基于树莓派的实时心脏病辅助诊断

*ej��d�y�`����h��W�z{Z�*'��%���'���+�+-zk(~���E�)n&��+-zf���ZnW����j[b���)bj��gbj �+)��_�����'���rם��J{%�����jبE�)m�����f��)bj����'�Ȭ��^j�]�ǚ���O�_�zW���j�b� ژ@���G�[^�T�j{-zW����p@���ⶊ��3m�<.z�O�^�<��<��c�<$RA���i�V���"http://www.film1981.com/doc/fangan/" target="_blank" class="keylink">方案

在理想的正常心电图波形中，P波、QRS波群、T波和U波依次按顺序发生，一个心拍体现以下特征：P波、PR段、QRS波群、Q波、R波、PR间期、S波、RR间期、T波、ST段、QT间期等。图2为8种典型心电信号形态。

本文在Pan&Tompkins经典算法[11]的基础上，在QRS波群检测中采用加权平均法确定QRS波群宽度，提高QRS波群检测准确率，并验证新特征参数面积比的可靠性、心电诊断速度和可靠性。整个算法流程如图3所示。

首先对心电信号进行预处理，包括去噪和其它非线性方法。去噪采用带通滤波器，带通滤波器由低通滤波器和高通滤波器级联构成，低通滤波器截止频率为5HZ，高通滤波器为11HZ。非线性方法包括微分、平方、放大QRS波群部分，使特征更加突出，减少P波、T波影响，利于QRS波群检测;然后进行阈值检测和回检，从而标记R波，使用加权平均法确定QRS波群起止点，完成QRS波检测;最后对QRS波群进行特征提取，将提取的特征参数输入到分类器进行分类，得到诊断结果。

算法实现的硬件平台是树莓派Raspberry PI Zero，符合心电诊断平台实时处理要求。续航能力极强，且体积小、便于携带;此外树莓派支持多种编程语言，如Python、Java、C等，还提供Raspbian操作系统，有24个引脚，可实现数据输入和输出。

2 加权平均法检测QRS波群起止點

QRS波群检测有差分法[12]、小波变换法[13-14]、形态法[15]，但是对于波群宽度[16-18]的检测研究不多。借鉴T波检测的LTT算法[19]，本文对QRS波群起止点检测采用相似的加权平均法（见图4）。加权平均法将移动窗口积分法、斜率突变法和距离最大值法3种算法的QRS起止点检测结果先作平均，再确定每个方法最终结果的权值，其中权值是相对平均值的偏离程度，最终将各个结果加权值作为最终检测结果。这样可弥补单一算法的不足之处，改进算法起止点检测方法。3种方法均以检测到R峰点为前提，从R点出发，向左右进行检测，找到QRS波群起点和终点即可确定波群宽度。

2.1 移动窗口积分法

3 特征提取

3.1 面积比参数

观察图2中8种典型心电信号形态可发现，正常心跳R波面积和S波面积比值远大于1，而异常心跳情况下该比值远小于正常心跳比值，接近甚至小于1。波形面积以零电平线为基准，零电平线与R波、S波所围面积分别定义为R波面积、S波面积。利用R峰与S峰面积比对正常及异常心电图分类假设进行验证。

本文将心电信号分为异常心电信号和正常心电信号两种类型，取MIT-BIH心率异常数据库的36组心电信号，具体见表1。其它心电信号异常类型可在该基础上进行进一步分类。心电信号分类时，将正常记录和异常记录数据一半划分为训练集，一半划分为测试集。

本文采用的数据库为MIT-BIH心率异常数据库，求解面积比使用的仿真工具为MATLAB，分类算法实现工具为树莓派Rasbian系统自带的工具Python。

心电图诊断常用心电特征参数包括各峰幅值及各个间期，但是由于噪声复杂性和尽量保留有用信号的需求，滤波往往不能滤除所有噪声，如果存在高频噪声点，幅值可能产生比正常值更大的偏差，得到的幅值大于真实幅值，而且由于在QRS波群之后可能出现大约200ms的间歇期，这对于RR间期和QT间期的检测有很大影响，可能造成检测结果大幅偏差。而高频噪声点对于R峰和S峰面积比值的影响很小，间歇期对于R峰和S峰面积比值也完全没有影响，所以面积比受各种因素干扰较小，因此将面积比作为二分类快速心电诊断的特征参数是比较可靠的。

3.2 特征提取

通过对近年文献研究发现，提取心电信号特征主要有3类方法：小波特征提取法、统计特征提取法和波形特征提取法[23]。本实验提取的心电信号特征参数共14组，包含常用特征参数和本文提出的R、S峰面积比参数，见表2。

4 分类与结果分析

4.1 分类

在分类类型上，本文分类类型最少，但是可实现正常、异常心电分类的快速分类，控制分类类型数量在一定程度上可缩短诊断时间、及时预警。本文算法准确率高于Kamath[25]的神经网络（Neural network，NN），虽然本文算法准确率仅略高于赵儒哲[6]文章，但性能有所提升。由于后者使用的是EPIC可穿戴装置，仅对心电信号进行采集和预处理，不能进行实时心电信号诊断，而本文综合考虑实时性和准确率，在保证准确率的前提下尽可能提高实时性，将树莓派作为处理平台，而且取时域为特征参数，简单且不易受噪声影响，使实时心电处理平台具有更强的实用性和可实现性。

