熊 昕，岑人經(jīng)

（華南理工大學 生物科學與工程學院 生物醫(yī)學工程系，廣東 廣州 510006）

動態(tài)心電信號干擾的識別研究

熊 昕，岑人經(jīng)

（華南理工大學 生物科學與工程學院 生物醫(yī)學工程系，廣東 廣州 510006）

目的 研究能夠有效濾除動態(tài)心電信號各種噪聲和干擾，使有效信號得以突出的算法。方法 分析動態(tài)心電信號干擾的形態(tài)特點及統(tǒng)計特點，針對不同種類的干擾提出識別辦法，估算信噪比。結(jié)果 本算法能有效估計信噪比的大小，有助于在心電監(jiān)護中拋棄計算錯誤的導聯(lián)，減小有效信號值估的偏差。結(jié)論 本文算法具有較強的抗干擾能力，可靠性高，使監(jiān)護系統(tǒng)能夠有效地利用多導聯(lián)的信息得到準確的分析診斷結(jié)果。

心電圖儀；心電監(jiān)護；動態(tài)心電信號；識別；算法

0 前言

常規(guī)心電圖是病人在靜臥情況下由心電圖儀記錄的心電活動。它是在心動周期內(nèi)由心臟電位變化而引起的體表幾個點上記錄數(shù)秒至十余秒的電位差隨時間變化的圖形(ECG)，對心律失常等疾病的發(fā)現(xiàn)率有限[1]。心臟工作受諸多因素影響，特別是環(huán)境和人的精神狀態(tài)都會誘發(fā)潛在的心臟病的發(fā)作。因此需要動態(tài)心電圖(Dynamic electrocardiography)來記錄病人處于正常生活、工作、活動條件時的心電變化，從而捕捉到初級的潛在的心臟疾病的心電信息。自Holter成功地研制出了第一臺動態(tài)心電監(jiān)護系統(tǒng)后，動態(tài)心電監(jiān)護技術(shù)成為檢出定量心律失常、心肌缺血的重要而有效的診斷方法，也使部分心臟病的早期診斷和治療成為可能。

1 動態(tài)心電信號的干擾

隨著濾波器技術(shù)的發(fā)展，信號中的噪聲和干擾能盡可能多地被濾除，有效信號得以突出。然而，無論技術(shù)怎樣發(fā)展，要同時保證算法的簡單和有效比較困難，須以應用為背景，對算法的速度和效果進行綜合考慮以進行取舍。實時監(jiān)護中可能引入各種各樣的噪聲和干擾，要在短時間內(nèi)將它們?nèi)繛V除非常困難。為了使算法達到一定的可靠性，必須能夠在實時監(jiān)護中識別各種噪聲、干擾，并利用多導聯(lián)分析的優(yōu)勢，丟棄由噪聲、干擾產(chǎn)生的錯誤結(jié)果。

以往噪聲、干擾都是根據(jù)產(chǎn)生原因分類，如生理方面的干擾有：呼吸引起的基線漂移和肌電干擾；技術(shù)方面的干擾有：電源工頻干擾、電極接觸噪聲以及動作矯作物等[2]。這種分類法有利于對干擾本質(zhì)的認識，然而對于計算機自動識別，從干擾的形態(tài)特點及統(tǒng)計特點進行分類更加具有指導實踐的意義。本文主要把干擾分類為高頻噪聲、短時間內(nèi)某導聯(lián)上無信號引起的噪聲、低平心電波形上的噪聲和基線突然大幅抖動造成的噪聲。

2 識別方法

2.1 高頻噪聲

高頻噪聲一般是由于肌電干擾、電極接觸噪聲或移動產(chǎn)生的[3]，其典型形態(tài)如圖1所示（圖中的心電波形皆經(jīng)過Notch濾波）。圖1中所示的各種形態(tài)的高頻噪聲其共同特點是頻率較高，且各導聯(lián)上均有分布，但噪聲水平不同。一般而言，噪聲水平越高，QRS復波識別出錯可能性越大，故可根據(jù)噪聲水平的大小評價各導聯(lián)計算結(jié)果的可靠性。噪聲水平過高的導聯(lián)，將被棄用。

