用于房颤检测的心电信号分析算法与系统

摘要

一种用于房颤检测的心电信号分析算法，包括以下步骤，将T时段内心电信号内的RR间期信号，均匀分布到K段直方图中，K≥16；计算直方图中每个片段中RR间期的分布概率计算T时段内心电信号的RR间期分布的香农熵，香农熵计算公式为设定T时段内RR间期分布的香农熵阈值；香农熵阈值范围为0至1；若RR间期分布的香农熵数值大于香农熵阈值，则判断T时段内的心电信号为房颤信号；否则判断T时段内的心电信号为非房颤信号。通过引入一个时段内的RR间期的分布概率，并分析其分布的香农熵，通过熵大小来确定该段信号是否为阵发性房颤的心电信号，提高阵发性房颤发生时心电信号分析和识别的准确性。

说明书

技术领域

本发明涉及信号检测分析领域，具体涉及心电信号分析算法和系统，尤其涉及用于房颤检测的心电信号的分析算法和系统。

背景技术

利用心电图机从体表记录病人每一心动周期心脏活动对应的心电图，是临床上心律失常分析最为常用的技术手段之一。典型的心电信号波形包括，代表心室除极过程的QRS波，代表心房除极过程的P波。在心电图分析中，P波的时限、幅度、形态、PR间期、RR间期、P波电轴这些参数是心律失常分析的重要判据。

心房颤动(房颤)是一种以心房不协调活动而导致心房机械功能恶化为特征的快速心律失常。房颤常发生于有器质性心脏病的患者，也可见于其他疾病及未发现有心脏病变的正常人。房颤发生时，心房失去泵血作用，降低心排量，会使患有器质性心脏病患者的心功能恶化而出现心力衰竭，同时还存在潜在的血栓栓塞风险。在缺血性脑卒中的病例中，房颤是最常见的病因之一。

对心电图进行分析及心电信号分析也是实际中常用于房颤识别和检测的重要手段之一。房颤在心电图中主要表现为P波消失，RR间期绝对不规则，房颤时R波频率在350～600次/分钟。

现有用于房颤检测的心电信号分析算法主要分为三大类，基于心房活动分析、基于RR间期分析、基于心房活动和RR间期相结合的方法。基于心房活动分析，主要是通过P波分析，然而由于心房活动微弱，P波较难检测，甚至在房颤发生时，由于各种因素的综合，有时候采集的心电信号中连P波都不能很好被检测到，因此利用该种方法有很大的局限性。

房颤发生有多种情况，对于持续性的房颤，心电信号特征变化明显，简单地通过RR间期基本可以判断持续性房颤的发生。

然而，对于阵发性房颤，信号特征变化并不明显，有很大的隐蔽性。对于阵发性房颤，房颤检测算法在检测准确率上存在不足。对通过心电信号分析来判断阵发性房颤的准确性有极大的挑战性。尤其是对一些短时间内发生的阵发性房颤更是难以捕获和识别。计算精度和计算复杂度高，往往需要通过对长时间段内的心电信号进行非常复杂的信号分析，才能识别出阵发性房颤信号。

发明内容

本发明要解决的技术问题在于避免上述技术方案的不足，而提出了一种用于房颤检测的心电信号的分析算法和系统，能有效提高阵发性房颤发生时候心电信号分析和识别的准确性。

本发明解决上述问题的技术方案是一种用于房颤检测的心电信号分析算法，包括以下步骤，步骤A：对T时段内的心电信号进行R波峰值点分析，确定R波峰值点位置；步骤B:在步骤B中，计算相邻两个R波峰值点的间隔时间即RR间期；并计算相邻两个RR间期的时间间隔dRR(i)＝RR(i)-RR(i-1)，并计算T时段内dRR的个数n；步骤F:在步骤F中，将T时段内心电信号内的RR间期信号，均匀分布到K段直方图中，K≥16；计算直方图中每个片段中RR间期的分布概率

上述用于房颤检测的心电信号分析算法，在步骤B和步骤F之间还包括步骤C：在步骤C中，判断若dRR(i)≤0.1s，则将dRR(i)赋值为零，计算dRR(i)等于零的个数m，如果m＝0,则判断为T时段内心电信号心率全部不齐；若m＝n，则判断为T时段内心率全部匀齐，T时段内心电信号为非房颤信号；若m

