移动心电信号质量评估的分析与研究

发布时间：2020-09-27 17:28

　　远程心电监护作为现代医疗的新兴技术手段之一给患者提供了针对心脏疾病的早期预警和及时治疗,因此日益得到广泛的应用。然而由于远程系统的移动终端由用户在日常生活中随身携带,使得信号更易受到诸如身体移动,呼吸,环境变化,运动伪迹等影响,从而造成误报警。而大量的误报警可能造成医生产生对报警信号的信任缺失,从而忽略真正的报警,延迟甚至于忽视对疾病的诊断,降低了远程心电监护的效果和意义,浪费大量宝贵的诊疗资源。因此,在使用心电信号诊断之前,应先将其分为可用于和不可用于医疗诊断两类,即质量评估,是十分必要的。本文详细分析了心电信号(Electrocardiogram, ECG)的线性与非线性特征,并根据这些特征在信号质量环境中的不同反映,进而得到多个质量指标,然后结合模式识别算法如支持向量分类机(Support vector machine, SVM),对信号质量进行评估分类。然而,目前对心电信号质量指标的分析与获取存在三个方面问题需要进一步深入研究：一方面,信号特征空间的扩展,即信号特征种类的增多。心电特征不仅仅局限于目前常用的波形特征和频域功率谱特征,而应该扩展到非线性空间,即分析信号的非线性特征,如熵(Entropy),Lempel-Ziv (LZ)复杂度,李雅普诺夫指数等。特征空间的扩展能更加全面的反映信号的固有性质,再者心电信号本质上是一种非线性信号,因此对信号进行非线性分析能更准确地展现信号所含信息。另一方面,信号非线性特征的度量算法还需要提高精度和进一步研究。尤其是熵与LZ算法都是时间序列复杂度的测度,然而它们对于序列复杂度的定义不尽相同,这说明它们所测度的时间序列的信息并不一致,进而影响到它们在质量评估中的使用方式也不同,但是熵与LZ复杂度在信号质量评估中的使用准则和方式,尚无研究明确给出,因而需要深入分析才能正确使用这些算法,提高分析精度；对于LZ算法而言,其所测度的是序列的随机性,而其又往往将随机性与非线性混沌特性混淆在一起,因此对于该算法还要进一步的改进。再一方面,增加从信号的每一个特征中所提取的质量指标个数。目前相当多的研究中,对于信号的每一种特征仅仅得到一种质量指标。事实上这并不能完全反映该特征所承载的信息,甚者若设置或阈值选择不当,还会遗漏了该特征信息,造成该特征对于信号分析起不到任何作用,这是因为每个信号特征有多种表现形式。因此不能从一个信号特征中只得到一种质量指标,而应该尽可能地提取多个指标,从而尽量少的遗漏该特征所反映的信号所含信息,如从信号的基线特征中,不仅可以得到信号基线的最高电压指标,也应该提取基线的一个时间窗口内持续电压作为指标。这是因为有些心电发生基线漂移时,表现为基线在某点具有相当大的电压值,有一些则表现为心电基线在一个时间段内持续具有较高电压。本文正是基于以上问题进行研究,在对移动心电信号噪声研究分析的基础上,提出并使用了信号时、频域特征所衍生的六个质量指标,结合支持向量机进行质量分类。研究结果表明,信号时频指标在质量评估中可以得到较好的结果,然而其泛化能力较弱,分类精度不高。本文在给出了心电信号噪声模型的基础上,进一步分析心电信号的非线性特征,如多尺度样本熵(多尺度熵,Multi-scale entropy, MSE)与LZ复杂度算法,给出了这些算法在质量评估环境中的应用原则与方法,在理论上完善了这两种算法；并提出了一个新的编码式LZ(Encoding LZ, ELZ)复杂度算法,从理论上完善了多尺度熵与LZ复杂度,并对LZ算法进行了有效的创新。最终本文分析并给出非线性特征所衍生的质量指标,融合了时频指标,结合支持向量分类机评估了移动心电信号质量。由于在研究过程中大量用到心电信号噪声模型,而为了得到贴近真实的仿真信号,噪声源模型是一个重要因素,因此本文进一步的对心电信号噪声源模型做了分析,并给出了一种基于时变自回归(Time-varing autogression,寸变AR)模型的噪声源模型。本文研究所得出的结论对于移动心电质量评估有重要的理论指导意义,对进一步的度量时间序列的不规则性具有促进作用。论文主要工作如下：1.详细分析了移动心电的时、频域特征,包括导联脱落,基线漂移,R波检测,功率谱等,从这些特征中针对性的分析得出了六个质量指标,同时结合支持向量分类机去评估信号质量。研究表明,来自于波形特征和频域功率谱的质量指标较为明显且计算简单,能较好地反映信号所含信息,对信号中所含噪声有一定敏感性。然而其泛化能力较弱,评估精度难以进一步提高。2.详细分析了多尺度熵,LZ复杂度算法在移动心电信号质量评估应用环境中的应用。考察了多尺度熵与LZ算法对心电信号中不同类型噪声含量的敏感性与变化趋势,针对性的提出了多尺度熵与LZ复杂度在应用于信号质量评估时,应该遵循的准则和使用方法。研究表明,多尺度熵与LZ复杂度都能反映信号中噪声含量,但对不同类型噪声的敏感性不同,且当用于信号质量评估时,多尺度熵的尺度因子有一定的取值范围,且信号也应做相应的预处理。3.针对LZ复杂度算法混淆了信号的不规则性与混沌特性,从而导致其在质量评估中的误差,首次提出了一种新的ELZ算法。ELZ将原始时间序列转换为八状态的字符序列,从而避免了传统LZ复杂度中二值化序列产生的过粗粒化导致的序列信息丢失现象,和多状态LZ复杂度的状态过多引起的计算量增茄。研究结果表明,该算法能较好的区分信号的不规则性与混沌特征,能够更准确地反映信号中的随机成分含量。4.融合心电信号的线性与非线性特征,提出19个质量指标,并结合最小二乘支持向量分类机对信号进行质量分类。研究表明线性质量指标与非线性质量指标融合能较为全面的反映信号所含信息,尤其是非线性指标对于那些时频指标不能区分的信号具有良好的分辨率。5.针对目前远程医疗所采集的移动心电信号,详细分析其噪声特点。由于研究工作需要在许多仿真心电信号上进行实验,因此必须构建贴近真实的心电信号噪声模型。本文分析并给出了三种噪声源模型,分别是用不同频带的色噪声模拟真实心电噪声的噪声源模型和用MIT/BIH数据库提供的有限长且单一的真实心电噪声作为噪声源模型,以及一种新的基于时变自回归(time-varying Autoregressive, AR)模型的噪声源模型。从而为进一步的研究做了实验基础和准备工作。
【学位单位】：山东大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：TN911.6;R318
【部分图文】：

