两种开源ECG算法性能测评研究

李静，王步青，刘洪运，王卫东

解放军总医院 医学工程与维修中心，北京 100853

两种开源ECG算法性能测评研究

李静，王步青，刘洪运，王卫东

解放军总医院 医学工程与维修中心，北京 100853

目的 评价小波分析法（Wavedet）、基于差分阈值法的滤波器分析法（Pantom）两种心电（Electrocardiogram，ECG）的QRS波群检测算法的性能。方法 利用ECG-Kit工具包，基于PhysioNet网站的心电信号数据库，对MIT-BIH心律失常数据库的25组ECG原始数据，通过两种开源算法进行QRS波群的位置的准确性比较。结果“Wavedet”算法比“Pantom”算法相对准确率高，运行速度快。结论“Wavedet”算法较为适合应用在临床上，对ECG信号的检测具有可行性，具有更广阔的应用前景。

小波变换分析算法；差分阈值算法；QRS波群；ECG-Kit工具包

引言

心电（Electrocardiogram，ECG）信号的检测、分析是临床医生诊断心血管疾病的重要手段和依据，而通过长时程ECG的心率变异性分析进行自主神经功能评估在许多疾病的风险分层、治疗及预后等方面应用也越来越广泛[1-2]。QRS波群的准确检测和识别是ECG分析的核心和关键，也是ECG信号自动化分析的难点和焦点。目前，QRS波群识别与检测的方法有很多，主要包括小波变换法、差分阈值法以及新兴起的遗传算法及人工神经网络法等[3-5]。

差分阈值算法（Pantom），主要是对信号进行一阶或二阶差分，然后判断其差分值是否超过初始设定的阈值来确定QRS波群的位置。最具代表性的是由Pan等[6]提出将经过带通滤波后的信号进行微分，再平方突出频率响应曲线，然后又做了移动窗口积分，积分所得的结果既包含QRS波群的斜率和的宽度信息，大大提高了阈值检测的准确性，降低了可能出现漏检的概率。小波变换分析算法（Wavedet），检测迅速而且容易实现，但不能从根本上解决QRS波群所引起的现象运动伪影、基线漂移等问题，影响了整体的判别性能。而小波变换具有很好的时频特性，以及多分辨率的特性，能够较好的突出信号的局部特征。因此近几年的文献中一直将小波变换作为研究的重点。如Qi 等[7]提出利用连续小波变换和过零检测方法结合的算法，对ECG信号进行奇异点检测和小波变换，得到很高的信号检测率。陈文利等[8]采用基于小波变换和黄金分割搜索法的检测算法，对ECG信号进行小波变换后，利用正负模极大值对QRS进行检测，分析误减和漏检的情况，再用黄金分割搜索算法来调整阈值，从而提高了检测准确率。

上述方法各有优劣，在已有的ECG信号自动化分析软件中有不同程度的应用。随着新理论、新技术的发展，QRS波群检测方法也呈现出多技术交叉融合的特点。本文基于美国麻省理工学院的MIT-BIH心电数据库对Wavedet和Pantom两种QRS波群检测方法的性能进行分析和评估[9-12]，探讨这两种QRS波群检测方法的准确性、检测速度，为ECG信号分析过程中QRS波群检测提供借鉴和指导。

1 对象和方法

1.1 测试方案

1.1.1 标准信号源的选取

ECG标准信号源的选取，基于PhysioNet网站的心电信号数据库。选取其中带有注释文件的标准信号源。注释文件，格式为.atr，其中含有医学专家对每个心拍做出的识别和标记，作为金标准，用于检测对比算法的输出结果。

每一组数据库记录包含3个文件，分别是头文件（扩展名.hea）、数据文件（扩展名为.dat）、注释文件（扩展名.atr）。其中较为特殊的是数据文件，以自定义的格式按二进制存储的信号原始数据，例如MIT-BIH心律失常数据库中的数据均以“212”格式进行储存的，即每一个11 Bit的数占12 Bit空间，且数与数紧凑相连排列。

