基于心电信号分析的睡眠呼吸暂停综合征检测算法研究 1.docx
- 文档编号:6329681
- 上传时间:2023-01-05
- 格式:DOCX
- 页数:12
- 大小:28.35KB
基于心电信号分析的睡眠呼吸暂停综合征检测算法研究 1.docx
《基于心电信号分析的睡眠呼吸暂停综合征检测算法研究 1.docx》由会员分享,可在线阅读,更多相关《基于心电信号分析的睡眠呼吸暂停综合征检测算法研究 1.docx(12页珍藏版)》请在冰豆网上搜索。
基于心电信号分析的睡眠呼吸暂停综合征检测算法研究1
基于心电信号分析的睡眠呼吸暂停综合征检测算法研究
摘要:
睡眠呼吸暂停综合征(SAS)的诊断对预防高血压、冠心病、心律失常、脑卒中等疾病具有重要的临床意义。
本文基于单通道的心电(ECG)信号提出了一种新的SAS检测算法,该算法首先对ECG信号进行QRS波检测和预处理,得到RR间期和心源性呼吸(EDR)信号序列,并从中提取各项时频特征参数(n=40),再对这些参数归一化处理后,使用支持向量机(SVM)进行分类训练,最终获得可评判SAS的指标。
经MIT-BIH权威数据库(Apnea-ECGdatabase)实验表明,本文算法在训练集和测试集上的准确率分别为95%和88%。
睡眠呼吸暂停综合征是一种常见多发性睡眠疾病,影响着人们的睡眠质量,更是高血压、冠心病、心律失常等多种疾病的独立危险因素。
近年来,关于睡眠呼吸暂停综合征的检测、预防以及治疗方案引起受到了极大的关注。
而传统的睡眠呼吸暂停综合征检测方法就是使用多导睡眠图(Polysomnogram,PSG)。
本论文在研究了现有睡眠呼吸暂停综合征研究检测算法之后,提出了一种基于单通道心电信号的睡眠呼吸暂停综合征检测算法。
本算法使用陷波器与中值滤波器来对心电信号进行预处理,在消除工频干扰和基线噪声的同时保证了心电信号受损较小;在基于小波分解的QRS波检测算法之上,提出了RR间期矫正算法,有效地降低了R波漏检和过检的问题,提高了RR间期散点图的集中度;在心率变异性研究基础上,提出了一系列时域频域特征值,能够有效地表征睡眠呼吸暂停综合征;在分类问题上,采用支持向量机(SupportVectorMachine,SVM)的分类方法,以结构风险最小化为原则,有效地解决了传统机器学习方法过学习的问题,保证了分类模型的泛化能力;在评价分类模型的性能指标时,本文使用F值法,解决了敏感度和特异度的矛盾问题。
经MIT-BIH权威数据库(Apnea-ECGdatabase)检测表明,本论文算法在训练集和测试集上的准确率分别为94.44%和87.82%,达到国际领先水平。
与PSG方法相比,本论文算法具有简单、准确、高效、全自动的优点。
该算法可以应用于动态心电图等心电设备从而使得患者检测睡眠呼吸暂停综合征变得简单实惠,具有良好的应用前景。
关键词:
睡眠呼吸暂停综合症、QRS复波检测、心电信号。
Abstract:
thediagnosisofsleepapnea(SAS)hasimportantclinicalsignificanceinpreventinghypertension,coronaryheartdisease,heartarrhythmiaandstroke.ThisarticleisbasedonsinglechannelECG(ECG)signalsanewSASdetectionalgorithmisproposed,thealgorithmofECGsignalisfirsttheQRSwavedetectionandpretreatment,gettheRRinterphaseandsourcesexrespiration(EDR)signalsequence,andextractthetime-frequencycharacteristicparameters(n