《一种利用去除QRS波形后的体表心电预测房颤发生的方法.pdf》由会员分享，可在线阅读，更多相关《一种利用去除QRS波形后的体表心电预测房颤发生的方法.pdf（14页完整版）》请在专利查询网上搜索。
1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201710820236.3 (22)申请日 2017.09.11 (71)申请人 南京大学 地址 210093 江苏省南京市鼓楼区汉口路 22号 (72)发明人 徐籽莹 陈颖 葛云 (51)Int.Cl. A61B 5/0402(2006.01) A61B 5/0456(2006.01) (54)发明名称 一种利用去除QRS波形后的体表心电预测房 颤发生的方法 (57)摘要 本发明提供一种利用去除QRS波形后的体表 心电预测房颤发生的方法， 具体流程包括以下步 骤： 利用心电脑。
2、电系统采集临床随访患者术前 (房颤心律)电信号； 对信号进行滤波处理； 该方 法中采用的是小波滤波， 取bio6.8小波基函数将 该奇函数进行了10层分解， 取第4层到10层的细 节信号和作为滤波后的结果； 采用阈值法定位心 电信号中的R波， 进一步定位QRS波， 后消除QRS 波； 利用经验值分解方法分离时变的心肌极化波 和去极化波； 使用同步符号熵进行评估。 最终， 通 过对同步符号熵的计算实现了对窦性状态下的 心电信号进行疾病分类， 并以此来评价房颤的程 度以及房颤复发的可能性， 这对于房颤患者的预 后评估及选择有针对的治疗方案具有重要的指 导作用。 权利要求书1页 说明书5页 附图7页。
3、 CN 107550486 A 2018.01.09 CN 107550486 A 1.一种利用去除QRS波形后的体表心电预测房颤发生的方法， 其包括以下步骤： S1， 术前体表心电数据采集； S2， 使用小波滤波对信号进行滤波处理； S3， 定位心电信号中的R波及QRS波， 并消除QRS波； S4， 利用经验值分解方法分离时变的心肌极化波和去极化波； S5， 使用同步符号熵进行评估。 2.根据权利要求1所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法， 其 特征在于： S1具体包括： 采用128导便携式心电脑电系统采集临床随访患者术前(房颤心律) 电信号， 采样频率1khz。 3.。
4、根据权利要求1所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法， 其 特征在于： S2具体包括： 对采集到的电信号进行预处理。 该过程中预处理的信号滤波采用的 是小波滤波方法， 以bio6.8小波基函数， 将该奇函数进行了10层分解， 取第4层到10层的细 节信号和作为滤波后的结果。 当采样频率为1khz时， 小波滤波后的频带为0.98hz-62.5hz。 4.根据权利要求1所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法， 其 特征在于： S3具体包括： R波窗口定位以及消除QRS波。 首先通过阈值方法获得R峰的位置， 之 后在每个R峰前面第二个波峰处起点， 以R峰后面第。
5、二个波峰处为终点， 去除QRS波。 以一个 去除QRS波之后的部分作为窗口进行信号分析。 5.根据权利要求1所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法， 其 特征在于： S4具体包括： 将EMD在每个窗口内单独应用， 分析的信号频段为0.98hz-500hz。 经 验值分解后， 选择第一层信号去进行S5的符号熵计算。 6.根据权利要求1所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法， 其 特征在于： S5具体包括： 对于体表的熵计算采用EMD提取心电波形， 归一化后构成电位差矩 阵。 7.根据权利要求6所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法， 其。
