一种利用去除QRS波形后的体表心电预测房颤发生的方法技术

本发明专利技术提供一种利用去除QRS波形后的体表心电预测房颤发生的方法，具体流程包括以下步骤：利用心电脑电系统采集临床随访患者术前(房颤心律)电信号；对信号进行滤波处理；该方法中采用的是小波滤波，取bio6.8小波基函数将该奇函数进行了10层分解，取第4层到10层的细节信号和作为滤波后的结果；采用阈值法定位心电信号中的R波，进一步定位QRS波，后消除QRS波；利用经验值分解方法分离时变的心肌极化波和去极化波；使用同步符号熵进行评估。最终，通过对同步符号熵的计算实现了对窦性状态下的心电信号进行疾病分类，并以此来评价房颤的程度以及房颤复发的可能性，这对于房颤患者的预后评估及选择有针对的治疗方案具有重要的指导作用。

A method for predicting the occurrence of atrial fibrillation by using the body surface electrocardiogram after removing the QRS waveform

The invention provides a method of using QRS after the removal of surface ECG waveform prediction method of atrial fibrillation, the specific process includes the following steps: using computer system to collect heart clinical follow-up patients (atrial fibrillation) signal; filtering the signal; using the method of wavelet filtering, bio6.8 wavelet the odd function of function decomposition layer 10, fourth layer to the 10 layer and the detail signal after filtering results; using R wave threshold positioning method of ECG signal, further positioning the QRS wave, after the elimination of QRS wave; using empirical value decomposition separation method of time-varying polarization wave and myocardial depolarization wave the use of synchronous symbol entropy evaluation. Finally, through the calculation of the synchronization symbol entropy to achieve the classification of diseases of ECG sinus condition, and to evaluate the degree of atrial fibrillation and atrial fibrillation recurrence possibility, this is for treatment is of great importance for the evaluation of prognosis and selection of patients with atrial fibrillation.