=40),againtotheseparametersafternormalizationprocessing,usingsupportvectormachine(SVM)classificationtraining,finallygettoevaluationindexofSAS.AccordingtotheMIT/BIHauthoritydatabase(apne-ecgdatabase),thealgorithmis95percentaccurateand88percentaccurateinthetrainingsetandtestset.Sleepapneasyndromeisacommonandmultiplediseasethataffectspeople'ssleepquality,butalsoavarietyofdiseasessuchashypertension,coronaryheartdisease,arrhythmia,independentriskfactors.Inrecentyears,thedetection,preventionandtreatmentofsleepapneahasreceivedconsiderableattention.ThetraditionalmethodofdetectingsleepapneaisPolysomnogram(PSG).Isstudiedinthispapertheexistingsleepapneasyndromeresearchdetectionalgorithm,isproposedbasedonasinglechannelecgsignaldetectionalgorithmofsleepapneasyndrome.Thealgorithmusetrapandmedianfiltertoecgsignalpreprocessing,ineliminatepowerfrequencyinterferenceandbaselinenoiseatthesametimeguaranteetheecgsignaldamagedsmaller;IntheQRSwavedetectionalgorithmbasedonwaveletdecomposition,RRinterphasecorrectionalgorithmisproposed,andeffectivelyreducetheRwaveleakandinspectionoftheproblem,improvetheRRinterphasescatterplotconcentration;Onthebasisofthevariationofheartratevariability,thispaperproposesaseriesoftime-domainfrequency-domaineigenvalues,whichcaneffectivelyrepresentsleepapneasyndrome.Ontheclassificationproblem,byusingtheSupportVectorMachine(SupportVectorMachine,SVM)classificationmethod,withminimumstructureriskprinciple,effectivelysolvestheproblemsoftraditionalMachinelearningmethodthroughlearning,ensurethatthegeneralizationabilityoftheclassificationmodel;Inthispaper,theproblemofsensitivityandspecificityissolvedbyusingFvaluemethodwhenevaluatingtheperformanceindexesoftheclassificationmodel.BytheauthorityofMIT-BIHdatabase(Apnea-ECGdatabase)testshowedthatthealgorithminthispaperonthetrainingsetandtestingsetofaccuracywere94.44%and87.82%respectively,reachedtheinternationalleadinglevel.ComparedwithPSGmethod,thispaperissimple,accurate,efficientandfullyautomatic.Thealgorithmcanbeappliedtodynamicelectrocardiogram(ecg)andotherelectricalequipmentsoastomakethetestinginpatientswithsleepapneasyndromebecomessimpleandeconomical,hasagoodapplicationprospect.
Keywords:
sleepapnea,QRSmultiwavedetection,electrocardiogram
第一章绪论
1.1睡眠与睡眠疾病
睡眠是人类生命过程的重要组成,是恢复精力的最佳方式。
科学上关于睡眠
的定义分为几种方法:
受到刺激很容易完全恢复的一种生理状态,或意识相对丧
失、没有自主肌肉活动,并且是周期性需要的一种生理状态。
我们一般可以认为
没有运动、姿势固定、对剌激的反应减弱、可以觉醒这四个方面来判断一个人是
否处于睡眠状态。
人的一生之中大约有三分之一的时间是在睡眠中度过的。
通常儿童需要保证
每天小时以上的睡眠时间,青少年至少需要每天到个小时,成年人的健康睡眠时间为小时。
充足而又健康的睡眠对于恢复身体状态、减缓生活压力、保持情力旺盛都有着重要意义。
相反,睡眠不足或者睡眠质量不高会影响大脑的创造性思维、影响青少年的生长发育、影响皮肤健康等年国际精神卫生和神经科学基金会主办的全球睡眠和健康计划发起了一项全球性活动,将每年的月日定为“世界睡眠日”。
人们开始逐渐关注睡眠重要性和睡眠质量。
根据年国际睡眠分类,睡眠疾病共有余种,最常见的如失眠、睡眠呼吸暂停综合征在人群中的患病率均很高一些少见的睡眠障碍如发作性睡病也逐渐被认识。
睡眠呼吸暂停综合征是一种非常常见的睡眠疾病,却常常被人们所忽视。
1.2睡眠呼吸暂停综合征
睡眠呼吸暂停综合征(是一种常见的睡眠疾病,影响着大约的成年人。
具体是指每晚小时的睡眠时间中出现超过次呼吸暂停,并且每次暂停的时间超过秒,或者每小时呼吸暂停的次数大于。
这是一种累及多系统并造成多器官损害的疾病,是高血压、冠心病、心律失常、脑卒中等多种疾病的独立危险因素。
呼吸暂停(是指睡眠中口鼻呼吸气流均停止达到秒以上。
低通气(是指睡眠过程中口鼻气流较基础水平降低以上,并伴有血氧饱和度下降超过,持续时间超过睡眠呼吸暂停低通气指数,是指平均每小时睡眠呼吸暂停次数与低通气次数之和。
睡眠呼吸暂停综合征是指在每晚小时的睡眠中,呼吸暂停反复发作次以上或者超过次以上。
所以睡眠呼吸暂停综合征也叫睡眠呼吸暂停低通气综合征。
根据病因以及表现形式可以把睡眠呼吸暂停综合征分为三类,即阻塞性睡民呼吸暂停综合征(、
中枢性睡眠呼吸暂停综合征(丨,及混合型睡眠呼吸暂停综合征(,。
阻塞性睡眠呼吸暂停综合征的主要表现是口鼻气流停止但是胸腹呼吸动作仍存在,一般是因为上呼吸道阻塞而引起的呼吸系统疾病。
中枢性睡眠呼吸骤停综合征是指口鼻气流和胸腹的呼吸动作都消失,原因一般是中枢神经系统的呼吸中枢功能障碍或支配呼吸肌的神经或呼吸肌病变,气道可能无堵塞但呼吸肌不能正常工作从而导致呼吸暂始,然后表现为阻塞性睡眠呼吸暂停,睡眠过程中呼吸气流要低于正常气流的一半以上。
