CN108577832A - 一种房颤判别方法 - Google Patents

Abstract

本发明公开了一种房颤判别方法，包括如下步骤：对原始心电数据进行波形特征点定位，给出R波位置和QRS复合波的形态分类，对连续50个及以上的室上性搏动的RR间期信息进行判别；从洛伦兹散点图的几何分布特性方面，生成聚集性度量、对角线区域占优性度量、非对角线区域线性相关性度量三种特征数据；综合特征数据，根据阈值法给出是否发生房颤的判决。此种方法基于室性RR间期的洛伦兹散点图的几何分布特性进行房颤识别，可有效辅助医生进行判别。

Description

一种房颤判别方法

技术领域

本发明涉及一种房颤判别方法，特别涉及一种用于实现对心电图数据房颤是否发生进行辨别的心电图ECG数据房颤的自动识别方法，属于数据处理技术领域。

背景技术

由于快速房颤可诱发室速和室颤，引起血流动力紊乱，慢性房颤可引起心动过速，导致心脏器质性，伴随并发症导致血栓等严重的危害性后果，需要对房颤进行无创简单易行的判定方法。从生成的生理机制来看，房颤心电图信号是由一个或多个激动波沿多变的传导路径而引起持续多子波构成的多变的心律失常信号。临床上心电图表现分为两方面：各导联P波消失，代之以形态和振幅不一致、间距不规则的f波；QRS波幅度变化较大但其形态大致相同，RR间距不等。判断P波消失和不规律的f波出现需要对心电数据进行大量复杂的计算且容易受到噪声的干扰。考虑到应用的局限性，故现行的房颤检测技术通常是仅利用RR间期的不规则性来判断房颤。

现有基于RR间期的房颤检测方法，虽对窦性心律具有较高的区分度，但由于不同个体的差异性以及多种疾病都可能导致RR间期不同程度上的不规则，导致房颤在心率失常数据中的区分度较差。现有方法对不规则性多采用统计分布及熵信息来度量，计算特征从理论往往需要长程数据，不利于实时性诊断要求。

发明内容

本发明所要解决的技术问题是提供一种房颤判别方法，是一种基于室上性RR间期的房颤判别算法，利用短程室上性RR间期的洛伦兹散点图在几何分布上的不规则性度量，对50个及以上室上性RR间期判断房颤是否发生，可有效辅助医生进行判别。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种房颤判别方法，包括如下步骤：

步骤1，根据原始多导联心电数据进行波形特征点定位，给出R波位置和QRS复合波的形态分类，判断出室性搏动和室上性搏动，产生带室性搏动和室上性搏动标识的R波位置信息数据；

步骤2，对以室上性搏动为主的R波位置信息数据生成室上性RR间期；

步骤3，对室上性RR间期的洛伦兹散点图进行几何分布特性度量，生成三种特征数据：聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标；

步骤4，综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标，根据阈值法给出是否发生房颤的判决。

作为本发明的进一步技术方案，所述步骤1中，在进行波形特征点定位前，先将原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰。

作为本发明的进一步技术方案，所述步骤2具体为：

2.1，对带室性搏动和室上性搏动标识的R波位置信息数据，计算室上性搏动的占比；

2.2，当室上性搏动占比大于k％时，执行步骤2.3；否则室性搏动频繁，不能判别；

2.3，统计满足相邻的两个心拍都为室上性搏动的RR间期数据，得到RR间期序列(RR₁,…,RR_N+1)；当室上性RR间期的个数N大于等于50时，得到洛伦兹散点图上的点集{P₁,…,P_N}，否则不能判别，其中，P_i的坐标为(RR_i,RR_i+1)。

作为本发明的进一步技术方案，所述步骤3中：

聚集性度量指标其中，NumofPoint(P_i,ΔR)为第i个点在给定半径ΔR的邻域内所包含的点的个数；

对角线区域占优性度量指标NumofDiag为主对角线区域内部包含的点占点集总点数的比值；

非对角线区域线性相关性度量指标LinearNoDiag为非对角区域点的相关系数。

作为本发明的进一步技术方案，步骤4具体为：

对于待判定的数据，首先判断聚集性度量指标Aggregation_max是否大于阈值Th_AM，若是则判别为不存在房颤，否则进一步判断对角线区域占优性度量指标NumofDiag是否大于阈值Th_D,若是则判别为不存在房颤，否则进一步判断非对角区域线性相关性指标LinearNoDiag是否大于阈值Th_L，若是则判别为不存在房颤，否则判别为存在房颤。

