1、重庆大学硕士学位论文基于小波神经网络的心电数据压缩方法姓名：郭巧惠申请学位级别：硕士专业：电气工程指导教师：杨永明20060401重庆大学硕士学位论文 中文摘要 I 中文摘要 临床诊断过程中心电信号的存储与传输是一个有待解决的问题由于采集到的原始信号的数据量巨大为了便于对大量的心电数据进行存储分析和传输对于这些数据的压缩处理是十分必要的特别是在需要进行远程实时心电监护的场合还必须做到心电数据的实时压缩与传输以提高病情的诊断效率并为患者提供及时可靠的医疗救护 本文在研究国内外有关心电信号数据压缩算法及其研究状况的基础上利用小波变换小波神经网络等方法对心电信号进行压缩并取得了较好的效果本文的主要工
2、作和结论如下 介绍了心电信号的特征对各种ECG数据压缩技术进行了研究特别对几种ECG数据压缩方法的性能进行了仿真分析在此基础上提出了利用神经网络和小波变换这两种先进的信号处理方法对心电信号进行建模和压缩处理文中首先利用BP和RBF神经网络分别对心电信号进行了建模并比较了这两类神经网络在信号建模方面的优缺点 提出了基于小波变换的心电压缩算法此方法充分利用了小波系数能量集中的特点将心电信号进行小波变换通过对变换后得到的系数进行处理以达到数据压缩的目的 在理论研究了小波变换方法和神经网络的基础上提出了基于小波神经网络的ECG数据压缩算法并分析研究了基于小波神经网络压缩ECG数据的原理和模型的构建方法
3、此算法以小波基函数构造的神经网络应用于心电信号的压缩上通过调节小波基参数网络权值网络在大量压缩数据的同时能够很好的恢复原有的心电信号并较准确地反映了各种波形的位置和强度从而达到了压缩信号与原始信号的最佳匹配本论文提出利用频域匹配和OLS算法相结合的方法来确定小波神经网络神经元及其个数并利用自适应梯度下降算法对小波神经网络进行训练取得了较好的效果 经过大量的仿真表明本文提出的心电数据压缩方法能够达到较高的压缩比和保真度 关键词心电信号数据压缩神经网络小波变换小波神经网络重庆大学硕士学位论文 英文摘要 II Abstract In clinical diagnoses systems, a lar
4、ge number of ECG data are acquired during sampling. So storage and transmission of ECG data have become the problem under settlement. Therefore efficient data compression algorithm is necessary to reduce the quantity of data. Especially, in remote real-time ECG monitor, ECGs real-time compression an
5、d transmission are very important to enhance the diagnoses efficiency. It can offer reliable clinical rescue for patients. In this paper, on the basis of research on domestic and oversea ECG signals data compression algorithms and their statuses, we make use of the wavelet transform and wavelet neur
6、al network to compress the ECG signals and acquire better effects. The main work and conclusions of this paper are shown as follows: 1) We introduce the feature of ECG signal and research on various ECG data compression algorithms. Especially, we simulate and analyze some ECG data compression algori
