张 涛 章伟睿 杨永青 徐灿华* 代 萌 杨 滨

正常心电信号及室性心动过速*和室颤快速识别方法的初步研究

张 涛①章伟睿②杨永青③徐灿华②*代 萌②杨 滨②

目的：对心电信号波形的形态信息进行研究，提出一种自动检测正常窦性心律、室性心动过速(VT)和心室纤颤(VF)的新方法，确保在危险信号的前提下降低VF信号的假阳性率。方法：利用VT和VF信号无明显QRS波的特征，先将正常心电信号检测出来，通过提取信号峰值构造出一个正弦信号，计算异常心电信号和正弦信号的相关系数，判断VT信号与VF信号，最后在LabVIEW平台下实现该算法并进行仿真实验。结果：利用从MIT-BIH心电数据库中选取的包含有正常心电信号、VT信号和VF信号的数据检测，仿真结果表明该算法可以很好的分辨VF信号与VT信号，显示出该算法有较好的性能。结论：将正常心电信号及VT信号和VF信号快速识别方法嵌入到普通的Holter系统中，实现自动报警，该方法具有简捷、快速的特点。

心电信号；窦性心律；室性心动过速；心室纤颤；LabVIEW平台；相关系数

近年来，心血管疾病的发病率日益提高，而心脏性猝死(sudden cardiac death，SCD)又是导致心血管疾病的主要原因，是本世纪人类面临的最大威胁[1]。室性心动过速(ventricular tachycardia，VT)和心室纤颤(ventricular fibrillation，VF)是导致SCD的病因之一，仅在美国每年因为VF而导致的死亡人数＞40万。在心脏出现VT信号时，医生应当进行及时的观察和诊断，否则VT很容易诱发VF，如患者出现VF时不能及时除颤，则可能导致心脏组织和机能的损伤甚至心肌组织的死亡[2-3]。

为了有效及时进行除颤，需要Holter系统从心电图中自动检测出VT信号和VF信号并及时报警。目前，已有许多学者提出了基于时域分析[4]、频域分析[5]、小波分析[6]以及非线性心电信号分析[7]等VT信号和VF信号的自动检测方法。然而，这些方法中有些算法复杂、计算量大且灵敏度低，在临床应用中遇到了很多问题[8]。目前，虽然提出了许多改进算法，但一些异常的心律会影响VF的检测，其体表心电图与VF信号极为相似而导致提高VF信号的假阳性率。为此，本研究在总结现有方法的基础上，通过对心电波形形态信息的研究，提出了一种简单而高效的自动检测新方法，能够立足于保证VF危险信号的快速检测，并可在一定程度上降低VF信号的假阳性率。

1 快速识别方法原理

1.1 波形分析

心脏的每个心动周期都伴随着生物电的变化，对于正常心脏而言这种生物电变化的方向、频率及强度有规律可循，可明显分为P波、QRS波群，这里称其为正常窦性心律(normal sinus rhythm，NSR)心电信号。VT和VF这类异常信号的特点则与NSR信号有显著的差异，本研究的基本思想便是基于其形态进行区分，三类信号的具体特点分析如下。

(1)NSR心电信号特点。可明显分为P波、QRS波群及T波，QRS波群时间正常人为0.06～0.10 s，最宽≤0.11 s，R波为主波时呈尖峰脉冲(如图1a所示)。

(2)VT信号特点。①频率多在140～200次/min，节律可稍不齐；②QRS波群宽大畸形，时间通常＞0.12 s；③心房激动夺获心室或发生室性融合波；④无正常QRS-T波，代之以连续快速而相对规则的大振幅波动(如图1b所示)。

(3)VF信号特点。QRS-T波完全消失，出现大小不等、极不匀齐的低小波，频率多在200～500次/ min(如图1c所示)。

1.2 频谱分析

不同心电信号的特征波形分析显示，VT信号较VF信号更有规律，且VT信号与正弦信号极为相似。本研究构造一个正弦信号，在频谱上对其进行分析(如图2所示)。

图1 不同心电信号特征示图

图2 信号频谱分析示图

在频谱分析中发现，VT信号的频谱分布较窄，呈现的周期性强，旁瓣明显，与正弦信号极为相似(如图2a所示)；而VF信号的周期性减弱，并呈现出典型的1/f分布，找不到明显的频谱旁瓣，图2b中能清晰的分辨出VT和VF信号第一频谱波峰的位置差异和旁瓣情况。

1.3 相关系数

在实际问题分析中，经常要研究多个变量之间的相关性，并根据其相关性及其变化情况做出某种决策。如在心电信号研究中，分析心拍与心拍之间的相关性，判断心电信号是否异常[9]。本研究讨论的主要是2个变量即VF与正弦信号以及VT与正弦信号的相关性分析。

