基于嵌入式系统的实时房颤检测算法研究.pdf
《基于嵌入式系统的实时房颤检测算法研究.pdf》由会员分享,可在线阅读,更多相关《基于嵌入式系统的实时房颤检测算法研究.pdf(8页珍藏版)》请在咨信网上搜索。
1、设计一种基于嵌入式系统的实时房颤检测算法,辅助房颤的快速诊断和鉴别。方法院首先通过对心电信号进行分析,提取心率变异性指标以及P波平衡性、叠加平均比例2项形态学指标,构建基于支持向量机的房颤检测数学模型,完成上位机算法设计。然后设计主要包括心电采集模块、微控制单元、液晶显示屏和存储器的嵌入式房颤检测设备。再于某院搜集包含11种不同心电节律的3 746例患者的12导心电图数据,并从每名患者的心电数据中提取一段域导心电信号建立上位机验证数据集及嵌入式系统测试数据集。在完成上位机算法训练及验证之后,将其移植到嵌入式房颤检测设备中。最后对上位机算法及嵌入式房颤检测设备的房颤检测性能进行评估。结果院上位机
2、算法检测房颤的准确率为93.40%,敏感度为97.85%,特异度为88.83%;嵌入式房颤检测设备的房颤检测准确率为91.37%,敏感度为96.48%,特异度为87.04%。结论院设计的房颤检测算法能够有效区分房颤与多种不同类型的非房颤心电节律,可为基于穿戴式设备的房颤实时监测提供技术支撑。关键词嵌入式系统;房颤;房颤检测;形态学指标中国图书资料分类号R318文献标志码A文章编号1003-8868渊2023冤07-0019-08DOI院10.19745/j.1003-8868.2023133Research on real-time atrial fibrillation detection
3、algorithm based onembedded systemWEI Liang1,HU Yan-ming2,YAN Su-peng1,PING Qin-wen1,LI Yun-chi1,ZUO Feng3,LI Yong-qin1,GONG Yu-shun1*(1.Teaching and Research Section of Medical Device and Metrology of Department of Biomedical Engineering and ImagingMedicine,Army Medical University,Chongqing 400038,C
4、hina;2.Basic Medical College,Army Medical University,Chongqing 400038,China;3.Department of Information Technology,the First Affiliated Hospital of Army MedicalUniversity,Chongqing 400038,China)AbstractTo design an real-time atrial fibrillation(AF)detection algorithm based on an embedded system toas
5、sist in the rapid diagnosis and identification of AF.The heart rate variability and two morphological indicators,including P-wave balance and superposition average characteristics,were extracted from the ECG signals.Then amathematical model based on support vector machine and an upper computer algor
6、ithm for AF detection were put forward,and an embedded AF detection system was developed with the components of an ECG acquisition module,a micro controlunit,a LCD and a memory.The 12-lead ECG data of 3 746 patients containing 11 different ECG rhythms were collected fromsome hospital,and a segment o