7、thms. On the basis of introducing neural network and wavelet transform, we make use of neural network to build model for ECG signal and wavelet transform to compress ECG data. In this paper, we use BP and RBF neural network to build system model separately, and compare the two neural networks to fin
8、d the difference between them. 2) The ECG compression algorithm on the basis of wavelet transform is brought forward, which uses energy concentration characteristic of wavelet coefficients. We transform ECG signal by wavelet first, and then the coefficients are processed after transform to reduce th
9、e data quantities. 3) We put forward the ECG compression algorithm on the basis of wavelet and neural network. We study the wavelet neural network theory and how to build models. The wavelet networks can be used in ECG signal compression by adjusting wavelet basis and weight values. At the same time
10、, this algorithm also can reconstruct the ECG signal very well. And the result indicates that it can reflect the location and intensity of all waves correctly. Consequently, we can reach the optimum matching for compressed and original signal. In this paper, we make use of the frequency-domain match
11、ing and OLS algorithm to fix the wavelet basis and its number. We train the wavelet network by using the adaptive gradient descending algorithms, and get good effects. We can obtain different weight vectors by using wavelet neural network in compressing different ECG signals. According to the abunda
12、nt simulation, the algorithm raised in this paper can reach 重庆大学硕士学位论文 英文摘要 III higher compression ratio and fidelity. Keywords: ECG, data compressing, neural network, wavelet transform, wavelet neural network 重庆大学硕士学位论文 1 绪论 1 1 绪 论 1.1 研究目的背景和意义 目前心电图ElectrocardiographECG仍是分析诊断心脏疾病的重要信息来源之一随着在心电研究
