阅读说明：本技术 一种房颤事件检测方法 (Atrial fibrillation event detection method ) 是由 赵卫 周成龙 于 2020-07-22 设计创作，主要内容包括：本发明提供了一种房颤事件检测方法,其可快速分析高通量心电数据并提供较高的准确率,达到减轻人工工作量、提高医生对房颤诊断效率的目的；其包括以下步骤：S1、获取用于房颤事件检测的心电信号,随后对心电信号进行预处理以去除干扰和无效数据；S2、对预处理后的心电信号进行QRS检波处理；S3、根据QRS检波处理结果进行高阶统计量统计而得到房颤系数,并根据QRS检波结果动态获取心率基本系数；S4、根据所述步骤S3中得到的房颤系数和心率基本系数进行房颤判定规则的适配,若房颤系数和心率基本系数满足设定的房颤判定规则适配条件,则判定为房颤,若不满足,判定为非房颤,从而获得房颤判定结果。(The invention provides an atrial fibrillation event detection method, which can quickly analyze high-flux electrocardio data and provide higher accuracy, and achieves the purposes of reducing the manual workload and improving the diagnosis efficiency of doctors on atrial fibrillation; which comprises the following steps: s1, acquiring an electrocardiosignal for atrial fibrillation event detection, and then preprocessing the electrocardiosignal to remove interference and invalid data; s2, carrying out QRS detection processing on the preprocessed electrocardiosignals; s3, carrying out high-order statistic statistics according to the QRS detection processing result to obtain an atrial fibrillation coefficient, and dynamically acquiring a heart rate basic coefficient according to the QRS detection result; and S4, adapting an atrial fibrillation judgment rule according to the atrial fibrillation coefficient and the heart rate basic coefficient obtained in the step S3, judging that the atrial fibrillation is the atrial fibrillation if the atrial fibrillation coefficient and the heart rate basic coefficient meet the set adaptation condition of the atrial fibrillation judgment rule, and judging that the atrial fibrillation is not the atrial fibrillation if the atrial fibrillation coefficient and the heart rate basic coefficient do not meet the set adaptation condition of the atrial fibrillation judgment rule, thereby obtaining an atrial fibrillation judgment result.)

一种房颤事件检测方法

技术领域

本发明涉及房颤检测技术领域，具体为一种房颤事件检测方法。

背景技术

心房颤动是一种常见的心律失常问题，是严重的心房电活动紊乱，随着年龄增长，房颤的发生率也不断增加，而房颤不仅影响患者生活质量，严重者还可以发生血栓栓塞、心脏衰竭以及脑卒中。随着长时程心电监测的发展，可获取的心电信号的数据量越来越大，给传统的通过人工判读心电数据来诊断房颤的工作带来了极大的挑战。目前需要一种可以快速分析大量心电数据并具有较高房颤检测准确率的方法，帮助医生来提高房颤诊断的效率。

发明内容

针对上述问题，本发明提供了一种房颤事件检测方法，其可快速分析高通量心电数据并提供较高的准确率，达到减轻人工工作量、提高医生对房颤诊断效率的目的。

其技术方案是这样的：一种房颤事件检测方法，其特征在于，其包括以下步骤：

S1、获取用于房颤事件检测的心电信号，随后对心电信号进行预处理以去除干扰和无效数据；

S2、对预处理后的心电信号进行QRS检波处理；

S3、根据QRS检波处理结果进行高阶统计量统计而得到房颤系数，并根据QRS检波结果动态获取心率基本系数；

S4、根据所述步骤S3中得到的房颤系数和心率基本系数进行房颤判定规则的适配，若房颤系数和心率基本系数满足设定的房颤判定规则适配条件，则判定为房颤，若不满足，判定为非房颤，从而获得房颤判定结果。

