基于小波分析和模板匹配的心律失常检测算法.PDF

Vol. 4 No.3/ Mar. 010 基于小波分析和模板匹配的心律失常 检测算法 沈昭　胡超　廖京生 摘 要 针对心脏类疾病动态监护过程中数据量大，实时性强的特点，提出了一种改进的心律失常判别方法，此方法在原 有的实时监测方法上增加了修正算法，大大提高了检测精度。同时在监测过程中，设计了R-R间期和模板的更新算法，使得 本算法有较强的实用性和自适应性。最后通过MIT-BIH数据库中Arrhythmia子数据库中的数据检测，取得了良好效果。其 中QRS复波的最低正检率可达98.6%，房性期前收缩的最低正检率超过96.5%，室性期前收缩的最低正检率超过90%。 关键词 小波；R-R间期；模板匹配；心律失常 1 引言 心律失常的自动判别研究一直是心电自动诊断系 的检测精度不低于98.6%，房性期前收缩的不低于 统和心脏病实时监护仪等临床设备的技术核心，通常主 96.5%，同时室性期前收缩不低于90%。 要包括停搏、漏搏、窦性心律过速、窦性心律过缓、房 性期前收缩(房性早搏)、室性期前收缩(室性早搏)等几 2　心律失常的检测步骤 种情况。在心律失常的自动检测与判别方法上，过去有 很多学者做了很多有意义的探索，但是传统的方法在处 2.1 信号的预处理 理心电信号(Electrocardiography,ECG)的问题上显得 ECG信号从硬件采集或由软件读取后，总伴随 不够有效。 着各种噪声干扰，这些噪声主要有两方面组成，一种 近年来,随着小波分析技术的不断完善和发展,它 是由于机器硬件或其他干扰引起的高频噪声，另一类 被越来越广泛地应用于图像处理、信号滤波和语音压 是由于人体呼吸或轻微活动引起的低频率的基线漂 缩等领域。作为一种在时域和频域都具有较好局部性 移。针对以上两种不同的噪声干扰，本论文中设计了 [11] 能的分析方法,小波分析在心电数据的处理方面有着 小波软阈值滤波器 消除高频噪声，设计了小波自适 [12] 其它方法无法比拟的优越性。在此领域中，李翠微[1] 应滤波器 消除了基线漂移。 等人使用小波变换的过零点来检测ECG信号的QRS 2.2 QRS波峰点的确定 [2] [3] 复波峰值，李小燕 和Sayadi 等人使用基于小波分 QRS波峰点的确定是心律失常判定的最重要的环 解的自适应滤波器消除了ECG信号的基线漂移，在 节，通常QRS波包含大的噪声，有时T波或其他伪迹 [4] 心律失常算法的探索上，胡鹏 等使用小波阈值法分 也会造成QRS波的误检。 [5] 析了心律失常但是效果不是很理想，段会龙 设计了 因为不同的人都有不同的心率和其他心搏特性， 模板来分析QRS复波并取得了良好的效果。在国际 [6] 如果要做到精确检测，必须先对同一个体的若干正常心 上，Hamilton and Tompkins 最早使用标记法检测