13、领域中计算机技术的不断介入心电数据压缩技术日益显出其重要性 对 大医院而言每年需要存 储处理的心电数据量非常之大为有效地进行存储和检索这庞大数据需要有数据压缩技术支持此外ECG数据压缩的重要性还表现在 实时ECG信号能方便迅捷地在 电话线上传输 高动态监测仪或记录仪 的处理功能 改善实时心律分析算法的 实现环境 为分类识别或自动诊 断算法提供一些特征参数 ECG数据压缩技术研究已有三十多年历史ECG压缩从是否信号有失真可分为无失真编码和有失真编码有失真编码要求消除信号中冗余信息及诊断无关信息由于ECG包含诊断无关信息他们在恢复信号中容许有部分失真故心电数据压缩应保证主要诊断不受损失的前提下尽量
14、减少需存储的数据量实际应用中也就主要采用有失真编码尽管ECG压缩算法形式千差万别但大体上有三种主要类型 直接压缩法直接对 原始信号进行分析处理以排除冗余信息主要采用预测或插值算法如Amplitude Zone Time Epoch Coding(AZTEC) Coordinate Reduction Time Encoding System(CORTES) Scan Along Polygonal Approximation for ECG Data(SAPA) SLOPE CORNER Linear Approximation Distance Threshold(LADT) 等 变换压缩法
15、主要利用 线性正交变换将原始信号从时域转换为频域从而排除信号中冗余信息在均方误差约束下最优变换压缩技术是Karhunen-Loeve Transforms(KLT)其他变换包括Fourier Transforms(FT)Walsh transforms(WT) 以及近年发展起来的小波变换技术 ，等 特征参数提取法从信号中提取特征信息或对信号建模以提取起模型参数在信号恢复时利用这些特征信息或模型参数来重建波形该方法主要有神经网络法 ，心电建模法 时域算法多采用一系列直线或曲线拟合心电图形这类算法大都计算量不大实现简单应用灵活广泛但压缩比低变换域算法的基本思路和快速傅立叶变换法Fast Fouri
16、er TransformsFFT类似此方法将ECG序列进行快速傅立叶变换舍去变换域中数值极小的高次谐波分量保留数值较大的少数低频分量用这些保重庆大学硕士学位论文 1 绪论 2 留部分并将舍去的部分补零进行逆变换IFFT即可重建波形变换域算法计算量大实现复杂压缩比也难以提高 心电数据压缩技术是心电信号计算机处理的一个主要组成部分在六七十年代ECG压缩算法研究主要集中在直接压缩法和变换压缩法九十年代以来有关心电数据压缩的发展主要侧重于周期压缩法小波变换法和神经网络方法人体产生心电数据量较大每一导联以1000Hz采样率12位A/D进行采样24小时产生的数据量大约为170Mbyte由于成本和功耗的限制
17、在固态记录仪中难以直接存储全部数据必须采用某种方法降低存储数据量同时减少了数据传输量和传输时间对于方便的存储心电信息资料保存等方面也具有重要意义 1.2心电图ECG的相关知识 心脏疾病是造成人类死亡的三大疾病心脏病脑血管病和癌症之一长期以来对心脏病的研究一直是医学界的一个主要课题而心电图一直是诊断心脏疾病评价心脏功能的重要依据其原因是反映心脏电生理活动的心电图带有大量的有关心脏状态的信息而心电信号又可以从体表无损伤的检测到不会给病人带来任何的痛苦自50年代以来计算机辅助的心电分析技术得到了蓬勃的发展其中心电信号压缩技术一直是广大医学工作者和工程技术人员研究的重点因为它在心电自动分析中占有很重要
18、的作用许多成果和实际要求还有不少差距仍需不断地完善但理论技术的发展也为研究创造了有利的条件 1.2.1 心脏电生理特性及其心电图产生原理 心电的自律性兴奋性和传导性都以生物电为活动基础心脏电活动的变化与某些心脏疾病尤其是各种类型的心率失常的发生有着密切的联系心电图是记录心脏电活动状态的记录对了解心脏的节律变化和传导情况有着十分重要的价值 人体组织中的体液是一种电解质溶液具有很强的导电能力心脏在体内就像一个电池放在电解质溶液中一样当心脏在体内受激搏动时就如同电池放电在电解质中就产生电流根据容积导电理论在体内就会出现向各个方向传导的电流从而形成一个心电场反映这个电场的电位变化规律的波形图就是所谓的
19、心电图如图所示它是随心脏受激波动的时间顺序进行的通过心电可以观测到心脏搏动过程中所产生的心肌电位的变化关系有一定的规律如果心肌出现缺血损伤或坏死这些心肌的组织细胞在损坏的那个部分上就没有活化电荷所以当心肌兴奋时这部分的电位就不会产生变化在心电图波形上就会产生变异和失真医生就可以根据变异的程度和时间按照临床心电图谱来判定诊断心脏疾病 重庆大学硕士学位论文 1 绪论 3 1.2.2 心电波形描述 对于一段心电图来说可以划分成若干的组成部分其中最简单的描述为P波QRS复合波以及T波在粗略的划分为上述3个部分以后有时还可以细化为PR间隔和RR间隔等其中在RR间隔中包括了ST间隔和TP间隔下面简单介绍一