其进一步特征在于：

进一步地，在所述步骤S1中，预处理包括：通过低通滤波器去除高频毛刺噪音信号，通过高通滤波器去除基线漂移干扰信号，通过陷波器去除50Hz工频干扰信号；

进一步地，在所述步骤S2中，QRS检波处理包括以下步骤：

S2.1、QRS心拍定位：取得心搏的QRS位置信息，若采用的标准数据库，心电图上R波位置数从标准数据库给出的标准标注文件中直接获得，若是非标准标注过的心电信号记录，则采用Hamilton-Tompkins心拍定位算法来获取该条心电记录数据中的心搏R波位置信息，从而获取心搏QRS心拍定位；

S2.2、RR间期计算：在获取了心搏QRS心拍定位之后，相邻QRS波R点之间的距离便为相邻心搏间期，从而实现QRS检波处理，获得心电信号的RR间期数据；

进一步地，在所述步骤S3中，根据QRS检波处理结果进行滑动窗口高阶统计量统计处理，即以设定的起始位置和窗口宽度作为滑动窗口，并通过设定的窗口滑动步长进行滑动窗口处理，在每个所述滑动窗口内进行高阶统计量统计；

进一步地，在所述步骤S3中，高阶统计量计算包括以下步骤：

S3.1、通过公式dRR_(i)＝RR_(i+1)-RR_(i)，得出相邻两个RR间期之间的差值dRR_(i)，其中，RR_(i)为当前滑动窗口内心搏的RR间期数据，RR_(i+1)为与RR_(i)相邻的心搏RR间期数据，i＝1，2，3，。。。。。。，N，N为当前滑动窗口内的RR间期数量；

S3.2、将dRR_(i)与对应的RR_(i)间期数据组成数据对(RR_(i)，dRR_(i))，随后通过计算公式

计算出联合熵jo int Entropy(RR_(i),dRR_(i))，实现高阶统计量计算；

进一步地，在所述步骤S3中，通过计算公式：

计算出房颤系数af Index；

进一步地，在所述步骤S3中，通过计算公式：计算出平均的RR间期从而得到心率基本系数；

进一步地，在所述步骤S4中，通过MIT提供的WFDB工具对获得的房颤判定结果与标准房颤标注结果进行比对，得出敏感度和特异性，随后通过获得的敏感度和特异性结果判断是否满足预期，即是否在标准标注的房颤段内，若满足，结束测试判定，若不满足则调整房颤判定规则适配条件，重复所述步骤S3。

本发明的有益效果是，其首先对获取的心电信号进行预处理，以去除干扰和无效数据，随后对处理后的心电信号进行QRS检波处理，并根据QRS检波处理结果得到房颤系数和心率基本系数，通过对得到的房颤系数和心率基本系数进行房颤判定后，可快速高效率的得到房颤判定结果，即房颤诊断，具有较好的使用推广价值。

附图说明

图1是本发明的流程图；

图2是滑动窗口内的RR间期示意图。

具体实施方式

如图1、图2所示，本发明一种房颤事件检测方法，其包括以下步骤：

S1、获取用于房颤事件检测的心电信号，随后对心电信号(也就是ECG信号)进行预处理以去除干扰和无效的稳态噪音信号，以防止这些干扰信号在后续的数据处理中造成不良影响；

预处理包括：通过低通滤波器去除高频毛刺噪音信号，通过高通滤波器去除基线漂移干扰信号，通过陷波器去除50Hz工频干扰信号。

S2、利用差分阈值法(现有的检波方法)对预处理后的心电信号进行QRS检波处理；

QRS检波处理包括以下步骤：

S2.1、QRS心拍定位，由于QRS波群是一次心脏搏动的显著特征波群，QRS波群检测是后续高阶统计数据的基础，通过QRS心拍定位将心电信号中的心搏信息提取出来，进而获取心搏的RR间期，具体地，首先取得心搏的QRS位置信息，若采用的标准数据库，心电图上R波位置数从标准数据库给出的标准标注文件中直接获得，若是非标准标注过的心电信号记录，则采用Hamilton-Tompkins心拍定位算法来获取该条心电记录数据中的心搏R波位置信息，从而获取心搏QRS心拍定位；

