新的测量脉搏变异性和检测房颤基于改进时间同步平均

文摘

背景。脉搏变化监测和心房纤维性颤动检测算法已经广泛用于可穿戴设备,但这些算法的精度由脉搏波信号质量的限制。时间同步平均是一个强大的阶段性和近似周期信号的降噪方法。它通常是用来提取单一阶段脉冲波形,但与脉搏变化监测和心房纤维性颤动检测传统。如果这个方法提高得当,它可能提供一个新的方法来测量脉搏变异性和检测心房纤维性颤动,这可能有一些潜在的优势条件下的信号质量差。客观的。本文的目的是开发一个新的测量脉搏变异性通过改善现有的时间同步平均和检测房颤脉搏率变化的新措施。方法。在平均时间同步,两个相邻时期被认为是基本单位来计算平均信号,和两个相邻时间的波形的区别是脉搏变异性的新措施。三种距离措施(欧氏距离、曼哈顿距离和余弦距离)测试来衡量这种差异在一个模拟训练集容量为1000。距离测量,可以准确区分常规脉冲重复频率和不规则的脉冲重复频率,在测试用于检测房颤组容量为62(11与心房纤颤,8过早收缩,与窦性心律和43)。接受者操作特性曲线是用来评估的性能指标。结果。波形之间的欧几里得距离的两个相邻时间执行最好的训练集,在测试集上的欧几里得距离房颤组显著高于其他两组。接受者操作特征曲线下的面积来确定心房纤颤是0.998。阈值为2.1,精度,灵敏度、特异性分别为98.39%,100%,和98.04%,分别。这个新的指数可以从脉搏波信号检测房颤。结论。该算法不仅提供了一个新的视角来检测房颤也完成了减压阀的监测和单一的时间段的提取脉搏波通过相同的技术路线,这可能促进脉搏波的推广应用。

1。介绍

桡动脉脉搏波是健康监测和疾病诊断的一个重要信号,其中包含丰富的生理信息。不同于ECG信号常被用来检测各种心律失常(1),桡动脉脉搏波不仅包含心率及其变化的信息,广泛应用于智能手表和其他可穿戴设备(2- - - - - -4),但也可以帮助传统的方法诊断和监测的发生和发展多种常见疾病如高血压、糖尿病、冠心病(5- - - - - -10]。此外,收购桡动脉脉搏波比心电图更方便。然而,除了心房纤颤(房颤)检测和其他脉搏变异性密切相关的应用程序(减压阀),大多数应用程序依赖于单一的时间段脉搏波中包含的信息。由于可穿戴设备干扰的敏感性,所以很难收集有价值的单一阶段脉冲波与现有的可穿戴设备中包含的信息单一阶段脉冲波是由可穿戴设备人员忽视。即使对于减压阀监测和房颤检测算法,当务之急是在脉搏波采集受试者保持静止。脉搏波的应用受到疲软的抗干扰能力。

时间同步平均(TSA)是一种广泛使用的信号处理技术,允许将周期性的波形从噪声中提取信号(11,12]。这是传统上适合机械系统的振动分析移动圆如变速箱。这种信号的噪声平均可以有效地通过逐步积累的那些部分信号与基准同步点。不同于其他降噪方法,TSA可以有效降低所有独立噪声不考虑频率特性和阈值的选择。此外,信号周期脉搏波质量评价方法(13可以合并在TSA识别和消除严重干扰。也就是说,我们可以选择更少干扰时间从脉搏波系列完成TSA的质量差,而不是丢弃整个系列(图1)。类似的算法已经应用于单一阶段脉冲波形提取(14,15]。然而,在现有的应用程序,脉搏波信号被认为是一个严格的周期信号,和起点或波形的最高点作为基准点同步没有讨论这些步骤的基础。更重要的是,单一的时间段提取脉搏波由现有TSA方法不包含减压阀的信息。它与减压阀监测和房颤检测。这可能是TSA的原因是忽略了可穿戴设备人员。

