- PDF Free Download

Size: px

Start display at page:

Download ""

峨齐
7 years ago
Views:

1 硕士学位论文 (2010 届 ) 基于小波与神经网络的心电信号自动分析技术研究 The Research of ECG Signals Automatic Analysis Based on Wavelet and Neural Network 研究生姓名郑鹏指导教师姓名朱灿焰 ( 教授 ) 专业名称研究方向论文提交日期通信与信息系统计算机通信 2010 年 4 月

3 基于小波与神经网络的心电信号自动分析技术研究中文摘要基于小波与神经网络的心电信号自动分析技术研究中文摘要本论文主要对心电信号的预处理波形检测特征参数提取心电信号的自动分类及疾病诊断等问题进行了较为全面的研究, 完成了心电信号自动分析算法的设计与实现首先, 本文对心电信号的干扰进行分析, 并针对工频干扰肌电噪声及基线漂移等噪声采取相关的消噪方法 ; 此外, 采用了一种基于小波变换的心电信号去噪算法, 对小波分解重构法以及小波阈值法进行了研究, 分析了两者应用于心电信号去噪的特点并将其进行有机结合, 通过仿真可以看出该算法可以去除心电信号中的工频干扰基线漂移肌电噪声等多种主要干扰, 并能较好保持原始心电信号的特征, 具有较高的实用价值而后, 采用经典差分阈值法对心电信号中关键的 QRS 波进行检测, 并针对传统差分阈值法的局限性, 提出了利用双正交二次 B 样条小波来精确定位 QRS 波群的实时检测算法该算法利用小波变换与信号奇异点的关系, 在 2 3 尺度下识别 R 波, 在 2 1 尺度下对 QRS 波的起点和终点进行检测仿真结果表明, 算法对 QRS 波的平均识别率高达 99.64%, 能够对 QRS 波群进行精确检测和定位最后, 在目前心电监护仪常用检测标准的基础上, 设计了一种基于包括 RR 间期, R 波峰值,QRS 间期,RS 下降斜率等特征量的神经网络自动诊断模型, 讨论了该神经网络的设计和训练过程经 MIT-BIH 标准心律失常数据库验证, 基于 L-M 算法的 BP 网络不仅能有效检测出心电中存在的房性早搏与室性早搏波形, 而且可以根据病人心电波形的自身特点来进行差异性参数阈值选择, 对于多种心律失常类心电也能达到满意的诊断效果关键词 : 心电信号小波变换 QRS 波检测人工神经网络作者 : 郑鹏指导老师 : 朱灿焰 I

4 Abstract The Research of ECG Signals Automatic Analysis Based on Wavelet and Neural Network The Research of ECG Signals Automatic Analysis Based on Wavelet and Neural Network Abstract The methods of signal preprocessing, waveforms detection, classification and diagnosis for dynamic electrocardiogram (ECG) are studied in this dissertation. The algorithm of automatic ECG analyzing is also accomplished. Firstly, we analyze the interferences of ECG,and presented the method of interferences rejection, such as power line interference, muscle electricity and baseline wander; Then a synthetic denoising algorithm of ECG signal based on wavelet transform is provided, and the wavelet decomposing and reconstructing method and wavelet thresholding method are studied in this dissertation. After analysis the characteristic of the methods applied to ECG denoising,we combined them into a complete algorithm. This method can effectively suppress the 50Hz interference, baseline drift and myoelectric interference; at the same time, it can remain the geometrical characteristics of the original ECG signal perfectly. After that, difference threshold algorithm for detecting QRS wave is studied. For the limitation of the difference threshold, a precise real-time QRS detection algorithm based on 2-order B-Spline wavelet transforms is provided. Using the relationship between wavelet transforms and signal singularity point, we detect the peak of R wave in scale 2 3,the begin and the end of QRS wave in scale 2 1. Upon part of data of MIT/BIH arrhythmia database, the algorithm correctly detects up 99.64%. It improves the accuracy of the detection and the orientation of QRS complex. At last,on the bases of standards that used in most present cardiogram monitors, a automatic diagnosis technology artificial Neural Network (ANN) model is mainly discussed in this paper. This method employed the characters of the QRS waves to realize the detection, including R-R distance, amplitude of R waves, and distance of QRS waves. The designation and training of the Neural Network is discussed in detail. The II

