一種心電圖信號處理方法及裝置制造方法
【專利摘要】本發明公開了一種心電圖信號處理方法及裝置，用以提高睡眠分析結果的精度。所述方法，包括：獲得預設時間間隔內的ECG信號數據；按照預設的采樣周期對獲得的ECG信號數據進行采樣，獲得各采樣周期對應的ECG信號數據，其中，每一采樣周期內的ECG信號數據包括該采樣周期內以及該采樣周期之前和/或該采樣周期之后的、預設時長內的ECG信號數據；根據各采樣周期對應的ECG信號數據，分別確定各采樣周期內的HRV特征參數。進一步地，按照預設算法分別確定各采樣周期內的HRV特征向量進行處理得到濾波HRV特征向量；并合并HRV特征向量和濾波HRV特征向量。
【專利說明】—種心電圖信號處理方法及裝置
【技術領域】
[0001 ] 本發明涉及信號處理【技術領域】，尤其涉及一種心電圖信號處理方法及裝置【背景技術】
[0002]睡眠研究是睡眠學和腦電圖學的重要組成部分，也是當今世界上科學研究的熱點之一。精確分析睡眠的結構，可以對充分評估睡眠質量，分析睡眠障礙患者的健康情況，給出正確合理的診斷建議。
[0003]早期研究認為睡眠狀態僅與腦電圖(Electroencephalography, EEG)EEG的同步化慢波相聯系，睡眠是一個單一進程。借助于早期的多導睡眠圖(Polysomnographic,PSG),美國的Kleitman和Aserinsky (1957)發現人類的睡眠不是一個均一狀態,而是有兩個不同的時相周期交替:非快速眼球運動睡眠(non-rapid eye movement, NREM)和快速眼球運動睡眠(rapid eye movement, REM), 二者以是否有眼球陣發性快速運動及不同的腦電波特征相區別。REM階段心率等體征參數不穩定，翻身等肢體動作也相對較多，屬于淺睡階段；NREM階段心率等體征參數穩定，屬于深睡階段。
[0004]目前臨床睡眠結構分析方法是分析PSG，分析需要在醫院的睡眠監測室進行，采用PSG記錄被測者的腦電，肢體運動，呼吸，心率，眼動等數據并進行分析，獲得被測者的睡眠結構。在實際應用中，PSG存在以下問題:
[0005]1.整個過程操作復雜，耗時，專業技術要求高，檢測費用高，只能在醫院進行；
2.監測時需要在人體上貼近十個電極(如圖1所示)，非常不舒適，佩戴后病人難以入睡；
3.患者可能不適應醫院環境，加重失眠癥狀；4.醫院睡眠監測資源有限，無法保證大部分病人的就診，根據醫院統計，在北京做一次睡眠監測需要提前3個月預約；5.睡眠障礙與其他神經癥并發率高，由于國人觀念作祟多不愿意就診，而該類病人又多為社會精英階層，注重隱私的保護，現有醫療模式不能有效保護他們的隱私權；6.偏遠地區患者就診不方便，綜上，目前的睡眠監測模式遠遠無法滿足患者的需求，家庭監測比醫院監測更為切實可行，研發適合家庭使用的睡眠監測系統具有重要意義。
[0006]目前，用于家庭監測的睡眠監測系統主要通過貼在人體表面的多個電極，可以獲得心電圖(Electrocardiography, ECG),這些電極可以通過集成減小體積,增強便攜性,例如圖2a是一個胸帶式的心電傳感器。心電圖是描述心臟跳動引起的體表電位變化的圖形，其形狀如圖2b所示，一個心電周期主要包括Q、R、S三個重要特征點波，兩個相鄰周期的R波間隔就是RR間隔(R-R Interval)，通過RR間隔可以分析心率。心率變異率(Heart RateVariability, HRV)，是指人體心臟搏動周期存在的微小變異，這種變化差異能夠反映人體自主神經的活性，可以反映被監測者的睡眠深度。由于HRV具有高信噪比和容易獲得等特點，可以在家里以及在普通的醫療環境進行記錄。
[0007]但是，目前用于家庭監測的睡眠監測系統的主要工作集中與傳感器的開發和設計，以提高生理指標的量測精度，而在利用傳感器采集到心電圖信號進行分析以判斷睡眠深度的過程中，只是進行簡 單的特征提取，以提取HRV特征為例，HRV特征是一種統計特征，需要較長時間的觀測數據才能準確計算。而現有睡眠監測系統采用30s的心電圖數據計算HRV特征。一方面，數據量較小，特征不夠穩定；另一方面，由于采樣時間短，造成HRV的頻域特征的分辨率不夠，這樣直接降低了睡眠深度分析結果的精度，無法滿足實際應用需求。