20、下心电图中的各个特征以及在诊断中的参考价值 图 ECG信号组成图 Fig1.1 The composing figure of ECG signal P波 为心脏除极波是ECG信号的起始部分代表左右两心房的除极化从形状上看是QRS复合波前一个变化比较平缓的正向波正常的P波波顶钝圆光滑有时可能有轻微切迹这里的切迹是指在这个波段中在既有斜率变化又有方向改变的节段异常波形则有可能呈尖峰状如二尖瓣型P波增宽大于0.11s伴明显切迹又如肺型P波呈尖峰状电压大于等于0.2到0.25mV根据P波的宽度P波的形状P波的幅度以及P波持续时间与P-R间期的比值等可用于判断心房扩大高血压心肌梗塞等症状 P-R段 是
21、指P波起点到R波（和Q波）起点这一节段代表心房除极结束到心波所掩盖根据P-R段的持续时间及与其它参数比较可用于诊断早博室除极开始在这段中可埋藏着心房的复杂过程称为Ta波多被用于QRS心率失常心动过速心包炎等症的诊断 P-R期间 指P波起点到心室波的开始亦称P-Q间期一般为0.12到0.20s代表心房除极开始到心室开始除极所需要的时间P-R间期的持续时间占整个心动周期持续时间重庆大学硕士学位论文 1 绪论 4 的比例如超出正常范围则表明可能有房室传导阻滞等病症 QRS波群（全部心室的 综合波） 第一个负向波为Q波继Q波后的第一个正向波为R波R波后的负向波为波S波后的第一个正向波为R波R波后的负向
22、波为波依次类推正常人的一个心动周期只有一个QRS复合波如整个波形只有一个负向波称为QS波正常QRS波显得粗钝切迹不明显QRS间期代表全部心室肌激动过程所需的时间 ST段 代表心室除极终了到心室复极开始这一短暂时间图形上表现为由QRS波群终点到波开始的一段ST段异常通常有ST段压低或者ST段抬高两种现象其中ST段压低可用于诊断：心室肥大束支传导阻滞预激综合症等ST段抬高可用于诊断：急性心肌梗塞急性心包炎变异型心绞痛过早复极化等 T波 代表两侧心室复极过程的电位影响图形为QRS波形后第一个正峰变化较为平缓波异常通常有倒置增高过低增宽等症状可用于诊断：心肌梗塞慢性冠状动脉供血不足心包炎内分泌疾患等
23、Q-T间期 指心室除极和复极过程所需的时间从QRS波起始至T波终止的时间心率越高Q-T间期越短反之越长 Q-T间期较长：多见于心肌炎心肌梗塞慢性心肌缺血低钾低钙等患者Q-T间期缩短：多见于应用洋地黄后高血钾高血钙等患者 U波 T波后常可见到一个正向的小波为U波其方向与波一致但是有些导联不可见一般认为是心室舒张的机械性结果由心室舒张时形成的后电位产生 U波显著增高可用于诊断：血钾过低心室肥大等 U波倒置可用于诊断：高血钾心肌梗塞冠心等 心率 每分钟内出现得心动周期次数可用于诊断心律不齐 心率的测量： a测量 P-P或R-R间隔心率60/P-P或R-R间隔 b以任何一个P波或R波做起点测量6秒钟内
24、的P波或R波数（做起点的P或R不计算在内）将得数乘以10即得出相应的心房率和心室率：c心房颤动时应连续测量8-10个f-f和R-R间期取其平均值用以除以60即得心房率及心室率 结合上述典型波形描述心电图具有如下特点拟周期性心电图信息主要分布于P-QRS-T波群诊断信息集中于QRS波群ECG频率范围主要为0.25-35HzP波T波和U波属低频段基频为几赫兹Q波R波和S波频率一般为20-60Hz重庆大学硕士学位论文 1 绪论 5 而P-R和S-T仅零点几赫兹心电图中存在伪差如基线振荡交流电干扰心肌干扰病人动作影响等 1.2.3 心电分析技术概述 心电信号中蕴含了丰富的心脏生理和病理信息心脏的状态体
25、现在心电信号中的多种参数上心脏电活动的复杂性和影响的多样性决定了心脏状态参数提取的难度需要许多医学知识和一定的临床经验利用计算机技术按照医学要求处理心电数据不仅可以大大减少医务人员的工作量而且还能提高计算的准确程度心电分析技术最初是通过人工计算和分析来完成的二十世纪中期随着计算机技术的发展计算机辅助心电分析技术得到了很快的发展和应用出现了各种算法描述1958年Pipberger在心电分析中引进了计算机处理技术随后出现了大量的心电处理程序心电自动分析技术得到了快速的发展尽管早期应用的准确性有限但计算机化的处理和操作还是大大提高了医生的工作效率和准确性 1.3 心电数据压缩的必要性 出于医疗诊断和
