過程，在此以待測心電信號戈前5個局部最大值點Si、S2,S3、S4和S5為例進行說明。分別將局部最大值點S1、S2,S3、S4和S5前后各I近似周期內的采樣點按照步驟e)所述方法映射到對數極坐標分布模型中，并經過歸一化處理，得到Sl、S2、S3、S4和S5的對數極坐標分布模型圖，其中Sl、S2、S3和S4的對數極坐標分布模型圖分別如圖11、圖12、圖13和圖14所示。由對數極坐標分布模型圖計算獲取待測心電信號茂中局部最大值點s”S2,S3,S4和S5的分布特征并利用各個模板信號中R波峰的分布特征，分別對SpS2,s3、S4和S5的分布特征進行X2統計檢驗；通過計算，S1,S2,s3、S4和S5S4均相對于II導聯的模板信號4,的統計檢驗值最小，得到Sl、s2,s3、S4和S5的相異度分別為C1=χ2(D1,D11)=0.10；C2=χ2(D2,D11)=0.63；C3=χ2(D3,D11)=0.81；C4=χ2(D4,D11)=0.12；禾口C5=χ2(D5,D11)=0.65。然后，計算待測心電信號或起始1.5倍近似周期內相異度最小的局部最大值點，Sl、s2、s3和S4均在起始1.5倍近似周期以內，比較可知C3>C2>C4>C1，則局部最大值點s2、S3和S4被視為第一類干擾點加以排除，將S1作為第一個待定點，將其相異度與預先設定的閾值Ctl進行比較，C0取值為0.4；由于C1=0.10<C0,因此判定局部最大值點S1為待測心電信號發的一個R波峰。接下來，以局部最大值點S1為起始點，比較S1之后1.5倍近似周期內的局部最大值點s2、s3、S4和S5的相異度大小，有C3>C5>C2>C4,因此局部最大值點s2、s3和S5被視為第一類干擾點加以排除，將S4作為又一個待定點，與閾值Ctl進行比較，得C4=0.12<C0,即判定局部最大值點S4為待測心電信號禹的又一個R波峰。接著以局部最大值點S4為起始點，計算其后1.5倍近似周期內相異度最小的局部最大值點作為又一個待定點，進一步判定其是否為R波峰……由此遞推確定待測心電信號衣中的所有R波峰。通過上述計算，確定待測心電信號戈中的實際R波峰為Sl、s4,……直觀來說，將圖11、圖12、圖13和圖14分別與圖8進行對照，能夠看到，圖11和圖14中所示的局部最大值點S1和S4的對數極坐標分布模型圖與圖8中所示的模板信號中R波峰的對數極坐標分布模型圖非常相似，即S1和S4應當被視為待測心電信號$中的R波峰。按照上述的方法，計算待測心電信號茂中作為識別對象的各個局部最大值點的相異度，其相應的相異度分布圖如圖15所示；最后對各個局部最大值點的相異度進行判定，排除其中的干擾點，確定待測心電信號戈中的18個R波峰，分別為S1、S4、S8、S12、S15、S18、S22、S26、S29,S32>S35>S38>s41,s44,s48,s51,S55和S59，18個R波峰在待測心電信號裒中的具體位置如圖16所示。實施例2:本實施例中，由心電檢測儀(ECG-9130P，福田公司，日本)采集心電信號，這些信號是采樣頻率為500Hz的數字信號，將這些信號輸入計算機，進行低通濾波和采樣預處理，其濾波器采用二階Butterworth低通濾波器，截止頻率為100Hz，采樣頻率為250Hz，將得到的信號作為待測信號。其中一I導聯的待測心電信號尾，該待測心電信號受到較強烈的干擾，其波形圖如圖17所示。這樣的心電信號，若采用現有技術識別其中的R波峰，具有相當難度。利用實施例1中所選取的50個模板信號，采用本發明方法識別待測心電信號尾中的R波峰；其中，對數極坐標分布模型的建立與實施例1相同，閾值Ctl取值為0.5，通過計算，得到待測心電信號&中作為識別對象的各個局部最大值點的相異度分布圖如圖18所示，遞推識別到待測心電信號尾中的5個R波峰分別為SS1、SS2、SS3、SS4和ss5，5個R波峰的在待測心電信號烏中的具體位置如圖19所示。為了評估本發明方法的檢測性能，我們構建了一個數據庫，數據庫中待測心電信號的R波峰數量為82612個，這些待測心電信號的R波峰已經經過臨床專家手工標記。