可穿戴動(dòng)態(tài)心電監(jiān)護(hù)的相關(guān)設(shè)計(jì)

目前，心血管疾病已經(jīng)成為危害人類健康的主要疾病之一。可穿戴心電技術(shù)是在人們?nèi)粘４┐鞯囊挛镏星度胄碾姴杉到y(tǒng)，使其在自然狀態(tài)下隨時(shí)隨地獲取心電數(shù)據(jù)，是人體心電實(shí)時(shí)監(jiān)護(hù)的有效方法。但由于人體處于運(yùn)動(dòng)狀態(tài)，心電信號(hào)受到的干擾大，難以正確處理和評(píng)估。目前國內(nèi)外有很多學(xué)者對(duì)動(dòng)態(tài)心電進(jìn)行了研究，例如盛虎提出的新型動(dòng)態(tài)心電監(jiān)護(hù)系統(tǒng)彌補(bǔ)了信號(hào)采集功能和分析功能脫離的不足，實(shí)現(xiàn)了心電數(shù)據(jù)實(shí)時(shí)分析，但是該系統(tǒng)成本較高[1];國外有些學(xué)者將卡爾曼濾波應(yīng)用于動(dòng)態(tài)心電信號(hào)檢測(cè)，并與自適應(yīng)算法結(jié)合，以提高檢測(cè)的正確率，但由于算法比較復(fù)雜，不能進(jìn)行實(shí)時(shí)監(jiān)控[2];李橋等人將卡爾曼濾波應(yīng)用于危重病人監(jiān)護(hù)，并結(jié)合了信號(hào)質(zhì)量評(píng)估，但主要針對(duì)靜態(tài)生理信號(hào)，不適用于動(dòng)態(tài)心電監(jiān)護(hù)[3]。

本文提出了一種新的基于信號(hào)質(zhì)量評(píng)估和卡爾曼濾波的可穿戴動(dòng)態(tài)心電監(jiān)護(hù)的方法，該方法將信號(hào)質(zhì)量評(píng)估、卡爾曼濾波以及可穿戴技術(shù)相結(jié)合，實(shí)現(xiàn)了便攜式高可靠的長(zhǎng)時(shí)間人體心率評(píng)估。

1 可穿戴動(dòng)態(tài)心電特征分析

心電信號(hào)作為心臟電信號(hào)在人體體表的表現(xiàn)，信號(hào)微弱，頻率主要介于0.01 Hz~100 Hz之間，其中與心率評(píng)估密切相關(guān)的QRS波群主要集中在0~(58±19)Hz，90%的頻譜能量集中在0.25 Hz~35 Hz之間，而高頻心電信號(hào)的頻帶范圍則在100 Hz~1 000 Hz[4]。在動(dòng)態(tài)心電信號(hào)采集的過程中，心電信號(hào)干擾中的肌電干擾、基線漂移(小于5 Hz)和運(yùn)動(dòng)偽跡(小于7 Hz)均比靜態(tài)情況下嚴(yán)重。目前醫(yī)學(xué)上運(yùn)用最廣泛的電極是傳統(tǒng)的氯化銀電極，雖然這種電極采集到的信號(hào)穩(wěn)定，但是對(duì)皮膚損傷較大，不適合長(zhǎng)期使用。可穿戴動(dòng)態(tài)心電采集宜采用對(duì)人體無損害、能夠長(zhǎng)時(shí)間使用的織物柔性電極，但織物電極信號(hào)的自身特點(diǎn)，需要在處理時(shí)采用不同方法。

本文通過集成在智能服裝上的織物電極獲取運(yùn)動(dòng)狀態(tài)下的人體心電信號(hào)，并進(jìn)行特征分析，作為建立相應(yīng)處理模型的依據(jù)。經(jīng)實(shí)驗(yàn)證明，在走路狀態(tài)和慢跑狀態(tài)下用織物電極采集的信號(hào)，雖然受到了一定的干擾，但是波形并沒有失真，完全能夠用來進(jìn)行后期的處理。

