1、第39卷第5期 中南大学学报(自然科学版) 2008年10月 JCentSouth Univ(Science and Technology) Vbl 39 NO5 Oct2008 一种改进的QRS波检测方法 覃爱娜，桂卫华，唐国栋 (中南大学信息科学与工程学院， 湖南长沙，410083) 摘要：对QRS波群的检测算法进行研究，针对基于经验模式分解的传统QRS波检测方法存在的一些问题加以 改进，提出新的检测方法。该方法利用心电信号经过经验模式分解后，QRS波能量主要分布在第1个固有模态函 数IMFI的特性，通过对IMF1进行阈值收缩去噪、线性高通滤波以及非线性低通滤波等预处理突出QRS波的特 征
2、信息，最后利用自适应阈值法检测QRS波。研究结果表明：利用心率失常库MIT-BIH中的记录对该检测方法 进行检验，正确检出率超过998：该方法简单有效，准确率高，适于实际应用。 关键词：心电图；QRS波；固有模态函数；闽值 中图分类号：R3186 文献标识码：A 文章编号：16727207(2008)05104905 A detection method of modified QRS complexes QIN Ai-Ila，GUI Weihua，TANG Guodong (School of Information Science and Engineering，Central South
3、 University，Changsha 410083，China) Abstract：An electrocardiogram QRS complexes detection method was introduced against the traditional QRS detection methods based on the empirical mode decompositionIn this method，QRS complexes energy was mainly distributed in the first intrinsic mode function(IMF1)t
4、hrough empirical mode decomposition(EMD)One feature waveform similar to QRS complexes was assessed through thresholding shrinkage，nonlinear highpass filter and linear lowpass filter to IMF 1Adaptive thresholding was applied to detect the QRS complexes of the feature waveformAlgorithm performance was
5、 evaluated by using the MITBIH arrhythmia databaseThe results indicate that the accuracy is near 998using the algorithm accuracyThe proposed method is simple，effective，accurate and suitable for practical application Key words：electrocardiogram；QRS complexes；intrinsic mode function；thresholding 心电信号是
6、生物医学领域重要的研究对象之一】。 心电信号的特征参数检测和波形识别是心电图 (electrocardiogram，简称ECG1自动分析诊断系统的关 键，直接影响到诊断的准确性和可靠性。QRS波群的 检测结果不仅是诊断心脏疾病的重要依据，而且只有 在确定QRS波群后才能分析ECG的其他波形信息。 目前，QRS波群检测的方法繁多，如：差分阈值法f2 ， 模板匹配法4l，小波变换法【 I6 和神经网络法【 一 1等。 其中：差分阈值法算法简单，处理速度快，易于工程 实现；模板匹配法原理简单，但对高频噪声和基线漂 移很敏感；小波变换法具有良好的时频局域化特性， 检测准确度高，但计算量较大，不适于实时
7、处理；神 经网络法能够实现很好的判别效果，但训练时间较长， 实际上很难应用。在此，本文作者提出一种以经验模 式分解(Experimental mode decomposition，EMD)t J 为预处理的信号QRS波检测方法，探讨利用自适应阈 值进行QRS波检测的方法。最后，利用美国麻省理工 学院的MITBIH心电数据库对所提出的方法进行性 收稿日期：200712-26；修回日期：2008-03-09 基金项目：国家自然科学基金重点资助项目f606340201 通信作者：覃爱娜(1971)，女，广西南丹人。博士副教授，从事生物信息处理及非线性系统研究；电话：13875938806；E-mai
