多导联心电信号特征检测系统的设计

彭良广，庞 宇，王元发，林金朝，李章勇，陈亚军

(重庆邮电大学 光电信息感测与传输技术重庆市重点实验室，重庆 400065)

0 引 言

心电图(electrocardiogram，ECG)运动负荷试验是采用无创、低廉的方式来评估心脏功能。精准地检测心电信号并提取ECG的特征波形，可发现心脏的异常情况，对诊断人体心脏出现的心率失常、心肌缺血与急性心肌梗塞等症状具有重要的意义[1,2]。

近年来，有研究提出了心电信号检测与特征提取的方法。李天涵等采用多导联监护仪来采集日常生活中的心电信号[3]，但仅检测了肢体导联心电信号，没有进行ECG特征分离。孟欢欢等提出在Android上实现心电信息的管理，生成诊断报告[4]，只研究了心电信号的QRS波群检测，没有分析其它特征信息。

目前的研究是在人体静息下分析ECG的特征形态，而缺乏针对运动ECG的特征提取方法研究。本文提出多导联心电信号特征检测系统。首先，该系统采用标准十二导联的检测方式，设计易便携的多导联心电采集盒；其次，该系统还包含体征检测软件，利用算法实现测量心率并提取PR段的中点以及ST段；另外，在有氧运动中系统检测CM5与Nehb-D导联心电信号，利用测量的心率值和ST段相对水平值来建立线性回归模型。系统更加全面地分析了ECG的形态，为评估心脏功能的状况提供了特征参数。

1 系统检测信号的方法

心电信号特征检测系统包括多导联心电采集盒和体征检测软件,系统功能框架如图1所示。

图1 系统功能框架

1.1 多导联心电采集

多导联心电采集盒采用电极在人体上构成多种导联的连接方式，其中包括Wilson标准十二导联，CM5与Nehb-D导联(电极RA连接右锁骨下窝处，电极RL电极连接左锁骨中线第五肋骨间，电极LL连接左肩胛骨下第七肋骨间，电极RL连接腹部位置)[5]，如图2所示为装置的功能模块图，多导联心电采集盒在前端调理模块中采用OPA4170和ADS1298芯片实现对心电信号放大、滤波与模数转换，利用32位单片机STM32L151来处理多导联心电信号，采用异步串行通信模块和USB电平转换芯片CH340来实现USB传输心电数据。

1.2 隔离电路的设计

为了确保人体与采集模块的电气安全，多导联心电采集盒设计的隔离电路如图3所示，通过采用芯片ISOW7812实现USB电源与采集模块供电的电气隔离，模块的串行通信接口可与CH340数据隔离传输，满足医用仪器的安全标准。

图2 多导联心电采集盒功能模块

图3 电源隔离电路原理

1.3 心电信号的预处理

多导联心电采集盒通过500 Hz的采样率来采集心电信号，装置输出信号主要混有工频与肌电高频噪声以及基线漂移等干扰。人体在有氧运动中，由于导联电极与体表皮肤的相对运动，装置采集的心电信号存在大量的运动伪迹[6]，导致提取心电信号的特征波形误差较大，从而影响系统的检测精度。

针对心电信号的高频干扰，系统设计截止频率为50 Hz的40阶FIR低通滤波器来滤除高频噪声；针对心电信号的运动伪迹，有研究[7]利用自适应相干消噪原理，以人体三轴加速度作为参考信号，设计自适应滤波器来消除运动伪迹，但在有氧运动中采集的心电信号具有非平稳特性，当参考信号与心电信号的低频段相关度较大时，传统自适应算法会造成ST段检测失真。而自适应小波变换是结合小波变换的新型自适应滤波算法[8]，是以原始心电信号为输入信号，经高频滤波后，再采用DB3离散小波进行分解，并将小波尺度1～8的高频分量输入到自适应滤波器的参考信号，再利用最小二乘递归算法不断地更新滤波系数，并计算出最优滤波系数。截取一段I导联心电信号，信号的滤波效果如图4所示。对比图4的上图与中图设计的低通滤波器可滤除原始信号的高频干扰；对比中图与下图系统使用自适应小波变换实现了消除心电信号中的运动伪迹。

图4 心电信号滤波前后对比波形

1.4 心电信号的特征检测

精准地定位心电信号的R波峰对于计算心率值具有重要的作用，有研究[9]采用了差分阈值与模板匹配算法作对比，实现定位标准心电信号的R波。研究的算法在计算量和实时效率上具有优势。

为了适应R波和T波倒置的心电信号，系统采用差分平方阈值法来实现定位R波峰。如图5所示为算法的流程图，该算法首先以极值法搜索到最高点作为第一个R波峰，然后采用三点差分平方，再综合设定的滑动阈值和相邻R波峰范围来判定当前波形点是否为R波波峰，从而记录两个相邻R波峰之间的点数。实时心率值HR的计算公式如式(1)所示

(1)