26、医学研究的需要每年都要产生大量的心电数据例如动态心电图技术已经得到越来越广泛的应用需要采集患者24小时以上的心电数据这就大幅度增加了需要记录的数据量 相对于普通心电图动态心电图增加了采集的信息量可获得大量连贯资料为临床诊断提供了更为可靠的依据研究发现监测1分钟心电图只能检出10%病人的心律失常但如果监测病人24小时的心电图则可以发现85%90%的心脏病状对于捕获一过性心律失常和心肌缺血等具有突发性的病症动态心电图具有无法替代的作用同时当台心电图还可以记录到患者在睡眠过程中各种活动以及不同情绪状态下所出现的普通心电图记录不到的心电信息 但长时间记录心电图将产生庞大的数据量例如采集一个患者3导联2
27、4小时心电数据若以250Hz采样率12位A/D转换精度计算则产生的数据量约为130Mbyte 传统动态心电图采用小型便携式设备记录患者24小时日常生活中的心电信息监测期结束后由医护人员将保存有心电信号的磁带或硬盘放入分析系统进行快速回放和分析不能作到信息的实时传输更无法进行实时病情诊断 随着老年化社会的到来心脏疾病患者数量将会趋增心脏保健将成为一个社会性问题远程传送心电信号可以做到实时监测有利于诊断和急救指导对于一般性心脏保健出院随访及术后随访都会带来更大方便特别是随着现代通信网络的发展对于因各种原因无法到医院就诊的心脏疾病患者更能提供便利条件因此远程传送心电信号具有良好的经济效益及市场前景
28、重庆大学硕士学位论文 1 绪论 6 心电信号压缩是实现心电信号远程传送的关键技术直接决定了系统的实用性和有效性例如利用以流量计费的无线通讯网络进行数据传输长时间心电监护产生的巨大数据量将使无线通讯费用令人难以接受同时还有传输速度和带宽等问题心电信号压缩技术将在不丢失心电信号特征信息的前提下最大限度地减少需要传输的心电数据量降低传输成本提高传输速度 1.4 本文的研究内容 本课题从科学发展史研究的角度通过介绍心电的产生波形描述和心电分析技术概述以及它的必要性切入到对心电数据压缩的研究史与发展现状的分析对神经网络原理小波分析原理进行介绍最后利用小波变换和小波神经网络对心电数据进行数据压缩对当前的各
29、种心电信号ECG数据压缩算法进行了解提出更好的心电信号ECG数据压缩算法提高压缩比减少信号的失真度提高信号的保真度降低计算复杂度减少计算时间提高压缩率这些就是本课题的研究内容 全文共分为六章其具体内容安排如下 第一章 绪论介绍了本 课题的研究目的背景和意义并且介绍了心电图的生理特性及其心电图产生原理对心电波形的各个部分做了大致的概述以及对心电分析技术进行了概述同时还介绍了心电数据压缩的必要性最后对本文要做的工作进行了介绍 第二章 系统地介绍 了常见的各种心电数据压缩方法把这些心电数据压缩方法分成三类进行介绍并对这三种心电数据压缩方法进行了阐述以及它们的主要包含的各种心电数据压缩方法 第三章 从
30、神经网络 技术发展应用概述开始介绍然后介绍了神经网络的特点重点介绍了和神经网络的原理同时分别利用神经网络和神经网络对心电信号进行建模并且比较了两种网络为后文打下了基础 第四章 基于小波变换 的心电数据压缩方法的实现首先从小波变换的原理入手介绍了连续小波变换和离散小波变换同时还介绍了多分辨分析与快速算法最后利用小波变换中的多分辨分析与算法 实现了心电数据压缩并给出了仿真结果并对其进行了分析 第五章 基于小波神 经网络的心电数据压缩方法的实现首先从小波神经网络的理论基础开始入手研究了隐含层传递函数以及节点数的确定分析小波神经网络训练的算法最后利用它实现了心电数据的压缩并给出了仿真结果 第六章 总结
31、全文指出文章的主要研究 结果并提出了后续展望 重庆大学硕士学位论文 2 各种心电数据压缩方法 7 各种心 电数据压缩方法 2.1 概述 心电图ECG数据是心脏细胞的电生理活动在体表的总体反应1895年荷兰生理学家首次从体表记录到心脏完整的除复极过程的心电波形并以PQRST来标志不同的可区分的波段还给人类心脏电活动命名为心电图从此开始心电图的研究并在20世纪4050年代建立了一套成熟的理论描述心脏活动的规律随着计算机在心脏病诊断监护等领域的广泛应用和心电图数量的日益增长数据压缩技术自20世纪六十年代开始应用于心电图领域并不断得到发展心电信号ECG数据特别是动态心电图Automatic Elect