利用本發明方法對待測數據庫中待測心電信號進行R波峰識別，然后將檢測結果與專家標記點進行比較，進而評估本發明的檢測性能。我們將手工標記的R波峰前后8ms設為容錯區間，即由本發明檢測的起拍點與專家手工標記的起拍點誤差不大于8ms時認為該檢測是正確的。本發明方法對此82612個R波峰的識別精確度為96.80%，特異度為94.91%，滿足臨床識別的要求。本發明方法不僅僅把心電信號中的幅值、局部最大值點等局部信息作為參考因素，更結合了心電信號的波形輪廓進行綜合分析，以點與點之間的差向量作為基礎特征，使得特征具有平移和旋轉不變性，該特性能夠克服心電信號的基線漂移的影響；并且，對差向量進行對數極坐標轉換并加以分區來度量波形的相似性，這種度量對鄰近的形態特征敏感，同時又能捕獲波形的全局輪廓信息，并對波形抖動具有魯棒性，能夠有效識別和排除干擾波峰和干擾波段，進而準確的實現了對心電信號R波峰的識別。最后說明的是，以上實施例僅用以說明本發明的技術方案而非限制，盡管參照較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的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宗旨和范圍，其均應涵蓋在本發明的權利要求范圍當中。權利要求基于波形特征匹配的心電信號R波峰檢測方法，其特征在于，將心電檢測儀采集的心電信號輸入計算機，由計算機進行低通濾波和采樣預處理，并識別心電信號中的R波峰，依次包括如下步驟a)建立對數極坐標分布模型在對數極坐標中預先設定對數極徑的取值半徑ξmax以及極角的取值范圍Δψ，將對數極徑的取值半徑ξmax劃分為M個等間隔區間，將極角的取值范圍Δψ劃分為N個等間隔區間，則對數極徑的取值半徑ξmax、極角的取值范圍Δψ以內的對數極坐標域劃分為M×N個等間隔的二維區間，構成對數極坐標分布模型；b)針對不同的導聯方式，分別選取多個波形輪廓互不相同并且周期、幅度和R波峰均已知的心電信號分別作為模板信號，分別將各模板信號中R波峰前后各周期內的采樣點映射到對數極坐標分布模型中，獲取各模板信號中R波峰的分布特征；c)對待測心電信號進行自相關分析，計算其自相關系數中每相鄰兩個局部最大值之間的時間間隔，取所述時間間隔的平均值作為待測心電信號的近似周期；d)提取待測心電信號中的局部最大值點；e)分別將待測心電信號中各局部最大值點前后各近似周期內的采樣點映射到對數極坐標分布模型中，獲取待測心電信號中各個局部最大值點的分布特征；f)利用步驟b)獲取的各個模板信號中R波峰的分布特征，分別對待測心電信號中各局部最大值點的分布特征進行χ2統計檢驗，得到待測心電信號中各個局部最大值點的相異度；所述χ2統計檢驗的計算公式為<mrow><msup><mi>&chi;</mi><mn>2</mn></msup><mrow><mo>(</mo><msub><mi>D</mi><mi>i</mi></msub><mo>,</mo><msub><mi>D</mi><mi>k</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mi>f</mi><mrow><mo>(</mo><msub><mi>d</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>,</mo></mrow>且其中，χ2(Di，Dk)為待測心電信號中第i個局部最大值點相對于第k個模板信號中R波峰的檢驗值；di，j為待測心電信號中第i個局部最大值點在對數極坐標分布模型第j個二維分區的分布值，dk，j為第k個模板信號中R波峰在對數極坐標分布模型第j個二維分區的分布值；n為對數極坐標分布模型中二維分區的個數，且n＝M×N；g)計算待測心電信號起始β倍近似周期內相異度最小的局部最大值點作為第一個待定點；然后，以前一待定點為起始點，計算其后β倍近似周期內相異度最小的局部最大值點作為又一個待定點；由此遞推確定待測心電信號中的所有待定點，每確定一個待定點則將其相異度與預先設定的閾值C0進行比較，相異度小于閾值C0的待定點即判定為待測心電信號中的R波峰；其中，β的取值范圍為1.2～1.8，所述閾值C0的取值范圍為0.2～0.7；h)存儲并輸出顯示待測心電信號R波峰檢測結果。