文摘
系统评价工作进行十广泛使用和高效QRS检测算法在这项研究中,针对验证在不同的应用程序的情况下他们的表演和有用性。四个实验6个国际公认的数据库。首先,在测试高质量的心电图数据库与低质量的心电图数据库,为高信号质量数据库,所有十QRS检测算法有非常高的检测精度(> 99%),而结果显著降低穷人的信号质量ECG信号(< 80%)。其次,在测试正常的心律失常心电图心电图数据库与数据库,所有10个QRS检测算法有很好的结果这两个数据库(RS斜率算法为94.24% > 95%,除了正常的心律失常心电图数据库和94.44%数据库)。第三,对于节奏的节奏心电图数据库,所有10个算法受节奏节拍(> 94%),除了RS斜率的方法,只输出一个低78.99%的结果。最后,检测精度有明显的减少在处理动态远程医疗ECG信号(< 80%)除了OKB算法为80.43%。此外,时间成本分析10年代心电图段给出了定量指数的计算复杂度。所有十个算法计算效率高(< 4 ms)除了RS斜率(94.07 ms)和6次方算法(8.25 ms)。和OKB算法数值最高效率(1.54 ms)。
1。介绍
心血管疾病(心血管病)是全球最常见的死因。2012年,约有1750万人的死因是心血管病,等同于大约31%的全球死亡(1]。心电图(ECG)信号,表达心肌电活动的身体表面,提供了重要的信息对心脏活动的状态(2]。准确、实时的心跳检测ECG信号的在心血管病的监测中起着基础性作用[3]。
QRS波群是最引人注目的心电信号波形。它是自动化的基础心率的测定,以及分类的基准点心动周期和识别任何异常。在过去的几十年里,QRS波群检测已被广泛研究。1984年,Pahlm和Sornmo讨论了QRS检测方法方面的发达国家在1984年之前数字预处理和检测规则,这是一个非常早期的论文系统地分析了QRS检测方法(4]。2002年,科勒等人回顾和比较了各种各样的QRS检测算法(5]。他们分组算法分为四个类别,分别基于信号衍生品,小波神经网络,和额外的方法。算法比较的计算负载和检测精度进行了评价的算法。这篇论文引用审查文学是最QRS检测算法。2014年,Elgendi等人研究了现有的QRS检测方法针对便携式通用fast-robust探测器,可穿戴、电池和无线心电系统(6]。本研究比较了不同的QRS增强和检测技术基于三个评估准则:(1)噪声鲁棒性,(2)参数选择,(3)数值效率。
然而,审查(4)没有不同QRS探测器的性能进行比较。在审查5),计算负载和QRS检测算法的检测精度并不是基于一个标准数据库,并没有给予定量的比较结果。在审查6),比较的结果只是基于MIT-BIH心律失常数据库,但这些结果从不同的文献。在这些文献中,一些研究者已经排除了一些记录(7从MIT-BIH心律失常数据库)或与心室颤动(排除了一些片段8)为了减少噪声的ECG信号处理。
1990年,从九个不同的噪声敏感性正常QRS检测算法进行评估,单通道铅、合成心电图数据库损坏与五种不同类型的合成噪声(9]。相比2006年,三种方法定量使用类似的算法结构但是应用不同的变换分化心电图(10]。三个转换使用希尔伯特变换器,离散导数平方函数,第二个阶段。2008年,基于传统的一阶导数平方函数法(11)和希尔伯特transform-based方法(12),以及他们的修改与改进检测阈值,分析了文献[13]。2013年,阿尔瓦雷斯等人分析了三种算法的性能(14),锅和汤普金斯算法(15),汉密尔顿和汤普金斯算法(11),和一个相量transform-based算法(16]。然而,一些研究[9,10,13,14]定量比较不同的QRS检测算法基于相同的数据库,也就是说,MIT-BIH心律失常数据库。