心电信号的分析首先是QRS波群的识别.心电信号可以分为p波,q波...u波(就是pqrstu波).其中能量最大最显著的是qrs波群(QRS complexers).qrs代表了一次心跳(beat),有个比喻,就像地震,qrs是beat引起的主震,qrs之外的都是余震,qrs检测是自动分析的基础,只有在qrs检测后,其他信号的估计才能进行,比如心率计算,st段分析.

"QRS波检测包括QRS波位置、宽度、面积的检测，各参量检测方法已有不少研究成果发表(见参考文献)，但是各种方法均有其不足之处，因为心电信号波形的复杂性和各种类型噪声(如肌电干扰、基线漂移等)的存在以及生理上的变异性，都使QRS波的精确检测有很大困难。目前的方法既有硬件方法也有软件方法，有的研究者将软、硬件结合起来，不仅提高了检测速度，同时也提高了检测正确率。"

  心电信号分析从实现上,我大体分2种,一种是实时的分析,一种是整体分析.实时分析就是采样同时进行分析数据,而整体分析可以对已经采样后的一大段心电数据进行一个完整的扫描分析.明显,实时分析一般在嵌入设备上完成(单片机,dsp..)要求算法快速,同时内存有限制.实时分析的使用意义在于能够对用户进行监护.整体分析可以协助诊断.

一.实时分析

  根据我最近阅读,qrs 识别(qrs detection)的思路是通过数字滤波技术把有用的qrs信号分量尽量放大,抑制其他分量.通过对变化后qrs complexers的幅度,斜率,能量的一些参数来进行判断qrs.(我之前实现的那个算法就是判断幅度.)比如某点幅度>th,那么表示qrs complexers到来.这里th有个名词来定义.叫阀值--意思就是临界值.(很想上传图片,发现没权限)

好了,这是一个理想的心电波形,如果采集的信号都是这么理想,我看不要什么算法,大家都会做了.但是,这个理想的波形透露了几个信息,一个就是刚才说的qrs波群能量最大.还有,它大概也透露了如何去判断一个qrs complexer.比如在理想波形下,我很自然就可以用信号幅度和信号的斜率来判断.qrs的幅度和斜率是最大的,设置一个阀值,很容易就找到qrs了.好了,依据这个思路,如果利用适当的数字信号滤波处理技术,把带干扰的信号抑制,增强qrs信号,那么这就是QRS Detection的思路了.以下是一个处理过程的图示.

[已经了解到的实时QRS Detection技术和手段]

我想不能不提的就是Pan和Tompkins两人的A Real-Time QRS Detection Algorithm.我留意了下Pan是中国上海人哦.这篇文档我巧合下淘到了电子档.(很多相关文档都付费,sign!!)而且这是1985年的论文,现在相关的工作以及相关论文几乎都要引用这篇文档,不俗!嗯,言归正传.

"在可变阈值检测方法中，Pan等人^［5］的工作很具有代表性。他们提出的实时算法包括以下环节：采样的心电信号经过数字带通滤波器(通带为5-15Hz)；微分后再平方，平方过程可突出微分后的频响曲线的斜率，并有助于减少由于T波具有更多高频分量而引起 的假阳性；再做移动窗口(150ms)积分，积分所得的结果既包含QRS波群的斜率，又包含QRS波群的宽度的信息，然后应用两种阈值进行检测，一是滤波后信号的阈值，另一是由窗口积分后的阈值。阈值的大小随信号的波动不断调整，这样可提高检测的可靠性，特别可以防止噪声引起的假阳性。此外，该算法还利用双重阈值法来寻找丢失的QRS波，以减少假阴性，其方法是对上述每种阈值均设两个阈值电平，其中一个是另一个的一半，当发现可能丢失QRS波时，就用较低的那个阈值去重新检测。阈值的大小是自适应的。这种方法经过美国MIT/BIH各种心律失常心电图录音带信号进行实测检验，信号总计长达24小时，48个病人，116173个心拍数，假阳性为507，假阴性为277，检测的正确率为99.3%，其中波形形态变化较大者易导致假阴性和假阳性结果。胡小林^［11］在其研究中采用的是自适应差分阈值的方法检测QRS波，得到的结果正确率较高。"

--其中MIT/BIH是麻省理工大学的一个数据库,里面有心电数据包含带干扰的数据,用了检验一个心电算法实现的性能,比如检验QRS检测成功率.

(To Be Continue)