5 The Research of ECG Signals Automatic Analysis Based on Wavelet and Neural Network Abstract validities of the algorithm were certified by applying it to part of MIT/BIH standard arrhythmia database. The experimental results confirm that the network which based on L-M algorithm can detect APC PVC and arrhythmia accurately. Also the proposed method is capability of good robustness and efficiency. Keyword:electrocardiogram(ECG)signal,wavelet transform,qrs detection,artificial neural network Written by: Zheng Peng Supervised by: Zhu Canyan III

7 目录第一章绪论课题的研究意义心电图的临床应用与意义课题研究的目的与意义 ECG 自动分析技术概述心电自动分析的内容, 发展与现状心电自动分析的特点与难点本课题的研究背景与论文安排...3 第二章心电信号的形成与采集心电信号的产生原理心电图波形特点及各特征参数常规心电图导联系统 MIT/BIH 标准心电数据库介绍本章小结...9 第三章心电信号的预处理 ECG 信号中存在的噪声与干扰分析基于经典数字滤波技术的心电消噪基线漂移校正高频肌电噪声及工频干扰的滤除基于小波理论的 ECG 消噪小波变换特性及原理小波消噪算法中的关键问题分析小波算法在 ECG 消噪中的应用与实现传统滤波与小波消噪的比较与分析本章小结...24 第四章基于小波理论的 QRS 波群检测算法研究 QRS 波群检测意义及常用检测法基于经典差分阈值法的 R 波检测小波变换探测 ECG 信号奇异点原理多分辨率分析和 Mallat 算法...29

8 4.3.2 ECG 信号在在小波变换下的特征基于双正交二次 B 样条小波的 QRS 波群识别算法算法研究及仿真小波检测法与经典差分阈值法的比较与分析本章小结...37 第五章基于人工神经网络的心电图自动诊断技术人工神经网络概述及其应用 BP 网络理论 BP 网络的基本结构与应用标准 BP 网络的训练算法本文对 BP 网络存在缺陷的改进基于 L-M 算法的房性与室性早搏检测技术神经网络诊断模型的设计诊断模型的算法实现心电图自动检测结果及分析基于改进型 BP 网络的心律失常心电图分类算法设计与实现算法仿真与分析本章小结...52 第六章总结与展望论文总结未来工作展望...55 参考文献...56 攻读硕士学位期间公开发表的论文...60 致谢...61

9 基于小波与神经网络的心电信号自动分析技术研究第一章绪论第一章绪论心电信号是人类最早研究并应用于医学临床的生物电信号之一, 它具有较直观的规律性, 不仅比其它生物电信号更易于检测, 并能采取体表无损伤检测, 不会给病人带来任何痛苦自上世纪初心电图引入医学临床以来, 无论是在生物医学方面, 还是在工程学方面, 心电信号的记录处理与诊断技术均得到飞速发展目前, 计算机辅助的心电分析技术得到了蓬勃的发展, 但是许多成果与实际的要求还有一定的差距, 仍需不断完善, 所以, 心电信号的分析与处理仍是当前研究的热点课题之一 1.1 课题的研究意义心电图的临床应用与意义正常的人体心脏, 在生命活动中呈现的是有规律性特征性的心电信号曲线和图形, 而心脏器质性病变和功能性改变, 必然在心电信号上有所改变, 显现出病态的心电曲线和图形各种心脏病引起的对心电图的变化, 有助于了解和研究心律失常的发生机理和变化情况, 如持续时间演变趋势和规律以及预判断等心电图可以提示电解质紊乱, 帮助了解血钾与血钙变化情况 ; 可以评定起搏器功能, 监测起搏中的心律情况, 以便及时处理 ; 在心脏手术中, 心导管检查时, 进行心电图监测可以及时反映心律与心肌功能情况, 借此指导手术进行, 并提示必要的药物处理 [1] 所以, 心电图检查如今已成为临床最常用的电生理检查方法之一, 它对于心律失常心肌缺血以及心肌肥厚等心血管疾病的诊断具有非常重要的意义, 由于其简单方便无创等特点, 在临床得到了广泛的应用特别对各种心律失常的诊断分析具有重要价值, 到目前为止尚没有任何其它方法能替代心电图在这方面的作用 [2] 课题研究的目的与意义早期的 ECG 信号分析是由医生完成的, 这一过程无疑费时费力, 且易受大夫主观因素的影响那么如果能够实现对心电图的高精度高速度的自动分析, 对心电 1