其中阻塞性睡眠呼吸暂停综合征最为常见,也是本论文讨论的重点。
据调查统计,大约有的人患有睡眠呼吸暂停综合征。
欧洲为,日本为美国岁以上男性为,中国为,其中老年人口的发病率尤其高,大约有。
睡眠呼吸暂停合症常常表现为打軒、白天嗜睡、反应迟铁、判断能力差、夜间遗尿。
由于空气在肺部的交换不正常会对人体各个脏器都会造成危害,导致供氧不足,容易引发心脑血管疾病。
每天大约有人死于该症。
1.3多导睡眠图
目前睡眠呼吸暂停综合征的检测方法主要有多导睡眠图检测、线头影、鼻
咽纤维镜检查。
其中多导睡眠图监测是最权威的方法,不仅可以判断睡眠呼吸暂
停综合征的严重程度,而且可以定量分析患者的睡眠结构,了解患者睡眠过程中
的低血氧、呼吸紊乱以及心电血压的变化。
对睡眠呼吸暂停综合征的检测,多导睡眠监测仪是目前国际公认的“金标
准”。
如图丨所示,可以记录睡眠过程中的多项生理参数,包括脑电图、心电图、口鼻气流、血氧饱和度、軒声、体位、眼球运动、肢体运动、胸腹呼吸运动等。
可以通过计算机软件来观察各项信号特征,计算机软件(如图所示)可以初步分析患者的睡眠状况、呼吸状况、心脏状况,之后再由专业人员对分析结果进行人工修改矫正,从而得出正确的结果。
但是检测也有许多缺点。
首先,检测时间至少是小时,一般要患者在医院睡眠监护室睡一个晚上,所需时间长,检查费用昂贵。
其次,检查时因为要检测多路生理信号,所以要把许多传感器连接到人体上。
但是人体上连接上多个传感器会对睡眠质量产生一定影响从而使得测量结果有所偏差从而
影响诊断。
1.4国内外研究现状
由于检查的诸多不便之处,国内外许多专家学者开始研究睡眠呼吸,试
图简化检测,从单一或者少量的生理信号中去获取睡眠呼吸暂停的特征信
息,并取得了一定的研究成果。
早在上世纪八十年代就有学者发现睡眠呼吸暂停综合征和心电图存在关系。
在年,丨丨仙如等人发现睡眠呼吸暂停中与心率变异性存在关系。
他们观察了个睡眠呼吸暂停综合征病人的小时心电图与图,发现在睡眠呼吸暂停综合征刚开始会出现心搏减缓,然后在恢复正常呼吸的时候会出现心搏突然加剧。
所以可以尝试从心电图的形态学分析来检测睡眠呼吸暂停综合征的发生。
但是在心脏自主神经系统受损的情况下,就不存在上述规律。
联合主办了一个比赛关于心电图和睡眠呼吸暂停综合征的比赛。
从单导心电信号中量化分析睡眠呼吸暂停综合征。
这个比赛极大的推动了众人对心电图和睡眠呼吸暂停综合征关系的研究。
世界各地多个研究小组参加了此次比赛并且提交了他们的算法。
比赛结果评判主要有两部分。
第一部分是通过算法来区分有睡眠呼吸暂停综合征的病人以及无睡眠呼吸暂停综合征的病人。
第二部分是对每分钟的心电信号进行评估,判断这一段时间是否存在睡眠呼吸暂停综合征。
个有标记的记录供算法开发者使用,然后还有个记录是用来对算法进行评分。
最好的算法一般使用心电信号的频域特征来分析心率变异性以及呼吸对心电波形的影响。
总计有个算法获得了第一部分的正确率,有个算法对第二部分准确率超过了。
许多研究者都使用了心率变异性等人。
和地用了希尔伯特变化从心率信信号中提取出频率信息。
等人的算法使用了的时频能量图。
丨】使用了心率功率谱的频域阈值法来检测睡眠呼吸暂停综合征。
综合使用了谱估计,希尔伯特变换,离散
小波变换作为后续的特征选取。
许多算法使用了心电信号的衍生信号。
比如心电图谱能量,间期,波中的波幅值,利用波或者波的幅值的能量谱作为检测参数。
人都是用了心电信号的时域特征。
使用的的是心率变异性的标准差,同时还额外添加了一些非线性统计学参数来改进检测结果。
通过两次减均值的操作突出了正常人和患者的心电图差异。
】使用了一位医学专家的评判规则即睡眠呼吸暂停综合征发生的时候会会有周期性的心率变化,首先会有至少六分钟的心率抬升期,然后恢复到正常水平。