设变量X=(X1，X2，…Xn)，变量Y=(Y1，Y2，…Ym)，则X、Y的相关系数r为公式1：

2 算法实现过程

2.1 算法分析

VT信号QRS波群宽大畸形，VF信号QRS-T波完全消失且大小不等，正常信号R波为主波时呈尖峰脉冲。因此，可以通过阈值加斜率的方法检测出R波波峰位置，然后求出波峰右侧的斜率，如大于某一阈值则为有尖峰脉冲的正常心电信号，否则为异常心电信号。

对于被识别为异常心电信号的信号，再做以下处理。通过检测出的R-R间期构建一正弦信号，计算其与异常心电信号的相关系数。由于VT信号较VF信号更类似于正弦波，周期和幅值都较稳定，因此相关系数将会较大。对此可设定一阈值，大于该值时则判断为VT信号，否则为VF信号。为了提高VT信号与VF信号的准确性，可以提高VT信号与构造出的正弦信号的相关性。正如图2所示，选取第一频谱波峰右侧一小段处作为低通切比雪夫滤波器的截止频率对原心电信号进行滤波，这样VT信号与正弦信号的相关性将会极大提高，从而将提高检测的准确性。算法的整个流程如图3所示。

图3 程序算法框图

2.2 实现方法

LabVIEW是一种图形化的编程语言(G语言)，其广泛用于工业控制、医疗器械和学术研究，业界将其视之为数据采集和仪器控制软件，是目前国际上应用最广泛的虚拟仪器开发平台之一，可提供丰富的函数库，利用其可以快速地建立自己的虚拟仪器，方便算法的实现与检验，特别是在心电信号的研究和处理中也发挥重要作用[10]。

基于上述算法，本研究使用LabVIEW软件建立了一个虚拟仪器，主要包括心电信号显示区、R波检测显示区、构造的正弦函数显示区、频谱分析区、参数设置区和报警提示区等六大功能区。对于正常心电来说其报警区显示为灰色，而VT信号显示为黄色，VF信号则显示为红色，其程序显示界面如图4所示。

图4 LabVIEW程序界面图

在LabVIEW程序中，本研究模拟心电监护仪每隔0.004 s采样一个点，并显示波形。每512个点作一次自动检测，这样可确保检测信号中至少含有2个R波，具有足够的信息作为自动检测。利用斜率加阈值法检测出每次采样周期峰值，即R波，在LabVIEW中可以直接利用Waveform Peak Detection控件检出峰值，为防止可能的噪声或干扰，将靠的太近的峰值点滤除。计算出每次采样周期所含R-R间期的平均值，即每个R-R间期所含的平均采样点数n，即每次采样周期的平均心率计算为公式2：

式中250为每秒采样总点数，每分钟为60 s；n为每个R-R间期所含平均采样点数。

3 算法测试

本研究使用的测试数据来自于MIT-BIH心电数据库中的数据，该数据库是由美国麻省理工学院采集了大量的临床实测心电数据，得到多数人的认可后建成[11]。

从MIT心电数据库中选取包含有正常心电信号、VT信号和VF信号的数据。经这些数据在该平台下进行仿真分析，结果显示，该算法能够比较清晰准确地分辨出正常心电、VT和VF信号，当产生VT信号时指示灯显示为黄色，VF信号时指示灯显示为红色，测试效果良好。希望下一步能够进行临床实验，以验证并改良算法。

4 临床应用分析

通过测试结果可知，该算法可以较好的区分VT信号、VF信号及正常心电信号。由于该算法具有简单、小巧的特点，特别是在植入型的心率转复除颤器等设备中一个小巧且准确的算法是必要的[12]。

目前，动态心电检测系统(如Holter)已成为临床心血管领域中非创伤性检查的重要诊断方法之一[13-14]。对于Holter而言最重要的就是其实时性，除了提高硬件的处理速度，软件算法也是一方面，特别是对VT信号与VF信号的即时报警尤为重要[15]。在临床中，VF信号相对于VT要危险许多，目前很多学者提出对VF的自动检测方法，然而由于一些异常的心律会影响VF的检测，其体表心电图与VF极为相似会提高VF信号的假阳性率，对患者造成不必的损害。本研究提出的算法是一种简单高效的自动检测新方法，可以用于这些系统之中，并且能够立足于保证VF危险信号的快速检测下，在一定程度上降低了VF信号的假阳性率。

5 结论

相关系数是表明两变量之间的关联程度的指标，通过从VF信号和VT信号的形态及频谱分析可知两者具有明显差异，利用检测周期峰值构造出正弦信号，然后计算其相关系数，从而判断出VT信号和VF信号。利用MIT-BIH心电数据库数据在基于LabVIEW构建的虚拟仪器中分析，从结果中可以表明这一算法的可行性。本研究在所提出的算法能够立足于保证VF危险信号的快速检测下，在一定程度上降低VF信号的假阳性率，并为临床提供一种计算量小、实时性强、编程简单的VT信号以及VF信号判别方法。通过在临床应用方面的分析，表明该算法在植入性除颤器及Holter系统中具有应用前景。

[1]任兴备.心脏性猝死的相关危险因素[J].实用心脑肺血管病杂志，2011，29(1)：137-138.

