[doc] 心电图ST段测量的神经网络方法

[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