7、f the 域-lead ECG signal was extracted from each patients ECG data to establish an uppercomputer validation dataset and an embedded system test dataset.The upper computer algorithm was then implanted into theembedded AF detection system after training and validation.The performances of the upper comp
8、uter algorithm andembedded system for AF detection were evaluated finally.The accuracy,sensitivity,and specificity of AF detectionwere 93.40%,97.85%and 88.83%with the upper computer algorithm and 91.37%,96.48%and 87.04%with the embeddedsystem.The AF detection algorithm designed can effectively disti
9、nguish between AF and various types of non-AF ECG rhythms,and can provide technical support for wearable device-based AF real-time detection.悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造耘择怎蚤责皂藻灶贼 允燥怎则灶葬造袁2023袁44渊7冤院19-26Key wordsembedded system;atrial fibrillation;atrial fibrillation detection;morphological indicator0引言房颤(atrial
10、 fibrillation,AF)是临床上最常见的快速性心律失常之一,其患病率随着年龄的增长而增加。房颤使得全因死亡、心血管病死亡和脑卒中死亡栽澡藻泽蚤泽论著魏良,胡焱铭,鄢苏鹏,等.基于嵌入式系统的实时房颤检测算法研究J.医疗卫生装备,2023,44(7):19-26.19 窑医疗卫生装备窑 2023年7月第44卷第7期悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造 耘择怎蚤责皂藻灶贼 允燥怎则灶葬造 窑 灾燥造援 44 窑 晕燥援 7 窑 July 窑 2023的风险增加,因此早发现、早干预对治疗房颤显得尤为重要1。然而房颤起病隐匿、无明显症状,且早期房颤又多为阵发性,极易漏诊而耽误病情。目前,主要采用动
11、态心电图(electrocardiogram,ECG)延长诊断时间以提升房颤检出率2-3,但该方法存在佩戴不便、诊断延时等问题,并且由于需医生开具检查才能佩戴动态心电图设备,检查次数和适用人群受限。当前,随着穿戴式健康监测技术的发展,基于嵌入式系统的心电监测设备逐渐进入家庭4-5,使得房颤的动态检测成为可能,而房颤实时检测算法是实现该技术的关键6-8。近年来,针对房颤自动检测算法的研究逐渐增多。综合分析现有文献发现,现有算法主要从传统的信号特征提取以及深度学习2个研究方向来实现房颤的自动检测,其性能评估结果均与算法测试采用的数据之间存在显著关系9-15。一方面,数据集的类型对检测准确率影响较大
12、。对于采用MIT-BIH公开数据集的研究,房颤检测准确率通常高达95%以上,甚至有些能达到99%9-12;而采用房颤检测挑战竞赛数据库的研究,房颤检测准确率则明显偏低,通常小于90%13-15。这是由于采用MIT-BIT公开数据集的算法,其测试数据库来源于少量的患者心电数据,有效样本量较小,且算法只区分了房颤和正常窦性心律,使得这些研究报道的房颤检测准确率通常很高。但这类结果并不能完全反映算法的真实性能,其对房颤与早搏、心律不齐以及房性心动过速等异常心电节律类型的鉴别能力有待进一步验证。而采用房颤检测挑战赛数据库的研究,其数据样本类型相对丰富,除了房颤以外还包含多种异常心电节律,而复杂的心电节