32、rocardiograph(AECG)数据的压缩方法和技术的研究已引起普遍的关注ECG数据压缩可减小传送ECG数据所需的信道频带或传送时间和减小用于存贮ECG数据的空间长时间动态心电图系统Holter由于可连续记录患者24小时心电ECG信号而在临床中得到了广泛的应用Holter系统要求在有限的存贮空间内受由病人携带的ECG记录器体积限制记录24小时心电图对高性能的Holter记录器所需的存储空间多达数百兆如果不采取一定的措施那么就无法得到病人24小时中所有的心电信号ECG数据所以要设计高性能的数字式Holter系统必须对ECG做压缩比很大的数据处理同时Holter系统要求进行实时压缩且要求重建
33、信号失真小同时远程心电信号采集发送器也被用来监护心脏病病人系统要求其能够实时传送心电数据信号由于在传输心电数据信号的速度取决于网络的快慢如果网络的速度及不上远程心电信号采集发送器的发送速度那么这些已经发出的信号会由于网络速度太慢就有可能丢失这样就很可能丢失心电信号ECG中重要信息从而影响医生的实时诊断所以在采集完信号后对信号进行一定的压缩后就不会存在这样的问题即在一定的时间间隔内对采集到的信号进行压缩打包然后发送这样就避免了丢失数据的情况随着心电技术的研究引入了新的方法人们对心电信号中所包含的信息有了更深入的研究和应用实现ECG数据的高效压缩对ECG数据的处理存储和传输等诸多方面都具有非常重要
34、的实际意义 1是医疗自动化和信息化的重要课题 20例如1快速实时经济地传递ECG数据2在容量有限的数据库中得以存储更多的ECG数据3为实时地分析处理心律异常的算法提供基础4实现动态ECG的数字化记录和存储心脏活动过程是一个有序的过程因此反映这一过程的ECG数据具有一定的相关性或者说ECG数据中具有一定的冗余度将冗余数据去掉但不会丢失主要信息即仍能够保真地重构ECG波形 重庆大学硕士学位论文 2 各种心电数据压缩方法 8 为经济的传送和存储信息通常需要对数据进行压缩处理压缩就是去除减少数据中冗余成分数据压缩技术是伴随着通信技术而发展起来以减少描述给定信息集合所需要的信号空间为目的所谓信号空间就是
35、物理空间时间空间如数据传输时间以及电磁频谱空间如传输宽带要求等亦即压缩能减少信号所占的空域时域以及频域空间 随着科技的进步以及互联网技术的发展对于心脏病患者来说除了心脏有重大的病变或者手术后的两个星期需要住院观察其余的一般只要对病人进行长时间监护如病人只需将平时的心电存储后给医生诊断即这样就需要对心电信号进行压缩以减少空间增加信息量 现有的降低数据量的方法主要有以下几种 降低系统采样频率扩大存储容量以实现全部心电信号的记录 采取片段记录的方法 对心电图进行实时分析仅记录出现异常时的心电信号 准全信息记录采用数据 压缩算法记录压缩后的心电信号 上述方法中第二种方法成本最低但由于它不是全信息记录有
36、可能会失去重要的诊断信息无法作为医生的诊断依据第一种方法尽管降低了系统的采样率但是仍需要较大的存储容量成本较高另一方面采样率的降低对波形再现的质量有一定的影响第三种方法的综合效果比较好它采用数据压缩的方法减少了数据的冗余程度使得系统数据记录量大幅减少降低了系统的成本同时它通过一定的数据解压能够恢复心电数据表现了较好的性能 在心电研究领域中随着计算机技术的介入心电数据压缩技术日益显出其重要性动态心电数据的压缩算法是当前国际生物医学信号处理领域的研究热点之一成果丰富 14,21-29数据压缩的方法多种多样早期的预测编码的方法如差分脉冲调制Differential Pulse Code Modula
37、tion,DPCM直接对相邻样值的幅度变化进行编码原理简单容易实现但压缩比较低游程编码RLC利用码元之间的相关性通过记录各码元的长度来实现压缩的Shannon-Fano码及Huffman码则根据每个信号出现的频率为其分配最经济的码长从而达到压缩的目的时域上平坦分布的信号经过正交变换后起能量会集中到低频分量上这样可以略去高频成分或只用很少的比特来为它们编码这种变换压缩方法有Karhunen-Loeve变换KLTFourier变换DFTFFT离散余弦变换Discrete Cosine Transform,DCT等较新的压缩技术还有神经网络利用神经网络进行压缩的基本思想是构造一个输出跟踪输入的多层网