MIT-BIH心律失常数据库被广泛用于评估QRS检测算法,包括不同形状的心律不齐的QRS复合物和噪音。如许多文献所示,多数QRS检测算法有很高的检测灵敏度和积极predictivity MIT-BIH心律失常数据库(> 99%)1,6]。然而,表现多种算法在多个源心电图数据库所缺乏的。例如,评价心电图信号监控的便携设备尚未系统研究,也挑战当前信号处理算法。从动态心电图信号记录和移动设备不可避免的噪声损坏,由更无法控制的方面,如生理学、病理学、人工影响(17]。因此,常用算法的性能比较应该扩展到多个源心电图数据库。
在这项研究中,十广泛应用的性能和高效QRS检测算法是系统地评估六心电图数据库,特别注重两个相反的类型或特殊应用程序之间的比较情况:高质量的心电图数据库与低质量的心电图数据库,正常心电图数据库与心律失常心电图数据库,节奏韵律心电图数据库,数据库和动态心电图远程医疗。这十个算法被报告为高效算法和适合移动设备的情况下(6,17]。
2。方法
2.1。数据库
2.1.1。高,信号质量差心电图数据库
二百心电图记录生理网从2014 / (CinC挑战12,13)被用于这项研究。这些记录来自两个数据库:100条记录(名为100∼199,采样250 Hz)从训练集和另一个100条记录(采样在360 Hz)增强训练集,每个记录的长度是10分钟。训练集的ECG信号的信号质量总是好的,而增强训练集的信号质量很差。因此,训练集作为一个高质量的心电图数据库和增强训练集被用作质量差心电图数据库在这项研究。
2.1.2。正常窦性心律和心律失常心电图数据库
十八岁长期从MIT-BIH正常窦性心律心电图记录(NSR)数据库被用作正常受试者的数据。每个记录有两个小时的时间长度。心电图信号采样在128赫兹。主题包含在这个数据库没有被发现严重的心律失常。此外,44岁的48记录MIT-BIH心律失常(ARR)数据库被用作病人的数据。四个记录被排除在外,因为它们是节奏的ecg。每个剩下的44个记录有半个小时的时间长度。心电图信号采样在360赫兹。
2.1.3。起搏器节奏心电图数据库
四个从MIT-BIH心律失常数据库记录(记录102年、104年、107年和217年)包括速度信号被认为是起搏器节奏心电图数据库在这项研究。
2.1.4。远程医疗心电图数据库
二百五十年过我从电视数据库ecg (3)在本研究中被用作远程医疗心电图数据库。这些心电图记录记录使用TeleMedCare健康监测器(TeleMedCare企业。有限公司,澳大利亚悉尼)在远程医疗环境中18),在500 Hz取样。
心电图记录从上面的六本研究数据库中选择手动带注释的QRS波群的位置,这些位置被用作参考算法评估(14]。表1详细描述所有这些数据库。
2.2。预处理
执行统一的信号预处理会话之前QRS检测对公平的不同QRS检测方法之间的比较。本次会议包括三个步骤:平坦的线检测,信号消除趋势和带通滤波。
2.2.1。平线检测
心电图检测平线信号,如果样品的部分与恒幅高于80%19]。
2.2.2。信号消除趋势
首先,常用的心电图信号数据计算。那么,最好的拟合值被从心电图信号。“去趋势的Matlab函数。m”被用来去除心电信号的线性趋势。
2.2.3。带通滤波
三阶巴特沃斯(20.带通滤波器是用来过滤ECG信号的频率范围0.05 -40 Hz。巴特沃斯滤波器是一种信号处理过滤器设计要尽可能平坦的频率响应在通频带。它也被称为最大限度地平级过滤器。
2.3。QRS检测算法
众所周知,QRS检测40多年来的一个研究热点。提出了很多QRS探测器。这将是不切实际的比较。三个标准选择合适的算法被用于这项研究:算法效率,检测的准确性,和可能性。根据三个标准,十算法选择约30对QRS检测论文。