8、l：zhangqan2001163tom l050 中南大学学报(自然科学版) 第39卷 能评估。 EMD方法的基本原理 EMD方法能把非平稳、非线性信号分解成一组固 有模态函数(Intrinsic mode function，IMF)。每个IMF 表示了信号的一个内在特征振动形式。IMF必须满足 2个条件： a对于l列数据，极值点和过零点数目相等或至 多相差1个点； b在任意点，由局部极大点构成的包络线和局部 极小点构成的包络线的平均值为零。 下面采用EMD算法对时间序列数据x(O进行 分析。 a找出x(O所有极大值点和极小值点，将其用三 次样条函数分别拟合为原数据序列的上、下包络线， 上、
9、下包络线求均值为平均包络线m ；将原数据序列 减去ml，可得到1个去掉低频的新数据序列h。，即 hl= (f)m1。 (1) h1不一定是一个平稳数据序列，为此，需对它重 复上述过程进行处理。若h。的平均包络线为m则 去除该包络线所代表的低频成分后的数据序列hII为 hl1=h1一mll。 (2) 重复上述过程，使所得到的平均包络趋于零，这 样，得到第1个IMF分量C 。它表示信号数据序列中 最高频的成分。 b用x(O减去C ，得到1个去掉高频成分的新数 据序列，I；对n再按步骤a进行处理，得到第2个 2； 如此重复直到最后一个数据序列 不可再分解为止。 此时， 代表数据序列 (f)均值。上述
10、过程可表示为： rl： (f)一Cl； r2 1一C2： =rnlCH。 (3) 可得： (f)=cf+ 。 (4) i=1 因此，可以将任意信号分解成月个IMF分量C 和1个剩余分量rj之和，其中，分解出的n个分量c 分别包含了信号从高频到低频的不同频率段成分，而 剩余分量 是原始信号的中心趋势值。 2 QRS波检测原理 心电信号经过EMD分解后，固有模态函数呈高 频到低频分布。特别是一次高频分量IMF1对基线漂 移等低频干扰都进行了有效抑制，其他微弱的高频干 扰被平稳化，同时，削弱了P波和T波的影响，而 QRS波所处位置的分量非常明显。所以，基于EMD 的传统QRS波检测算法】应用适当的阈
11、值和不应期 等检测策略对分解后的IMF1进行检测，取得了理想 效果。但是，当心电信号出现高频干扰 或者工频 严重污 HlI隋况时，QRS波所处位置将不明显，这样 将无法准确识别QRS波。 本文作者在常规的算法基础上，提出一种新的 QRS波检测方法。该方法的结构如图l所示。 图1 QRS波检测方法结构 Fig1 Structure of QRS detection method 21 IMF1阈值收缩消噪 IMF1是分解后的第1个固有模态函数，所以，噪 声以高频成分为主。本文利用与小波收缩消噪相似的 方法进行去噪，所以，在消噪处理时，最关键的是阈 值以及收缩函数的选取。所采用的阈值是Donoho
12、L1 提出的一种专门去除高斯白噪声的固定阈值法： T= 2Ig。 (5) 其中： 为阈值；|为噪声的长度，o-=MAD0674 5； 参数MAD通过IMF1的绝对值再取中值得到；0674 5 是高斯白噪声标准偏差的调整系数。 阈值确定后，可采用硬阈值和软阈值收缩函数对 数据进行处理。为了尽量保留QRS波的特征，选择硬 阈值收缩处理方法，即 el( k)I T： (6) 式中： (k)为滤波后的模态分量；k为采样间隔。图 2所示为原始心电信号，图3所示为消噪前后IMF1 第5期 覃爱娜，等：一种改进的QRS波检测方法 一_三 的对比结果。从图3可以看出，经过阈值收缩消噪后， 大量高频噪声被滤除。
13、 5O E 0 50 t|s 图2原始心电信号 Fig2 Raw ECG signal 0 2 4 6 8 10 fs (a)消噪前；(b)消噪后 图3消噪前后的IMF1对比 Fig3 Comparison of IMF 1 before and after denoising 22线性高通滤波 线性高通滤波部分由 点移动平均滤波器和延 时为( 1)2采样的理想延时器组成，结构如图4 所示。 图4线性高通滤波结构 Fig4 Architecture of linear HPF 取M=7，假设当前输入为 ( )，则移动平均滤波 器输出y1(”)为 击 一)o 理想延时器输出 2(“)为： 。 则