【發明內容】
[0008]本發明實施例提供一種心電圖信號處理方法及裝置，用以提高睡眠分析結果的精度。
[0009]本發明實施例提供一種心電圖信號處理方法，包括:
[0010]獲得預設時間間隔內的心電圖ECG信號數據；
[0011]按照預設的采樣周期對獲得的ECG信號數據進行采樣，獲得各采樣周期對應的ECG信號數據，其中，每一采樣周期內的ECG信號數據包括該采樣周期內以及該采樣周期之前和/或該采樣周期之后的、預設時長內的ECG信號數據；
[0012]根據各采樣周期對應的ECG信號數據，分別確定各采樣周期內的心率變異率特征向量。
[0013]本發明實施例提供一種心電圖信號分析裝置，包括:
[0014]獲得單元，用于獲得預設時間間隔內的心電圖ECG信號數據；
[0015]采樣單元，用于按照預設的采樣周期對獲得的ECG信號數據進行采樣，獲得各采樣周期對應的ECG信號數據，其中，每一采樣周期內的ECG信號數據包括該采樣周期內以及該采樣周期之前和/或該采樣周期之后的、預設時長內的ECG信號數據；
[0016]第一確定單元，用于根據各采樣周期對應的ECG信號數據，分別確定各采樣周期內的心率變異率特征向量。
[0017]本發明實施例提供的心電圖信號處理方法及裝置，由于在每一采樣周期內，獲得的ECG信號數據不僅包括當前采樣周期內的ECG信號數據，還包括當前采樣周期之前和/或當前采樣周期之后的一定時長內的ECG信號數據，這樣，能夠提升頻率分辨率，精確的計算ECG信號數據的低頻分量，從而提高了睡眠深度分析的精度。
[0018]本發明的其它特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發明而了解。本發明的目的和其他優點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現和獲得。
【專利附圖】
【附圖說明】
[0019]此處所說明的附圖用來提供對本發明的進一步理解，構成本發明的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中:
[0020]圖1為現有技術中，PSG睡眠監測場景示意圖；
[0021]圖2a為現有技術中，胸帶式的心電傳感器示意圖；
[0022]圖2b為現有技術中，心電圖信號數據示意圖；
[0023]圖3為現有技術中，基于心電圖的睡眠結構分析流程示意圖；
[0024]圖4為本發明實施例中，HRV頻域特征計算方法原理圖；
[0025]圖5為本發明 實施例中，心電圖信號處理方法的實施流程示意圖；
[0026]圖6為本發明實施例中，CS濾波實現過程示意圖；[0027]圖7為本發明實施例中，CS濾波的計算流程示意圖；
[0028]圖8為本發明實施例中，心電圖信號處理裝置的結構示意圖。
【具體實施方式】
[0029]為了提高睡眠分析結果的精度，本發明實施例提供了一種心電圖信號處理方法及裝置。
[0030]以下結合說明書附圖對本發明的優選實施例進行說明，應當理解，此處所描述的優選實施例僅用于說明和解釋本發明，并不用于限定本發明，并且在不沖突的情況下，本發明中的實施例及實施例中的特征可以相互組合。
[0031]實施例一
[0032]利用心電圖進行睡眠結構分析的流程如圖3所示，可以包括以下部分:首先從ECG提取HRV特征向量，然后將提取到的HRV特征向量輸入分類器中，其中，分類器為在特定樣本上訓練獲得的，分類器輸出結構就是睡眠狀態，包括REM或者NREM。
[0033]本發明實施例中，針對上述流程中的HRV特征向量提取流程進行了改進，以提高提取到的HRV特征向量的準確性，進而使得分類器輸出的睡眠狀態結果更加精確。具體的，根據睡眠深度分析的相關標準，通常以30秒為單位進行分析，即按照30秒的采樣周期對心電圖信號數據進行采樣，得到一個周期內的數據，由頻率分辨率公式fo = 1/T可知(&為待求頻率，T為對應周期)，由此可知，采用30秒數據得到的頻率分辨率為0.03Hz，而醫學研究表明，0.003Hz的信息對于衡量自主神經活性更具意義，亦即至少需要5分鐘的數據才能得到低頻分量。為例便于描述，本發明實施例中以提取5分鐘的數據為例進行說明，具體實施時，所提取數據的時長可以多于5分鐘，本發明對此不進行限定。