13、律样本类型严重影响了房颤检测算法的效果。据2018年的一项研究报道,因受早搏的影响,房颤检测的准确率仅有86%16。因此,此类采用竞赛数据库的研究报道的结果相对较低17。另一方面,数据集的样本量和独立性严重影响算法性能评估的有效性。目前,大量研究采用的测试数据是通过重复地从同一患者的数据中截取得到的,数据样本之间不具备患者独立性,而随机分组又使得来自不同患者的数据同时出现在训练集和测试集中,造成数据交叠和泄漏的情况,导致在以患者为单位对训练集和测试集进行分组以后,即跨患者模式下,算法的识别准确率明显下降15。除上述问题以外,目前大部分的房颤检测算法均是在上位机完成,算法复杂度高,并不适合穿戴式
14、应用场景下的实时检测,嵌入式移植以后的实际效果也并不明确。因此,开发一种适用于穿戴式设备的低复杂度实时房颤检测算法18,提高复杂心电节律背景及跨患者模式下的检测准确率,对未来穿戴式房颤检测的普及具有重要的意义。针对当前房颤检测存在的问题,本研究提出一种适用于嵌入式系统的基于P波平衡性特征及叠加平均比例2项形态学指标的实时房颤检测算法,并通过课题组收集的大样本临床数据集对算法性能进行评估。1实时房颤检测算法设计1.1算法设计流程嵌入式实时房颤检测算法设计主要包括上位机房颤检测算法设计和基于嵌入式系统的算法移植2个阶段,设计流程如图1所示。首先,在上位机设计房颤检测算法,通过ECG信号预处理、特征
15、参数提取和建立分类数学模型等步骤完成算法构建,其中特征参数提取涵盖了心率变异性指标分析以及本文提出的2项心电形态学指标,数学模型则采用支持向量机(support vector machine,SVM)对各心电特征参数进行多特征融合。上位机房颤检测算法测试完成后,将其移植到本研究设计的嵌入式房颤检测设备,封装成可调用应用层函数,通过软件程序接口与硬件系统衔接,实现基于嵌入式系统的房颤实时检测功能。1.2上位机房颤检测算法设计上位机房颤检测算法采用SVM建立数学模型对心率变异性指标以及形态学特征的指标进行融基金项目院国家自然科学基金青年科学基金项目(31900977)作者简介院魏良(1990),男
16、,硕士,讲师,主要从事生物医学信号检测与处理方面的研究工作,E-mail:。通信作者院龚渝顺,E-mail:图1房颤检测算法设计流程图上位机房颤检测算法设计预处理R波检测(Pan-Tompkins)特征提取(心率变异性指标、形态学指标)嵌入式系统算法移植SVMC语言应用层接口心电信号心电波形、心率、房颤检测结果ADS1292模块STM32处理器液晶显示注:SVM为支持向量机。栽澡藻泽蚤泽论著魏良,胡焱铭,鄢苏鹏,等.基于嵌入式系统的实时房颤检测算法研究J.医疗卫生装备,2023,44(7):19-26.20 窑医疗卫生装备窑 2023年7月第44卷第7期悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造 耘择怎蚤
17、责皂藻灶贼 允燥怎则灶葬造 窑 灾燥造援 44 窑 晕燥援 7 窑 July 窑 2023合,其流程主要包括信号预处理、特征提取以及SVM模型建立3个步骤。1.2.1信号预处理本研究采用域导ECG信号进行算法设计。在进行房颤检测之前,需要对ECG信号进行预处理。先将ECG信号截取成时长为8 s的数据段,再采用通带截止频率为0.520 Hz的带通滤波器对信号进行滤波,以抑制低频漂移与高频噪声。1.2.2特征参数提取在预处理完成之后,对信号进行分析,提取特征参数。房颤的ECG信号具有RR间期绝对不规则以及形态上P波消失、f波出现2个重要的特征,因此本研究采用心率变异性指标以及形态学指标作为信号特征
18、进行房颤检测。(1)心率变异性指标。本研究采用全程正常窦性RR间期(NN间期)的总体标准差(standarddeviationofNNintervals,SDNN)19来刻画房颤RR间期分布不规则的特点。为提取心率变异性指标SDNN,首先采用Pan-Tompkins检测算法20识别R波,然后提取RR间期,通过公式(1)计算RR间期的SDNN:TSDNN=1nni=1移(TRR,i-TRR)姨(1)式中,TSDNN为SDNN;TRR,i为第i个RR间期的值;TRR为所有RR间期的均值。(2)形态学指标。除了RR间期不齐的特征以外,ECG信号P波的消失以及f波的出现也是判断房颤的重要依据21。形态