10 第一章绪论基于小波与神经网络的心电信号自动分析技术研究波形的形态和特征进行分类研究, 那么医生就能够以从大量病例数据中解放出来, 能够仅对异常心电波形进行关注, 从而在大幅度降低医疗成本, 提高医疗诊断效率的同时保障了人类健康, 为疾病的预防诊断治疗和康复提供服务心电信号分析技术是医疗仪器技术和计算机技术的完美结合, 将现代信号处理技术的最新成果引入生物信号领域, 可以为生物医学工程提供更高层次的基础研究临床应用研究诊断与治疗手段 ; 为心脏病患者的临床监护诊断与治疗提供更加客观的依据 ; 为探索与研究人体奥秘提供科学的方法 ECG 信号分析除了具有良好的社会效益深远的研究意义外, 还有很好的经济效益, 是各国争相发展的高新技术之一, 以 1994 年为例, 美国生物医学工程的市场规模为 110 亿美元, 到 2000 年其产值达 400~1000 亿美元 [3] 因此, 本课题必定会成为生物医学工程中具有良好的社会与经济效益且具有深远意义的研究领域 1.2 ECG 自动分析技术概述心电自动分析的内容, 发展与现状目前心电信号自动分析的内容主要包括 : 心电信号的预处理特征提取分类和数据压缩等而且随着计算机技术的不断提高和新的理论方法的应用, 自动诊断技术也在不断的完善提高从国内外发表的文章来看,QRS 波形检测分类和数据压缩是当今的热点 [38] 计算机辅助的心电分析与诊断系统的研究始于 50 年代末, 此后, 陆续涌现出大量的心电计算机处理程序, 心电自动分析技术得以快速发展计算机技术在心电分析中的应用, 使得 ECG 分析中的特征提取从人工定性分析过程转变为数字化处理过程尽管早期的自动分析准确性有限, 但计算机化的处理和操作大大提高了医生的工作效率和准确性 70 年代以后,ECG 自动分析系统进入实用化和商业化阶段 80 年代计算机技术快速发展, 使得心电自动分析系统的功能日趋丰富, 出现了以医生读图这一逻辑分析过程为依据的辅助诊断功能 [43] 与此同时, 配备微处理机的心电自动分析装置大大提高了心电数据处理的速率和一致性, 并增加了心律监护的种类, 提高了监护准确率, 这在很大程度上使护理人员从繁重的数据处理中解脱出来在美国, 每年约有 800 万例应用计算机进行自动分析, 占 10%; 日本每年约有 2

11 基于小波与神经网络的心电信号自动分析技术研究第一章绪论 100 万例, 占 5% [9] 心电图自动诊断可以将医务人员从烦琐的图形识别和数据处理中解脱出来, 大大提高工作效率目前, 由于心电波形的自动识别还有待提高且计算机诊断标准不统一, 使得计算机自动诊断心电图还未广泛地应用于临床 [4] 因此要探索新的方法以提高波形识别的准确率, 寻找适合计算机实现又具有诊断价值的诊断标准以改进计算机自动诊断效果, 以及扩大其应用范围 [5] 心电自动分析的特点与难点人体的心电信号十分微弱, 加上通常采用的无创体表采集方法, 所以使信噪比相当低一般正常心电信号在 0.01~100Hz 频率范围内, 而约 90% 的心电信号频谱能量集中在 0.25~40Hz 之间 [6] 从心电信号的波形上看, 它是比较接近于一个周期重复的确定信号, 但实际上它又有很大的不确定性心电信号波形总是不断地进行细微变化它们不仅会随着人体各种生理因素的变化而变化而且, 细胞相应不同的激励电位虽然具有明显的变化规律, 但每次又具有微小的随机差异所以, 我们实际所采集的心电信号是有用信号极其微弱, 噪声比较强大且种类多的生物医学电信号 ; 有用信号性质基本表现是 : 具有确定规律同时又带有随机变化特征 [6] 综上所述, 由于心电信号的独特性, 所以对其进行自动分析与诊断时所产生的困难主要体现在以下几点 : 1. 采集到的心电信号中存在多种干扰与噪声, 例如工频干扰, 肌电噪声以及基线漂移等, 正是由于多种噪声的混合并存, 对传统的信号消噪技术提出了挑战 2. 心电信号会随着人体各种生理因素的变化而变化, 这种具有确定规律又有随机变化的特征就使得各特征波形的检测准确率不高, 从而也会影响特征参数的提取 3. 特征参数的正常值与异常值的区分阀值随被测对象不同而略有不同, 会造成参数提取和识别的困难例如 R-R 间期的正常范围是 0.63s~ 1.5s, 但是如果被测者在剧烈运动后, 则可能超出正常范围 [6] 1.3 本课题的研究背景与论文安排在心电自动分析技术的五十余年发展历史中, 大量的研究方法不断的被提出并加入研究和应用, 心电自动分析己走出实验室进入了临床实用的阶段我国和世界都投 3

