应用于纳米刀的心脏有效不应期实时检测算法研

基于不可逆电穿孔技术(Irreversible Electroporation，IRE)的纳米刀在治疗肝癌、胰腺癌以及其他恶性肿瘤的场景下发挥着越来越强大的作用[1-2]。但是IRE治疗中释放的高压脉冲对心电信号的产生和传导会产生极大干扰，增大了引发心律失常等术中并发症的机率，故需要对患者的心电进行实时监测[3]，并使IRE治疗脉冲在心脏的有效不应期内释放，减小对心脏的正常工作过程的影响。故能否准确识别患者心脏的有效不应期，及时触发纳米刀释放高压脉冲，对降低术中并发症有着重要的意义。

由于在术中无法直接对心脏的有效不应期进行检测，本文根据体表心电图和有效不应期的对应关系，将心脏有效不应期的实时检测问题转化为R波实时检测问题。但由个体差异导致的心电波形变化，以及由高压脉冲刺激引起的骨骼肌强直收缩或心率失常等情况，会使采集到的心电波形与正常的心电波形产生较大的差异，从而给R波的准确识别带来困难；此外，通过检测心脏有效不应期来指导IRE治疗脉冲的释放时机，要求输出R波检测结果的实时性较高，算法的计算量较小。

目前，国内外常用的临床心电信号R波检测方法有硬件方法和软件方法两种。硬件方法响应速度快、实时性好，但是缺乏灵活性，鲁棒性较低。软件方法有时域分析法[4]、模板匹配法[5]、小波变换法[6]和神经网络法[7-9]等。时域分析法是应用最广、实现最简单、计算量最小的心电信号分析方法之一，但是变异的大P波、大T波，无法被滤波器滤除干净的噪声都有可能会降低检测结果的准确率，故该方法还有进一步提升的空间；小波变换是另一种应用较广、研究较深的方法，但是计算量大，在实际应用过程中软硬件设计复杂，实现困难；神经网络法多用于波形识别、病例诊断方向且计算量大。

以上几种方法并不能满足心脏有效不应期检测高准确率、高实时性、低计算量的要求。本文在时域分析法的基础上，从预处理步骤和R波识别步骤两个角度出发，以提高实时性和准确率、简化计算量为目标对算法加以改进创新，设计出了一套可以应用于IRE治疗的R波实时检测算法，从而达到识别延时低于15ms，且当识别到含有大量噪声的心电数据段时自动停止R波检测，提高算法鲁棒性的要求，进而通过固定延时实现了心脏有效不应期的实时检测定位，指导IRE治疗脉冲释放时机。

1 心电信号预处理

心电信号是微弱的低频信号，对外界干扰比较敏感[10]，故需要采用一定的预处理步骤滤除噪声，突出目标信号特征，简化计算量。这是准确分析心电信号的重要前提，本文采用的预处理流程如图1所示。

图1 预处理流程图

1.1 频率归一化处理

MIT-BIH心率失常数据库[11]的采样频率为360 Hz，QT数据库[12]的采样频率为250 Hz，采用频率不同会影响算法的预处理效果，故采用重采样的方法归一化为500 Hz。

1.2 滤波处理

由于本算法实时性要求较高，且只需要检测R波，故在保证检测效果的前提下，可以选用低阶IIR滤波器级联的方法进行滤波，降低有效信号频段通过滤波器的群延时。

常见心电信号噪声主要由肌电干扰、基线漂移、50 Hz工频干扰组成，本算法的滤波部分主要针对这几类噪声进行设计，滤波器参数如表1所示。

表1 滤波器参数?

已知心电信号的主要能量集中在0～40(±7)Hz，QRS复波的主要能量在 6 Hz～18 Hz，使用MATLAB的fdatool工具分析得知，心电信号经过低通滤波器后，0～40 Hz的频率分量群延时约6 ms；经过高通滤波器后，5 Hz以上的频率分量群延时低于5 ms；经过带阻滤波器后，40 Hz以下的频率分量群延时低于3 ms。所以经过滤波处理后，QRS波段的群延时理论上不超过15 ms，且波形不会发生较大的非线性失真，满足了R波识别的实时性要求，为进一步的预处理做好了准备。

1.3 微分处理

本文使用微分函数来突出QRS波群在正常心电信号中斜率最大这一特征，将QRS波群从其他心电信号中区分出来。微分函数为:

式中:sig_f为经过滤波器预处理后的心电数据；sig_d为对sig_f进行微分处理后的数据。

1.4 低阈值归零处理

由于本文只需要检测R波，故可采用低阈值归零法对其进行处理，突出R波微分值较大的特征，同时滤除部分噪声干扰，简化算法需要处理的数据量，提高处理速度。低阈值归零处理的公式为:

式中:sig_z为低阈值归零处理后的数据；Thr_z为归零阈值。

上一篇：和信号的非线性耦合在睡眠分期中的应用研究
下一篇：没有了