14、线性高通滤波输出 ( )为： (“)= 2(n)一yl(n)=一 1 x(玎)+ M-1 )_ 一M+1)1M 。(9) I 一一l一一 I 一 十J o I J 2 J 一 5 一5 15 -25 l 一L LJ - I L J L lH l一 r I r I r I r T -一f r一1 l _ 1 J 0 2 4 6 8 is 图5线性高通滤波器的输出 Fig5 Output of linear HPF 10 23非线性低通滤波 对于非线性低通滤波部分，首先对线性高通滤波 后的信号逐点平方，然后，对平方后的信号进行加窗 积分处理，表达式为： (10) 其中： 为积分窗宽度，与QRS波的
15、宽度相近。若积 分窗太宽，则积分波形变换非常缓慢，QRS波部分将 不明显；若积分窗太窄，则产生多重波峰，造成假阳 性检测。根据实验分析结果，当 为35时效果最佳(采 样频率为360 Hz)。从图6可以看出，非线性低通滤波 输出的特征波形(以下称特征波形)大大增强了QRS波 的特征，削弱了其他频率噪声的影响。对比图6与图 2可以看出，特征波形与QRS波相对应，只要通过阈 值特征波形进行峰值检测以及决策就能识别QRS波。 24决策规则 由于不同患者心电图形态各异，在检测开始的前 10 S进行自学习，将初始阈值设置为特征波形z(“)前 10 S所有样本点总和的60。检测规则为：假如当前 、J 七 一
16、 ，L 2 II J L Z lO52 中南大学学报(自然科学版) 第39卷 fs 图6非线性低通滤波的输出 Fig6 Ouut of nonlinear LPF process 特征波形的峰值超过阈值，则表示检测到QRS波，否 则，表示没有检测到。为了提高检测精度，算法中还 采取如下策略： a可变阈值。由于心电信号的QRS波幅度随生 理或检测的变换有较大变化，在检测到QRS波后阈值 将自适应更新，更新规则为： T：AP(n)+P2P(n-1)口。 f1 11 6、 B 式中： l和 为权值因子： 为比例系数： )为当 前特征波形的峰值；尸(，r_1)为上一个特征波形的峰值。 经过实验仿真，取
17、 l=01， ：08，a=O7。 b不应期。除室颤、室扑以外，一般人的心率低 于300次min，也就是说，1次QRS波产生后，其后 一定时间间隔内不会产生另一个QRS波。因此，若检 测到1个QRS波后，把其后200 ms内超过阈值的点 都忽略，这样可以避免噪声干扰造成误检。QRS波检 测结果如图7所示，其中”位置为QRS波波峰。 图7 QRS波检测结果 Fig7 QRS detection results 3 QRS波检测结果及讨论 采用MITBIH心率失常数据库验证所提出算法 的可行性。MIT心电数据库是目前国际上广泛应用的 心电数据库。该数据库总共有48个病例，每个病例数 据长度约30 m
18、in，并且对每个QRS波的位置进行标 注。表l所示为算法的检测结果。 表1 QRS波检测结果 Table 1 Results of QRS detection meod 对于MIT心率失常数据库中48个病例和109 497 个QRS波，本算法总共误检了88个，漏检了122个， 误检率为019。而对于第104，108和203号数据， 漏检数较多，这是由于在这3组数据中，掺杂了严重 的伪差，使得个别QRS波群的波形严重失真，从而造 成漏检。 第5期 覃爱娜，等：一种改进的QRS波检测方法 墅 同时，将本文算法与文献2】和文献【5中的算法性 能进行对比，结果如表2所示。 【4】 从表2可以看出，本文
19、提出的算法与文献2】中的 算法相比，误检率有较大下降；与文献【5相比，虽然 误检率稍高，但本算法不需要对模极大值以及李氏指 数进行检测，运算量小，执行效率高，所以，本文算 法实用性更强。 表2本文算法与其他算法的比较 1“61 Table 2 Comparison between the method in this paper and other algorithms 笛沣 拍 枪斯柏 漏枪斯柏 谋枪蛊 71 4结论 a利用EMD的多分辨率特性，可以将心电信号 高频部分和低频部分分离，即使在有严重的噪声信息、 基线漂移和干扰的情况下，仍能很好地提取QRS波的 特征信息。对QRS波特征进行优化
20、预处理后，QRS 波定位更加容易。 b在连续监护过程中，由于运动、睡眠等因素的 影响，心电信号的幅值、形态等都会发生变化，自适 应调整阈值可根据不同心电信号的变化自动调整，增 强了鲁棒性；而根据人体的生理特性制定的不应期优 化检测策略可以有效地减少漏检和误检。 参考文献： 【2】 31 Krhler B UThe principles of software QRS detectionJIEEE Engineering in Medicine and Biology Magazine，2002，210)： 42-57 Pan J，Tompkins W JA real time QRS dete