12 第一章绪论基于小波与神经网络的心电信号自动分析技术研究入了大量的人力物力对生物医学信号的处理进行了广泛而深入的研究, 取得了丰硕的研究成果, 并得到了广泛的推广应用, 带来了良好的社会效益和经济效益但我国在生物医学信号处理方面仍存在一些问题 : 对生物医学信号产生机理的认识还有待深化 ; 国内目前还缺少比较完整系统的生物医学信号处理软件核心包括数据库和程序库 ; 一些新的信号处理方法没有在医学上合理的推广使用等等第一章绪论阐述了本课题的研究意义, 介绍了心电信号自动分析技术目前的发展状况及研究内容分析了心电自动分析技术的特点以及所存在难点, 最后阐明了本文的主要研究内容第二章介绍了心电信号产生原理和常见参数与各类疾病的关系对动态心电图的采集方式进行了概述, 并对本文所采用的美国麻省理工大学的 MIT-BIH 标准心电数据库进行介绍第三章心电信号预处理的研究首先, 对 ECG 信号中存在的噪声与干扰进行分析其次, 采用多种滤波消噪法对噪声与干扰进行消除, 详细比较了传统滤波法与小波变换法的优缺点并对各种滤波仿真结果进行分析, 最终给出最优消噪方案第四章心电信号特征检测阐述了心电检测的关键内容及小波变换探测信号奇异点的机理分别采用传统的差分阈值法与双正交二次 B 样条小波对 ECG 信号进行 QRS 波群检测, 并对两者的性能进行比较与分析第五章基于人工神经网络的心电图分析模型首先介绍了传统 BP 网络的应用, 并针对其存在的缺陷进行改进, 研究设计了一种基于 L-M 算法的改进型 BP 网络诊断模型针对心电信号中每个心拍进行检测, 可有效识别出正常窦性心律非正常窦性心律房性早搏以及室性早搏尤其对危害人体健康的房性室性早搏的检测率高达 95% 以上在此基础上继续实现了对心律失常心电图的分类识别, 使网络获得了对五种心律失常信号的自动诊断能力, 具有积极的诊断意义第六章结论与展望对全文工作进行总结并指出本课题后续工作的发展方向与空间 4