作为本发明的进一步技术方案，主对角线区域为到对角线距离小于ΔR的区域。

作为本发明的进一步技术方案，非对角线区域线性相关性度量指标LinearNoDiag的计算方法为：

(1)分别取出对角线区域外上方的点和下方的点，得到点集{Up₁,…,Up_s}和{Low₁,…,Low_r}，其中，s、r分别为对角线区域外上方的点和下方的点的数目；

(2)分别计算点集{Up₁,…,Up_s}和{Low₁,…,Low_r}的相关系数ρ_Up、ρ_Low，

其中，cov(X_Up,Y_Up)、cov(X_Low,Y_Low)分别为{Up₁,…,Up_s}和{Low₁,…,Low_r}中点的坐标的协方差，DX_Up、DY_Up分别为{Up₁,…,Up_s}中点的横坐标、纵坐标的方差，DX_Low、DY_Low分别为{Low₁,…,Low_r}中点的横坐标、纵坐标的方差；

(3)非对角线区域线性相关性度量指标LinearNoDiag＝max(ρ_Up,ρ_Low)。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明的技术关键是对室上性的RR间期从洛伦兹散点图的几何分布特性方面，提炼不规则性的度量；综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标，给出房颤发生的可能性。本发明能够辅助医生进行判别。

附图说明

图1是本发明的原理图；

图2是本发明的详细流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

如图1所示，本发明提供一种房颤判别方法，包括以下步骤：

步骤1，根据原始多导联心电数据进行波形特征点定位，给出R波位置和QRS复合波的形态分类，判断出室性搏动和室上性搏动，产生带室性搏动和室上性搏动标识的R波位置信息数据；

步骤2，对以室上性搏动为主的R波位置信息数据生成室上性RR间期；

步骤3，对室上性RR间期的洛伦兹散点图进行几何分布特性度量，生成三种特征数据：聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标；

步骤4，综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标，根据阈值法给出是否发生房颤的判决。

配合图2所示，本发明的详细步骤是：

步骤1，R波定位和QRS复合波的形态分类

原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰后，进行波形特征点定位，给出R波位置和QRS复合波的形态分类，判断出室性搏动和室上性搏动。

步骤2，以室上性搏动为主的数据生成室上性RR间期(RR₁,…,RR_N+1)

对带室性搏动和室上性搏动标识的R波信息数据，首先计算室上性搏动的占比。当室上性搏动占比大于等于k％时，统计满足相邻的两个心拍都为室上性搏动的RR间期数据，得到RR间期序列(RR₁,…,RR_N+1)；当室上性RR间期的个数N大于等于50时，得到洛伦兹散点图上的点集{P₁,…,P_N}，其中P_i的坐标为(RR_i,RR_i+1)。当室上性搏动占比小于等于k％时，说明以室性搏动频繁；当室上性RR间期的个数小于50个时，信息太少不足以判断。

步骤3，对室上性RR间期信息，从洛伦兹散点图的几何分布特性方面，生成三种特征数据：聚集性度量、对角线区域占优性度量、非对角线区域线性相关性度量。

为了体现对心率过速和心率过缓情况下距离的矫正，计算中采用两点间的加权距离：权重为：

其中，P_i、P_j分别为洛伦兹散点图上的第i、j个点。

1)聚集性度量指标

Aggregation_max为点集中所有点在给定半径ΔR的邻域内部包含点的最多的个数占点集总点数的比值：

其中，NumofPoint(P_i,ΔR)为第i个点在给定半径ΔR的邻域内所包含的点的个数。

2)对角线区域占优性度量(NumofDiag)为主对角线区域内部包含的点占点集总点数的比值。其中，主对角线区域为到对角线距离小于ΔR的区域，这里同样采用加权的距离。

3)通过计算非对角区域点的相关系数来得到非对角区域的线性相关性(LinearNoDiag)

(1)分别取出对角线区域外上方的点和下方的点，得到点集{Up₁,…,Up_s}和{Low₁,…,Low_r}，其中，s、r分别为对角线区域外上方的点和下方的点的数目；

(2)分别计算点集{Up₁,…,Up_s}和{Low₁,…,Low_r}的相关系数ρ_Up、ρ_Low，

其中，cov(X_Up,Y_Up)、cov(X_Low,Y_Low)分别为{Up₁,…,Up_s}和{Low₁,…,Low_r}中点的坐标的协方差，DX_Up、DY_Up分别为{Up₁,…,Up_s}中点的横坐标、纵坐标的方差，DX_Low、DY_Low分别为{Low₁,…,Low_r}中点的横坐标、纵坐标的方差；