[2]周寿生，秦瑞芬.致命性快速心率失常急诊心电图分析与处置[J].云南医药，2015，36(6)：613-614.

[3]刘洪艳，曲秀芬.心源性猝死患者的临床特点及动态心电图特征[J].心电图杂志(电子版)，2014，3(2)：86-90.

[4]ANAS EM，LEE SY，HASAN MK.Sequential algorithm for life threatening cardiac pathologies detection based on mean signal strength and EMD functions[J].Biomed Eng online，2010，9：43.

[5]Cao J，Gillberg JM，Swerdlow CD.A fully automatic，implantable cardioverter-defibrillator algorithm to prevent inappropriate detection of ventricular tachycardia or fibrillation due to T-wave oversensing in spontaneous rhythm[J]. Heart Rhythm，2012，9(4)：522-530.

[6]赵英杰，党幼云.小波变换在心电信号处理中的应用[J].电声技术，2012，36(10)：41-44.

[7]李健.应用非线性动力技术室颤算法研究及其实现[D].哈尔滨：哈尔滨工业大学，2013.

[8]Almehairi M，Somani R，Ellenbogen K，et al.Inappropriate detection of ventricular fibrillation in the presence of T-wave oversensing algorithm[J].Pacing clin Electrophysiol，2015，38(3)：407-410.

[9]张琳，严洪.基于复杂度的心电图形态相关性分析[J].生物医学工程研究，2007，26(2)：196-199.

[10]张佑春，朱炼.基于LabVIEW的心电信号采集系统设计[J].重庆科技学院学报(自然科学版)，2014，16(1)：126-129.

[11]李伟，赵捷，徐建功，等.基于MIT-BIH心律失常数据库的医用生理信号系统的设计[J].现代生物医学进展，2010，10(16)：3100-3102.

[12]蔡飞，陈松，顾刚，等.植入型心律转复除颤器治疗室性快速心律失常的临床应用[J].中国介入心脏病学杂志，2009，17(2)：89-91.

[13]汪媛.动态心电图监测在变异型心绞痛中的应用效果[J].临床合理用药杂志，2016，9(9)：96-97.

[14]马晓华，闵煜榕，张启高，等.动态心电图在评价无痛性心肌缺血中的应用[J].中国医学装备，2015，12(3)：40-42.

[15]杨子立.心电监护系统便携式智能终端的设计[J].江苏理工学院学报，2015，21(6)：1-6.

Preliminary study on fast recognition for normal ECG signal, VT signal and VF signal/ ZHANG Tao, ZHANG Wei-rui, YANG Yong-qing, et al//China Medical Equipment, 2017,14(7):37-40.

Objective: To present a automatic detection method for normal sinus rhythm, ventricular tachycardia(VT) and ventricular fibrillation(VF) through researching waveform of electrocardio (ECG) so as to reduce the false positive rate of VF signal. Methods: The normal ECG signal was detected at the first step by using the characteristic that the typical QRS wave was not clear in VT and VF. And then to construct a sinusoidal signal through extracting the peak value of signal to calculate the correlation coefficient between abnormal ECG and sinusoidal signal, to judge the VT signal and VF signal. Finally, the algorithm was achieved under the LabVIEW platform and the experiment of simulation was implemented. Results: Some records included normal ECG signal, VT signal and VF signal were selected from MIT-BIH ECG database and these data were used to detect the effect of method. The results of simulation revealed the distinguished effects for the VF signal and VT signal were appreciated by using this algorithm, and this algorithm has better performance in work. Conclusion: The fast recognition of normal ECG signal, VT and VF is implanted in the general Holter system can achieve automatic alarm. This method is concise and fast, and is a better method for monitoring VT and VF in real-time and implementing automatic alarm.

ECG signal; Sinus rhythm; Ventricular tachycardia; Ventricular fibrillation; LabVIEW; Correlation coefficient.

Institute for Drug and Instrumental Inspection, The Joint Logistic Department of Lanzhou Military Region, Lanzhou 730050, China.

张涛,男,(1994- ),本科学历，助理工程师。兰州军区联勤部药品仪器检验所，研究方向：生物医学工程。

10.3969/J.ISSN.1672-8270.2017.07.009

2017-03-16

1672-8270(2017)07-0037-04

R197.39

A

国家自然科学基金(51207161)“颅脑电阻抗成像颅骨影响及其分层图像重构算法研究”；陕西省科技攻关项目(2016SF-266)“脑部电阻抗图像监护电极位移干扰预处理关键技术研究”

①兰州军区联勤部药品仪器检验所 甘肃 兰州 730050

②第四军医大学生物医学工程学院 陕西 西安 710032

③解放军92880部队医院 浙江 舟山 316000

*通讯作者：canhuaxu@fmmu.edu.cn