式中：RR0为两个相邻R波间期，Fs为信号的采样率。

图5 定位R波的算法流程

在单个周期内心电信号的特征检测算法是将R波的波峰作为参考点，利用R波前后的斜率变化来快速定位到QRS波群的起点，通过幅度阈值法搜索P波的终点，提取P波终点与QRS波群的起点之间的部分作为PR段，以PR段中点幅值作为心电信号的基线幅度值xi。 再将QRS波群的终点记为J点，然后采用J点向后延迟时间为Xms的方式来定位ST段，并以当前点的幅值记为STi。 如式(2)所示为延迟时间X与心率HR构成分段函数，计算ST段的相对水平值ST_Level如式(3)所示

(2)

ST_Level=STi-xi

(3)

式中：xi为第i个ECG周期内的基线幅度值，STi为定位第i个ECG周期内的ST段幅度值，ST_Level为ST段的相对水平值。

2 体征检测软件

检测软件采用Delphi语言实现软件的设计，调用Delphi的串口Spcomm控件实时接收多导联心电采集盒输出的数据，再经过心电信号预处理和特征提取算法，利用Iplot控件将处理后的数据绘制曲线，从而显示在静息下的十二导联ECG以及有氧运动中CM5与Nehb-D导联ECG，实现体征参数的计算。

2.1 十二导联心电显示

为了综合评估心脏各个部位的功能状况，导联电极是按照标准解剖学的位置连接在体表上，实现在静息下检测Willson十二导联心电信号。体征检测软件显示的肢体导联和V1…V6胸前单导联ECG如图6所示，通过定位R波算法计算心率值，从而便于分析体征参数。

图6 十二导联心电波形显示界面

2.2 有氧运动的ECG采集

为了减少在有氧运动中因导联电极过多而产生的不便，多导联心电采集盒切换为双极胸导联采集运动心电信号，从而求解CM5与Nehb-D导联的体征参数。

体征检测软件根据录入被测试者的基本信息来计算次最大心率值THR，计算的公式如下

THR=195-age

(4)

式中：age为被测试者的年龄，THR为对应的次最大心率值。系统将靶心率的阈值设定THR的80%-90%，当被测试者的心率达到靶心率时，则判定被测试者处于有氧运动[10]。

在有氧运动中，随着心率的增加，检测CM5与Nehb-D导联心电信号ST段的幅值随心率值呈线性相关变化[11]。特征参数检测软件选取相隔大于5 bpm的3个心率值HRi与对应ST段相对水平值ST_Leveli建立线性拟合模型。计算斜率值slope的公式如下

(5)

3 结果与分析

3.1 多导联ECG采集装置

多导联心电信号特征检测系统采用心电采集盒作为ECG采集装置，如图7所示为采集装置的外观图。采集盒长6 cm、宽5 cm和高2 cm，包含导联电极与USB接口。心电采集盒具有体积小、易便携的特点。

图7 多导联心电采集盒设计外观

3.2 心电信号特征提取

在体征检测软件上设计了自适应小波变换，用于滤除心电信号的运动伪迹，同时通过信号特征检测算法实现提取心电信号的特征波形。如图8所示为被测试者在有氧运动负荷实验下定位CM5与Nehb-D导联的心电信号时域波形图，被测试者的心率分别为113 bpm与120 bpm。其中，对R波定位采用小圆点标识，对PR段基线、J点以及ST段终点的定位采用短竖线标识。从时域波形图可以看出，系统可矫正运动心电信号中的基线，并可以实时地定位ECG的PR段中点、QRS波群与ST段。

图8 在有氧运动下软件定位心电信号的特征波形

随机选取10名健康的被测试者，并让各测试者处于有氧运动。系统分别定位各组心电信号的特征波形，以统计特征检测的QRS波群的总数。采用标准医用监护仪检测QRS波群的数量作为参考，统计结果见表1。结果表明，相对于标准医用监护仪，系统检测QRS波群的准确率可以达到99%以上。

3.3 斜率计算

系统利用最小二乘拟合将被测试者的心率与ST段相对水平幅值建立线性模型，求解CM5与Nehb-D导联的斜率值，如图9所示为心率与ST相对水平幅度值的线性拟合曲线图，并分别求解出两个导联对应的斜率值。测试结果表明，在有氧运动中被测试者的CM5与Nehb-D导联对应的ST段出现压低，并随着心率值的增加，ST段压低的幅值会变大。

图9 心率与ST水平值线性拟合曲线

4 结束语

为了评估心脏的健康状况并提供相关的体征参数，设计一套便携式的多导联心电信号特征检测系统。其中，系统采用多导联心电采集盒实时检测心电信号，通过体征检测软件可显示十二导联以及CM5与Nehb-D导联ECG，采用了自适应小波变换算法滤除运动心电信号的基线漂移，设计信号特征检测算法来实现定位心电信号的QRS波群、ST段以及PR中点。在有氧运动中测量心率值和ST段相对水平值，采用最小二乘拟合将测量结果建立线性关系，可求解斜率值。结果表明，系统能输出平稳的运动心电信号，检测QRS波群的准确率大于99%，检测多导联心电信号的精度较高。

多导联心电信号特征检测系统不仅可为查看心脏情况提供参考，对系统稍加改进，后续还可应用到患者康复训练效果的评估与远程智慧医疗监护之中。