然而,如果我们把两个相邻时间作为基本单位来计算平均信号,可以预期,增加减压阀,第二时期的波形会逐渐扭曲失调(图2)。波形的区别的两个相邻时间获得的TSA可能提供一个新的减压阀。与传统的减压阀措施相比,它可能有一些潜在的优势条件下的信号质量差。这个指数主要反映了心率的不规则变化。过早收缩(PC)患者通常有固定的心脏节律的变化,相邻周期之间的区别可能不是很大,因为仍有相当数量的第二段波形是同步的。新指数可以有效区分房颤与PC和窦性心律(SR)。

本文的目的是开发一种新的衡量减压阀和改进现有TSA的检测房颤脉搏变异性的新措施。

2。方法

2.1。数据

在这项研究中,桡动脉脉搏波信号来自112名住院患者进行心电图(ECG)检查在上海曙光医院2019年7月至2020年1月,包括与房颤11例,8例与电脑,和93例为每个主题,老左桡动脉脉搏波信号的长度60秒被wrist-type脉冲波监测(类型:智能TCM-I,产品由:上海亚洲及太平洋计算机信息系统有限公司,有限公司,上海,中国)后,主题是坐着或者躺着至少5分钟。心电图检查和脉搏波采集在同一天进行但不同时。

2.2。预处理

预处理的步骤,包括周期分割和信号质量评估,见图3。

将脉搏波系列分割成时期,原始信号的导数是用于定位分割阈值点的方法(图4)。在阈值测定,每个脉搏波系列与9试验阈值分割(0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,和0.9)。所有获得的部分进行评估的逻辑回归模型(13),可以将部分划分为正常段和异常段。的最大数量的阈值正常段得到被选为下一个步骤。

在信号质量评价过程中,段时期获得的分割分为正常和异常段同样的逻辑回归模型用于确定阈值。异常段被消除,正常的范围段增长50%在双方准备测量减压阀(图5)。

2.3。时间同步平均

如何与不同长度平均单时期脉冲波在同一序列和什么是适当的基准点与最强大的抗干扰能力问题没有充分讨论TSA的当前应用程序。

如图2,即使在房颤患者的脉搏波,收缩也有类似的长度和形状,心动周期持续时间的差异主要是由于舒张期持续时间的差异。是因为心肌收缩的过程和动脉血管的状态相对稳定为同一个人,和心脏舒张期的持续时间不会显著影响左心室舒张末期容积的低利率在舒张末左心室充盈。初始条件和收缩的过程基本上是稳定的。这是一个适当的平均方法积累和平均预处理数据没有任何拉伸或压缩,因为大多数常见的时域特性除了心动周期的持续时间和舒张收缩从脉搏波中提取。

图4显示一系列脉冲波和它的导数。原始信号的导数是几乎完全不受基线漂移和显示清晰的分割点。导数的峰值是由周期性的血液从左心室的快速抛射。不同起点的最高点或一段波形相对温和,容易扭曲了外部干扰,导数具有较强的抗干扰能力的高峰,因为脉搏波的变化引起的快速射血引起的血液比这更重要的外部干扰。此外,QRS波群,它是最常用的心跳基点计算心率在心电图16),是由相同的心脏事件。利用导数在每个时期的峰值作为参考点,计算结果可能有更好的可比性与心电图的结果。因此,导数的峰值是一个适当的基准点TSA的同步。

因此,在TSA,扩大单一阶段获得的脉冲波形预处理与每个时期的最大导数值同步,和所有的波形从一个脉搏波系列平均直接拉伸或压缩。同步后,所有的扩展单一阶段脉冲波形被填充为0统一到相同的长度。如果 是一个扩大单一阶段脉冲波形和在序列正常段的数量,扩大单一阶段平均脉冲波形的序列

