一种从10秒心电图中识别房颤和房性早搏的方法技术

本发明专利技术公开了一种从10秒心电图中识别房颤和房性早搏的方法，具体包括以下步骤：S1、首先预处理心电图信号，以滤除基线漂移、工频干扰等噪音，将除噪后的心电信号重采样至某一固定采样率，再采用基于小波变换和逻辑回归算法的方法提取心电图QRS波特征点，然后采用基于瞬时心率的动态确定的搜索窗查找T波，涉及医疗检查技术领域。该从10秒心电图中识别房颤和房性早搏的方法，通过定义一组基于心率变化和P波的特征参数，所得特征组合能更好区别房颤与其他心律，同时这些特征参数对噪音干扰更不敏感，本发明专利技术定义了一组基于P波的特征参数，进一步提高了准确率，同时利用了心电图信号的质量信息，使PAC的识别更为准确。

A Method of Recognizing Atrial Fibrillation and Atrial Premature Beat from 10-second ECG

The invention discloses a method for identifying atrial fibrillation and atrial premature beats from 10 seconds electrocardiogram, which includes the following steps: S1, pre-processing electrocardiogram signal to filter noise such as baseline drift and power frequency interference, resampling the denoised electrocardiogram signal to a fixed sampling rate, and then extracting characteristic points of electrocardiogram QRS wave based on wavelet transform and logical regression algorithm. Then, the T wave is searched by a search window based on the dynamic determination of instantaneous heart rate, which relates to the technical field of medical examination. The method identifies atrial fibrillation and atrial premature beats from 10 seconds ECG. By defining a set of characteristic parameters based on heart rate change and P wave, the feature combination obtained can better distinguish atrial fibrillation from other rhythms, and these characteristic parameters are less sensitive to noise interference. The invention defines a set of characteristic parameters based on P wave, further improves accuracy, and utilizes ECG signals. Quality information makes PAC recognition more accurate.

【技术实现步骤摘要】
一种从10秒心电图中识别房颤和房性早搏的方法
本专利技术涉及医疗检查
，具体为一种从10秒心电图中识别房颤和房性早搏的方法。
技术介绍
目前在对心电图上的房颤和房性早搏进行识别时，由于准确识别P波难度较大，同类技术通常依赖于心电图RR间期，其中连续差异均方根(RMSSD)，转折点比率(TPR)和香农熵(SE)这三个参数最为重要，，规定当这三个参数值同时超过各自阈值时，心电图为房颤，这些参数全部源自心电图RR间期，由于房性早搏(PAC)、室性早搏(PVC)、窦性心律失常和二度房室传导阻滞等均可能导致RR间期不规则，因而完全依赖于RR间期的算法易于导致大量假房颤被检测出，比如，分别使用设备AliveCor与MicrolifeWatchBP对2052个病人检测房颤，各自的阳性预测值(即诊断为阳性中有病的概率)分别只有59.26％和42.55％，其原因都在于将部分房性早搏、室性早搏或窦性心律失常错误检测成了房颤。另外，现有技术在检测房性早搏时易受噪音影响，比如，肌电信号、电极移位等噪音易产生形似QRS的波形，当这类波形被错误检测为QRS时，与前一个QRS的间期将明显小于正常的RR间期，本文档来自技高网...

【技术保护点】
1.一种从10秒心电图中识别房颤和房性早搏的方法，其特征在于：具体包括以下步骤：S1、首先预处理心电图信号，以滤除基线漂移、工频干扰等噪音，将除噪后的心电信号重采样至某一固定采样率，再采用基于小波变换和逻辑回归算法的方法提取心电图QRS波特征点，然后采用基于瞬时心率的动态确定的搜索窗查找T波，对T波信息的提取更准确和完整，同时能更好防止对后续提取P波的干扰；S2、采用基于小波变换和K平均聚类算法的方法提取心电图信号中的P波，再采用基于逻辑回归算法的机器学习技术识别PVC，可选取一组对PVC心跳具有独一性的特征组合，并且所设计的特征参数对噪音干扰较不敏感，使算法性能较同类技术得到较大提升；S3、...

【技术特征摘要】
1.一种从10秒心电图中识别房颤和房性早搏的方法，其特征在于：具体包括以下步骤：S1、首先预处理心电图信号，以滤除基线漂移、工频干扰等噪音，将除噪后的心电信号重采样至某一固定采样率，再采用基于小波变换和逻辑回归算法的方法提取心电图QRS波特征点，然后采用基于瞬时心率的动态确定的搜索窗查找T波，对T波信息的提取更准确和完整，同时能更好防止对后续提取P波的干扰；S2、采用基于小波变换和K平均聚类算法的方法提取心电图信号中的P波，再采用基于逻辑回归算法的机器学习技术识别PVC，可选取一组对PVC心跳具有独一性的特征组合，并且所设计的特征参数对噪音干扰较不敏感，使算法性能较同类技术得到较大提升；S3、从第二个QRS开始，逐个查看各QRS，首先查看该QRS和前一个QRS的信号质量是否高于选定阈值，如果两个QRS中有一个低于阈值，丢弃该QRS，接着查看下一个QRS，QRS的信号质量基于S1中获得的各QRS概率值，再查看该QRS和前一个QRS是否为PVC，如果两个QRS中有一个是PVC，丢弃该QRS，接着查看下一个QRS，在前两个条件均满足时，计算该QRS和前一个QRS的间期，由此算得瞬时心率；S4、计算前一步骤获得的众心率的标准差，作为第1个特征参数，并计算前一步骤获得的众心率的RMSSD作为第2个特征参数，然后利用K平均聚类算法将S3中获得的心率聚合成两类，分别计算两个聚类中心率的标准差，再以两个聚类中心率的数目为权值，计算所有心率的加权标准差，该加权心率标准差作为第3个特征参数，另外，选取两个聚类中心率标准差较小的一个聚类，以其心率标准差为第4个特征参数；S5、根据S1中获得的各QRS概率值判断各QRS信号质量是否高于阈值，如果QRS信号质量高于阈值且非PVC，且有P波检出，计算PR间期待用，同时，计算这些信号质量高于阈值且非PVC的QRS中能检出P波的QRS的比例，作为第5个特征参数，利用前面中获得的PR间期，计算所有PR间期的标准差作为第6个特征参数，另计算PR间期的相对标准差作为第7个特征参数；S6、利用K平均聚类算法将S5中获得的PR间期聚合成两类，分别计算两个聚类中PR间期的标准差，选取两个聚类中PR间期标准差较小的一个聚类，以其PR间期标准差为第8个特征参数，另外选取两个聚类中PR间期标准差较小的一个聚类，计算PR间期相对标准差作为第9个特征参数，然后计算心电图中PVC占全部QRS的比值，作为第10个特征参数。计算心电图中各QRS的平均宽度，作为第11个特征参数；S7、选取经心电专家标记的心电数据库，将各个心电记录划分成多个心电图片段，每个心电图片段10秒，然后对各个10秒心电图片段按前述步骤进行处理，获得一个判别房颤的特征参数矩阵，该矩阵的行数等于所有10秒心电图片段的数目，列数等于11，对各心电图片段，与专家标记进行比对，判断其是否为房颤；S8、将S7获得的特征参数矩阵和是否为房颤的...

【专利技术属性】
技术研发人员：夏鹤年，张雷刚，周星，朱健，
申请(专利权)人：安徽智云医疗科技有限公司，
类型：发明
国别省市：安徽,34