19、学特征的提取有助于弥补RR间期特征在区分房颤以及心律不齐、房室传导阻滞、早搏等异常心电节律上的缺陷,提供更加全面的信息用于房颤的准确识别。对于正常的ECG信号,P波代表心房激动,多数情况下,P波的出现具有严格的相位关系,PR间期相对固定;而当出现房颤时,心房电活动的紊乱导致ECG信号中的P波被f波取代,代表心房活动的心电特征失去相位关系。针对这一特点,本研究提出P波平衡性特征以及叠加平均比例2项形态学指标用于构建房颤检测数学模型。在计算P波平衡性特征时,首先利用定位的R波截取每一个RR间期后半段的数据段Si(如图2所示),然后将第i个RR间期的数据段Si分为前后两部分Si1和Si2,计算前后两
20、部分数据的平衡性指标Bi:Bi=Lj=1移(Si1,j-S軈i1)2姨Lj=1移(Si2,j-S軈i2)2姨(2)式中,L为数据段Si1及Si2的长度;j为数据段中采样点的索引。最后,计算8 s数据中所有Bi的均值B,计算公式如下:B=1NNi=1移Bi(3)由于正常ECG信号PR间期相对稳定,P波的相位在切割的数据段Si中较为固定,而紊乱的f波没有严格的相位关系,所以将8 s数据中的各数据段Si进行叠加平均,正常ECG信号的P波能量会得到增强,而房颤ECG信号中的f波因正负抵消,能量会被削弱。基于这一特点,本研究采用叠加平均比例RPEAK对数据段的形态学特性进行描述,计算公式如下:RPEAK
21、=V軍PPVPP-a(4)式中,V軍PP为各数据段Si峰峰值的均值;VPP-a为所有数据段Si叠加平均后信号Sa的峰峰值。V軍PP和VPP-a的计算公式如下:V軍PP=1NNi=1移max(Si)-min(Si)(5)VPP-a=max(Sa)-min(Sa)(6)进行叠加平均时,由于RR间期存在差异,Si的长度有可能会不同。因此,在计算叠加平均信号Sa时先将所有信号右对齐,左侧数据以数据长度最大的Si为基准进行补空。与传统算法不同,本研究提出的P波平衡性指标B以及叠加平均比例RPEAK的计算不需要定位P波,而是通过数据段的分布特征进行描述,计算更加图2正常ECG信号与房颤ECG信号P波平衡性
22、特征示意图1.51.00.50-0.5Si1Si2Si(b)正常ECG信号Si1Si2Si1.00.50-0.5(a)房颤ECG信号栽澡藻泽蚤泽论著魏良,胡焱铭,鄢苏鹏,等.基于嵌入式系统的实时房颤检测算法研究J.医疗卫生装备,2023,44(7):19-26.21 窑医疗卫生装备窑 2023年7月第44卷第7期悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造 耘择怎蚤责皂藻灶贼 允燥怎则灶葬造 窑 灾燥造援 44 窑 晕燥援 7 窑 July 窑 2023(a)系统框图(b)实物图图4嵌入式房颤检测设备硬件设计存储器液晶显示屏SDIOUSART电源模块MCU(STM32F405RGT6单片机)SPI心电采集模
23、块注:SDIO为安全数字输入输出接口,USART为通用同步/异步串行接收/发送器。简单。同时,在计算过程中,少数R波的漏检对这2项形态学指标的计算影响极小,从而使算法具有较高的鲁棒性。正常心电节律与房颤节律叠加平均比例示例如图3所示,可见正常心电节律的VPP-a幅度明显高于房颤节律。1.2.3房颤分类数学模型在完成了ECG信号特征指标的提取之后,采用SVM作为分类器建立数学模型。SVM模型本质上是特征空间中最大化间隔的线性分类器,是一种二分类模型22。本研究中,描述房颤特征的3项指标SDNN、B和RPEAK作为SVM模型输入参数,模型输出为房颤和非房颤识别结果。1.3基于嵌入式系统的算法移植1
24、.3.1嵌入式房颤检测设备设计与实现本研究设计的嵌入式房颤检测设备主要包括心电采集模块、微控制单元(microcontroller unit,MCU)、液晶显示屏和存储器4个部分。心电采集模块采用ADS1292R(德州仪器,美国)集成式检测芯片,MCU采用STM32F405RGT6(意法半导体,意大利)型单片机。MCU通过串行外设接口(serial peripheral inter-face,SPI)总线与ADS1292R通信,读取数字化后的ECG信号,然后再对信号进行处理和分析,判断当前心电节律是否为房颤节律,最后将分析结果及ECG信号波形显示在液晶显示屏上,同时记录在存储器中。嵌入式房颤检
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 嵌入式 系统 实时 房颤 检测 算法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。