21、ction algorithmJ IEEE Transactions on BME，1985，32(11：230236 Hamilton P S，Tompkins W JQuantitative investigation of QRS detection rules using the MITBIH arrhythmia databaseJIEEE 【8 9 1O】 【12】 【l3】 【l4】 15】 TransactionsonBME，I986，33(I2)：11571165 谌雅琴，李刚，叶文字，等自适应相干模板法在心电图机 中应用的一种改进算法J信号处理，2002，18(3)：244
22、248 CHEN Ya-qin，LI Gang，YE Wenyu，et a1An improved algorithm of adaptive coherent model in the application of electrocardio-graphJSignal Processing，2002，l8(3)：244248 LI Cuiwei，ZHENG Chongxun，YUAN ChaoweiDetection of ECG characteristic points using wavelet transfomasJIEEE Trans 0n BME，1995，42(1)：2128
23、Kadambe S，Murray R，Faye G et a1Wavelet transform-based QRS complex detectorJIEEE Transactions on BME，1999， 46(7)：838848 Dokur Z，Olmez t Yazgan E，et a1Detection of ECG waveforms by neural networksJEngineering&Physics，1997， 19f8)：738741 XUE Qiu-zhen，HU Yu-hen，Tompkins W JNeural networkbased adaptive m
24、atched filtering for QRS detectionJ IEEE Transactions on BME，l 992，39(4)：3 1 7-329 HUANG Ne，SHEN Zheng，LONG S R，et a1The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysisCProceedings of the Royal SocietyLondon：The Royal Society，1998：903995 HUA
25、NG Ne，SHENZheng，LONG S R，et a1A new view of nonlinear water waves：The Hilbert spectrumJAnnu Rev Fluid Mech，1999，31：417-457 李向军一种基于经验模式分解的心电QRS波检测方法【J】 电子科技大学学报，2007，36(4)：795-797 LI Xiang-junA QRS detection algorithm based on the empirical mode decompositionJJournal of Electronic Science and Technol
26、ogy ofChina，2007，36(4)：795797 Blanco MWeng BBarner K ENew ECG enhancement algorithm for stress ECG testsJComputers in Cardiology， 200633：917920 Liang H，Lin Z，McCallum R WArtifact reduction in electrogastrogram based on empirical mode decomposition methodJMed Biol Eng Comput，2000，38(1)：3541 ZHAO Zhid
27、ong，CHEN Yuquan A new method for removal of baseline wander and power line interference in ECG signalsC Proceedings of the 2006 International Conference on Machine Learning and CyberneticsDalian，2006：43424347 Donoho DDenoising by softthresholdingJ IEEE Transactions on Information Theory，1995，41(3)：613-627