S2.2、RR间期计算：在获取了心搏QRS心拍定位之后，相邻QRS波R点之间的距离便为相邻心搏间期，从而实现QRS检波处理，获得心电信号的RR间期数据；其中，RR间期是反映心脏节律的重要信息，其高阶统计量可以反映心脏搏动的规律情况，而RR间期是指心电图上两个R波之间的时限；图2中，QRS_(i-1)、QRS_(i)、QRS_(i+1)为相邻的QRS波。

S3、正常的心脏产生的心搏RR间期数据，其分布是集中型的、有规律的状态，而房颤状态的心脏产生的心搏RR间期数据则是与正常状态明显不同的，其根据QRS检波处理结果进行滑动窗口高阶统计量统计处理，以反映出这种正常状态和房颤状态RR间期分布的差异，具体地，以设定的起始位置和窗口宽度作为滑动窗口，并通过设定的窗口滑动步长进行滑动窗口处理，在每个滑动窗口内进行高阶统计量统计，从而得到房颤系数和心率基本系数；其中，在进行高阶统计量统计时，异常心搏类型的筛选，异常以及无效心搏的参数不参与高阶统计量统计，以避免对房颤检测结果造成干扰。

具体地，高阶统计量计算包括以下步骤：

S3.1、通过公式dRR_(i)＝RR_(i+1)-RR_(i)，得出相邻两个RR间期之间的差值dRR_(i)，其中，RR_(i)为当前滑动窗口内心搏的RR间期数据，RR_(i+1)为与RR_(i)相邻的心搏RR间期数据，i＝1，2，3，。。。。。。，N，N为当前滑动窗口内的RR间期数量；

S3.2、将dRR_(i)与对应的RR_(i)间期数据组成数据对(RR_(i)，dRR_(i))，从而可以体现当前心搏间期，而且可以体现该心搏间期与上一个心搏间期之间的差值，从而在一定程度上弥补计算高阶统计量时RR间期数据时序信息的缺失，随后通过计算公式

计算出联合熵Jo int Entropy(RR_(i),dRR_(i))，实现高阶统计量计算；

由于房颤是一种快速的心律失常，通常房颤发生时心率是较快的，因此如果直接使用联合熵这个高阶统计量对房颤进行检测，则缺乏专家经验信息，则将联合熵进行一次非线性变换，来体现出房颤通常情况下心率较快的情况，心率较快时，增强房颤系数，心率较小时相对减弱房颤系数，则通过计算公式：

计算出房颤系数af Index；

最后，选取当前滑动窗口内的心搏计算出平均的RR间期，来反映当前滑动窗口状态的平均心率，通过计算公式：计算出平均的RR间期从而得到心率基本系数。

S4、根据步骤S3中得到的房颤系数和心率基本系数进行房颤判定规则的适配，若房颤系数和心率基本系数满足设定的房颤判定规则适配条件，则判定为房颤，若不满足，判定为非房颤，从而获得房颤判定结果。

随后，对房颤判定结果的验证，即通过MIT提供的WFDB工具对获得的房颤判定结果与标准房颤标注结果进行比对，其中获得的房颤判定结果需要以测试标注文件的形式体现，该测试标注文件需要与MIT-BIH AFDB的标注文件格式完全一致，以便利用MIT提供的WFDB工具来进行房颤检测结果的评价，逐心搏进行房颤结果的对比，预测判定为房颤的心搏，如果在标准标注的房颤段内，则为一次真正例，否则为假正例；预测判定为非房颤的心搏，如果在标准标注的房颤段内，则为一次假反例，否则为一次真反例，而根据逐心搏比对的结果可得出敏感度和特异性分别为96.72％和93.98％(敏感度和特异性是业界内的基本比对方法，是一种现有计算方式)，随后通过获得的敏感度和特异性结果判断是否满足预期(预期可以为一种设定预期，如获得的敏感度和特异性结果为80％，判定为不满足预期，如果为90％，判定为满足预期，可根据实际情况设定)，若满足，结束测试，若不满足则调整房颤判定规则适配条件，重复步骤S3；其中，对于调整房颤判定规则适配条件，主要是根据不同的心率基本系数，对房颤分类阈值进行调整，具体的调整系数由数据实验获得，也就是根据实际情况相应调整房颤判定规则的适配条件。