6、 特征在于： S6步骤后， 病人术后的体表心电差矩阵的符号熵可以预测病人的房颤复发率， 符 号熵的升高意味着心电随机性的升高， 并表征房颤易颤性的提高。 权 利 要 求 书 1/1 页 2 CN 107550486 A 2 一种利用去除QRS波形后的体表心电预测房颤发生的方法 技术领域 0001 本发明是一项涉及心电信号处理领域的技术， 具体涉及利用去除QRS波形后的体 表心 电预测房颤发生的方法。 背景技术 0002 心脏病人术前的心电信号的检测对于治疗非常重要。 既往大多数方法分析的数据 对象 是房颤发生时的心房组织， 以及混乱的幅度较低的心房电信号等特征。 而某些情况下 手术后 复率的房。
7、颤病人， 再复发前都将保持窦性心电。 如果在消融手术前， 复发房颤前， 或 者对于 阵发性的房颤， 通过对房颤状态下的心房电信号进行疾病分类， 从而评价房颤的程 度以及房 颤复发的可能性， 对于房颤患者的疾病评估及选择有针对的治疗方案必定具有 重要的指导作 用， 因此如何对术前提取到的体表心电进行有效的分析非常重要。 0003 在文献 “房颤中ECG mapping非线性参数的研究” 中作者通过维持阶梯状乙酰胆碱 (ACh)剂量， 建立经电刺激后具有不同的房颤维持时间的动物房颤模型， 并针对窦性心电信 号提供计算相位差矩阵的香农熵(SE)。 实验证明了以下结论： 房颤的持续时间可以表征房 颤的。
8、 维持能力， 并与心房电传导的随机性(香农熵)相关。 0004 在对心脏病人的体表心电信号分析过程中直接应用上述心电信号分析方法时存 在一些 问题， 由于体表波形是心肌动作电位在体表的综合， 很难分离出独立的心电波形相 位， 因此， 有必要寻找一种能有效分离出独立心电信号波形的方法。 0005 本发明提出一种新方法： 使用经验值分解方法来分离时变的心肌极化波和去极化 波， 利用同步符号熵的计算， 分析病人术后的体表心电差矩阵的符号熵从而预测病人的房 颤复发 率， 符号熵的升高意味着心电随机性的升高， 并表征房颤易颤性的提高。 发明内容 0006 针对现有方法的不足， 本发明解决的技术问题是提供。
9、一种利用去除QRS波形后的 体 表心电预测房颤发生的方法， 通过对体表心电信号的分析从而预测病人的房颤复发率。 0007 本发明的技术方案是这样实现的： 使用阈值方法来定位R波， 去除QRS波之后再进 行 同步符号熵的计算。 主要包括以下步骤： 0008 S1， 术前体表心电数据采集； 0009 S2， 信号预处理； 0010 S3， 定位心电信号中的R波， 去除QRS波； 0011 S4， 利用经验值分解方法分离时变的心肌极化波和去极化波； 0012 S5， 使用同步符号熵进行评估。 0013 作为本发明的进一步改进， S1体表心电数据采集具体包括： 采用128导便携式心电 脑 电系统采集体。
10、表心电信号， 标准采样频率1khz。 信号获取的图像如图1所示， 采集到的信 号 如图2， 其中图2A和图2B分别表示临床随访患者术前(房颤心律)电信号的采集示意图和 临床随访患者术后(窦性心律)电信号的采集示意图。 说 明 书 1/5 页 3 CN 107550486 A 3 0014 作为本发明的进一步改进， S2具体包括： 信号滤波处理， 其算法流程图如图3所示。 该信号预处理过程中采用的滤波方法是小波滤波。 以bio6.8小波基函数， 将该奇函数进行 了 10层分解， 选择其中几层的细节信号和作为滤波后的结果， 例如从第三层到第六层、 从 第四 层到第七层等。 当采用从第四层到第七层的。
