基于信号源的心电自动诊断智能评估方案
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于信号源的心电自动诊断智能评估方案
陈玉娥;朱文婕
【摘要】目前对心电设备自动诊断性能的评估都是基于计算机程序对自动诊断算法的仿真测试,还没有一种方法能直接对心电设备进行测试.由于异常心电信号种类繁多,这种方法工作量大,容易出错,并且很难真实反映心电设备的自动诊断性能.该文提出一种在信号源上播放波形并且同步显示标识文件的测试方案,该方案经过在交互式生物医学信号源上测试,可以实现心电波形与标识文件的同步观测,不仅可以发现被测心电设备的算法误差,而且可以进行参考标识和测试标识的实时比对,实现了一种智能化的心电设备自动诊断性能的评估方法.
【期刊名称】《贵阳学院学报(自然科学版)》
【年(卷),期】2019(014)001
【总页数】4页(P65-68)
【关键词】心电;自动诊断;评估;生物医学信号源
【作者】陈玉娥;朱文婕
【作者单位】蚌埠医学院公共基础学院,安徽蚌埠 233030;安徽大学电子信息工程学院,安徽合肥 230601;蚌埠医学院公共基础学院,安徽蚌埠 233030
【正文语种】中文
【中图分类】R318.0
1 引言
在临床上,心电信号的自动分析和自动诊断对于帮助医生快速分析病情并给出治疗方案具有重要的应用价值。
自上世纪50年代末开始就有关于心电信号自动分析的文献报道[1,2]。
心电自动诊断的主要任务是对测量程序传递过来的各种测量参数按照特定的心电图诊断标准和条件进行逻辑判断,并对心电图做出解释,诊断分类程序的主要模块有:节律异常分类、异常波形分类、编码分类和系列心电图比较等。
随着计算机和数字信号处理技术的发展,用于这些程序模块的算法也越来越多,比如神经网络[3]、径向基函数网络[4] 、隐马尔可夫模型[5]、高斯台面函数建模[6]、小波变换[7]等等。
算法的优劣不同会导致这些心电设备在临床使用过程中给出的
诊断结果也不同,同时算法的改进和新算法的应用也需要相应的标准进行验证。
为此,美国和欧洲相继提出了一系列用来评估心电设备自动分析诊断性能的标准,具有代表性的如欧洲的IEC60601-2-51[8]、美国的EC57[9]等。
IEC60601-2-51是一个综合性的测试标准,包括电器机械性能测试和算法测试。
其中的算法测试通过简单的正常和异常(波形或标识)比对,得出的测试和参考配对统计结果计算得出该被测设备的准确度,假阳性(误检率),假阴性(漏检率)等性能
指标。
相比之下,EC57的测试方法更为精细,准确性也更高。
这个测试方法将各种类型的心搏分别打标,如:N、S、V、A等,这样的标识不仅仅可以用来检测
心电设备整体的准确度、误诊率,还可以精细到设备对某一特殊病理性心搏事件(如室早、房扑)的性能检测,其核心也是进行标识文件的配对。
EC57的标准制定于1998年,IEC的标准制定于2003年。
虽然这些标准早就制定,MIT官方数据库也提供了一系列脚本程序(如“rxr”、“bxb”)支持和简化
EC57方案的测试,但是到目前为止,大多数方法还是停留在用计算机程序对自动诊断算法进行模拟测试的阶段,如Matlab仿真[10],还没有一种信号源能自动播放这些标准,并输出到心电设备上,实现真正意义上的自动诊断功能测试。
这主要是因为每个标识的时间是不确定的,并且与被标识的心电波形时间上同步,同时输
出难度大,再加上带有可视化操作界面的信号源并不多见,直接导致这一做法缺乏有效的工作平台。
在这些标准中,有成千上万个被标识的心电记录用于测试心电设备的自动诊断性能,如MIT-mit100号记录。
很显然,对于这成千上万个随机标识的心电(ECG)记录来说,用人工的方法来进行模拟测试,不仅工作量大,容易出错,最关键的是测试的结果并不具有说服力。
该文提出一种在信号源上播放波形并且同步显示标识文件的测试方案,该方案经过在交互式生物医学信号源(interactive biomedical signal source,
iBUSS)(Dimetek,China)上的测试,可以实现心电波形与标识文件的同步观测,
不仅可以发现被测心电设备的算法误差,而且可以进行参考标识和测试标识的实时比对,实现了一种智能化的心电设备自动诊断性能的评估方法。
2 方法
该文选用MIT官方数据库提供的脚本程序作为EC57的测试方案。
算法设计的核
心是实现信号源播放的波形与标识的同步配对。
播放的数据由2个序列组成,一
列是心电样本集合,一列是标识字符集合。
假如一个心电周期的集合为:
{X0,X1,……Xn,……}
那么对于在j时刻开始被标识的心电波形假设为第n个,其集合为:
两列数据被同步播放,然后进行心电设备自动诊断结果与被标识集合的对比。
这个比对包括Beat by beat、Run by run等多个步骤。
Beat by beat通过连续单个标识进行比对,测试QRS及异常QRS检测性能指标。