任何算法选择在这项研究中应该广泛使用,计算复杂度较低,而且可以在实时的情况下执行在移动设备上。有限制的手机内存和处理器功能,心电图监测使用电池,便携式设备是可取的有效(快速和更少的计算)QRS检测算法。同时,QRS应该检测精度高,检测算法的实际应用是一个重要的依据。我们都知道,研究人员并不总是能写出正确的程序根据一些文件的描述。因此,对QRS探测器的可能性也是一个关键点。
表2显示了这十个算法的四个方面的详细信息。前三个方法都是Pan-Tompkins-based算法和基于同样的原则,但也有许多不同的操作方法。有关更多信息,请参见[21]。
2.4。评价方法
灵敏度(),积极predictivity (),测量(31日)作为评价指标,定义如下: 在哪里是QRS复合物的数量真的发现,是假阳性的数量(额外的错误检测QRS复合物),然后呢是假阴性的数量(错过检测QRS复合体)。
图1展示了一个示例(标记为蓝色的“o”),(绿色“+”),(粉红色“o”)从低质量的创纪录的41778数据库检测。红色“+”符号表示参考QRS注释(R-ref)。用宽容50毫秒的时间窗口,用垂直灰色区域来确定检测。如果检测QRS位置在当前垂直灰色区域,它被认为是检测。如果检测QRS位置的当前垂直灰色区域,它被认为是检测。如果没有检测到QRS位置在当前垂直灰色区域,它被认为是检测。如果存在多个检测QRS位置在当前垂直灰色地带,一个被认为是检测和其他人检测。
在这项研究中,心电图信号首先划分为10年代心电图集50%重叠;也就是每集与上一个有5 s重叠。然后采用QRS检测算法进行每个10年代心电图。然后,结果QRS位置从10集都是集成算法作为最终输出。
3所示。结果
图2说明了线图十算法的结果这六个心电图数据库。所有十QRS检测算法有很好的结果高信号质量心电图数据(> 99%,黑色平方线)。然而,结果显著降低信号质量差的心电图信号(< 80%,红圆线),OKB算法最高的报道结果为75.35%,而RS斜率算法给最低的63.66%的结果。蓝色的等边三角形线和红色的倒三角形代表NSR的结果和ARR心电图数据库,也就是说,正常受试者和心律失常患者,分别。所有十QRS检测算法有很高的结果这两个数据库(> 95%除了RS斜率算法NSR ARR数据库数据库和94.44%与94.24%)。OKB算法仍然最高结果97.89%和97.09%的两个数据库。Paced-rhythm心电图数据库,所有10个算法都受节奏节拍(> 94%),除了RS斜率的方法,只输出一个低结果78.99%(绿色菱形线)。然而,对于远程医疗数据库,检测精度有明显的下降在处理动态远程医疗ECG信号。所有其他九个算法报告结果除了OKB算法用一个低于80%分数的80.43%。给了最低的6次方算法结果74.08%(黑色三角线)。
在这项研究中,所有的测试都是在MATLAB中实现2014 (MathWorks公司纳蒂克,妈,美国)在英特尔TM i5 CPU 3.30 GHz。图2也说明了直方图的时间成本。这一次成本分析心电图段(即。,10 s ECG signals in this study) on the six ECG databases. All ten algorithms had high numerical efficiency (all <4 ms) except RS slope (mean: 94.07 ms, SD: 24.85 ms) and sixth power algorithms (mean: 8.25 ms, SD: 2.12 ms). OKB algorithm had the highest numerical efficiency (mean: 1.54 ms, SD: 0.15 ms).