FSA00000117225700011.tif,FSA00000117225700012.tif,FSA00000117225700014.tif2.根據權利要求1所述的基于波形特征匹配的心電信號R波峰檢測方法，其特征在于步驟b)中所述“分別將各模板信號中R波峰前后各|周期內的采樣點映射到對數極坐標分布模型中，獲取各模板信號中R波峰的分布特征”，具體包括bl)提取任一模板信號中R波峰前|周期和后|周期內的采樣點作為該R波峰的分布特征點，并建立其與該R波峰的笛卡爾相對坐標；b2)根據步驟bl)所得的笛卡爾相對坐標，將所述R波峰的分布特征點從笛卡爾坐標系映射到對數極坐標分布模型中，得到該R波峰的分布特征點的對數極坐標；b3)根據步驟b2)所得的對數極坐標，計算所述R波峰的分布特征點在對數極坐標模型各二維分區中的分布數量，作為該R波峰的分布特征；b4)重復步驟bl)b3)，獲取各模板信號中R波峰的分布特征。3.根據權利要求1所述的基于波形特征匹配的心電信號R波峰檢測方法，其特征在于所述步驟e)具體包括el)提取待測心電信號中任一局部最大值點前|近似周期和后*近似周期中的采樣點作為該局部最大值點的分布特征點，并建立其與該局部最大值點的笛卡爾相對坐標；e2)根據步驟el)所得的笛卡爾相對坐標，將所述局部最大值點的分布特征點從笛卡爾坐標系映射到對數極坐標分布模型中，得到該局部最大值點的分布特征點的對數極坐標；e3)根據步驟e2)所得的對數極坐標，計算所述局部最大值點的分布特征點在對數極坐標模型各二維分區中的分布數量，作為該局部最大值點的分布特征；e4)重復步驟el)e3)，獲取待測心電信號中各局部最大值點的分布特征。4.根據權利要求1所述的基于波形特征匹配的心電信號R波峰檢測方法，其特征在于所述步驟f)具體包括fl)利用步驟b)獲取的各個模板信號中R波峰的分布特征，對待測心電信號中任一局部最大值點的分布特征進行x2統計檢驗，得到該局部最大值點相對于各個模板信號中R波峰的統計檢驗值；f2)以步驟fl)所得統計檢驗值中的最小值作為所述局部最大值點的相異度；f3)重復步驟fl)f2)，得到待測心電信號中各個局部最大值點的相異度。5.根據權利要求14中任一項所述的基于波形特征匹配的心電信號R波峰檢測方法，其特征在于所述低通濾波的截止頻率為100120Hz。6.根據權利要求14中任一項所述的基于波形特征匹配的心電信號R波峰檢測方法，其特征在于所述采樣的頻率為2501000Hz。7.根據權利要求14中任一項所述的基于波形特征匹配的心電信號R波峰檢測方法，其特征在于所述步驟g)中0的取值為1.5。8.根據權利要求14中任一項所述的基于波形特征匹配的心電信號R波峰檢測方法，其特征在于所述步驟g)中閾值G的取值為0.5。全文摘要本發明提供一種基于波形特征匹配的心電信號R波峰檢測方法。該方法利用波形特征匹配來識別心電信號的R波峰，該特征匹配法以點與點之間的差向量作為基礎特征，該基礎特征具有平移和旋轉不變性，能夠克服心電信號的基線漂移的影響；同時，對差向量進行對數極坐標轉換并加以分區來度量波形的相似性，這種度量對鄰近的形態特征敏感，同時又能捕獲波形的全局輪廓信息并對波形抖動具有魯棒性；此外，通過設定恰當的閾值能夠排除干擾信號的影響，進而實現對心電信號R波峰的準確識別和檢測。將該方法應用于相關的心電圖分析儀器中，能夠實現對心電信號中R波峰的準確識別，有助于提高心電圖分析設備的檢測和分析能力。文檔編號A61B5/0456GK101828918SQ201010170490公開日2010年9月15日申請日期2010年5月12日優先權日2010年5月12日發明者彭承琳,楊力,趙明璽申請人:重慶大學