13 基于小波与神经网络的心电信号自动分析技术研究第二章心电信号的形成与采集第二章心电信号的形成与采集本章首先介绍了心电信号产生原理以及常见参数与各类疾病的关系并对动态心电图的采集导联方式进行了概述, 最后对本文中所采用的信号源美国麻省理工大学的 MIT-BIH 心律失常心电数据库进行介绍 2.1 心电信号的产生原理心脏的主要功能是泵血以维持周身血液循环心脏细胞除极和复极的电生理现象是心脏运动的基础心电信号从宏观上记录心脏细胞的除极与复极过程, 在一定程度上客观反映了心脏各部位的生理状况, 因此在临床医学中有重要意义心脏的整体电活动主要由以下两个过程产生 : 1. 除极过程 : 除极自心肌细胞膜受刺激的部位开始, 迅速向周围扩展, 直至整 [7] 个心肌细胞除极完毕为止下面以单个心肌细胞为例, 予以说明心肌细胞在静息状态时, 细胞膜外带正电荷, 膜内带同等数量的负电荷, 内外电荷互相对立, 保持极化状态, 互不交流, 故并不产生电流细胞膜外面任何两点之间的电位都相当, 因而无电位差当心肌细胞膜的某一点受刺激时, 膜外的 Na+ 便大量而迅速地移入膜内而开始除极, 其邻近尚未除极的部分仍带正电荷, 通常将已除极的部分称为电穴, 而尚未除极的部分称为电源电源和电穴组成电偶己除极部分的电位较未除极部分为低, 这样就形成了电位差, 产生了电流, 正电荷从电源 ( 未除极部分 ) 流向电穴 ( 除极部分 ) 之后, 电源部分也开始除极而成为它前方尚未除极部分的电穴, 更前方的部分也相继发生同样变化, 先为电源, 随后又转为电穴如此推进, 直至整个细胞全部除极单一心肌细胞的除极过程就是一系列电偶移动的过程因此, 除极方向就是电偶移动的方向, 电源在前, 电穴在后 2. 复极过程 : 心肌细胞除极后, 由于细胞内的代谢过程, 细胞内外的离子又恢复到原来的极化状态, 这一过程称为复极最早开始除极的部分首先复极, 复极部分的膜外重新获得正电荷, 因此, 这部分的电位必然较邻近尚未复极部分的电位高, 两部分之间有电位差, 便有电流产生, 电流自电源 ( 己复极部分 ) 流向电穴 ( 尚未复极部分 ) 此后, 电穴部分开始复极而成为它前方尚未复极部分的电源, 更前方的 5

14 第二章心电信号的形成与采集基于小波与神经网络的心电信号自动分析技术研究部分与此相同, 先为电穴, 后又转为电源, 如此继续向前, 直至整个细饱恢复到极化状态复极方向就是电偶移动的方向, 电穴在前, 电源在后 [7] 由于心脏周围组织具有导电性, 这种电活动向各处扩散, 并在体表产生毫伏级 (mv) 的电位差, 通常从体表检测到的这种电位差信号就是心电信号, 它是心脏细胞除极和复极过程的宏观反映随着心脏规律性的兴奋收缩与舒张, 这些电位变化也呈现一定的规律性, 这些规律性的电位变化通过放大记录出来的波形称为心电图 2.2 心电图波形特点及各特征参数图 2-1 正常的心电周期波形如图 2-1 所示, 一个完整的心电周期由一组顺序发生的 P 波 QRS 波群 T 波以及 U 波组成在正常情况下, 这些子波按照窦房结产生的兴奋脉波的周期而进行周期性的重复每个子波都对应着心脏活动与电生理的特定阶段 P 波 : 反映了心房肌去极化过程的电位变化情况心脏的激动发源于窦房结, 最先传导至心房, 使之发生激动, 所以在一组波形中最先出现的便是 P 波 P 波的时程即波的宽度应小于 0.11 秒 QRS 波群 : 代表两个心室兴奋传播过程的电位变化由窦房结发生的兴奋波经传导系统首先到达室间隔的左侧面, 以后按一定路线和方向, 并由内层向外层依次传播随着心室各部位先后去极化形成多个瞬间综合心电向量, 在额面的导联轴上的投影, 便是心电图肢体导联的 QRS 复合波典型的 QRS 复合波包括三个相连的波动第一个向下的波为 Q 波, 继 Q 波后一个狭高向上的波为 R 波, 与 R 波相连接的又一个向下的波为 S 波由于这三个波紧密相连且总时间一般不超过 0.10 秒, 故合称为 QRS 波群 QRS 波群所占时间代表心室肌兴奋传播所需时间, 正常人在 6