(3)非对角线区域线性相关性度量指标LinearNoDiag＝max(ρ_Up,ρ_Low)。

步骤4，房颤发生的阈值判断

综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标，根据阈值法给出是否发生房颤的判决。对于待判定的数据，首先判断聚集性度量指标Aggregation_max是否大于阈值Th_AM，若是则判别为不存在房颤，否则进一步判断对角线区域占优性度量指标NumofDiag是否大于阈值Th_D,若是则判别为不存在房颤，否则进一步判断非对角区域线性相关性指标LinearNoDiag是否大于阈值Th_L，若是则判别为不存在房颤，否则认为几何分布特征是不规则的，若出现这种规律则判定为存在房颤。实施中取Th_AM＝10％，Th_D＝60％，Th_L＝0.8。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (7)

1.一种房颤判别方法，其特征在于，包括如下步骤：

步骤1，根据原始多导联心电数据进行波形特征点定位，给出R波位置和QRS复合波

的形态分类，判断出室性搏动和室上性搏动，产生带室性搏动和室上性搏动标识的R波位置信息数据；

步骤2，对以室上性搏动为主的R波位置信息数据生成室上性RR间期；

步骤3，对室上性RR间期的洛伦兹散点图进行几何分布特性度量，生成三种特征数据：聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标；

步骤4，综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标，根据阈值法给出是否发生房颤的判决。

2.根据权利要求1所述的一种房颤判别方法，其特征在于，所述步骤1中，在进行波形特征点定位前，先将原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰。

3.根据权利要求1所述的一种房颤判别方法，其特征在于，所述步骤2具体为：

2.1，对带室性搏动和室上性搏动标识的R波位置信息数据，计算室上性搏动的占比；

2.2，当室上性搏动占比大于k％时，执行步骤2.3；否则室性搏动频繁，不能判别；

2.3，统计满足相邻的两个心拍都为室上性搏动的RR间期数据，得到RR间期序列(RR₁,…,RR_N+1)；当室上性RR间期的个数N大于等于50时，得到洛伦兹散点图上的点集{P₁,…,P_N}，否则不能判别，其中，P_i的坐标为(RR_i,RR_i+1)。

4.根据权利要求3所述的一种房颤判别方法，其特征在于，所述步骤3中：

聚集性度量指标其中，NumofPoint(P_i,ΔR)为第i个点在给定半径ΔR的邻域内所包含的点的个数；

对角线区域占优性度量指标NumofDiag为主对角线区域内部包含的点占点集总点数的比值；

非对角线区域线性相关性度量指标LinearNoDiag为非对角区域点的相关系数。

5.根据权利要求4所述的一种房颤判别方法，其特征在于，步骤4具体为：

对于待判定的数据，首先判断聚集性度量指标Aggregation_max是否大于阈值Th_AM，若是则判别为不存在房颤，否则进一步判断对角线区域占优性度量指标NumofDiag是否大于阈值Th_D,若是则判别为不存在房颤，否则进一步判断非对角区域线性相关性指标LinearNoDiag是否大于阈值Th_L，若是则判别为不存在房颤，否则判别为存在房颤。

6.根据权利要求4所述的一种房颤判别方法，其特征在于，主对角线区域为到对角线距离小于ΔR的区域。

7.根据权利要求4所述的一种房颤判别方法，其特征在于，非对角线区域线性相关性度量指标LinearNoDiag的计算方法为：

(1)分别取出对角线区域外上方的点和下方的点，得到点集{Up₁,…,Up_s}和{Low₁,…,Low_r}，其中，s、r分别为对角线区域外上方的点和下方的点的数目；

(2)分别计算点集{Up₁,…,Up_s}和{Low₁,…,Low_r}的相关系数ρ_Up、ρ_Low，

其中，cov(X_Up,Y_Up)、cov(X_Low,Y_Low)分别为{Up₁,…,Up_s}和{Low₁,…,Low_r}中点的坐标的协方差，DX_Up、DY_Up分别为{Up₁,…,Up_s}中点的横坐标、纵坐标的方差，DX_Low、DY_Low分别为{Low₁,…,Low_r}中点的横坐标、纵坐标的方差；

(3)非对角线区域线性相关性度量指标LinearNoDiag＝max(ρ_Up,ρ_Low)。