这种变化至少会出现三次。
比赛的结果是各个算法在睡眠呼吸暂停综合征检测上都有不错的表现,进一步证明了这个想法的可行性以及比赛的实际意义。
可以从两方面来看待比赛结果,第一部分的比赛结果如表所示。
第一列表示研究者算法的准确率,第二列表示算法开发者的小组成员,第三列表示算法的提交日期,第四列表示算法开发者所在的小组编号。
表格中是前】名参赛者的结果。
可以看出在区分患有睡眠呼吸暂停综合征的病人和健康者方面有四个小组获得了的准确率,前个小组的最差成缋也是。
这证明了根据心电信号来诊断睡眠呼吸暂停综合征病人是具有很大可行性的,而且可以取得比较满意的结果。
第二部分的结果如表所示,第一列是算法的得分,满分为,第二列为研究者的名称,第三列为算法提交的日期,第四列为研究者所在小组的编号。
可以看出大部分算法的准确率都超过了有两个算法的准
确率已经超过了。
由此证明完全可以精确的检测到睡眠呼吸暂停综合症开始
和结束的时间。
医生对每分钟的信号做一个是否是睡眠呼吸暂停综合征的评价也是合理的。
这是因为睡眠呼吸暂停时往往伴随着血氧饱和度的下降,两者的相关系数大约在到之间。
其中表现最好的算法是根据波的形态衍生出的呼吸信号和心率变异性的频域参数来检测的。
排名前位的算法都对第一部分的验证完全正确。
所有算法都采用了离散福利也变换或者离散小波变换。
大部分算法都宣称心电的形态学变化往往来源于体位的变化或者呼吸变化。
近几年也有许多的研究者利用各种各样的信号来检测睡眠呼吸暂停综合征
试图简化也取得了不错的效果,例如】等人通过对血氧饱和度信号进行分析,从中提取出个时域频域特征,绘制出各个特征的接受者操作特性曲线(丨,使用步进式回归分析。
对个病人测试,最后达到了的林敏度,的特异性,以及的精度。
等使用心音信号和心电信号来开发出一个支持向量机(叩分类器,用于分类正常信号与病患者信号。
最后对丨个患者进行测试得到的灵敏度和的特异性。
丨】通过鼻气流和胸腹运动来检测睡眠呼吸暂停综合征发生时间。
整个检测系统包括三个部分,信号分割,特征提取,分类。
最后获得了的灵敏度,的特异性以及
的精度。
目前已有的睡眠呼吸暂停综合征检测算法都取得了较好的效果,但是往往还
存在一些不足之处。
使用多通道信号的算法,往往存在信号提取不方便、影响患
者睡眠、检测过程复杂等问题。
而使用单通道信号的算法往往存在准确度不高、
泛化能力弱、对信号质量要求高、需要人工矫正等问题。
1.5论文研究目标
随着人们对睡眠质量越来越重视以及睡眠医学的逐步发展,睡眠呼吸暂停综
合征巳成为目前生物医学工程科学领域内非常热门的一个话题。
本论文在现有研
究基础之上提出一种新型的睡眠呼吸暂停综合征检测算法,解决现有算法的一些
不足之处。
而选择算法首先要解决信号选择问题。
根据已有文献可以证明心电信号与睡
眠呼吸暂停综合征之间相关性非常高,而睡眠呼吸暂停综合征患者往往会导致一定程度的心血管系统疾病,并且心电信号的获取非常容易,目前监测巳普及到各县级医院和部分厂矿企事业单位门诊部。
全国总计拥有仪器五万余台。
临床应用领域不断扩大。
除之外还有心电图机、等各种普遍存在的医疗设备可以获取患者的心电信号。
因此本论文的研究目标是提出一种基于支持向量机的算法,可以全自动、高
效、准确地从心电信号中检测出睡眠呼吸暂停综合征。
1.6论文研究内容
本论文在睡眠呼吸暂停综合征检测算法现状的研究上对心电信号使用陷波
器和中值滤波进行预处理以消除工频干扰和基线漂移,接着检测出波并进
行间期矫正,然后根据间期信号与心源性呼吸信号提取时域频域特征,
最后使用支持向量机进行分类并用权威标准数据库进行验证。
论文的具体内容安排如下:
第一章介绍睡眠与睡眠疾病以及多导睡眠图,并概述当前睡眠呼吸暂停综合
征检测的国内外研究成果。
第二章介绍心电信号相关知识,包扩心电信号的生理知识、常见的心电噪声、