4所示。讨论
在这项研究中,十广泛使用的QRS检测算法的性能和较低的计算复杂度是系统地评估六心电图数据库,特别注重两个相反的类型或特殊应用程序之间的比较情况:高质量的心电图数据库与低质量的心电图数据库,正常心电图数据库与心律失常心电图数据库,节奏韵律心电图数据库,数据库和动态心电图远程医疗。所报道的这些十广泛使用的算法是非常有效的算法和适合于移动设备的情况。
QRS检测已被广泛地研究过了40多年。然而,大多数临床心电图QRS探测器关注清洁数据收集使用稠化胶电极应用于精确的位置。作者的最好的知识,这些探测器被心电图测试数据与信号质量差。在文献[9],加里等人分析了九个不同的表演在心电图QRS检测算法数据损坏与五种不同类型的合成校准噪声和报道,这些算法的检测精度退化的噪音水平增加。谢et al。32和哈米斯等。3)报道,QRS探测器的性能在远程医疗动态心电图数据库很穷,如果检测是没有任何预处理。在这项研究中也证实了这种情况下的测试结果;探测器的探测精度,这是不利于ECG信号的信号质量差和高噪声水平。如何解决这个问题?在文献[3,32),工件掩蔽技术作为预处理步骤避免使用噪声数据的计算方法或在QRS检测阈值。报道,这项技术高度提高了检测精度,但这并没有消除QRS探测器需要健壮的一些噪音的存在。在生理网/计算2014年心脏病的挑战[33),多通道生理信号被用来检测心脏跳动时,这可能会提高检测精度。此外,多引入线的心电图数据融合方法(31日,34,35)可能是一个有前途的方法,在信号质量差心电图QRS波群检测数据库。摘要组数据库包括高和信号质量差心电图数据库。为高信号质量心电图数据库,所有十QRS检测算法有很高的(> 99%),而最高信号质量差的结果数据库只有75.35%。
不同个体的ECG信号显示变化,健康受试者和患者之间的差异更大,尤其是心律失常患者。心律失常心电图ECG有不同的模式与正常状态相比。不同心律失常状态,如过早心律失常,室性心律失常和传导心律失常,各种ECG波形(37]。QRS检测是困难的,因为生理变化的QRS复合物。此外,不规则的心跳可能增加检测困难客观(38]。然而,十个算法的性能测试本文在心律失常数据库并没有大幅下降。一个可能的原因是MIT-BIH心律失常数据库被广泛用于评估QRS检测算法,它包括不同形状的心律不齐的QRS复合物和噪音3,11,15]。和一些QRS探测器被这个数据库优化(1]。在这项研究中,所有10个QRS检测算法有很高的结果NSR和ARR数据库(> 95%除了RS斜率算法NSR ARR数据库数据库和94.44%与94.24%)。OKB算法仍然最高结果97.89%和97.09%的两个数据库。在这个算法,优化参数固定通过培训MIT-BIH心律失常数据库使用严格的蛮力搜索方法。
节奏节拍是另一个威胁,尤其是对该算法基于斜率和幅度。然而,在这项研究中,只有RS意外大幅下降斜率算法的性能。这个算法区别其他负面的RS斜率斜坡根据其幅值和持续时间的一致性。在节奏的心电图数据库,有许多心室融合比包括节奏刺激信号和QRS波群波。心室融合击败的负斜率不再突出,如图3。在心室融合,这种一致性已被摧毁。由于RS斜率算法的假阴性的数量非常大(RS斜率算法:3045和第二大只有773)。其他九个算法被强劲的节奏节拍的影响。7这些方法(锅和Tompkins-based三个算法(11,15],FSM [25],U3 [26),“jqrs”[28],OKB [1]算法)认为峰值能量集成的特征值,广场或六权力操作。不连续RS斜率几乎没有影响峰值能量提取。U3变换算法使用非线性变换在时域基于曲线的概念39),受RS边坡变形的影响。在DOM算法(2),积极的和消极的阈值检测可以删除这个波动RS的斜率。