11、细节信号， 采样频率为1Khz时， 小波滤波 后的 频带为0.98hz-62.5hz。 0015 作为本发明的进一步改进， S3具体包括： R波窗口采用阈值法， 后去除QRS波。 首先 通过阈值方法获得R峰的位置， R峰的定位可采取阈值法或二次和三次函数滤波来确定。 定 位R峰后， 在每个R峰前面第二个波峰处为起点， 在每个R峰后面第二个波峰处为终点， 从 而 准确定位QRS波。 去除QRS波并以消除QRS波之后的窗口作为分析对象， 采用经验值分 解方 法， 分离时变的心肌极化波和去极化波。 0016 作为本发明的进一步改进， S4具体包括： 由于心电具有非常大的时变性， 无法获得 准 确的I。
12、MF。 因此本发明将EMD在每个信号窗口内单独应用， 分析的信号频段为0.98hz- 500hz。 经验值分解后， 选择第一层信号去进行S5的符号熵计算。 0017 作为本发明的进一步改进， S5具体包括： 由于传统的通过hilbert提取心电相位的 方法 只能得到各个心肌相位的叠加结果。 因此对于体表的熵计算， 本发明采用EMD提取心 电波 形， 归一化后构成电位差矩阵。 0018 本发明的有益效果是： 该方法通过选取合适的导联数获取体表心电信号， 利用小 波分 析对提取到的心电信号进行滤波处理， 并使用经验值分解方法分离时变的心肌极化 波与去极 化波， 结合同步符号熵计算对病人的情况进行评。
13、估。 得到了如下结论： 病人术后 的体表心电 差矩阵的符号熵可以预测病人的房颤复发率， 符号熵的升高意味着心电随机 性的升高， 并表 征房颤易颤性的提高， 这与文献 “房颤中ECG mapping非线性参数的研究” 得到的结论是一 致的。 附图说明 0019 图1.信号采集膜体示意图 0020 图2A为128导便携式心电脑电系统采集到的临床随访患者术前(房颤心律)电信号 的 采集示意图； 0021 图2B为128导便携式心电脑电系统采集到的临床随访患者术后(窦性心律)电信号 的 采集示意图； 0021 图3为本发明一种体表心电信号处理方法的算法流程图； 0022 图4为体表信号小波滤波结果， 。
14、从上倒下分别显示的是原始心电， 小波第一层到第 四 层细节信号， 以及第10层的概貌信号； 0023 图5为QRS波窗口定位示意图。 0024 图6为窗口信号的经验值6层分解示例， a为原始体表心电的去QRS波窗口， 其余b-g 为1-6层分解信号， 左右两幅图选自同一个导联不同的窗口； 0025 图7为EMD分解后体表一些导联上的电位波形， 纵坐标上的数字表示导联号， 横坐 标 为采样点数， 采样频率1khz。 0026 图8为同步样本熵得到的结果红色表示对象在随访中发现复发房颤， 蓝色表示复 律。 A. 仅胸前8个导联计算得到的符号熵。 B.表示环绕体表前后的14个导联。 C.表示电极网 。
15、说 明 书 2/5 页 4 CN 107550486 A 4 上部的 前后导联。 D表示全部导联。 横坐标为病人序号。 0027 图9从128个导联中随机选择8个导联进行符号熵计算， 重复100次， 蓝色表示数据 来源于手术后恢复正常的病人， 红色表示病人在随访中发现房颤复发。 0028 图10为从128个导联中选择8个导联进行符号熵计算， 重复100次， A图为均值， B 图 为最小值。 具体实施方式 0029 以下将结合附图所示的各方式对本发明进行详细描述。 但这些实施方式并不限制 本发 明， 本领域的普通技术人员根据这些实施方式所做出的结构、 方法、 或功能上的变换 均包含 在本发明的保。
16、护范围内。 0030 本发明是一种基于经验值分解的心脏病人术前体表心电信号分析方法， 利用128 导便 携式心电脑电系统采集到临床随访患者术前(房颤心律)电信号(如图2A所示)后， 对 该 信号进行分析， 包括以下步骤： S1： 小波滤波 0031 其原理分析及其在本发明方法中的应用如下： 小波变换作为一种多尺度、 多分辨 率的 分析方法， 能够根据对分辨率的要求自动调节时间窗和频率窗的宽度。 正是这种自适 应特性 使得小波变换的结果在信号低频部分具有较高的频率分辨率， 在信号高频部分具 有较高的时 间分辨率。 这表明小波变换无论在时域还是频域都具有描述信号局部特征的 能力。 连续小波 基函数。
