基于盲源提取的房颤监测方法 【技术领域】
本发明属于心电监测领域， 具体内容是利用单导联心电信号实现对房颤疾病的监测方法。 背景技术 心房纤颤简称 “房颤” ， 它可以并发于许多类型的心脏病， 如风湿性心脏瓣膜病、 冠心病、 心肌病、 缩窄性心包炎等。在 60 岁以下的人群中， 房颤病的患病率约为 1％， 但是 在 70 岁以上的人群中患病率有着显著的增加， 80 岁以上的患病率高达 10％。目前， 国内 外关于房颤信号的提取方法有模板匹配法， 主成分分析 (principal component analysis， PCA)， 独立成分分析 (independent component analysis， ICA)， 盲源分离 (Blind source separation， BSS)， 盲源提取 (Blind source extraction， BSE) 等， 鉴于各种算法 ( 处理方 法 ) 的局限性， 能够准确适用于房颤监测系统的方法极少， 医生往往需要从房颤病人的长 时间 (24 小时 ) 心电监测数据进行分析， 根据临床经验判断该病人在监测过程中是否发生 了房颤。这种诊断方法不仅时效性差， 而且耗费大量人力和物力。
在众多的房颤信号提取方法中， 模板匹配法又分为固定模板匹配法和自适应模板 匹配法， 这两种方法都有共同的特点 ： 只从体表心电中的一个导联数据中提取房颤信号， 而 且极易受到心电波形的形态影响， 鲁棒性较弱， 在一定程度上阻碍了后续的房颤信号特征 分析。
主成分分析 (PCA) 和独立成分分析 (ICA) 都属于盲源分离 (BSS) 方法， 它们都能 够充分利用多导联信号的信息。但是由于此类方法会同时提取多个信号， 当几个信号同时 存在房颤信号特征时， 它们并不能分辨哪一个分量是房颤信号， 所以无法直接提取出房颤 信号。而且这些方法在计算时占用大量的时间和空间， 不适用于实时监测。
盲源提取 (BSE) 技术是盲信号处理的一个分支， 它通常利用独立分量分析技术， 从线性混合数据中提取出相互独立的非高斯信号。与 BSS 相比， BSE 只提取一个感兴趣的 信号， 占用硬件空间少， 计算量小， 而且易于工程实现。 但是在提取过程中， 期望信号的自回 归 (Autoregressive， AR) 模型 ( 信号 ) 往往不能自适应的准确估计， 其受到噪声信号的干 扰较大， 影响提取结果。
发明内容
本发明的目的是针对背景技术存在的缺陷， 研发一种基于盲源提取的房颤监测方 法， 根据房颤病发作时的特征， 并结合了小波变换、 非线性扩展以及谱减法等信号处理技 术， 实现房颤实时监测及定位等目的。
本发明的解决方案是在对房颤信号采用盲源提取技术的基础上， 根据房颤病发作 时在 . 频谱上表现为 3-10Hz 之间有一个明显尖峰， 结合小波变换， 非线性扩展以及谱减法 等现代信号处理技术， 实现房颤实时监测及定位的目的。因而本发明方法包括 ：
步骤 1. 监测标准参数的初始化设置 ： 按受监测人类型对相应的监测标准参数进行初始化设置， 即将受监测人 ：
为小孩时、 其正常心率设为 100-145 次 / 分， 为成年男性时、 正常心率设为 60-80 次 / 分， 为成年女性时、 正常心率设为 60-90 次 / 分， 为老人时、 正常心率设为 55-85 次 / 分 ； 同时将数据采集及处理时段 ( 缓存周期 )、 相应的报警阈值一并作为基础参数进行初始化 设置并存入数据库、 以备调用 ；
步骤 2. 数据采集 ： 首先将监测显示器置于相应受监测人类型档， 利用常规心电采 集仪将监测对象的心电信号经放大滤波后陆续输入监测器内， 按步骤 1 设定的数据采集及 处理时段进行采集， 所得数据转步骤 3 ；
步骤 3. 去除基线漂移 ： 将步骤 2 所得数据采用小波包技术按信号频率分段， 并删 除低于 0.5Hz 的频率信号、 以除去基线漂移成分后、 再重构成时域信号 ；
步骤 4. 心率的确定 ； 通过
对经步骤 3 处理后的信号进行小波变换处理， 以确定 R 波的位置及 R 波的波间距 (R_R) ； 然后根据该波间距与心电采集仪的采样率 (fs)、 以确定受监测人的心率 (HR) ；
式 中： f(t) ∈ L2(R) ； L2(R) 为 能 量 有 限 的 信 号 空 间 ； ψ 为 母 小 波； 为积分核的积分变换 ； 为 ψa， 相应的函数族 ψa， b 的共轭函数 ； b 称作小波； a 是尺度参数 ； b 是定位参数 ；