38、络其具有为数较少的中间隐含层节点这样仅由数目远少于输入/输出节点的隐节点的权值信息便可代表所有训练过的样本以此达到数据的压缩目前更新的压缩技术有小波分析等所有的数据压缩重庆大学硕士学位论文 2 各种心电数据压缩方法 9 算法都是以减少冗余度使得数据量大大地减小以利于存储和传输为目的的最重要的指标是压缩比通俗地说压缩比是指原始数据的比特率和压缩以后的数据比特率的比值但是频宽采样率以及原始数据的量化精度都会影响压缩比 在追求高压缩比的同时还需要注意的是要保证最小的失真度及算法的可实现性对于医学信号观察压缩后重建的信号主要还是靠目测来实现但是重建信号和原始信号之间的残差是通过数据计算得到的一般说来残
39、差为零表示重建信号是原始信号的复制品也就是说经过了无损压缩但是无损压缩所能达到的压缩比是有限的往往不能达到预定的目标而且在临床中并不要求残差为零也不能很大只要不影响诊断信息就可以了 2.2 压缩性能评价指标 ECG数据压缩算法的评价包括压缩比压缩速率鲁棒性20相似性误差计算复杂度失真度视觉效果 18其中最主要的是压缩比压缩速率鲁棒性计算复杂性失真度 对一个压缩系统的评价指标可以分为客观指标和主观指标两类目前应用于心电信号压缩领域的客观指标主要有两个均方根误差PRD(percent root-mean-square difference)和压缩比CR(compression ratio) 100
40、)()()(1212=niorgnirecorgixixixPRD 2.1 式(2.1)中 orgx表示原始信号 recx表示重构信号 BbLCR= 2.2 式(2.2)中L表示样本个数b表示每个样本的位数B表示压缩后样本的总的位数PRD衡量重构信号的失真程度CR衡量压缩算法的压缩性能 注意到客观标准并不能完全体现压缩系统的性能高低压缩的心电数据解压缩后最终还是需要由医护人员进行主观评价但由于以上两个客观标准简单直观所以还是被广泛使用 2.3 常见的ECG压缩方法 近30年来研究并且发展了大量的ECG压缩技术这些压缩技术已经用于临床诊断并且有许多技术已经成为诊断和分析的重要依据 通常在进行数据
41、压缩时都将数据离散化即先将ECG信号由模拟信号转变成数字信号这是由于数字信号在传输过程中抗噪性能较强便于存储易于误差重庆大学硕士学位论文 2 各种心电数据压缩方法 10 预测等 从有无失真的角度分类ECG压缩分为无失真编码和有失真编码由于ECG中包含有诊断无关信息而在恢复信号中容许有部分失真故心电数据压缩应在保证主要诊断信息不受损失的前提下尽量少存储数据实际应用中也就大多采用有失真编码有失真编码除要求消除信号中的冗余信息外也排除诊断无关信息 ECG压缩算法按算法类型可分三类 11直接压缩算法2变换域算法 21-233参数提取算法 14,23-27要说明的是这种分类并不能把现有的压缩算法归类有很
42、多算法可能包括了上述的分类方法的综合 目前直接压缩通过原始采集数据直接进行分析处理利用插值预测或模板匹配处理等来消除冗余信息直接压缩算法直接对数据进行处理计算简单被广泛应用于ECG压缩主要的使用方法有AZTEC算法 31SAPA算法 32,33TP转折点算法 34CORTES算法 4LADT算法 37DPCM算法 38QRS波模板匹配算法 35,36等AZTEC算法是将原ECG曲线用一系列水平线段和斜坡段来表示水平线段由幅度和长度确定斜坡段由高度和时间长度确定该算法在平滑段压缩比较高但整个波形失真较大SAPA 算法是在预定的上下误差限之内用折线来拟合原ECG信号并保证误差在一定的上下限之内TP
43、算法是转折点压缩算法失真很小可以在保持信号拐点特别是QRS波幅度不变的情况下使采样率减为原来的一半CORTES算法是综合了TP算法误差小和AZTEC算法压缩比大的优点提出来的其主要思路是在ECG信号的有效部分即QRS波段用TP算法而在平滑段用AZTEC算法具体实现是由实验确定阈值取代AZTEC算法中的水平线段最小长度阈值当水平线段长度小于实验确定的阈值时改用TP算法进行压缩平时用AZTEC算法压缩 LADT压缩算法属于二自由度的一阶插值算法选用距离误差为判断条件检查最长容许逼近线段判断其间各采样点距离误差是否超过预先设定的误差门限如果超差则缩短逼近线段直到满足条件为止LADT算法与其他的相比有
