[doc] 心电图ST段测量的神经网络方法
心电图ST段测量的神经网络方法
第21卷第2期
2002年6月
北京生物医学工程
BeijingBiomedicalEn~neefing
V0l2lN02
Jun2o02
心电图ST段测量的神经网络方法
杨军王宏山俞梦孙
摘要心电图町段是临床心电图测量巾一项重要指标.本文介绍了一种段分析的神经网络方法.该
方法通过训练BP神经网络学习已知的10类心电图孵段形态,使其能够对盯段进行分类识别,根据分类结果,
更准确地确定sT段的起始位置和测量点从而提高sT段指标测量的准确性.预处理时将ECG片段”
化”.
使段测量和形态识别基本不受心率和波幅的影响,可以适应运动心电数据的分析.在心电
中.根据盯
段分类结果.增加了sT段形态分类结果,有助于医生分析盯段变化的原因本文还对BP神经同络的结构,训
练方法及优缺点作了详细叙述和讨论.
关键词盯段心电图神经网络
中圈分类号TPI83R5404I文献标识码A文章编号
3208(2002)02—0106.03 1002—
ANeuro-NetworkApproachtoMeasureST-Segment?MJtm.批
ttongshan.YUMengsun,1OeptofBiomedi—
calEngineering.FourthfMedicalUrdversity.Xian7100322XiartTangDt~Hospital.豇?7100383船lnsti—
LUl,eofAviatior~medicine,Belting100036
【Abstract】MtECG’sST-Seglaentplays曲
impot~amroteinrDuneECGdiagnc~s.A~thodwhich一帅Network
t0~a/yzeECG’目ST-Segtnentpresentednthisp盯
ABP(BackPropagation)Ne?m-Netwowastminedtok?
I1ltbekn—ECG’ssr-s~一
r口tmorphotogicalshapes.Aftertraining.thesystemwasinrpm*edtor.gnI越differemtypesofST-Segment,andidentihthestar[pointandthe
endpointofthelr_sem……r且
te.Bythismethod,motetypesST-Se4~menlindex~uredbedonee~curately”Standardi-
z】
卧”theECG~gment…donedu~ngprep~ss/ng.wt6ehradetST-Segmentrrman
d~rphologicaiTecgmn哪e站朗日be
Il0taffectedbYheartfateand~lpiitttdeit…besedtoanaly~ofECGdatapeople
doing?1inECGmpot~s,.addedST-Segment
morphotogic~oLase,iflcation.itmvbehet#ulfordo咖HtoanalyzeT~flSST-SegmentvariationWealsogivedetailsofthes?ucIuandthe
trainingmethodsourBPNeum-Network.andwedi~usstheadv~tagesanddis
adv~tagesofthemethodpresnted
【Keywords】ST—SegmentECG,Netw0
0引言
ECG的sT段是指QRS渡的终点至T波的起点
间的子段.sT段反映的是心室除极后至复极前一
段时间的状态.当这个除极和复极的过程由于某种
原因发生变化时,sT段的形态会发生变化.sT段
是心电图测量中一项重要指标,对心肌缺血,心肌
梗塞等心脏疾病有重要的诊断价值,sT段指标还
用来观察药物疗效,指导病人的治疗及康复过程,
对无症状的心肌缺血者,也可以进行早期监测.
计算机对sT段的自动测量包括以下两部分内
作者单位:I第四军医太学生物医学工程系(西安710032
2第四军医大学唐都医院(西安710038)
3空军第四研究所(北京100036)
作者俺秆杨军(1971--),女,博士研究生.
容:
(1)sT段的形态识别:正确识别ST段的形态
不仅有助于医生分析ST段变化的原因,也是确定
sT段起点和测量点,从而进行正确测量的前提.
段的形态变化多样,又由于变化频率低,易受
如基线漂移等干扰的影响,而不同导联下ECG的
波形也有所不同,这是目前sT段检测方法还没有
统一的测试标准的重要原因.目前段的形态识
别方法有斜率法和函数拟合法,实质上是通过对
段进行一次函数或二次抛物线函数拟合来确定
sT段起始点,真正拟台sT段的形态是很困难的;
日本学者YSuzuki采用ART2(adaptiveregol,ialh2~
theory.)神经网络计算sT段,目的也是为了较好地
识别ECG的s点和J点.
(2)ST段的测量:由于ST段形态的多样性,
sT段的测量点没有统一的标准,目前心电图机中
第2期心电图段测量的神经网络方法l07
常用的段电平测量法有以下几种.:?J+x
法;?R+x法;?窗口搜索法上述测量方法的
准确性与段的形态有关,如下陷型sT段降低的
心电波的J点不易确定,J+x法就不适用.
ART神经网络是一种无监督的神经网络,具有
自动学习新模式的能力但是对于段的形态识
别,并非所有的”新模式”都有意义,尤其在
Holter和运动平板的心电分析中,现有的滤波技术
还不可能滤除掉所有的干扰,因干扰和其他原因产
生的”新模式”没有实际诊断价值,反而造成应用
上的混乱.在现有的计算机心电分析软件中,对
虾段进行形态分类的工作较少,本文提出识别
段形态的神经网络方法.可提高心电分析中虾段
测量的可靠性和准确性.
1原理和方法
用计算机对已经滤除了干扰的sT段形态进行
识别,难点主要在于其形态的多样性,即难以用数
学表达式精确描述其形态.神经网络技术适合此类
常规方法不易建模,且要求有容错功能的问题.