步骤 5. 预警及 AR 特征信号的提取 ： 将步骤 4 所得受监测人的心率 (HR) 与数据库 内对应受监测人类型的正常心率对比， 若：
在设定的时段范围内 ( 缓存周期内 ) 心电信号所有心率值在对应受监测人类型 的正常心率范围内时存储后、 继续对下一个缓存周期内的数据进行处理 ； R 波若在该时段 内心电信号的所有心率值都超出受监测人对应类型的正常心率范围时， 发出一个预警信号 并存储后、 继续对下一个缓存周期内的数据进行处理 ； 若在该时段内的心电信号中， 有部分 心率值超出受监测人所对应类型的正常心率范围时， 则分别提取正常心电的 AR 特征信号 (b1) 和异常心电的 AR 特征信号 (b2) 后， 转步骤 6 ；
步骤 6. 正常心电的提取 ； 将步骤 5 所得正常心电的 AR 特征信号 b1 和步骤 3 所得 心电信号采用 BSE 方法将正常心电信号 ( 成分 ) 提取出 ；
步骤 7. 谱减法去除正常心电 ； 将步骤 3 所得时域信号和步骤 6 所得正常心电信号 进行时频变换， 然后使用常规谱减法从频谱上将正常心电减去， 再通过傅立叶反变换方法 处理， 从而得到带噪声及房颤的异常心电信号 ；
步骤 8 ： 非线性扩维处理 ； 利用高斯核函数对步骤 7 所得心电信号进行扩维处理， 扩维后得到的多维信号转步骤 9 处理 ；
式中 ： xc ＝ 1 为核函数中心 ； δ ＝ 1 为函数的宽度参数 ；
步骤 9 ： 信号的分离处理 ； 将步骤 5 所得异常心电的 AR 特征信号 (b2) 和步骤 8 所 得扩维后的信号再采用 BSE 方法对信号进行分离处理， 将噪声信号与带房颤特征信号的心 电信号分离 ；
步骤 10 ： 频谱集中度分析及报警 ； 使用周期图法对步骤 9 所得将噪声信号与带房颤特征信号分离处理后的心电信号， 进行频谱集中度 (spectral concentration， SC) 分析 ： 当频谱集中度 SC 值达到设定的报警阈值时、 则发出报警信号。
上述数据采集及处理时段 ( 缓存周期 ) 为缓存窗长 5-15 秒、 步长 1-3 秒。所述报 警阈值为相应频谱集中度≥ 40％时为报警阈值。
在步骤 6 中所述采用 BSE 方法将正常心电成分提取出， 其 BSE 方法为经下式 ：
Z(q) ＝ E{z(n)zT(n-q)}
w ＝ MINEVD{AZ(q)ZT(q)AT} ＝ MINSVD{AZ(q)AT}
y1(n) ＝ wTx(n)
进行处理 ； 式中 ： x(n) 为步骤 5 中的心电混合信号， p ＝ 64 为 AR 特征信号的长 度； q ＝ 1 为误差延迟 ； MINEVD{M} 是求对称矩阵 M 的最小特征值所对应的特征向量的方法 ； MINSVD{M} 是求 M 的最小奇异值所对应的奇异值向量的方法 ； y1(n) 为正常心电信号。
所述非线性扩维处理， 其扩维处理到 4-6 维止。
而在步骤 9 中所述采用 BSE 方法对信号进行分离处理， 其 BSE 方法为经下式 ：
Z(q) ＝ E{z(n)zT(n-q)}
w ＝ MINEVD{AZ(q)ZT(q)AT} ＝ MINSVD{AZ(q)AT}
y2(n) ＝ wTx(n)
进行处理 ； 式中 ： x(n) 为步骤 8 所得的多维信号 ； p ＝ 64 为 AR 特征信号的长 度， q ＝ 1 为误差延迟， MINEVD{M} 是求对称矩阵 M 最小特征值所对应的特征向量的方法， MINSVD{M} 是求 M 的最小奇异值所对应的奇异值向量的方法， y2(n) 为带房颤特征信号的心 电信号。
在步骤 10 中所述进行频谱集中度 (spectral concentration， SC) 分析， 其频谱集 中度分析方法是通过下式进行 ：
式中 ； PA 是房颤信号功率谱， fp 是房颤信号尖峰对应的频率， fs 是 3-10Hz 的频带宽度。 本发明在对房颤信号采用盲源提取技术的基础上， 根据房颤病发作时在 . 频谱上 表现为 3-10Hz 之间有一个明显尖峰， 结合小波变换， 非线性扩展以及谱减法等信号处理技 术； 巧妙的运用心率这个参数， 提取出病人的 “正常” 与 “异常” 心电， 以此来确定受监测人 正常心电的 AR 特征信号与异常心电的 AR 特征信号。与传统的监测方法相比， 不但有效降 低了对监测数据分析的人力和时间的耗费， 而且大大提高了房颤监测的实时性及监测的准 确性， 更有利于临床应用等特点。