主要的配对原则是从测试起始时刻开始进行测试标识和参考标识的比对,如果各自在前后150 ms内有相应的配对出现,那么就算做一个注释配对,否则就算做误检(TN)或漏检(FP)。
比对完成后形成一个配对注释表。
Run by run通过对一段连续的心律失常波形的注释进行对比,测试该被测设备在运行时对连续心律失常检测的性能。
Run by run的注释文件配对是对一段心律失常中出现的异常心博次数的计数,通过测试注释(test annotation)和参考注释(reference annotation)的计数对比形成配对注释表。
最后通过统计配对注释表中不同性质的配对占总配对数的百分比得出被检心电设备某一项测试的性能指标,如准确度,假阳性(误检率),假阴性(漏检率)等等。
标识字符集合采用txt文本文件格式,和心电样本集合是2个独立的文件,并不合二为一。
这样的做法灵活性高,在对注释文件进行改动的时候可以不涉及到波形信号文件,避免不必要的改动,减小了差错率。
MIT数据库中“rxr”、“bxb”这些脚本程序的使用首先需要心电监护设备能够输出格式类似于注释文件结构的文件,通过脚本程序“xform”的转换形成标准注释文件格式,才能进行文件对比工作。
文中把整个设计分为标识文件转换模块和标识文件播放模块。
标识文件转换模块算法流程如图1所示:
图1 标识文件转换模块流程图Fig.1 Flow chart of identification file conversion module
标识文件播放模块算法流程如图2所示:
图2 标识文件播放模块流程图Fig.2 Flow chart of identification file playback module
3 结果
本算法是在交互式生物医学万用信号源iBUSS(Dimetek,China)上进行测试完成的。
iBUSS是面向生物医学信号检测方面的专业用信号源设备,不仅能够产生多种生物医学专业使用的低频信号,而且用户可以自行设定各种测试方案。
图3~图5为MIT-BIH 数据库中mit100 MLII导联和mit100 V5导联以及CU数据库
cu02三例心电数据的播放效果图。
图3 MIT-BIH数据库mit100 MLII导联播放效果图Fig.3 Playback of MIT-BIH database mit100 MLII lead
图4 MIT-BIH数据库mit100 V5导联播放效果图Fig.4 Playback of MIT-BIH database mit100 V5 lead
图5 CU数据库cu02播放效果图Fig.5 Playback of CU database cu02
4 讨论
4.1 CPU性能对文件播放延时的影响
CPU处理器的性能直接关系到系统可采用的定时器精度、时间延迟和运算精度,从而影响注释文件播放精确度和同步性。
X86处理器下定时器精度为1ms,定时器延时最小为10ms;Arm处理器下定时器精度为20ms,最小延时为50ms。
iBUSS信号源目标机采用ARM处理器,计时器精度和时间延迟导致的问题不仅仅在于注释文件屏显位置的误差,更重要的是定时器事件是每隔50ms运算一次,当定时器进入事件运算的时候,取到的当前毫秒值不一定是注释文件应该出现的时刻,也就是说,在原有软件架构下,和每毫秒屏幕绘点数进行运算后,得到的样本计数有可能等于或者不等于注释文件的样本计数,无法进行最初采用样本计数相等的判断方法输出注释。
经过对样本计数变化规律的观察,使用新的注释文件输出算法:当计算出的样本计数大于注释文件样本计数时,输出该样本计数对应的注释。
这样的算法无法完全避免误差的存在,但是可以将误差控制在50ms的定时器延迟范围之内。
在iBUSS的win32平台的软件版本基本上不用考虑延时的问题,但是仍然需要采用和ARM处理器下相同的算法来判断注释文件出现的时间。
X86处理器下的定时器精度高、延时短,播放注释文件时,出现的位置基本上能够精确的定位到该QRS波的下方。
不论是在X86还是在ARM处理器下,再低的延迟也会造成累计误差,也就是播完一屏数据后会有每一次计时器延迟累加而形成的每屏误差,这个误差会随着播放屏数的增长而成倍增长。
但是计算注释文件的样本计数时却并没有考虑这个误差,因此当播放时间较长的数据时,在一段时间后,累积误差的数值较大时,注释出现明显的偏移。
测试中解决这个问题的方法是将每屏误差定量,在播放过程中每播放一屏数据,就在播放注释文件的时候加上这个误差,从而很好地解决了这个问题。
4.2 标识文件内容筛选
一个30分钟时长的注释文件大小约在70K—100K左右,但是里面的数据并不是全部都需要用到,因此对原始注释文件进行筛选,提取所需数据的过程是必需的,这里只需要用到两列数据,一列是当前注释出现位置的样本计数;一列是注释文件内容。
这样不仅缩小了原始文件大小,而且软件在读取注释文件的时候效率也要提高很多。