2 基于信號(hào)質(zhì)量評(píng)估和卡爾曼濾波的動(dòng)態(tài)心率估計(jì)模型

準(zhǔn)確的心率估計(jì)是可穿戴監(jiān)護(hù)系統(tǒng)的最基本要求，R波檢測(cè)算法是獲得心率的最便利的方法，然而心率的檢測(cè)經(jīng)常受到干擾的影響而出現(xiàn)錯(cuò)誤?？柭鼮V波算法簡(jiǎn)單，所需的數(shù)據(jù)量小，在沒有信號(hào)先驗(yàn)知識(shí)的情況下仍能有效地估計(jì)信號(hào)趨勢(shì)的變化和噪聲干擾，是一種估計(jì)信號(hào)趨勢(shì)的有效方法。信號(hào)質(zhì)量指數(shù) SQI(Signal Quality Index)可以實(shí)時(shí)地表征動(dòng)態(tài)心電信號(hào)的質(zhì)量，從而作為卡爾曼濾波器參數(shù)調(diào)節(jié)的依據(jù)，提高估計(jì)準(zhǔn)確性。本文提出了一種新的基于信號(hào)質(zhì)量評(píng)估和卡爾曼濾波的動(dòng)態(tài)心率測(cè)量和評(píng)估的方法，首先對(duì)心電信號(hào)進(jìn)行R波提取并計(jì)算心率，接著利用R波檢測(cè)和加速度計(jì)的結(jié)果來獲得運(yùn)動(dòng)狀態(tài)下心電信號(hào)質(zhì)量指數(shù)SQI，然后根據(jù)SQI對(duì)卡爾曼濾波器參數(shù)進(jìn)行調(diào)節(jié)，最后對(duì)心率進(jìn)行重新估計(jì)，以獲得更為準(zhǔn)確的結(jié)果。

2.1 動(dòng)態(tài)心電R波識(shí)別和心率測(cè)量

R波檢測(cè)算法必須具備準(zhǔn)確性與快速性兩個(gè)特點(diǎn)，而這兩者之間又存在著矛盾。常用的算法有面積法、小波變換法、幅度法和斜率法等，這些算法都是基于心電信號(hào)中的R波具有幅度和斜率較大的特點(diǎn)實(shí)現(xiàn)的。其中面積法雖然準(zhǔn)確率較高，但算法很復(fù)雜，而小波變換法速度較慢，不適合用于實(shí)時(shí)分析，因此本文采用的R波檢測(cè)算法是幅度法和斜率法。

幅度法算法簡(jiǎn)單、速度快，在干擾較小時(shí)有很高的準(zhǔn)確率，但是這種算法比較容易受到心電信號(hào)中的大T波干擾，從而導(dǎo)致心率估計(jì)不準(zhǔn)，如圖3所示。斜率法的抗干擾能力比幅度法強(qiáng)，準(zhǔn)確率高，缺點(diǎn)是算法比較復(fù)雜，容易受高頻肌電干擾的影響。

識(shí)別出R波過后，本文以10 s為一個(gè)時(shí)間窗口，計(jì)算該窗口內(nèi)R-R間隔的均值，并以此得到10 s內(nèi)的心率測(cè)量值，公式為：

其中，N(k)表示以某一秒的起始時(shí)刻為中心左右各取5 s，在這10 s的窗口內(nèi)兩種R波檢測(cè)算法檢測(cè)出的R波匹配的數(shù)目。NA表示幅度算法檢測(cè)出的R波的個(gè)數(shù)，NS表示斜率算法檢測(cè)出的R波的個(gè)數(shù)，S表示加速度計(jì)檢測(cè)出的人體運(yùn)動(dòng)的劇烈程度，S的值介于0～1之間，當(dāng)S等于0時(shí)表示人體處于靜止?fàn)顟B(tài)，S的值越大表示人體運(yùn)動(dòng)越劇烈。前面提到，幅度算法在干擾較小時(shí)對(duì)于R波的檢測(cè)有很高的準(zhǔn)確性，而斜率算法的抗干擾能力要強(qiáng)于幅度算法。因此在體現(xiàn)人體運(yùn)動(dòng)劇烈程度的S的值越小時(shí)，幅度算法檢測(cè)出的結(jié)果所占的權(quán)重越大;而當(dāng)S 的值越大，即人體運(yùn)動(dòng)程度越劇烈時(shí)，斜率算法檢測(cè)出的結(jié)果所占的權(quán)重越大。