附图说明 图 1 是本发明方法流程示意图 ( 方框图 ) ；
图 2 是本发明实施方式中 10 秒心电信号图 ；
图 3 是本发明实施方式中 10 秒数据的心率图 ；
图 4 是本发明实施方式中 10 秒数据所分离出的正常心电波形图 ；
图 5 是本发明实施方式中 10 秒数据所分离出含房颤特征的信号图 ；
图 6(a) 是本发明实施方式 1 分钟心电信号图， 图 6(b) 是经本发明方法对该心电 数据处理后的结果示意图。
具体实施方式
本实施方式以受监测人为年龄 68 岁的老人为例， 数据为单导采集信号， 所用心电 采集仪的采样率 fs ＝ 128S/s。
步骤 1. 监测标准参数的分类设置 ： 按受监测人类型对相应的监测标准参数进行 初始化设置， 即将受监测人 ：
为小孩时、 正常心率设为 100-145 次 / 分， 为成年男性时、 正常心率设为 60-80 次 / 分， 为成年女性时、 正常心率设为 60-90 次 / 分， 为老人时、 正常心率设为 55-85 次 / 分 ； 同 时将报警阈值， 对正常心电与不正常心电分离处理的标准， 以及数据采集处理的时段一并 作为基础参数进行初始化设置， 以备调用 ； 步骤 2. 数据采集 ： 本实施方式采用计算机作为监测显示器， 首先将其置于老人 监测显示状态 ( 档 )， 选择窗长 10 秒、 步长 1 秒为采集处理时段， 相应的报警阈值定为 SC ≥ 40％ ； 然后将心电采集仪采集到的该监测对象的心电信号数据陆续输入该计算机内 后、 所得数据执行步骤 3 ；
步骤 3. 去除基线漂移 ： 将步骤 2 所得数据采用 “dmey” 小波包按 0.5Hz 将心电信 号分段， 然后将＜ 0.5Hz 信号去除后， 把剩余各频率段的信号重构成时域信号， 得到心电信 号 x(n) 如图 2 所示 ；
步骤 4. 心率的确定 ： 通过
对经步骤 3 处理后的信号进行小波变换处理 ； 母小波 ψ 选用 “db1” ； 尺度参数 a ＝ 32 ； 定位参数 b ＝ 1 ； 得到该 10 秒心电中有 15 个 R 波， 14 个 R 波间距 (R_R)， 通过公式 HR ＝ fs×60/R_R 将每个 R_R 算出一个心率值 ； 可以看到如图 3 所示的 14 个心率值 ；
步骤 5. 预警与 AR 特征信号提取 ； 步骤 4 所得心率值与初始设置的正常心率对比 后得到， 监测到的 14 个心率值有 4 个在正常范围内、 10 个在正常范围外， 符合有部分心率值 超出受监测人所对应类型的正常心率范围的条件， 则分别提取出正常心电的 AR 特征信号 (b1) 和异常心电的 AR 特征信号 (b2) ；
步骤 6 ： 正常心电的分离 ； 将步骤 5 所得正常心电的 AR 特征信号 (b1) 和步骤 3 所 得心电信号 x(n) 采用 BSE 方法分离出正常心电 .y1(n) 如图 4 所示， 可以看到心电整体波 形比较明显， 说明提取到了该病人的正常心电信号 ；
步骤 7 ： 谱减法去除正常心电 ； 将步骤 3 所得心电信号 x(n) 和步骤 6 所得正常心
电信号 y1(n) 进行时频变换， 然后使用常规谱减法从频谱上将正常心电减去， 再通过傅立叶 反变换方法处理， 从而得带噪声及房颤的心电信号 ；
步骤 8 ： 非线性扩展 ； 利用高斯核函数将步骤 7 所得心电信号扩展为 5 维 ；
步骤 9 ： 信号的分离处理 ； 将步骤 5 所得非正常心电的 AR 特征信号 (b2) 和步骤 8 所得扩维后的信号采用 BSE 方法对信号进行分离处理， 将带房颤信号特征的心电信号分离 出来 ； 如图 5 所示可以看到提取出来的信号波形中， 房颤特征明显 ；
步骤 10 ： 频谱集中度分析及报警 ； 使用周期图法对步骤 9 所得带房颤信号特征的 心电信号进行频谱集中度分析 ： 计算其 3-10Hz 之间一个尖峰的能量值占总能量值的百分 比、
即 SC 值， 其值为 53％， 大于设定的报警阈值 40％， 故计算机发出报警信号。
以上为一个时段内数据的监测过程， 该过程完成后， 继续对下一个时段内数据按 以上步骤重复进行 ； 监测完 1 分钟数据后的心电数据如图 6(a)， 图 6(b) 为经本发明方法对 该心电数据处理后的结果示意图 ； 图中可以看出这组信号得出的 SC 值有 51 个， 其中 46 个 SC ＞ 40％， 也就是说这组信号在监测过程中发生了 46 次房颤。