BP神经网络是一种有监督的多层前馈神经网络,
在函数逼近,模式识别和数据压缩等方面有着广泛
的应用.BP神经网络具有通过学习进行模式识别
的能力0.在本系统中,我们使用BP神经网络对
sT段的形态进行识别分类,然后根据其所属类别,
选择相应的sT段测量方法.图l为系统框图.
/cG/
罄裂||
r
应一__.?.........’一BP神经网络竞争层?器羹sT段指标计算.诊
-
断结果
J
lEcG片段标准化lll
预处理ST段形态分类sT段测量
图1系统框图
(1)预处理模块:为了得到准确的sT段测量
结果,先对ECG进行抑制干扰处理,其中包括对
sT段影响最大的基线漂移,50Hz工频干扰及其他
干扰的滤波处理(数字滤波应选择满足线性相位的
数字滤波器,以避免对sT段的影响).通过QRS
波寻峰,得到R波的准确位置和心率,就可以
图2ECG片段(左)和段模扳(右)
选择截取包含所要测量的段的ECG片段.如图
2所示的为”ECG片段”和”ST段模板”,包括
QRS波群前等电位点的一段曲线,这样可以保证上
升型,下降型和水平型ST段形态的正确划分.
(2)ECG片段标准化:一方面,训练BP神经
网络ST段模板是心率为6o次/rainECG训练的,
所以在实际使用中,不同的受试者心率不同,所以
对要计算的ECG片段在时间轴上进行”标准化”
处理,即在时间轴上对ECG片段进行”压缩”或
“伸展”,使与模板库的ECG片段在时间轴具有可
比性;另一方面,不同被试者的同一导联的心电图
的幅度差异很大,还须对采样点的幅值进行”归一
化”处理.这样使形态识别基本不受心率和波幅的
108北京生物医学工程第21卷
影响.经过正确的形态识别,即可准确定位sT段
的等电位点,起始点和测量点;ECG片段的另一路
结台sT段分类结果和sT段的测量点定位结果,计
算sT段指标.综合sT段的形态分类和盯段测量
结果,得出诊断结果.
(3)神经网络的设计:BP神经网络的输入矢
量为标准化的ECG片段的长度,即为神经网络输
入神经元的个数(心电采样率为250Hz)在此取
40;臆含层神经元的个数根据分类的精度和经验选
取为10;输出神经元的个数由分类的类别数决定.
常见的sT段形态可归纳为以下1O种:?正常;?
水平型sT段降低;?下垂型盯段降低;?弓背型
sT段降低;?下陷型sT段降低;?近似缺血型sT
段降低;?左室肥大兼劳损;?J点型sT段降低;
?洋地黄效应;?变异型心绞痛引起的盯段升高.
这样我们采用4o×10×10的网络结构,隐含层激
活函数为双曲正切函数,输出层激活函数为对数函
数,输出值在O,1之间.
(4)竞争层:为了增强网络的抗干扰能力,
BP网络之后加一竞争网络,以保证网络对每一输
入待识别的sT段只有一个神经元的输出为1,其
他输出为O.
(5)神经网络训练:网络的训练
如图3.
——
一]
匪亘塑珂一
图3神经H硒训练程
首先用理想无噪声的sT段模式训练网络,得
到较低平方误差的网络权值,然后用”理想+噪
声”的sT段模式各训练1o组,每组训练的权值都
作为后一组的初始值,以使网络具有较好的抗干扰
能力.但经过这样的训练后,网络可能会对”理
想”波形的辩识出现错误,为此必须以训练后的权
矢量为初始值,重新用输入”理想”模式进行训
练,以保证网络对”理想”输入的正确分类.
(6)sT段计算:根据BP神经网络的分类结
果,可在”ECG片段”上找到对应的ST段的起始
点,终点和等电位点,针对不同情况,调用不同的
sT段算法程序对”ECG片段”进行盯段测量.例
如对于无s波的sT段.选择R+X法计算其电平,
对其他可方便确定J点的波形则采用J+x法.
2结果和讨论
以上BP神经网络识别ST段的算法我们已用
Delphi语言制作成组件,作为模块嵌入运动平板心
电分析应用程序.以往我们在运动心电的sT段分
析中,由于心率的变化范围较大,无论使用J+x
还是使用R+x法时,x值都会跟随心率的变化而
变化,但在实际编程中只能根据经验在不同的心率
范围取某一固定值,误差往往很大且不可预测;本
文的”ECG片段标准化”模块能较好地解决这个问
题,可使软件自动测量的sT段事件(ST段压低或
抬高1mV超过1n)的误报率大大降低,同时盯
段的测量结果与人工测量结果更加吻台.在心电报
告中,我们根据段分类结果,增加了sT段形态
分类结果这一指标,供医生参考.
本方法将卵段形态分为1O类,如还需细分或
有其它形态模式需辨别,则需要增加输出神经元个
数,或者修改网络结构,并重新进行训练,这是
BP神经网络在此应用的一个局限.此外,运动心
电的大的肌电干扰波及特殊形态的心电图等会影响
sT段形态分类结果的准确性,从而影响sT段指标
的测量,这需要在心电信号预处理部分和神经网络
分类功能上加以完善.
参考文献
I姜治忠宋有城新编简明心电图学科学出版社.1999
2SkordalakisE.R~ognitionoftheshapeoftheSTsegmenlinECG…
forms.IEEET—BME,1986,33(10):972—974
3范晓东,等动志心电图ST段的测量方法国外医学生街医学
工程舒册.1992.15(2):71—77
4靳菩神经计算智能基础(原理方法)西南交通大学出版杜
成都20001
5CuiweiLi,gtDetectionofECGch~acteristiepointsu自Lwavelet
tran~sIEEETmnsBME,1995,42(I】:21—28
f2O02.54.18收稿)
覆卤