圖1 不同形態(tài)的高頻噪聲

由于此時真實心電信號并未分離出來，噪聲水平大小只能通過某些方法進行初步的估計。可以采用平滑濾波之后的結(jié)果作為參考信號以替代真實心電信號，累加各采樣點實際信號大小與參考信號大小的偏差作為噪聲水平的估計[4]。假設共有采樣點N，則噪聲水平：

其中，xi為采樣點i的實際信號大小，為采樣點i的參考信號大小。參考信號由21點最小二乘拋物線擬合平滑濾波得到，該濾波器利用某采樣點前后各10點的數(shù)據(jù)進行平滑。設采樣點為n，加上前后各10點采樣數(shù)據(jù)共有21個采樣數(shù)據(jù)分別為 ：x(n-10)、x(n-9) …x(n-1)、x(n)，x(n+1)、x(n+2) …x(n+9)，x(n+10)，令21點濾波器后數(shù)據(jù)為，則：

當采樣頻率為500Hz時，該平滑濾波器作用相當于低通，截止頻率為25Hz左右，對高頻信號具有較好的濾除效果且保證了QRS復波形態(tài)不失真，用其作為對高頻噪聲水平NoiseHigh估計的參考信號可行。根據(jù)估計出的噪聲水平大小可知不同導聯(lián)短時間內(nèi)高頻噪聲的整體水平。

2.2 短時間內(nèi)某導聯(lián)上無信號

由于移動等原因可能使心電信號超出放大器的線性范圍或AD采樣的范圍，致使某導聯(lián)上無心電信號。若不考慮這種情況，僅按照式(1)進行判斷，則會得到II導聯(lián)上噪聲最小最可靠的結(jié)果，而實際上用II導聯(lián)進行判斷會漏檢2個心搏I導聯(lián)可靠性最高。

經(jīng)觀察，無信號的波形各采樣點的大小均在±15.0以內(nèi)可在用式(1)分析時增加一閾值Thresholdsig，若實際信號大小在閾值以內(nèi)的點有連續(xù)m個，當m超過250（500ms）時則將這m個連續(xù)點視作無信號，這些點不進行噪聲水平判斷式(1)中采樣點大小變?yōu)镹-m。用這種方法可避免某導聯(lián)無信號時對噪聲水平判斷造成影響。

2.3 低平心電波形上的噪聲

當各導聯(lián)心電波形上高頻噪聲水平相當時，波形較低平的導聯(lián)其信噪比相對其他導聯(lián)而言較低，如圖2所示，I導聯(lián)和III導聯(lián)的噪聲水平相當，而III導聯(lián)的信噪比較低[5、6]故若簡單的以高頻噪聲水平來進行判斷在某些情況下將有失準確，應進行信噪比的估計，并以此判斷各導聯(lián)計算結(jié)果的可靠性。

圖2 低平心電波形上的噪聲

由于此時真實信號并未分離出來，只能采取一些方法進行信噪比的估計，本文給出二種方法。

方法一，以每導聯(lián)信號的最大值與最小值之差作為有效信號的估計，則每導聯(lián)信噪比的估計為（N為采樣點大小）：

該方法的物理意義比較直觀，近似于每采樣點的平均噪聲與信號峰峰值之比。然而這里的噪聲并非真實噪聲，是采樣值與平滑濾波之后的值之差，而平滑濾波相當于低通，對于高頻信號有衰減作用，故峰峰值較大的真實信號經(jīng)過平滑濾波后，一部分有效信號當作噪聲被濾除，相應的計算出來的噪聲水平比真實噪聲水平要高。因此采用該方法進行估計疊加了相同水平噪聲的低平心電波形計算出來的噪聲水平NoiseHigh將比高聳波形要低。為了使信噪比估計更為實用，必須對該方法進行一定的修正，而且計算量不能增加很多，于是給出了修正后的信噪比估計方法。

方法二，計算出每導聯(lián)信號的最大值與最小值之差作為該導聯(lián)有效信號的估計，記為PP(i)；找到有效信號的最大值，記為PPmax；用最大值比上每導聯(lián)的有效信號所得的商作為比例因子對噪聲水平進行修正，則每導聯(lián)信噪比的估計為（N為采樣點大?。?/p>

該方法對噪聲水平進行線性擴大，修正不同形態(tài)的波形其噪聲水平計算方法上的系統(tǒng)誤差。經(jīng)實踐驗證，該方法對信噪比進行估計更加靈活有效。