心电信号与睡眠的关系,以及本文所使用的心电数据库。
第三章介绍心电预处理技术和波检测技术,包括心电与处理技术和
波检测技术的现状,以及本文所使用的实际算法。
第四章介绍特征提取,包括间期与心源性呼吸信号的意义与提取方法以
及本文提取的具体特征。
第五章介绍模式识别技术、支持向量机理论以及具体分类算法。
第六章对本文算法进行总结与展望。
第二章睡眠与心电基本知识
随着社会经济的发展以及人们生活习惯的变化,睡眠疾病巳经成为一项严重
威胁人类生命健康的疾病。
而睡眠呼吸暂停综合征与心电信号有着紧密的关系,
心电信号反应了睡眠呼吸暂停综合征的基本特征,具有很高的研究价值。
本章将
介绍睡眠呼吸暂停综合征与心电信号的关系、心电信号的产生机理、心电图的基
本知识、心电信号的常见噪声以及本论文研究所使用的心电数据库。
2.1睡眠呼吸暂停与心电信号
与睡眠呼吸暂停综合征相关的生理信号主要由脑电信号、呼吸信号、心电信
号,而相对脑电信号与呼吸信号来说,心电信号的检测更为筒单方便,而且心电
信号能够基本反映睡眠呼吸暂停综合征的主要特征,所以本文选取心电信号作为
特征信号来做睡眠呼吸暂停综合征检测。
人体心电信号是会受到呼吸活动影响的,临床上常常把心电信号与呼吸信号
同步观测,用来诊断某些心律失常疾病。
心电图的信号由于人体体表电极采集得
至,而胸导电极会随着呼吸而产生位移,肺部的收缩与膨胀会导致电阻抗有所差
异,从而使得心电信号受到影响,相当于在原始心电信号上加上了一个调制信号,
使得心电信号的幅值随着呼吸周期性的变化。
许多专家学者都专注于从心电信号
中提取呼吸信号,并且取得了不错的成果,得到了与呼吸信号相关性很高的心电
导出信号。
从生理系统角度上看,正常人的心率是受交感神经和副交感神经共同调节
的。
正常人在睡眠时,以副交感神经为主,使得心率脉搏都变慢。
但是当睡眠时
发生呼吸暂停会导致心率下降甚至心脏停搏。
当呼吸暂停结束时,会导致交感神
经兴奋,心率会升高甚至会产生异位搏动,使得心肌暂时性缺血,很容易导致心
肌劳损。
由于睡眠呼吸暂停综合征患者往往伴随着缺氧,会导致交感神经活动加
强,而副交感神经减弱,使得自主神经系统调节失衡,反应为心率变异性的变化。
心率变异性的高频部分反应的是交感神经活动,而低频部分反应着副交感神经的
兴奋。
所以可以从心电图分析中获得与睡眠呼吸暂停综合症相关的信息。
通过对
睡眠心电基本知识心率变异性的时域频域特征研究可以获得当前的呼吸状态。
如等人发现在睡眠呼吸暂停综合征发生时,高频成分未发生显著变化,但是低频成分显著增加,导致高低频能量比发生显著变化。
由于心电信号与呼吸的紧密关系以及睡眠呼吸暂停综合征对心电信号的显
著影响,一定可以从心电信号中提取出与睡眠呼吸暂停综合征相关的特征信息。
所以本文选择心电信号作为作为分析信号。
2.2心电信号的产生机理
心肌细胞膜内外存在着一定的电位差,称为跨膜电位。
在安静状态下心肌细
胞膜外电位为正,膜内为负,处于极化状态,静息电位指的就是膜内外的电位差。
当心肌细胞兴奋的时候就会产生一个可以传播的电位变化,称为动作电位。
心脏各部分心肌细胞的动作电位会有差异,主要体现在幅值和时程上。
这是各部分心肌生理特性差异的电生理基础,保证了心脏的正常起搏和传导以及心房心室协调有序的兴奋从而完全泵血功能。
这就是心电图波形产生的基础。
心脏传导系统是心壁内部还有特殊的心肌纤维的组织结构组成的传导系统,负责将冲动传导到心脏的各个部分,从而使得心房肌和心室肌产生节律性的收
缩。
主要包括窦房结、房室结、房室束、左右房室束分支、希氏束以及分不到心
室乳头肌和心室壁的许多细支。
心
- 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:
- 基于心电信号分析的睡眠呼吸暂停综合征检测算法研究 基于 电信号 分析 睡眠 呼吸 暂停 综合征 检测 算法 研究