4.9 ECG特征检测实验与仿真结果
本书使用ECG ID数据库评估所提出的ECG检测方法。该ECG数据库包含48 个两通道心电图记录,11 位分辨率,10 mV范围。来自该数据库的ECG记录含有尖锐和高T波,负QRS 波群,小QRS 波群,宽QRS 波群,肌电噪声,基线漂移,QRS 振幅突然变化,QRS 突变形态,多形态早期心室收缩,长暂停和不规则的心律。根据本书所提出的算法进行检测实验,计算6 个定量结果:正确检测R峰时或者T峰时为真阳性(TP);当缺失R峰时或者T峰时为假阴性(FN);当噪声尖峰被检测为R峰或者T峰时为假阳性(FP)。为了评估所提出的检测算法的性能,分别通过使用以下等式来计算灵敏度(Se)、检测误差率(DER)和测量该方法的总体性能(Acc)。


表4-4 中总结了MIT-BIH心律失常数据库的16 个ECG记录的第一通道(每个)的R峰检测率。运行本书算法检测,QRS 波共产生43 个假阴性(FN)搏动和44 个假阳性(FP)的节拍,总共检测失败87 次。但是ECG记录的各个检测精度根据正常和病理ECG信号的特征,以及不同的噪声而从99.32%变化到100%。QRS 波检测精度略高于T波,T波共产生48 个假阴性(FN)搏动和54 个假阳性(FP)的节拍,总共检测失败102 次。
表4-4 使用第一通道的MIT-BIH心律失常数据库的R波与T波检测的性能评估

为了测试算法对伴随有心肌缺血、心衰病理ECG信号的检测效果,本书从European ST-T数据库取15 个伴随有心肌缺血的ECG样本,从BIDMC congestive heart failure数据库取15 个伴随有心衰的ECG样本,使用ECG ID数据库10 个正常(raw signal)ECG样本,每个样本均含有100 心律信号。从检测效果来看,14 个心肌缺血ECG样本被正确检测出来,正确率为93.3%;有13 个心衰样本全部被正确检测出来,正确率为86.7%。10 个正常ECG样本没有出现误检情况,检测的正确率为100%。具体记录如表4-5。(https://www.daowen.com)
表4-5 基于40个ECG病理样本检测结果

续表

信号分析和处理可分为两种方法:直接分析和变换分析。通过将信号映射到另一个域,例如小波变换或EMD变换来进行信号变换分析和处理。图4-19所示是用于ECG信号处理的两种不同算法的比较。图4-19(a)显示了常规过程的ECG信号处理,包括三个主要过程:去噪、特征检测和滤波。如果n 是正常情况下信号的长度,则每个进程都需要进行转换,假设每个转换需要时间频率T0(n)=C0n2。在这些条件下,进行去噪、检测和压缩。假设每个处理的时钟频率T1(n)=C1n,那么常规信号处理方法所需的总时间为3[T0(n)+T1(n)]=3(C0n2 +C1n)。如果提出的算法用于完成去噪、检测和压缩操作,整个过程只需要一次执行小波变换[(图4-19(b)],总共需要花费T0(n)+3T1(n)=C0n2 +3C1n。本书提出的算法可以通过特征检测、信号滤波和信号压缩的组合,减少信号域之间的变换时间,从而节省资源,加快运行速度。由于小波变换需要经历分解和重建两个过程,因此在转换过程中常常会丢失有用的信号。例如,正交小波的对称性将随着消失时刻的增加而减小,并且该过程将引起信号失真。在本书中,我们提出了一种缩短转换时间的方法,可以降低有用信号的损耗,提高检测精度。

图4-19 用于ECG信号处理的两种不同算法的比较