注释文件的转换需要支持单文件转换和文件批量转换,并提供转换后的文件输出路径。
5 结论
该文提出了一种同步显示每个波形和标识的评估心电自动诊断效果的新方案,标识显示在信号源上每个QRS波的正下方,实现了心电波形与标识文件的同步观测,进而实现了参考标识和测试标识的实时比对。
由于硬件设备的定时器精度和运算延时等问题,会产生误差,在本方案中,将每屏误差定量并在播放过程中将该误差加在播放注释文件上,从而有效地防止了注释出现偏移。
参考文献:
【相关文献】
[1]Taback L ,Marden E ,Mason H L ,et al.Digital Recording of Electrocardiographic Data for Analysis by a Digital Computer[J].Medical Electronics,IRE Transactions on,1959,ME-6(3):167-171.
[2]Pipberger H V ,Freis E D ,Taback L ,et al.Preparation of Electrocardiographic Data
for Analysis by Digital Electronic Computer[J].Circulation,1960,21(3):413-418.
[3]Oparaji U,Sheu R J,Bankhead M,et al.Robust artificial neural network for reliability and sensitivity analyses of complex non-linear systems.[J].Signal Processing IEEE Transactions on,1998,46(5):1417-1425.
[4]Tan Y ,Wang J ,Zurada J M.Nonlinear blind source separation using a radial basis function network.[J].IEEE Transactions on Neural Networks,2001,12(1):124.
[5]Graja S ,Boucher J M.Multiscale hidden Markov model applied to ECG segmentation[C]// IEEE International Symposium on Intelligent Signal Processing.IEEE,2003:105-109.
[6]Badilini F ,Vaglio M ,Rémi Dubois,et al.Automatic analysis of cardiac repolarization morphology using Gaussian mesa function modeling[J].Journal of Electrocardiology,2008,41(6):588-594.
[7]Kaur I,Rajni R,Marwaha A.ECG Signal Analysis and Arrhythmia Detection using Wavelet Transform[J].Journal of the Institution of Engineers,2016,97(4):499-507. [8]IEC IS.Particular requirements for safety,including essential performance,of recording and analyzing single channel and multichannel electrocardiographs[J].Geneva,Switzerland:International Electrotechnical Commission,2003.
[9]Association for the Advancement of Medical Instrumentation.Testing and reporting performance results of cardiac rhythm and ST segment measurement
algorithms[J].ANSI/AAMI EC38,1998.
[10]Von Wagner G,Kunzmann U,Sch?chlin J,et al.Simulation Methods for the Online Extraction of ECG Parameters under Matlab?/Simulink?[J].Biomedizinische
Technik/Biomedical Engineering,2002,47(s1b):534-537.。