17、定义为： 其中a为尺度因子， b为位移因子 0032 0033 连续小波定义为： 0034 0035 在解决心脏病人术前体表信号分析这一问题中， 本发明采用的是小波滤波方法， 以 bio6.8小波基函数， 进行了10层分解， 选择第4层到10层的细节信号和作为滤波后的结 果。 当采样频率为1Khz时， 小波滤波后的频带为0.98hz-62.5hz。 如图3所示为体表信号小 波滤波 结果， 从上倒下分别显示的是原始心电， 小波第一层到第四层细节信号， 以及第10 层的概貌 信号。 0036 本发明在解决该问题过程中， 利用小波变换滤波的有效之处在于： 是它的局部分 析能 力可以自适应地变化， 在。
18、信号的较高频段部分， 小波变换的时间分辨率较高， 在信号 的低频 段部分， 小波变换的频率分辨率较高。 但是， 小波变换也受到测不准原理的制约， 不 可能同 时在时域和频域都拥有无限高的分辨率。 在信号高频段， 小波变换选用窄的时间尺 度窗， 在 低频段选用宽的时间尺度窗。 但是过长的窗口尺度会使信号产生能量泄露。 S2： R波和QRS波窗口定位 0037 由于我们的观察目标是心房， R波定位的目的在于去除心室电活动的干扰。 首先通 过阈 值方法获得R峰的位置， 之后在每个R峰前面第二个波峰处为该次QRS波窗口的起点， 在 窗口后第二个波峰处为该次QRS波窗口的终点， 从而准确定位QRS波窗口。
19、。 如图5所示。 S3： 经验值分解方法 说 明 书 3/5 页 5 CN 107550486 A 5 0038 EMD是分解信号序列的一种方法， 它将原信号分解为许多的窄带分量， 每个分量被 称 为本征模态函数(Intrinic Mode Function， IMF)。 0039 本发明的有益效果在于： 经验值分解在长时心电信号上分解时， 由于心电具有非 常大 的时变性， 无法获得准确的IMF。 因此本发明将EMD在每个信号窗口内单独应用， 分析 的 信号频段为0.98hz-500hz。 经验值分解后， 本发明选择第一层信号去进行下一步的符号 熵计 算， 实践也证明这样的选择可以达到符号熵与。
20、病人房颤复发的对应。 如图6所示为信 号窗口 的经验值6层分解示例。 S4： 同步符号熵 0040 由于体表信号是由心内外的心电信号综合产生， 原有的通过hilbert提取心电相 位的 方法只能得到各个心肌相位的叠加结果。 因此对于体表的熵计算， 本发明采用的是 EMD提取 心电波形， 归一化后构成电位差矩阵的方法。 0041这里计算的符号熵， 是基于体表心电经过EMD分解后产生的电位矩阵 由长度为N的时间向量 形成， 其中 是由各电极的归一化瞬时电位差组成， 对 i， s(t)进行符号化转换为S( i， s(t)， 以降低后 续的计算时间 0042 0043经过符号化算法后矩阵变为矩阵其中为。
21、序号是j的 字 符向量组， 其中的字符个数也就是有用的电极数目。 对矩阵的各向量计算概率统 计矩阵 的香农熵。 0044 0045 0046 另K为非0概率的个数， 定义符号容量比CrK/N， N是数据长度。 0047本发明中提出： 假设电位矩阵包含着以窦房结为参考的心房电传播同步工作模 式， 那么符号化矩阵的香农熵(SE)是对工作模式的随机性(字符向量组的随机性)进行评 估， 而符号容量比Cr是对工作模式总容量(不重复的字符向量组总数)的评估。 由于的 维 数是心房电极数目乘以数据长度(12000)， 因此采用了符号化方法对矩阵进行快速SE计 算， 从而得到对应的评价指标进入下一步的数据分析。