15 基于小波与神经网络的心电信号自动分析技术研究第二章心电信号的形成与采集 0.06~0.10 秒之间 [8] T 波 : 代表心室肌晚期复极过程所引起的电位变化情况方向常与 R 波方向一致, 部分导联可倒置, 是一个电压比较低且时程较长的波 U 波 : 在 T 波后 0.02~0.04 秒出现宽而低的波, 波高多在 0.05 毫伏以下, 波宽约 0.20 秒一般认为可能由心舒张时各部产生的负电位形成血钾不足, 甲状腺功能亢进和强心药洋地黄等都会使 U 波加大 [8] P-R 段 : 是从 P 波终点到 QRS 波起点之间的曲线, 通常与基线同一水平 P -R 段由电活动经房室交界传向心室所产生的电位变化极弱, 在体表难于记录出 P-R 间期 : P 波起点至 QRS 波群起点的时间间隔, 代表心房肌开始去极化到心室肌开始去极化过程的总时间, 正常范围为 0.12~0.2 秒 ST 段 : 由 QRS 波群终点到 T 波起点的一段等电位线, 代表心室除极完毕到复极开始的一段时间 QT 间期 : 为 QRS 波群起点至 T 波终点的时间, 代表整个心室肌开始除极到复极完毕的总时间, 又称为心脏电收缩时间该值随心率快慢而变异, 心率若在 60~90 次 / 分时,QT 间期约为 0.36~0.43 秒根据资料 [8] 可以将常见心电波形参数和对应病例总结如表 2-1 所示 : 表 2-1 常见心电波形特征参数与疾病对应关系时间振幅病例 1 病例 2 P 波 <0.12s < 0.25 mv > 正常值, 左心房肥大 > 正常值则右心房肥大 P-R 间期 < 0.12s > 正常则有心室肥大 Q 波 < 0.04 s 小于同导联 1/4 R 波过深 / 过宽心梗 S-T 段下移则心肌缺血 / 心肌损伤上抬则急性心梗急性渗出性心包炎 T 波 T 波同导联 1/10R 显著增高心梗超急性期低平 / 倒置 : 心肌损伤心肌缺血 2.3 常规心电图导联系统体表 ECG 信号的测量需要通过称为导联系统的一套设备来进行测量导联由导线和电极组成, 电极片通常是银 / 氯化银类型的, 贴在人体上特定的部位, 就可 7

16 第二章心电信号的形成与采集基于小波与神经网络的心电信号自动分析技术研究以获得体表上微小的电位变化, 得到原始的心电信号, 心电信号再通过导线进入心电监护仪或者心电图机等设备的放大器输入端 [6] 心脏电兴奋传导系统所产生的电压是幅值及空间方向随时间变化的向量, 放在体表的电极所测量出的 ECG 信号将随电极片的不同位置而有所差异为了完整描述心脏的活动状况, 常用在水平和垂直方向的十二种不同的导联方式作记录, 以看清楚 ECG 信号中的各个重要细节这十二种导联方式分别是 : 标准导联 ( I,I I,III ) 单极加压肢体导联(aVR,aVL,aVF) 和单极胸导联 (V1,V2, V3,V4,V5,V6 ) [6] 其中标准导联属双极导联, 只能描记两电极间的电位差电极连接方法是 : 第一导联 ( 简称 Ⅰ), 右臂 (-), 左臂 (+); 第二导联 ( 简称 Ⅱ), 右臂 (-), 左足 (+); 第三导联 ( 简称 III), 左臂 (-), 左足 (+) 如图 2-2 所示 [10] : + 放大电路 + 放大电路 + 放大电路 N I 导联 N II 导联 N III 导联图 2-2 标准导联由于本文并未涉及到采集系统的硬件实现, 所以对于单极加压肢体导联以及单极胸导联, 在此不做详细的讲述, 各导联的具体电极连接方法可参见文献 [6] 2.4 MIT/BIH 标准心电数据库介绍 MIT/BIH 心电数据库是由美国麻省理工学院 (The Massachusettes Institute of Technology) 和 Beth Israel 医院合作建立的数据库 MITBIH 数据库共有 48 个病例, 每个病例数据长 30 分钟, 总计约有多个心拍, 包含有正常心拍和各种异常心拍内容丰富完整并且包含有医学专家对心电图做出的识别和标注, 被大量 8

第25章抗心律失常药.ppt

第25章抗心律失常药.ppt Antiarrthythmic Drugs Antiarrthythmic Drugs China Medical University > < > < 一心肌细胞膜电位１静息电位 resting membrane potential RMP 细胞在静息时膜电位呈外正内负的极化状态所测得的电位差为静息膜电位２动作电位ａｃｔｉｏｎｐｏｔｅｎｔｉａｌＡＰ心肌细胞兴奋引起膜去心肌细胞兴奋引起膜去