由于人体处于不同的状态的时候会产生不同的标准信号源，所以标准信号源的选取包括了正常心拍和异常心拍。最终选取的心电信号数据库为：MIT-BIH心律失常数据库。

MIT-BIH心律失常数据库，选取了25组数据，每组数据皆有两组不同的导联组成。采样频率为360 Hz，时间长度为30 min。

1.1.2 测试平台与程序代码

Matlab软件为算法测试平台；采用ECG-Kit资料包实现对QRS波群检测[13]。

1.1.3 输出算法性能参数

QRS波群的位置的准确性；算法运行时间。

1.2 测试内容

（1）完成下载MIT-BIH心律失常数据库的25组ECG原始数据。ECG算法检测的主要过程，见图1。

（2）数据的读取。MIT-BIH数据库中的心电信号记录由.hea、.atr、.dat 3个文件组成，通过ECG-Kit中ECGwrapper函数进行读取。两种算法的详细解释，其中包括算法的定义、用法、涉及到的方法、运行环境、导联通道、输入参数、输出参数及用途[14-18]，见图2。

1.3 评价部分

（1）批处理获取原始信号中的采样点位置信息和疾病类型分类标记。

（2）对比原始信号中QRS波的位置和算法检测出的QRS波的位置的差异。已原始信号中标记出的采样点位置为金标准，前后窗口设置为40个采样点，窗口大小为80个采样点。以此为金标准，在这个标准大小的窗口中检索，若能检索到算法检测出的QRS波标记位置，则认为此算法检测准确；若此窗口中搜索不到算法检测出的QRS波标记的位置，则为算法漏检；若此窗口中搜索出的算法检测出的QRS波的标记位置多余1个，则认为算法多检。以原始信号为金标准的对比方法，见图3。

图3 以原始信号为金标准的对比方法

（3）同时画出原始信号和算法检测出的QRS波的位置，观看差异。

2 结果

由于每一组MIT-BIH心电信号都是记录了两个不同导联的心电信号，选取噪声少的心电信号进行计算分析，比较两种算法对选取的导联的心电信号的QRS波检测结果，见表1。

在算法检测QRS波位置的准确性的结果中，对于一部分病人的心电数据，每种算法检测QRS波的错检率都非常高，大于5%。经过画出原始输入的心电信号发现，有一些病人在做ECG检查的时候发生了导联脱落的情况，或是身体动作比较大，给采集到的心电信号增加了噪音。编号为200号（No.200）的病人的原始心电信号曲线，见图4。可以看出心电导联在大多数情况下是脱落的状态的，此信号会给算法的性能检测造成很大的障碍，在检测结果中去除了此类信号的误检结果，所以时列的数据只有23个计算结果。方法截取后的No.200病人的原始心电信号图，见图5。

图1 ECG算法检测的主要过程

图2 被检测的两种算法的详细介绍

两种算法的误检率可以总结，见图6。由于数据较多，图中只引入了一些病人（No. 116，No. 201，No. 210，No.214，No. 215和No. 223病人）的检测结果。可以看出，“Wavedet”算法的检测错误率相对来说较低。

表1 两种算法检测QRS波位置的检测结果

图4 No. 200病人的原始心电信号图

图6 两种算法检测QRS波位置的错误率

图5 方法截取后的No.200病人的原始心电信号图

3 讨论与结论

算法性能的检验是以Physionet上获取的MIT-BIH数据库中的信号的注释文件里的标记为金标准的。原始信号源中，有一部分信号源包含的噪音信号较多，干扰较大，对分析算法性能的作用不大，所以在结果分析中去除了这部分原始数据的处理结果。

差分阈值算法因其快速、简单的特点，在一些要求简单、实时化心电仪器中，得到广泛应用；而小波变化具有辨率分析的特点，从而可以在时、频两域获得表征信号局部特征的能力，由于其可变的时间窗和频率窗，使得它对于信号具有很高的适应性。比较这两种检测方法，小波变换方法拥有不容置疑的优越性，已成为近年学者研究的重点。

通过对两种算法的检测性能分析，“Wavedet”算法相对准确率高、运行速度快，较为适合应用在临床上对ECG信号的检测。

但是各个研究者应从不同的侧重点出发，运用符合信号质量和应用需求的算法，实现对QRS波群的分析。对QRS波检测来说，并没有最优化的算法，只有最适合的算法，信号质量和应用需求决定了除噪方法和检测算法，要结合最后所需要达到的目的正确的选择算法。整体来看，小波变化在所有检测方法中具有更多的实际意义，我们也相信小波变化具有更广阔的应用前景。

[1] 王春武,程礼邦,丁煜,等. 基于脉搏的心冲击信号特征提取方法研究[J].微型机与应用,2016,35(22):36-39.