22、。 说 明 书 4/5 页 6 CN 107550486 A 6 S5： 数据分析结果与讨论 0048 数据分析前对病人的数据进行检查， 信噪比太低， 噪声太多的信号不再进行下一 步的 分析。 由于采集心电现场无法做到完全独立安静， 人员的进出等会对体表128导放大 器带来 很多噪声干扰。 因此本发明在实验进行试验时最终从24例病人数据中， 选择了11例 作为下 一步的研究对象， 其中有3名病人通过随访确定为房颤复发， 其他病人则随访期内 心率正常。 由于P波窗口长度有限， 导致信号长度缩小很多， 目前使用的长度是14000个采 样点， 大约 127个心电周期。 如图7所示为EMD分解后体表一。
23、些导联上的电位波形。 0049 本发明的数据分析流程中首先对同步符号熵， 与病人房颤复发情况进行了对比， 可以 发现符号熵对导联的位置与组合比较敏感。 0050 利用本发明的方法， 采用同步样本熵得到的结果如图8， 红色表示对象在随访中发 现 复发房颤， 蓝色表示复律。 A.仅胸前8个导联计算得到的符号熵。 B.表示环绕体表前后的 14 个导联。 C.表示电极网上部的前后导联。 D表示全部导联。 横坐标为病人序号。 0051 如图8所示， 当选取不同数量的导联构成电位矩阵后， 电位矩阵的符号熵随着导联 数 目的增加而逐渐变大。 同时红色表示的房颤复发样本的符号熵与正常租的符号熵的差 距也越 来。
24、越小。 由此可以判断导联数目应该存在一个合理范围， 在范围里计算符号熵才能 将房颤复 发病人与正常恢复的病人区分开来。 虽然计算128导联是很全面， 但是128维电位 差矩阵情 况太复杂， 需要的数据时间长度太大。 所以有必要缩减导联数目， 本发明中使用 的方法128 导联里随机选择8个导联进行符号熵的计算。 结算结果如图9和图10。 图9表示从 128个导 联中随机选择8个导联进行符号熵计算， 重复100次， 蓝色表示数据来源于手术后 恢复正常 的病人， 红色表示病人在随访中发现房颤复发。 图10表示随机从128个导联中选 择8个导联 进行符号熵计算， 重复100次， A图为均值， B图为最。
25、小值。 0052 根据统计结果， 重复30次随机选择导联或者重复100次选择， 对符号熵均值的影响 变 化不大， 对符号熵最小值的有显著影响。 房颤复发病人的符号熵均值标准差为3.08+ 0.07， 正 常恢复的病人符号熵的均值与标准差为2.560.12。 0053 本发明方法最终得到的结论是： 病人术后的体表心电差矩阵的符号熵可以预测病 人的 房颤复发率。 符号熵的升高意味着心电随机性的升高， 并表征房颤易颤性的提高， 这 与早期 动物实验中得到的结论是一致的。 0054 应当理解， 虽然本说明书按照实施方式加以描述， 但并非每个实施方式仅包含一 个独 立的技术方案， 说明书的这种叙述方式仅。
26、仅是为清楚起见， 本领域技术人员应当将说 明书作 为一个整体， 各实施方式中的技术方案也可以经适当组合， 形成本领域技术人员可 以理解的 其他实施方式。 0055 上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说 明， 它 们并非用以限制本发明的保护范围， 凡未脱离本发明技艺精神所作的等效实施方式 或变更均 应包含在本发明的保护范围之内。 说 明 书 5/5 页 7 CN 107550486 A 7 图1 图2A 说 明 书 附 图 1/7 页 8 CN 107550486 A 8 图2B 图3 说 明 书 附 图 2/7 页 9 CN 107550486 A 9 图4 说 明 书 附 图 3/7 页 10 CN 107550486 A 10 图5 图6 说 明 书 附 图 4/7 页 11 CN 107550486 A 11 图7 说 明 书 附 图 5/7 页 12 CN 107550486 A 12 图8 图9 说 明 书 附 图 6/7 页 13 CN 107550486 A 13 图10 说 明 书 附 图 7/7 页 14 CN 107550486 A 14 。