44、比较高的压缩比但是计算量相对较大特别当出现超差时新线段间的各采样点的距离误差又得重新计算 18 QRS波模板匹配算法就是ECG信号在识别到R波后一方面作为待更新的候选模板被保存另一方面与已有的当前模板进行相关性匹配若找到相配模板则记录下该模板号并用原始ECG的R波为参考点减去该模板 35把ECG信号中的快变部分变成慢变然后用直接压缩法对差信号进行压缩该方法简便易行并可得到较高的压缩比 36但是该方法在模板数量不足时会产生假波形其中性能最好的算法是SAPA算法和LADT算法 直接压缩方法是建立在直接分析原始数据的冗余基础上优点是简单快速易于实时实现但是很难保证高的数据压缩比和高的信息保真度时域方
45、法压缩一般情况下压缩比都不太高压缩比相似性误差度计算复杂度视觉效果都取决重庆大学硕士学位论文 2 各种心电数据压缩方法 11 于阈值的选择如果阈值取小了那么相似性误差度计算复杂度视觉效果都会很好但是压缩比就会比较低这样就很明显地影响了心电数据压缩的效果但是反之压缩比是提高了失真度等指标明显地降低了这样很有可能会影响到医生的诊断虽然直接压缩算法比较容易实现算法简单 21但是鲁棒性与其它两种方法相比较差所以很少单独使用直接压缩算法 变换域压缩算法一般通过变换对信号预处理然后对变换系数的主要分量进行编码用以压缩原始信号的数据量在信号重建时执行相应的反变换不同于直接压缩法变换域算法将产生一个平滑的压缩
46、信号并对噪声不敏感压缩比依赖于所使用的基函数所以对于基函数的选择是至关重要的变换域压缩算法经过适当的线性正交变换在分析能谱分布性的基础上通过保留有限的变换系数达到压缩的目的关于ECG变换方法主要有傅立叶变换FT离散余弦变换DCT 39Karhunen-loeve变换K-LT 多项式变换(PT) 以及目前数据压缩中深受重视的小波变换等方法 DCT变换中的DCT分量序列表征时域波形在DCT域中的频谱分析如果信号的能量集中地分布在DCT分量上时在允许重构数据序列有一定失真时就可以只保留这些DCT分量舍弃其余的分量达到数据压缩的目的DCT分量数越少数据压缩比就越大 39由于原始ECG波形中的QRS波群
47、频率较高使得DCT系数分布较宽而影响压缩效果通过对QRS波段进行波形扩展将其中的高频成分转变成低频成分促使整个波形的信号能量向低频端集中主要分布在表征低频成分的 DCT分量上从而减少 DCT分量的保存量提高压缩比K-L变换是最小均方误差意义下的最优变换是其他变换方法的上限K-L变换需要求出序列的自相关矩阵及其特征值与特征矢量计算大而复杂 30多项式变换PT通常用于信号处理利用离散Legendre多项式作为正交基函数展开ECG信号 变换域压缩方法比较直观地反映了信息中关于消除数据之间相关性的数据压缩理论具有失真小抑制噪声能力强的优点但是计算所需存贮器空间较大计算量也大与直接法相比费时计算复杂由于
48、Holter记录器的内部处理器一般功能较弱编程难度大同时用周期函数逼近非周期信号ECG很难取得高的数据压缩率 特征参量提取方法通过提取信号的特征点或建立信号模型通常根据时域或频域数据构造ECG模型在信号恢复时利用这些特征点或模型参数来重建波形 即保存ECG数据中有分析价值的特征参数用于后续分析关于ECG的主要算法有小波变换算法和神经网络算法近十年来兴起的基于小波变换的压缩算法 25,26和基于神经网络的压缩算法 14引起人们的关注 小波分析是近十年来迅速发展起来的新兴学科,目前小波在许多领域得到了广重庆大学硕士学位论文 2 各种心电数据压缩方法 12 泛应用在心电信号的处理中,小波以其强大的信
49、号处理能力而越来越为各方所重视小波分析作为一种很有潜力的数学工具,它可以进行极好的时间频率定位估测小波变换可以做到由粗到细的多分辨分析将信号按不同的分辨率进行分解然后对它们分别进行分析处理小波变换可对信号在时间频域同时进行局部化分析小波变换作为一种时-频分析工具,高频域时间分辨率和低频域频率分辨率较高,具有较强边缘保护和特征提取能力ECG信号是一种非平稳信号每个心跳周期包含QRS复合波P波T波ST段和基线等成分ECG信号在不同的时间位置包含不同的频率成分所以小波变换是一种用于ECG信号表示和数据压缩的理想工具同时由于小波变换的信噪分离特性使小波变换受宽带噪声污染的影响很小所以现在小波变换已被用在心电信号数据压缩当中而且效果不错 人工神经网络是一门新兴的学科1989年Y.Nagsaka等人把神经网络用于ECG数据的压缩 该方法采用三层BP网络分别组成学习网络和压缩网络此法存储了变异心搏的全部数据保
