缺血缺氧心率变异信号处理方法技术

一种基于李氏指数的缺血缺氧心率变异信号处理方法，首先对采集到的原始心电图信号进行滤波以去除基线漂移并利用差值法对信号进行平滑处理，然后对预处理后的信号进行搜索，找到一系列心电图信号的Ｒ波峰值点，并获得Ｒ－Ｒ间隔的一维时间序列，再进行相空间重构，计算李氏指数，利用在缺血缺氧期间心率变异信号的李氏指数会显著下降的特点，将得到的实验对象心率变异信号的李氏指数和正常情况下的参考值作比较，若有明显下降则报警，从而实现临床监测脑中风。本发明专利技术方法简单，实现容易，为临床监测脑中风提供了一种简便而又可靠的新的途径。

【技术实现步骤摘要】

本专利技术涉及一种基于李氏指数的缺血缺氧心率变异(HRV)信号处理方法，用于脑中风的临床监测，属于计算机应用领域。
技术介绍
基于李氏指数(Lyapunov Exponent)的信号处理方法是为了解决临床监测脑中风的问题而提出的。据世界卫生组织(WHO)统计显示，脑病患者急剧上升，已居各类疾病的前沿。在我国，每年新发现完全性脑中风120-150万人，死亡者80-100万人，存活者中约75％致残，5年内复发率高达41％。即使在美国这样医疗条件发达的国家，医院中每年大约有7万心脏停搏病人，虽然成功地进行了心脏的复苏，但仍有60％的病人都死于并发的脑缺血所造成的脑损伤，仅3-10％的病人能够恢复到发病前的状况。大脑缺血缺氧时间越长，脑病越严重、后遗症的发生率也越高。解决这一问题的关键在于找到一种合适的监测参数，防止大脑长时间的供血供养不足。在大脑出现缺血缺氧的第一时间进行报警，从而为及时的救护争取时间。对缺血缺氧脑损伤的研究一般是针对头皮采集到的脑电波信号而展开的。但是脑电信号的采集却是需要相对较为繁琐的步骤，这为临床的推广设置了障碍。这也向人们提出了一个课题，是否可以寻找一种另外一种测量信号或是方法，替代对脑电信号的分析，并且可以对缺血缺氧的过程进行及时的警报，这样避免了脑电的采集以及预处理的大量工作和不便，也才能真正使其达到临床的实际要求。在生理学的研究中发现，心、脑之间通过植物性神经系统有着密切的联系，因此大脑的缺血缺氧最终会影响心电信号的一些特征参数。目前尚未见有关利用心电信号进行脑中风监测方法的文献报道。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于李氏指数的，方便简单，容易实现，可有效用于脑中风的临床监测。为达到此目的，本专利技术计算大脑缺血缺氧期间HRV信号的李氏指数值，并和正常情况相比较，发现HRV信号的李氏指数值与缺血缺氧程度间有着密切的关联，可以表征HRV信号的统计特性的变化，由此为临床监测缺血缺氧提供了一种新的可能的途径。本专利技术的技术方案中，首先对采集到的原始心电图(ECG)信号进行滤波以去除基线漂移并利用差值法对信号进行平滑处理，然后对预处理后的信号进行搜索，找到一系列心电图信号的R波峰值点，并获得R-R间隔的一维时间序列，再进行相空间重构，计算李氏指数，将得到的实验对象心率变异信号的李氏指数和正常情况下的参考值作比较，若有明显下降则报警，从而实现临床监测脑中风。程序的实现采用Java语言。本专利技术的基于李氏指数的缺血缺氧心率变异信号分析方法按如下步骤进行1).信号预处理。先对采集到的原始心电图(ECG)信号进行滤波，以去除基线漂移。然后利用差值法，对信号进行平滑处理，以提高数据精度。心电信号一般有基线漂移，这会影响到准确地读取R-R间隔，所以先要去除基线漂移。另外如果原始信号采样频率不够，也会影响实验的最后结果，所以要对信号进行平滑处理，以提高数据精度。2).获取R-R间隔序列。对预处理后的信号进行搜索，如果某点在设定的阈值以外且该点比其前后两点的值都要大，则记录下该点的位置，此即ECG信号的R波峰值点。得到一系列R点以后，将相邻R点的位置值相减，即可算得R-R间隔序列。3).计算心率变异(HRV)信号的李氏指数。获得R-R间隔的一维时间序列以后，进行相空间重构假设一维时间序列是x1，x2，…，xN-1，则重构后的嵌入矢量为X1，X2，…，Xm，…，Xm＝(xm，xm+D，…，xm+(M-1)*D)T，其中D为重构延迟，M为重构维数。重构好相空间以后，在一条重构的相空间轨迹上，找到两个近邻点，计算它们间距L(t0)，及其对应下一点的间距L′(t1)，由此可计算出在吸引子不同位置的局部发散率，如此下去直到找完所有数据，则可以计算出吸引子在最大增大速度方向的平均发散率，即李氏指数。4).将计算得到的实验对象HRV信号的李氏指数和正常情况下的参考值作比较，如果下降值达到设定阈值，则发出报警信号，从而实现临床监测脑中风。本专利技术利用了在缺血缺氧期间心率变异信号的李氏指数会显著下降的特点，通过编程计算缺血缺氧期间心率变异信号的李氏指数，并将得到的实验对象HRV信号的李氏指数和正常情况下的参考值作比较，从而实现临床监测脑中风。本专利技术方法简单，实现容易，为临床监测脑中风提供了一种简便而又可靠的新的途径。附图说明图1为本专利技术所采用的心电图信号。图1中，(a)是采集到的原始信号，(b)是经过滤波后的信号，从中可以看到基线漂移被成功的消除了。图2是通过插值法对信号进行平滑处理前后的两段信号，从中可以看到数据的精度提高了。图3是经过预处理后的一段典型的心电图信号，从中可以很明显的看到R波峰值点的特征在一定的阈值以外；且该点比其前后两点的值都要大。此即搜索R波峰值点的算法依据。图4是R-R间隔的一维时间序列，根据此序列进行相空间重构以后，就可以计算HRV(心率变异)信号的李氏指数。图5表示李氏指数(Lyapunov Exponent)的定义。李氏指数可以用来定量刻画混沌运动，正的李氏指数是混沌的主要特征。图6表示李氏指数的具体计算过程重构好相空间以后，在一条重构的相空间轨迹上，找到两个近邻点，计算它们间距L(t0)，及其对应下一点的间距L′(t1)，由此可计算出在吸引子不同位置的局部发散率，如此下去直到找完所有数据，则可以计算出吸引子在最大增大速度方向的平均发散率，即李氏指数。图7和图8是计算结果的图形化表达，分别取不同的运算参数，其中横坐标表示实验对象所处的状态，分别为正常、脑缺血缺氧状态下和恢复阶段，纵坐标则表示各状态所对应的李氏指数。具体实施例方式以下结合附图对本专利技术的技术方案作进一步描述。1.信号处理首先对采集到的原始心电图信号进行滤波，以去除基线漂移。然后利用差值法，对信号进行平滑处理，以提高数据精度。原始信号由于受到诸多因素的影响，容易产生基线漂移，这会影响准确的读取R-R间隔，因为我们并不关心基线漂移的产生原因，而只在乎R-R间隔，因此可以直接通过滤波除去基线漂移。另外如果原始信号采样频率不够，也会影响实验的最后结果，所以要对信号进行平滑处理，以提高数据精度。图1(a)表示原始的ECG信号，图1(b)则是滤波后的信号，从中可以看到基线漂移被成功的消除了。图2是通过插值法对信号进行平滑处理前后的两段信号，从中可以看到经插值法处理后数据的精度提高了。2.获取R-R间隔序列对预处理后的信号进行搜索，如果某点在一定的阈值以外且该点比其前后两点的值都要大，则记录下该点的位置，此即ECG信号的R波峰值点。图3是一段典型的ECG信号，从中可以很明显的看到R波峰值点的特征在一定的阈值以外；且该点比其前后两点的值都要大。此即搜索R波峰值点的算法依据。得到一系列R点以后，将相邻R点的位置值相减，即可算得R-R间隔序列(如图4所示)。3.计算李氏指数研究发现，心率在时间上是混沌的。某种程度上讲，体内功能的混沌标志着健康，而周期性行为却可能预示着疾病。因此，根据节律异常(即对混沌态的偏离)可能识别出许多疾病。李氏指数可以用来定量刻画混沌运动，正的李氏指数是混沌的主要特征。1).李氏指数的定义正的李氏指数是混沌的主要特征。对一维映射xn+1＝f(xn) (1)来说，一维映射只有一个拉伸或压缩方向。本文档来自技高网...