【技术实现步骤摘要】
一种利用去除QRS波形后的体表心电预测房颤发生的方法
本专利技术是一项涉及心电信号处理领域的技术，具体涉及利用去除QRS波形后的体表心电预测房颤发生的方法。
技术介绍
心脏病人术前的心电信号的检测对于治疗非常重要。既往大多数方法分析的数据对象是房颤发生时的心房组织，以及混乱的幅度较低的心房电信号等特征。而某些情况下手术后复率的房颤病人，再复发前都将保持窦性心电。如果在消融手术前，复发房颤前，或者对于阵发性的房颤，通过对房颤状态下的心房电信号进行疾病分类，从而评价房颤的程度以及房颤复发的可能性，对于房颤患者的疾病评估及选择有针对的治疗方案必定具有重要的指导作用，因此如何对术前提取到的体表心电进行有效的分析非常重要。在文献“房颤中ECGmapping非线性参数的研究”中作者通过维持阶梯状乙酰胆碱(ACh)剂量，建立经电刺激后具有不同的房颤维持时间的动物房颤模型，并针对窦性心电信号提供计算相位差矩阵的香农熵(SE)。实验证明了以下结论：房颤的持续时间可以表征房颤的维持能力，并与心房电传导的随机性(香农熵)相关。在对心脏病人的体表心电信号分析过程中直接应用上述心电信号分析方法时存在一些问题，由于体表波形是心肌动作电位在体表的综合，很难分离出独立的心电波形相位，因此，有必要寻找一种能有效分离出独立心电信号波形的方法。本专利技术提出一种新方法：使用经验值分解方法来分离时变的心肌极化波和去极化波，利用同步符号熵的计算，分析病人术后的体表心电差矩阵的符号熵从而预测病人的房颤复发率，符号熵的升高意味着心电随机性的升高，并表征房颤易颤性的提高。
技术实现思路
针对现有方法的不足，本专利技术解决的技术问题是提供一种利用去除QRS波形后的体表心电预测房颤发生的方法，通过对体表心电信号的分析从而预测病人的房颤复发率。本专利技术的技术方案是这样实现的：使用阈值方法来定位R波，去除QRS波之后再进行同步符号熵的计算。主要包括以下步骤：S1，术前体表心电数据采集；S2，信号预处理；S3，定位心电信号中的R波，去除QRS波；S4，利用经验值分解方法分离时变的心肌极化波和去极化波；S5，使用同步符号熵进行评估。作为本专利技术的进一步改进，S1体表心电数据采集具体包括：采用128导便携式心电脑电系统采集体表心电信号，标准采样频率1khz。信号获取的图像如图1所示，采集到的信号如图2，其中图2A和图2B分别表示临床随访患者术前(房颤心律)电信号的采集示意图和临床随访患者术后(窦性心律)电信号的采集示意图。作为本专利技术的进一步改进，S2具体包括：信号滤波处理，其算法流程图如图3所示。该信号预处理过程中采用的滤波方法是小波滤波。以bio6.8小波基函数，将该奇函数进行了10层分解，选择其中几层的细节信号和作为滤波后的结果，例如从第三层到第六层、从第四层到第七层等。当采用从第四层到第七层的细节信号，采样频率为1Khz时，小波滤波后的频带为0.98hz-62.5hz。作为本专利技术的进一步改进，S3具体包括：R波窗口采用阈值法，后去除QRS波。首先通过阈值方法获得R峰的位置，R峰的定位可采取阈值法或二次和三次函数滤波来确定。定位R峰后，在每个R峰前面第二个波峰处为起点，在每个R峰后面第二个波峰处为终点，从而准确定位QRS波。去除QRS波并以消除QRS波之后的窗口作为分析对象，采用经验值分解方法，分离时变的心肌极化波和去极化波。作为本专利技术的进一步改进，S4具体包括：由于心电具有非常大的时变性，无法获得准确的IMF。因此本专利技术将EMD在每个信号窗口内单独应用，分析的信号频段为0.98hz-500hz。经验值分解后，选择第一层信号去进行S5的符号熵计算。作为本专利技术的进一步改进，S5具体包括：由于传统的通过hilbert提取心电相位的方法只能得到各个心肌相位的叠加结果。因此对于体表的熵计算，本专利技术采用EMD提取心电波形，归一化后构成电位差矩阵。本专利技术的有益效果是：该方法通过选取合适的导联数获取体表心电信号，利用小波分析对提取到的心电信号进行滤波处理，并使用经验值分解方法分离时变的心肌极化波与去极化波，结合同步符号熵计算对病人的情况进行评估。得到了如下结论：病人术后的体表心电差矩阵的符号熵可以预测病人的房颤复发率，符号熵的升高意味着心电随机性的升高，并表征房颤易颤性的提高，这与文献“房颤中ECGmapping非线性参数的研究”得到的结论是一致的。附图说明图1.信号采集膜体示意图图2A为128导便携式心电脑电系统采集到的临床随访患者术前(房颤心律)电信号的采集示意图；图2B为128导便携式心电脑电系统采集到的临床随访患者术后(窦性心律)电信号的采集示意图；图3为本专利技术一种体表心电信号处理方法的算法流程图；图4为体表信号小波滤波结果，从上倒下分别显示的是原始心电，小波第一层到第四层细节信号，以及第10层的概貌信号；图5为QRS波窗口定位示意图。图6为窗口信号的经验值6层分解示例，a为原始体表心电的去QRS波窗口，其余b-g为1-6层分解信号，左右两幅图选自同一个导联不同的窗口；图7为EMD分解后体表一些导联上的电位波形，纵坐标上的数字表示导联号，横坐标为采样点数，采样频率1khz。图8为同步样本熵得到的结果红色表示对象在随访中发现复发房颤，蓝色表示复律。A.仅胸前8个导联计算得到的符号熵。B.表示环绕体表前后的14个导联。C.表示电极网上部的前后导联。D表示全部导联。横坐标为病人序号。图9从128个导联中随机选择8个导联进行符号熵计算，重复100次，蓝色表示数据来源于手术后恢复正常的病人，红色表示病人在随访中发现房颤复发。图10为从128个导联中选择8个导联进行符号熵计算，重复100次，A图为均值，B图为最小值。具体实施方式以下将结合附图所示的各方式对本专利技术进行详细描述。但这些实施方式并不限制本专利技术，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本专利技术的保护范围内。本专利技术是一种基于经验值分解的心脏病人术前体表心电信号分析方法，利用128导便携式心电脑电系统采集到临床随访患者术前(房颤心律)电信号(如图2A所示)后，对该信号进行分析，包括以下步骤：S1：小波滤波其原理分析及其在本专利技术方法中的应用如下：小波变换作为一种多尺度、多分辨率的分析方法，能够根据对分辨率的要求自动调节时间窗和频率窗的宽度。正是这种自适应特性使得小波变换的结果在信号低频部分具有较高的频率分辨率，在信号高频部分具有较高的时间分辨率。这表明小波变换无论在时域还是频域都具有描述信号局部特征的能力。连续小波基函数定义为：其中a为尺度因子，b为位移因子连续小波定义为：在解决心脏病人术前体表信号分析这一问题中，本专利技术采用的是小波滤波方法，以bio6.8小波基函数，进行了10层分解，选择第4层到10层的细节信号和作为滤波后的结果。当采样频率为1Khz时，小波滤波后的频带为0.98hz-62.5hz。如图3所示为体表信号小波滤波结果，从上倒下分别显示的是原始心电，小波第一层到第四层细节信号，以及第10层的概貌信号。本专利技术在解决该问题过程中，利用小波变换滤波的有效之处在于：是它的局部分析能力可以自适应地变化，在信号的较高频段部分，小波变换的时间分辨率较高，在信号的低频段部分，小波变换的频率分辨率本文档来自技高网...

【技术保护点】
一种利用去除QRS波形后的体表心电预测房颤发生的方法，其包括以下步骤：S1，术前体表心电数据采集；S2，使用小波滤波对信号进行滤波处理；S3，定位心电信号中的R波及QRS波，并消除QRS波；S4，利用经验值分解方法分离时变的心肌极化波和去极化波；S5，使用同步符号熵进行评估。

【技术特征摘要】
1.一种利用去除QRS波形后的体表心电预测房颤发生的方法，其包括以下步骤：S1，术前体表心电数据采集；S2，使用小波滤波对信号进行滤波处理；S3，定位心电信号中的R波及QRS波，并消除QRS波；S4，利用经验值分解方法分离时变的心肌极化波和去极化波；S5，使用同步符号熵进行评估。2.根据权利要求1所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法，其特征在于：S1具体包括：采用128导便携式心电脑电系统采集临床随访患者术前(房颤心律)电信号，采样频率1khz。3.根据权利要求1所述的一种利用去除QRS波形后的体表心电预测房颤发生的方法，其特征在于：S2具体包括：对采集到的电信号进行预处理。该过程中预处理的信号滤波采用的是小波滤波方法，以bio6.8小波基函数，将该奇函数进行了10层分解，取第4层到10层的细节信号和作为滤波后的结果。当采样频率为1khz时，小波滤波后的频带为0.98hz-62.5hz。4.根据权利要求1所述的一种利用去除QRS波形...

【专利技术属性】
技术研发人员：徐籽莹，陈颖，葛云，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32