[2] 姚欢,王剑钢.ECG信号QRS波群检测算法的进展[J].现代生物医学进展,2012,12(20):3988-3991.

[3] 覃爱娜,桂卫华,唐国栋.一种改进的QRS波检测方法[J].中南大学学报(自然科学版),2008,39(5):1049-1054.

[4] 陈静,张世杰.基于动态自适应阈值法的QRS波群检测方法[J].中国新通信,2009,2:67-69.

[5] 王伟,李小梅.利用自适应小波变换检测心电QRS波算法的实现[J].科技通报,2008,24(1):98-102.

[6] Pan J,Tompkins WJ.A real-time QRS detection algorithm[J].IEEE Trans Biorned Eng,1985,(3):230-236.

[7] Qi H,Liu X,Chao P.A Method of continuous wavelet transform for QRS wave detection in ECG signal[A].International Conference on Intelligent Computation Technology and Automation[C].New York:IEEE,2010:22-25.

[8] 陈文利,莫智文,郭文.基于小波变换和黄金分割搜索法的QRS波检测算法[J].生物医学工程学杂志,2009,26(4):743-751.

[9] Blanco M,Weng B,Barner KE.New ECG enhancement algorithm for stress ECG tests[J].Comput CardiolComputers in Cardiology,2006,33:917-920.

[10] 李向军.一种基于经验模式分解的心电QRS波检测方法[J].电子科技大学学报,2007,36(4):795-797.

[11] 郑唯琴,陈杭,叶树明.基于数学形态学的QRS波差位波峰提取方法[J].计算机工程与应用.2010,46(31):127-129.

[12] 王晓花,徐学军,何秋娅.一种改进的心电图QRS波群检测算法[J]. 计算机工程与科学,2016,38(5):983-987.

[13] Zhao ZD, Chen YQ.A new method for removal of baseline wander and power line interference in ECG signals[A].Machine Learning and Cybernetics, 2006 International Conference on[C].New York:IEEE,2006:4342-4347.

[14] 马晓婷,尚宇.ECG去噪算法的设计与实现[J].国外电子测量技术,2017,36(7):18-22.

[15] 郑敏敏,高小榕,谢海鹤.心电信号小波去噪的改进算法研究[J].中国生物医学工程学报,2017,36(1):114-118.

[16] 曹鸯婷,陈俊丽.改进型阈值提取心电信号的R峰值[J].电子测量技术,2015,38(12):107-110.

[17] 赫彬,白艳萍,张雅婷.基于不同经验模态分解的小波软阈值ECG去噪研究[J].数学的实践与认识,2016,46(6):136-144.

[18] 李锋,陈美丽.一种基于几何特征的ECG波形识别算法[J].北京生物医学工程,2015,34(3):261-266.

Performance Evaluation of Two Open Resource ECG Algorithms

LI Jing, WANG Buqing, LIU Hongyun, WANG Weidong
Medical Engineering and Maintenance Center, Chinese PLA General Hospital, Beijing 100853, China

ObjectiveTo evaluate the performance of two kinds of electrocardiogram (ECG) QRS complex detection algorithms Wavedet and Pantom.MethodsAccuracy of the position of QRS complexes of the 25 groups of ECG original data in the MIT-BIH arrhythmia database were compared by two open resource algorithms based on the ECG data of the PhysioNet website via using the ECG-Kit.ResultsThe accuracy rate of “Wavedet” algorithm was higher and the speed was faster than “Pantom”.ConclusionThe “Wavedet” algorithm is more suitable for clinical application. It is feasible for the detection of ECG signal and has a wider application prospect.

wavedet; pantom; QRS complex; ECG-Kit

TP391

A

10.3969/j.issn.1674-1633.2017.11.009

1674-1633(2017)11-0032-03

2017-06-22

2017-09-05

国家自然科学基金（61372047）；国家科技支撑计划（2013BAI03B04）。

王卫东，研究员，主要研究方向为生物医学电子学与信息系统。

通讯作者邮箱：wangwd301@126.com

本文编辑 袁隽玲