2.4。房颤的减压阀和检测

找到一个有效的索引、50例SR随机选择的数据集生成模拟训练集容量为1000。测试集组成的其他62例(PC:房颤:11日8日SR: 43)被用来测试的能力选择指数检测房颤。根据训练集生成一个简单和常用的识别标准不规则心脏的节奏变化超过0.16秒心动周期持续时间最长和最短的心动周期持续时间(17]。生成模拟训练集的详细步骤如下(图6):(1)50单时期脉冲波形提取脉搏波信号的选择50例由TSA(2)考虑到心动周期持续时间通常是介于0.6和1年代,对于每一个单一的时间段脉冲波形,20随机数(用 )服从均匀分布(0.6,1)生成模拟不同个体的不同心动周期的持续时间。1000基地心动周期持续时间为1000年预期生成训练样本(3)1000单时期脉冲波形产生的拉伸或压缩原始单一阶段脉冲波形长度等于 。所有的1000单时期脉冲波形被随机分为心律失常组和对照组每组500波形(4)每个训练样本由60心脏周期,每一个心动周期的持续时间波动持续时间在基地 。给出每一个心动周期的持续时间 。在心律失常组,服从均匀分布(-0.09,0.09)。而在对照组,服从均匀分布(-0.07,0.07)。一系列60持续时间为每个训练样本生成。在心律失常组,最大值和最小值之间的变化60持续时间小于0.18,但通常超过0.16。而在对照组,最大值和最小值之间的变化60持续时间小于0.14。它是按照识别标准心律不齐(5)60单一阶段脉冲波形被拉伸或压缩生成相应的单一阶段脉冲波形生成步骤3中使其长度等于60分别持续时间。每个训练样本的脉搏波系列随后通过连接60单时期获得的脉冲波形。考虑到个人的收缩持续时间几乎是恒定的,只有舒张的波形拉伸或压缩,以满足心动周期的持续时间在这一步的要求

训练集生成后,每个训练样本的平均扩大单一阶段脉冲波形由TSA提取。第一个提升肢之间的区别,第二个提升肢体进行区分心律失常组和对照组。第一个提升肢体被定义为最小值和最大值之间的数据上半年扩大单一阶段脉冲波形。第二个提升肢体被定义为数据从最小值最大值之间的上半年和下半年扩大单一阶段脉冲波形和相同的长度作为第一个提升肢体(图7)。考虑到欧几里得距离( ),曼哈顿距离( ),和余弦距离( )是常用的两个向量之间的距离度量,这三个候选指标在训练集测试区分心律失常组和对照组。如果 和 是第一次的数据提升肢体和第二提升肢体,分别 , ,和是由

接受者操作特性曲线(ROC)被用来评估的性能指标。指数最大的ROC曲线下面积(AUC)被选中来检测房颤测试集。选择指数的分布在不同组的测试组被克鲁斯卡尔-沃利斯检验相比。以及房颤识别性能的测试集被ROC曲线评价。

3所示。结果

3.1。在训练集上候选索引的性能

中华民国曲线3候选人训练集上的索引图所示8。的AUC , ,和分别是0.857,0.801和0.516。这两个和可以有效地识别不规则脉冲节奏,在这个任务中表现最好。

3.2。的比较在不同组的测试集

的比较结果在不同组的测试设定的克鲁斯卡尔-沃利斯检验表所示1。的箱线图在不同组的测试设置如图9。结果表明,房颤组明显高于其他两组,有电脑和SN组之间没有显著差异。因此,可以作为一个指标来检测房颤。

3.3。的性能检测房颤测试集

中华民国曲线识别AF测试设置如图10。AUC是0.998,准确性,敏感性,特异性分别为98.39%,100%,和98.04%,分别与阈值为2.1。可以有效地检测房颤从脉搏波信号。

3.4。与其他作品

随着可穿戴设备的普及,研究基于脉搏波的检测房颤是近年来增加(表2)。然而,除了香农熵,大部分的功能用来检测房颤是基于interbeat间隔(IBI)系列,使心脏循环时间的准确计算对焦检测的先决条件。因此,外部干扰的敏感性已成为这些研究的共同弱点。显示在表2,本文提出的方法是最准确的方法之一。和它不依赖IBI系列,因此,可能有更强的抗干扰能力。