2.4 基線突然大幅抖動

由于電極接觸，某些導聯(lián)的基線可能產(chǎn)生瞬時大幅抖動，如圖3所示，其頻率一般較呼吸產(chǎn)生的基線漂移要高，不宜用高通濾波濾除[7]。這種干擾對于式(4)的信噪比估計公式有較大影響，致使有效心電信號的峰峰值估計出現(xiàn)較大偏差。

圖3 基線突然大幅抖動的示例波形

為了盡可能的避免這種干擾產(chǎn)生的影響，增強算法的抗干擾能力，在有效信號峰峰值估計中引入自適應學習機制。由于干擾總是隨機的，其大小和出現(xiàn)的時刻不確定，而真實心電信號一般具有周期性和穩(wěn)定性的特點，若所估計的峰峰值大小的當前值PPcur與前次PPlast相比變化較大，則以前次峰峰值為基礎(chǔ)，用當前值對峰峰值估計進行修改；若峰峰值大小連續(xù)幾次穩(wěn)定在一定范圍內(nèi)，則根據(jù)該范圍確定峰峰值估計的標準參考值PPref，標準參考值PPref在峰峰值修改公式中所占權(quán)重最大。引入自適應學習機制后，算法可學習、記憶波形穩(wěn)定時的狀態(tài)，由于對PPcur權(quán)重m和PPlast權(quán)重n的兩套不同取值，使得干擾發(fā)生時算法能保證一定的穩(wěn)定性，干擾消失后估計值能快速回到真實值附近。

3 討論

本文總結(jié)了四種不同形態(tài)的干擾及其對實時監(jiān)護算法的不利影響，分析討論出各導聯(lián)信噪比的實時估計方法，有助于在監(jiān)護系統(tǒng)中及時拋棄計算錯誤的導聯(lián)，充分有效地利用多導聯(lián)的信息得到準確的分析診斷結(jié)果，為心電參數(shù)的進一步準確計算打下基礎(chǔ)。

[1] 何軍.動態(tài)心電監(jiān)護系統(tǒng)的發(fā)展和現(xiàn)狀淺析[J].中國醫(yī)療器械信息,1997,3(6):11-12.

[2] [美] Willis J.Tompkins. 生物醫(yī)學數(shù)字信號處理[M].林家瑞,等譯.武漢:華中科技大學出版社,2001:143-159.

[3] 閆潤強,詹永麒,胡偉國,等.12導聯(lián)同步心電信號的自動檢測技術(shù)的研究[J].中國醫(yī)療器械雜志,2002,26(2):88-91.

[4] 姜葦,李剛,虞啟璉.抑止準周期干擾的自適應相干模板法[J].中國生物醫(yī)學工程學報, 2004,23(1):61-65.

[5] 黃宛主.臨床心電圖學[M].第四版.北京:人民衛(wèi)生出版社,1994:21-439.

[6] 張開滋,劉海祥,吳杰.心電信息學[M].北京:科學技術(shù)文獻出版社, 1998:529-568.

[7] 陳素明,等.實用心電圖手冊[M].上海:上海科學技術(shù)出版社,1994:1-31.

Research on Recognizing the Interference of Dynamic ECG Signal

XIONG Xin, CEN Ren-jing
(Department of Biomedical Engineering, School of Biologic Science and Engineering, South China University of Technology,Guangzhou Guangdong 510006, China)

Objective To develop an algorithm in order to filter various noise and interference effectively and to make the available signal stand out. Methods Analyzed the morphological and statistical characteristic of interference of dynamic ECG signal, and proposed recognition methods for different types of interference and estimate the SNR.Results The algorithm can estimate the value of SNR effectively and help to throw away leads which give wrong value and decrease the bias in estimating the value of effective signal. Conclusion The algorithm has strong ability of anti-jamming, high reliability, and can contribute to obtain accurate result of analysis and diagnosis by employing the information of multi-lead effectively in monitoring systems.

electrocardiograph; ECG monitoring;dynamic ECG signal; recognization; algorithm

R318

A

10.3969/j.issn.1674-1633.2010.03.010

1674-1633(2010)03-0034-03

2009-07-16

本文作者：熊昕，在讀碩士研究生。

岑人經(jīng)，教授，博士生導師。

作者郵箱：xiong_xin@foxmail.com