由式(8)可知，心電信號(hào)質(zhì)量指數(shù)SQI的值介于0～1之間，接近或等于0表示心電信號(hào)質(zhì)量很差，而接近或等于1表示心電信號(hào)質(zhì)量很高。

2.4 基于SQI的卡爾曼濾波心率估計(jì)器參數(shù)調(diào)節(jié)

當(dāng)心電信號(hào)由于人體運(yùn)動(dòng)而受到干擾時(shí)，使用R波檢測(cè)算法得到的心率將出現(xiàn)一定誤差，本文提出在運(yùn)動(dòng)狀態(tài)下對(duì)R波檢測(cè)算法得到的心率應(yīng)用卡爾曼濾波進(jìn)行最佳估計(jì)，并研究了通過心電信號(hào)質(zhì)量指數(shù)SQI調(diào)節(jié)卡爾曼濾波器增益系數(shù)的方法。由于當(dāng)心電信號(hào)在人體運(yùn)動(dòng)時(shí)會(huì)受到干擾，這將使心電信號(hào)質(zhì)量指數(shù)發(fā)生變化，而這種干擾大小的變化表現(xiàn)為卡爾曼濾波器方程中測(cè)量噪聲協(xié)方差R的變化，因此根據(jù)SQI值調(diào)節(jié)測(cè)量噪聲協(xié)方差R：

由式(9)可知，當(dāng)心電信號(hào)質(zhì)量相對(duì)較高(即SQI值較大)時(shí)，R的值相對(duì)較小，從而Kg(k)值較大，此時(shí)較多地由測(cè)量值Z(k)來調(diào)整心率值;反之，當(dāng)心電信號(hào)質(zhì)量較低(即SQI值較小)時(shí)，R值相對(duì)較大，Kg(k)值減小，此時(shí)較多地由先驗(yàn)估計(jì)來調(diào)整心率值，從而避免運(yùn)動(dòng)干擾的影響。

2.5 卡爾曼濾波方程初始值的確定

在運(yùn)用卡爾曼濾波進(jìn)行動(dòng)態(tài)心率估計(jì)之前，應(yīng)確定濾波器方程中系數(shù)的初始值。假設(shè)人的心率不會(huì)發(fā)生突變，即k時(shí)刻的心率近似等于k-1時(shí)刻的心率，因此 A=1。另外，前面提到如果系統(tǒng)沒有控制量，U(k)可以為0。由于系統(tǒng)的測(cè)量值由R波檢測(cè)算法獲得，和心率直接對(duì)應(yīng)，因此H=1。系統(tǒng)測(cè)量噪聲協(xié)方差 R=R0=1，該系數(shù)會(huì)隨著心電信號(hào)的SQI值的變化而變化。系統(tǒng)過程協(xié)方差Q初值設(shè)為0.1，P(0|0)=1。

3 結(jié)果和討論

3.1 評(píng)價(jià)數(shù)據(jù)庫

本文所采用的評(píng)價(jià)數(shù)據(jù)庫均由埃德ML870 PowerLab 8/30數(shù)據(jù)采集系統(tǒng)獲得，該系統(tǒng)通過屏蔽線與傳統(tǒng)的氯化銀電極、集成在智能服裝上的織物電極相連，采集人體在靜止、走路、慢跑等狀態(tài)下的生理信號(hào)，采樣頻率為1 000 Hz，各10 min時(shí)間，然后經(jīng)過放大、濾波和整形等處理，最終在終端上進(jìn)行實(shí)時(shí)顯示并保存心電數(shù)據(jù)。