4所示。讨论

在本文中,我们提出一种新的测量基于TSA的减压阀。发现这个新指数可以有效地检测房颤从脉搏波信号。它不仅可以应用于严重干扰信号结合单时期脉搏波质量评价方法,但也同时提取高质量的单一阶段脉冲波形,可用于其他脉冲wave-related应用程序。此外,它可以区分房颤和电脑,一直被一个问题识别的AF (21]。

图11显示了一个典型的PC的平均脉搏波。尽管患者的减压阀电脑很大,心动周期持续时间的变化通常是正常的。因此,仍有足够的同步第二提升四肢形成类似的平均波形与第一提升四肢。另第二提升四肢将形成凸起的红框的图9。这个功能通常是位于舒张期的平均波形。健康人的心脏舒张脉搏波逐渐减少通常不明显的特征。此功能可用于检测电脑在未来。

总之,新指数提供了一个新的视角来测量减压阀和检测房颤。此外,它完成了监控的减压阀和单一的时间段的提取脉搏波通过相同的技术路线,这可能促进脉搏波的推广应用。然而,本研究也有局限性:(1)样本容量非常有限,我们必须使用模拟数据,而不是真正的临床数据筛选候选索引。因此,可能不是最好的选择真正的临床资料。(2)收集到的心电和脉搏波不同时,这可能会导致不正确的标签。(3)抗干扰能力没有得到证实,因为新索引并不严重干扰测试数据集。

在未来,我们希望改善这种算法通过收集更多真实的临床数据和筛选距离的措施。此外,它已被发现有一个独特的特点在PC的平均脉搏波。它也是未来的研究方向来开发一个自动电脑检测算法基于这个特点。

缩写

减压阀:	脉冲重复频率变化
房颤:	心房纤颤
运输安全管理局:	时间同步平均
PC:	过早收缩
SN:	窦性节律
中华民国:	接受者操作特性
AUC:	曲线下的面积
心电图:	心电图描记的
IBI:	Interbeat区间。

数据可用性

原始数据用来支持本研究的发现是可用的https://github.com/Xiaodong-Ding/AFDetect。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了国家自然科学基金(81673880)和上海健康鉴定和评价实验室建设资金(13 dz2261000)。