上述用于房颤检测的心电信号分析算法，在步骤C和步骤F之间还包括步骤D：在步骤D中，取步骤C中判断为第一疑似房颤信号的T时段内心电信号，计算RR间期比值

上述用于房颤检测的心电信号分析算法，在步骤D和步骤F之间还包括步骤E：在步骤E中，取步骤C中判断为第一疑似房颤信号计算或步骤D中判断为第二疑似房颤信号，计算T时段内心电信号内的dRR(i)连续非零的个数，若大于等于10则判断T时段内心电信号为第三疑似房颤信号；在步骤F中，将步骤E中判断为第三疑似房颤信号的T时段内心电信号内的RR间期信号，均匀分布到K段直方图中。

上述用于房颤检测的心电信号分析算法，在步骤A中，在对T时段内的心电信号进行R波峰值点分析之前，对T时段内的心电信号做心电信号预处理；心电信号预处理方式包括低通滤波、高通滤波、平方或移动平均中的任意一种处理方式或多种处理方式。

上述用于房颤检测的心电信号分析算法，K取值为30；香农熵阈值的取值范围还可以是0.45至1。

上述用于房颤检测的心电信号分析算法，在步骤D中，取步骤C中判断为第一疑似房颤信号的T时段内心电信号，计算RR间期比值公式为

上述用于房颤检测的心电信号分析算法，第一阈值的取值范围还可以是0.3至0.5；第二阈值的取值范围还可以是0.5至0.7。

本发明解决上述问题的技术方案还可以是一种用于房颤检测的心电信号分析系统，包括处理器和存储器，其中存储器中存储有计算机可执行程序，当由处理器执行计算机可执行程序时，执行上述的方法。

本发明解决上述问题的技术方案还可以是一种用于房颤检测的计算机可读存储介质，其上存储有指令，当所述指令被处理器执行时，使处理器执行上述的方法。

同现有技术相比较，本发明的有益效果是，通过引入一个时段内的RR间期的分布概率，并分析其分布的香农熵，通过熵大小来确定该段信号是否为阵发性房颤的心电信号，提高阵发性房颤发生时候心电信号分析和识别的准确性；进一步地，还在计算之前整合dRR(i)特征和RR间期比值进一步提升阵发性房颤发生时候心电信号分析和识别的准确性。

附图说明

图1是本发明设计的用于房颤检测的心电信号的分析算法整体方案流程图。

具体实施方式

以下结合各附图对本发明的实施方式做进一步详述。

如图1所示，用于房颤检测的心电信号的分析算法和系统的实施例中，包括步骤A至G的多个步骤。

在步骤A中，对T时段内的心电信号做心电信号预处理；心电信号预处理方式包括低通滤波、高通滤波、平方或移动平均中的任意一种处理方式或多种处理方式；对预处理后的心电信号找R波点，确定R波峰值点位置；心电信号找R波点可以利用阈值法，差分法，平方法等现有技术中的任意一种方法。

在步骤B中，计算相邻两个R波峰值点的间隔时间即RR间期；并计算相邻两个RR间期的时间间隔dRR(i)＝RR(i)-RR(i-1)，并计算T时段内

dRR(i)的个数n。

在步骤C中，判断若dRR(i)≤0.1s，则将dRR(i)赋值为零，计算dRR(i)等于零的个数m，如果m＝0,则判断为T时段内心电信号心率全部不齐；则该段信号为永久性房颤或持续性房颤的可能性很大，是阵发性房颤的可能性很小；若m＝n，则判断为T时段内心率全部匀齐，T时段内心电信号为非房颤信号，是一段正常的心电信号；若m

在步骤D中，计算第一疑似房颤信号的RR间期比值

在步骤E中，取步骤C中判断为第一疑似房颤信号计算或步骤D中判断为第二疑似房颤信号，计算T时段内心电信号内的dRR(i)连续非零的个数，若大于等于10则判断T时段内心电信号为第三疑似房颤信号。

在步骤F中，将T时段内心电信号内的RR间期信号，均匀分布到K段直方图中，K≥16；计算直方图中每个片段中RR间期的分布概率

在步骤G中，计算T时段内RR间期分布的香农熵，香农熵计算公式为

本发明基于RR间期不规则的特征，计算RR间期值，利用RR间期比值初次判断房颤是否发生，进一步的计算熵值决策是否发生房颤。本发明主要针对较短RR间期心电信号的房颤分类，可以判断10秒左右发生的房颤信号，提高短时间阵发性房颤的检出率，是一种高灵敏度和特异性的用于房颤自动检测的心电信号分析算法。在MIT-BIH房颤数据库中实现了90.4％的灵敏度、88.8％的特异性和89.3％的准确率。本申请中用于房颤检测的心电信号分析算法，对分析短周期房颤有着重要意义。临床上，实现长时程中短期的阵发性房颤检测对于预防和诊断房颤具有重要的作用，对一些前期的心脏病变具有重要的参考价值。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。