3.2 結(jié)果

為了驗(yàn)證本文提出的模型，首先選取了2 min標(biāo)準(zhǔn)心電信號(hào)，并對(duì)其進(jìn)行心率計(jì)算，如圖4中(a)所示，以此結(jié)果作為之后的評(píng)價(jià)標(biāo)準(zhǔn)。隨后在該心電信號(hào)的40 s~60 s數(shù)據(jù)段添加干擾，添加了干擾后的心電信號(hào)如圖4(b)所示，并用兩種R波檢測(cè)算法和基于卡爾曼濾波的估計(jì)算法對(duì)其進(jìn)行心率估計(jì)。

由標(biāo)準(zhǔn)心電信號(hào)計(jì)算所得的心率如圖5(a)所示，從圖中可以看出，因?yàn)樾碾娦盘?hào)的質(zhì)量較高，兩種R波檢測(cè)算法的準(zhǔn)確率很高，所以在這2 min內(nèi)得到的心率比較穩(wěn)定，沒有心率突變的情況發(fā)生。

在添加了干擾過后，由R波檢測(cè)算法得到的心率(測(cè)量值)和由基于卡爾曼濾波的心率估計(jì)算法得到的心率(估計(jì)值)如圖5(b)所示。從圖中可以看出，由于 40 s~60 s的心電信號(hào)數(shù)據(jù)段受到了干擾，因此使得R波檢測(cè)算法出現(xiàn)了較大的誤差，出現(xiàn)了心率突變的情況。而由基于卡爾曼濾波的心率估計(jì)算法得到的心率值并沒有因?yàn)楦蓴_受到太大的影響，心率仍然保持平穩(wěn)。因此，基于卡爾曼濾波的心率估計(jì)算法具有很強(qiáng)的抗干擾性，是一種較為理想的動(dòng)態(tài)心率估計(jì)算法。

為了驗(yàn)證該模型能夠用于動(dòng)態(tài)心電監(jiān)護(hù)，同樣選取了2 min慢跑時(shí)的心電信號(hào)來進(jìn)行測(cè)試。

利用幅值法和斜率法雖然能夠計(jì)算心率，但心電信號(hào)中的各種干擾會(huì)影響計(jì)算結(jié)果，信號(hào)的信噪比越低，心率計(jì)算的誤差會(huì)越大。本文提出的新的基于信號(hào)質(zhì)量評(píng)估的卡爾曼濾波估計(jì)算法，可以顯著改善心率估計(jì)的誤差。

針對(duì)可穿戴動(dòng)態(tài)心電監(jiān)護(hù)系統(tǒng)需要嵌入服裝、柔性化和低功耗的要求，本文進(jìn)行了基于信號(hào)質(zhì)量評(píng)估和卡爾曼濾波的可穿戴動(dòng)態(tài)心電監(jiān)護(hù)系統(tǒng)的設(shè)計(jì)，針對(duì)可穿戴心電信號(hào)處理系統(tǒng)抗干擾的要求，研究了人體生理信號(hào)質(zhì)量評(píng)估方法，提出了基于信號(hào)質(zhì)量指數(shù)的卡爾曼濾波器的設(shè)計(jì)，提高了心率估計(jì)的準(zhǔn)確性，實(shí)現(xiàn)了可穿戴的動(dòng)態(tài)心電監(jiān)護(hù)，并最終通過實(shí)際的測(cè)試表明了該設(shè)計(jì)的有效性和可靠性。

參考文獻(xiàn)

[1] 盛虎.新型動(dòng)態(tài)心電監(jiān)護(hù)系統(tǒng)的研究[D].大連：大連交通大學(xué)，2006.

[2] ARNOLD M, MILNER X H R, WITTE H，et al.Adaptive AR modeling of nonstationary time series by means of Kalman filtering[J].IEEE Transactions on Biomedical Engineering, 1998,45(5)：553-562.

[3] 李橋.危重病人生命體征信號(hào)質(zhì)量評(píng)估與分析[D].濟(jì)南：山東大學(xué)，2008.

[4] 石金蘭.面型智能服裝的亞健康評(píng)估系統(tǒng)的研究[D].上海：東華大學(xué)，2008.

[5] 敬喜.卡爾曼濾波器及其應(yīng)用基礎(chǔ)[M].北京：國防工業(yè)出版社，1973.

?

?

?