当前的电池驱动设备,如智能手机和平板电脑的进步使这些技术必要的日常生活的一部分,即使是在发展中国家(40]。通过这种方式,远程医疗动态心电图数据库用作应用程序测试在这个研究。这个数据库收集的干电极使用TeleMedCare健康监测器。在这个数据库中,平均25.67%(标准差22.78)的每个记录是视觉识别为工件,这是典型的数据记录在一个无人管理的设置(3]。文献[3报道三QRS探测器的检测结果。当没有特殊处理应用,整体锅和汤普金斯(15]和FSM [25还不到50%,)算法还不到66%,而新南威尔士大学算法(3)有一个整体的97.88%,的71.67%。摘要新南威尔士大学算法没有入选,是因为其高的复杂性。对于这个数据库,所有其他九个算法本文报道结果低于80%除了OKB算法报告分数的80.43%。和6次方算法给最低的74.08%的结果。
随着计算能力的进步,需求的数值效率有所下降。然而,这仍然是更多的ECG信号收集和分析在医院,但不是便携式心电图设备的情况下,电池驱动的(41]。目前,便携式电池供电系统,如移动电话和无线心电传感器有潜力用于连续心脏功能评估,可以很容易地集成到日常生活。然而,有一个重要的权衡中总会有一个电池驱动的设备上的能耗限制处理心电信号(42]。最近,研究人员将努力增加开发有效的心电分析算法运行使用手机。Elgendi et al。6)和苏菲et al。17)报道,导数和阈值都是一个有效的组合检测QRS如果正常发展。他们分类QRS探测器的低、中、高的数值效率,基于迭代次数和方程的数量,而不是定量分析。这项研究报告的时间成本这十个有效QRS探测器的数量指标计算的复杂性。尽管所有这些十算法是基于导数和阈值,时间成本是可变的。6次方算法(SD女士的意思是:94.07:24.85 ms)是最耗时,因为K点决心增强数据的标准差最小值的固定大小的16个样本。RS斜率算法(SD女士的意思是:8.25:2.12 ms)是第二耗时的算法由于十组时间参数的检测。OKB算法(SD女士的意思是:1.54:0.15 ms)是最有效的算法。其他七个算法的时间成本是大约3毫秒。
这项研究有一些局限性。首先,应该注意的是,必须有其他好的QRS探测器和算法效率高,检测精度和可操作性。由于有限的时间和我们的观点,只有十QRS探测器被选在这个研究。其次,因为一些算法理论的方式发表不在线代码(1,25)和一些文献只包括一些指导方针,真正的实现并不能完全解释必要的预处理操作(23,26),自己有些QRS算法编码。因此,研究中的检测结果可能不同于那些在其他文献,但这些差异是微小的。第三,执行统一的信号滤波之前QRS检测对公平的不同QRS检测方法之间的比较。然后第二个过滤操作进行基于不同算法的不同的过滤要求。然而,double-filtering的影响尚不清楚。最后,对于心电图数据库信号质量较差,所有这十QRS探测器的性能在这个研究并不好。如何提高这些数据库检测结果与噪声将是一个研究热点。
我们已经仔细检查和验证使用的数据库和算法本文并确保结果的可靠性。我们负责所有的风险。
5。结论
在这项研究中,一个系统评价工作进行十广泛使用QRS检测算法在不同的应用程序的情况下计算复杂度较低。
四个实验6个国际公认的数据库。清洁临床心电图信号包括正常受试者和心律失常患者,大多数QRS探测器具有很高的检测精度,而所有这些算法不适合高的信号质量差ECG信号噪声水平。因此,需要做一些特殊的处理方法等。对于某些特殊情况,如节奏的节奏,QRS探测器需要仔细选择。虽然导数和阈值是一个有效的组合检测QRS波群波,预处理和后处理也会影响计算成本。因此,QRS检测算法需要开发适当的移动心电图和便携式电池供电系统。
总之,我们有系统地评估十广泛使用QRS检测算法和验证他们的表演和有用性在不同的应用场合。这些结果可以为合理使用这些算法提供参考。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突的这项工作。
作者的贡献
飞飞刘和渝刘起草了手稿。飞飞,渝刘、李看淡,Shoushui魏设计研究。所有作者的贡献数据分析和回顾了手稿。
确认
这项工作是由中国国家自然科学基金支持下批准号61571113,江苏省重点研究和发展项目批准号下BE2017735,山东省自然科学基金在中国批准号ZR2014EEM003。