【技术保护点】
一种基于李氏指数的缺血缺氧心率变异信号处理方法，其特征在于包括如下步骤：１）信号预处理：先对采集到的原始心电图信号进行滤波以去除基线漂移，然后利用差值法对信号进行平滑处理；２）获取Ｒ－Ｒ间隔序列：对预处理后的信号进行搜索，如 果某点在设定的阈值以外且该点比其前后两点的值都要大，则记录下该点的位置，此即心电图信号的Ｒ波峰值点，得到一系列Ｒ点以后，将相邻Ｒ点的位置值相减，得到Ｒ－Ｒ间隔序列；３）计算心率变异ＨＲＶ信号的李氏指数：获得Ｒ－Ｒ间隔的一维时间序列以 后，进行相空间重构：设一维时间序列是ｘ↓［１］，ｘ↓［２］，…，ｘ↓［Ｎ－１］，则重构后的嵌入矢量为Ｘ↓［１］，Ｘ↓［２］，…，Ｘ↓［ｍ］，…，Ｘ↓［ｍ］＝（ｘ↓［ｍ］，ｘ↓［ｍ＋Ｄ］，…，ｘ↓［ｍ＋（Ｍ－１）＊Ｄ］）↑［Ｔ］，其中Ｄ为重构延迟，Ｍ为重构维数，重构好相空间以后，在一条重构的相空间轨迹上，找到两个近邻点，计算它们间距Ｌ（ｔ↓［０］），及其对应下一点的间距Ｌ′（ｔ↓［１］），由此得到在吸引子不同位置的局部发散率，如此下去直到找完所有数据，则可以得到吸引子在最大增大速度方向的平均发散率，即李氏指数；４）将得到的实验对象ＨＲＶ信号的李氏指数和正常情况下的参考值作比较，如果下降值达到设定阈值，则发出报警信号，从而实现临床监测脑中风。...

【技术特征摘要】
1.一种基于李氏指数的缺血缺氧心率变异信号处理方法，其特征在于包括如下步骤1)信号预处理先对采集到的原始心电图信号进行滤波以去除基线漂移，然后利用差值法对信号进行平滑处理；2)获取R-R间隔序列对预处理后的信号进行搜索，如果某点在设定的阈值以外且该点比其前后两点的值都要大，则记录下该点的位置，此即心电图信号的R波峰值点，得到一系列R点以后，将相邻R点的位置值相减，得到R-R间隔序列；3)计算心率变异HRV信号的李氏指数获得R-R间隔的一维时间序列以后，进行相空间重构设一维时间序列是x1，x2，…，xN-...

【专利技术属性】
技术研发人员：张洪，朱贻盛，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]