示意图,监护系统,电信号,问题

图１－１远程屯、脏监护系统示意图Ｗ及移动屯、电数据的巧输过程逡逑然而，远程屯、电监护系统仍然存在一些问题：逡逑其一，远程屯、电信号的＂信息过载＂（Ｉｎ仿ｒｍａｔｉｏｎ邋ｏｖｅｒｌｏａｄ）。由于远程监护逡逑系统采集的是长时间动态屯、电信号，其中蕴含了大量的屯、电信息。面对如此庙大逡逑

波形,基线漂移,肌电

山东大学博±学位论文逡逑电波形中的ＳＴ段有较大影响，而ＳＴ段对屯、肌缺血和也肌梗死有重要诊疗价值。逡逑图１－２所示为一个基线漂移的ＥＣＧ。逡逑图１－２呼吸引起的基线漂移逡逑肌电干扰：由人体活动，肌肉紧张收缩引起的干扰，幅度为ｍＶ级，属于高逡逑频干扰，频率范围较广，为１０－１０００邋Ｈｚ，其幅值大约是屯吨峰值的１０％持续时逡逑间为５０邋ｍｓ左右。形式为屯吨波形上的一些细小的波动，其掩盖了真实屯吨波形逡逑中的细节，使屯、电图模糊不清或失真，造成如电图难Ｗ识别。一般情况下，可将逡逑其作为有限带宽的高斯白噪声处理。图１－３所示为一个存在肌电干扰的ＥＣＧ。逡逑图１－３存在肌电干扰的屯、电信号逡逑运动伪迹：由于使用者随身携带屯、电采集终端，因此用户的日常行为，身体逡逑移动可能产生电极移动，形成运动伪迹使也电信号基线的短暂改变。一般情况下，逡逑这种变化基本形式为短暂的基线漂移，会持续１００－５００邋ｍｓ。对Ｔ波影响较为明显。逡逑对于移动屯、电信号而言

波形,肌电,电信号,基线漂移

【共引文献】