5 结语

心电诊断系统诊断的一个重要前提是心电信号实时监控和检测，对于偶发性心率异常和心脏疾病实时检测、及时预警至关重要。为实现心电诊断系统的实时诊断，除选择便携式心电监测仪与心电处理仪器，还应改进心电信号处理算法，采用计算和时间复杂度低的算法，综合考虑实时性与准确率，以得到准确率与实时性综合最优的实用性心电诊断系统。相较于基于小波变换的方法需要找到合适的尺度变换才能得到最佳结果，本文直接从时域出发更为简单，计算量也相对减少，兼顾了算法实时性。本文提出的面积比参数相较于RR间期和QRS间期参数，对于分类正常、异常的心电图更加有效、计算简单，所以对于算法复杂度影响很小，符合实时处理的要求，而且算法在可携带、有较好处理能力的树莓派上实现，可以真正实现实时心电诊断，对于心脏病实时诊断与及时预警有重要作用。

面积比的提出是对特征参数更加深刻的认识，特征参数不仅是从传统幅值、间期出发，还可从形态学角度考虑，更加贴近临床诊断方法，以获得更好的诊断效果。但是本文仍存在不足之处，树莓派处理能力还没有达到令人满意的程度，一定程度上拖慢了处理速度，未来随着硬件的发展，硬件平台内存和速度均会进一步发展，可进行更快速诊断以实现心电图实时存储、医疗记录保留，以利于心脏病治疗和长期心脏健康监测。

参考文献：

[1] GAIL B. Telemedicine： the future is here[J]. Medical Equipment International.1997，2（1）：5-6.

[2] KOCHIADAKIS G E，SKALIDIS E I，CHRYSSOSTOMAKIAS S I，et al.Evaluation of the reliability of ST segment monitoring by transtelephonic electrodiogram transmission[J]. International Cardiology，1994，46（3）：267-273

[3] 于亞非. 心电数字无线遥测系统的研制[J]. 电子产品世界，2002，10：47-50.

[4] BELLAZZI R，MOUNTANI S，RIVA A，et al. Web-based telemedicine systems for home-care： technical issues and experinences[J].Computer Methods and Biomedicine，2001，64：175-187.

[5] 吴宝明，李刚，朱凌云. 移动远程心电监护系统监护中心设计[J]. 北京商务医学工程，2005，24（6）：421-424.

[6] 赵儒哲，许武军，曾凯. EPIC ECG穿戴装置的心脏疾病预警算法研究[J]. 微型机与应用，2014，33（24）.

[7] 刘鸣. 远程心电大数据和心电图智能化诊断[J]. 实用心电学杂志，2018，27（3）.

[8] 张梦新，廖远，刘文涵，等. 基于SOPC的多导联ECG实时监测系统[J]. 电子技术应用，2018，44（8）：56-59.

[9] 张菲菲，张征. 心电异常自动检测的研究[J]. 电脑知识与技术，2016，12（4）：197-199.

[10] 侯宗波. 心电信号自动分析与识别研究[D]. 济南：山东中医药大学，2016.

[11] PAN J P，WILLIS J.TOMPKIN S. A real-time QRS detection algorithm[J]. IEEE Transactions On Biomedical  Engineering， 1985， 32（3）：230-236.

[12] 吴玲燕，杨涛，杨卫，等. 基于差分方法的QRS波精确定位[J]. 南京医科大学学报，2010，30（6）：781-786.

[13] KADMBE S. Wavelet transform-based QRS complex detector[J]. IEEE Transactions on Biomed Engineering，1999，46（7）：838-848.

[14] 刘雄飞，周惠勇. 基于提升小波变换和多种策略的QRS波检测算法[J]. 中国医学物理学杂志，2013，30（6）：4557-4560.

[15] 赵志华. 基于形态小波的QRS波检测算法[J]. 计算机工程与应用，2007，43（13）：236-238+248.

[16] 王大雄，蒋云良，徐耕. 基于LS估计检测QRS波群宽度[J]. 2010，29（3）： 321-325.

[17] 陈静，龙军芳，向馗.基于等电位线识别的Q波起点定位方法研究[J]. 武汉理工大学学报，2010，32（10）：126-128，132.

[18] 林海平，向馗，陈静. 心电信号QRS波精确定位算法研究[J]. 航天医学与医学工程，2009，22（4）：286-290.

[19] 孙纪光. 多导心电算法及应用系统的研制[D]. 深圳：深圳大学，2017，40-42.

[20] 夏恒超，詹永麒，杨海威. 基于小波变换和移动窗口积分函数的心电信号的QRS波起、终点的检测[J]. 上海交通大学学报，2002，36（12）1750-1753.？？？？

[21] 王晓花，徐学军，何秋娅. 一种改进的心电图QRS波群检测算法[J]. 计算机工程与科学，2016，38（5）：983-987.

[22] 吴建，李康，庞宇，等. 基于斜率突变的QRS检测[J].  重庆邮电大学学报：自然科学版，2015，27（2）：1750-1753.

[23] 张雷刚. 心电信号的特征提取与分类研究[D].合肥：中国科学技术大学，2012.

[24] 唐孝，唐丽，莫智文. 基于支持向量机算法的 ECG 分类策略[J]. 生物医学工程学杂志，2008，25（2）：246-249.

[25] KAMATH C.ECG beat classification using features extracted from Teager energy functions in time and frequency domains[J]. IET Signal Processing， 2011， 5（6）：575-581.

（责任编辑：江 艳）

推荐访问： 心脏病 实时 诊断 辅助 树莓派

---