引用

1. m·纳兹j·h·沙阿·m·a·汗·m·谢里夫·m··拉扎·r . Damaševičius,“从心电图信号图片:深度学习的基于变换的方法,”PeerJ计算机科学e386条,卷。7日,2021年。视图:出版商的网站|谷歌学术搜索
2. j·m·拉贾c . Elsakr美国罗马et al .,“苹果看,这套,心律:我们处在什么位置?”《转化医学,7卷,不。17日,第417页,2019年。视图:出版商的网站|谷歌学术搜索
3. t . Kabutoya高桥,t .渡边et al .,“诊断算法的精度检测房颤在wrist-type脉搏波监控”《临床高血压,21卷,不。9日,第1398 - 1393页,2019年。视图:出版商的网站|谷歌学术搜索
4. m·多尔诉Nohturfft:火盆et al .,“观察AF试验:SmartWATCHes检测心房纤维性颤动,“JACC:临床电生理学,5卷,不。2、199 - 208年,2019页。视图:出版商的网站|谷歌学术搜索
5. i Cordovil n g·莫拉,a . s .费雷拉,“中医手腕的脉诊与脉冲波形分析和血液动力学的高血压,”结合医学杂志,14卷,不。2、100 - 113年,2016页。视图:出版商的网站|谷歌学术搜索
6. m . y, f . Cheng Pham et al .,“无创、经济、和instant-result方法诊断和监测2型糖尿病使用脉搏波:病例对照研究中,“JMIR Mhealth Uhealth,7卷,不。4篇文章e11959 2019。视图:出版商的网站|谷歌学术搜索
7. c . w . Chang k·m·廖y . t . Chang s h . Wang y . c . Chen和g·c·王,“第四谐波桡动脉脉搏波预测不良心血管事件在2型糖尿病患者无症状,”《糖尿病及其并发症,33卷,不。6,413 - 416年,2019页。视图:出版商的网站|谷歌学术搜索
8. f·f·李,r .太阳,美国雪et al .,“脉冲信号分析冠状动脉心脏疾病患者使用简要地转换和时域方法,”中国结合医学杂志》上,21卷,不。5,355 - 360年,2015页。视图:出版商的网站|谷歌学术搜索
9. h . j . Chen黄、陈汉宾和j .徐“机器学习方法与怀孕相关的脉冲压力波数据,”国际期刊《生物医学工程中的数值方法,36卷,不。1,p . e3272 2020。视图:出版商的网站|谷歌学术搜索
10. z d·刘,j·k·刘,b .温家宝,他问:y, y, f .苗,“无卷边袖头血压评估使用压力脉搏波信号,”传感器,18卷,不。12,4227页,2018年。视图:出版商的网站|谷歌学术搜索
11. p .短评,”一个修正的模型提取周期波形的时域平均,”机械系统和信号处理,1卷,不。1,第95 - 83页,1987。视图:出版商的网站|谷歌学术搜索
12. 康贝特f . l . >”一个自动化的方法来执行时间同步齿轮箱的平均信号没有速度传感器,”机械系统和信号处理,21卷,不。6,2590 - 2606年,2007页。视图:出版商的网站|谷歌学术搜索
13. x叮,f . Cheng r·莫里斯,c . Chen和y王,“基于机器学习的信号质量评估单时期桡动脉脉搏波:模型开发和验证,”JMIR医学信息,8卷,不。6篇文章e18134 2020。视图:出版商的网站|谷歌学术搜索
14. d . Wang和g . Lu”时期分割基于自适应级联的手腕脉冲信号的阈值和机器学习,”2014年国际会议上医学生物识别技术,深圳,中国,2014。视图:出版商的网站|谷歌学术搜索
15. j·c·夏y Li Yan et al .,”一个实际的手腕脉冲细分方法和单一的时间段平均波形估计,”2008国际生物医学工程与信息学会议,三亚,中国,2008。视图:出版商的网站|谷歌学术搜索
16. j . Koenig和j·f·塞耶”,性别差异在健康人体心率变异性:一个荟萃分析,“神经科学和生物行为的评论卷,64年,第310 - 288页,2016年。视图:出版商的网站|谷歌学术搜索
17. g·拉梅什、d . Satyanarayana和m . Sailaja”自动检测心律失常的心电图信号分析:复习一下,”IOSR VLSI和信号处理杂志(IOSR-JVSP),7卷,不。6、1 - 12,2017页。视图:出版商的网站|谷歌学术搜索
18. o·d·d·麦克马纳斯j . Lee Maitas et al .,“小说申请检测不规则脉冲使用iPhone 4 s的房颤患者,”心脏的节奏,10卷,不。3、315 - 319年,2013页。视图:出版商的网站|谷歌学术搜索
19. l . Krivoshei韦伯,t . Burkard et al .,“智能检测心房纤颤,”Europace,19卷,不。5,753 - 757年,2016页。视图:出版商的网站|谷歌学术搜索
20. s . Fallet m·勒梅·Renevey c . Leupi e . Pruvot和j·m·Vesin”可以检测房颤使用wrist-type photoplethysmographic设备?”医学和生物工程和计算卷,57号2、477 - 487年,2019页。视图:出版商的网站|谷歌学术搜索
21. a . Kashiwa f .小山,k宫本茂et al .,”性能的心房纤维性颤动检测算法使用连续脉冲波监测,“年报的无创性心电学,24卷,不。2篇文章e12615 2019。视图:出版商的网站|谷歌学术搜索
22. 美国Zalabarria、大肠Irigoyen和a·劳”诊断基于动脉脉搏波的心房纤颤脚点使用人工神经网络检测,”计算机在生物医学方法和项目,第197卷,第105681页,2020年。视图:出版商的网站|谷歌学术搜索
23. d·汉s . k .巴沙尔f . Zieneddin et al .,“数字图像处理的特点smartwatch photoplethysmography心律失常的检测”2020年第42届IEEE工程国际会议在医学和生物学协会(EMBC)蒙特利尔,页4071 - 4074年,QC,加拿大,2020。视图:谷歌学术搜索

版权

版权©2021爱丁等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。