[0034]因此，本發明實施例中，對HRV頻域特征的提取方法進行了改進，在對ECG信號數據進行采樣時，按照預設的采樣周期(例如可以但不限于設置為30s)進行采樣，但是每個采樣周期參與統計的ECG信號數據包含前采樣周期內和當前采樣周期之前一定時長內的ECG信號數據，或者包含當前采樣周期內和當前采樣周期之后一定時長內的ECG信號數據，還可以包含當前采樣周期、當前采樣周期之前以及當前采樣周期之后一定時長內的ECG數據。如圖4所示，其為HRV頻域特征計算方法原理圖，以5分鐘內的ECG信號數據為一個單元提取頻域特征為例，將其值作為當前采樣周期的頻域特征，每次平移30秒提取下一個頻域特征值。通過加長ECG信號數據統計窗口，可以提升頻率分辨率，精確的計算低頻分量，描述交感神經和副交感神經的活性，從而更加準確的體現睡眠深度。
[0035]根據上述分析，如圖5所示，為本發明實施例提供的心電圖信號處理方法的實施流程示意圖，可以包括以下步驟:
[0036]S501、獲得預設時間間隔內的ECG信號數據；
[0037]具體實施時，可以根據需要分析睡眠深度的時間段來確定需要獲得的ECG信號數據的時間間隔，例如，以對晚上22:00至22:05之間的睡眠深度情況進行分析為例，可以從記錄的ECG信號數據中提取22:00至22:05前后的一定時間段內的ECG信號數據，假設提取21:55至22:10之間的ECG信號數據。
[0038]S502、按照預設的采樣周期對獲得的ECG信號數據進行采樣，獲得各采樣周期對應的ECG信號數據；[0039]假設設置的采樣周期為30秒，具體實施時，可以分別確定22點整~Tl點30秒、22點30秒~22點零I分、22點零I分~22點I分30秒、22點I分30秒~22點零2分、22點零2分~22點2分30秒、22點2分30秒~22點零3分、22點零3分~22點3分30秒、22點3分30秒~Tl點零4分、2點零4分~Tl點4分30秒、22點4分30秒~Tl點零5分每一時間段內對應的ECG信號數據，其中，上述每一時間段內的ECG信號數據包括該采樣周期內以及該采樣周期之前和/或該采樣周期之后的、預設時長內的ECG信號數據；以22點整~22點30秒包含的ECG信號數據為例，其可以包括21點55分30秒~22點30秒之間的ECG信號數據，也可以包括22點整~22點零5分之間的ECG信號數據，還可以包括21點57分30秒~22點零2分30秒之間的ECG信號數據，具體實施時，若某一采樣周期的ECG數據既包含該采樣周期之前的ESG數據也包含該采樣周期之后的ECG數據時，其包含采樣周期之前的ECG數據的時長和采樣周期之后ECG數據的時長可以任意分配，本發明實施例對此不做限定，只要提取數據的總時長達到預設時長即可(本發明實施例中以5分鐘為例)。
[0040]S503、根據各采樣周期對應的ECG信號數據，分別確定各采樣周期內的HRV特征向量。
[0041]具體的，針對獲得的每一采樣周期對應的ECG信號數據，從ECG信號數據中檢測R波位置(通常來說，R波大約每800毫秒出現一次)，根據R波位置能夠確定RR間隔，根據RR間隔便能夠分析心率，從而得到HRV特征向量。其中，HRV特征向量可以包含12個特征向量，不同特征向量可以從不同的角度表征睡眠深度。
[0042]具體實施時，為了提高分析結果的準確性，獲取ECG數據的時間間隔可以設置的長一些，假設獲得1000個周期的ECG信號數據，相應地，能夠獲得1000個HRV特征向量，分別以HRVpHRV2……HRVm表示(m為小于等于1000的自然數)各HRV特征向量，由于每一 HRV特征向量均包含12個特征參數，則其包含的任一 HRV特征參數可以表示為HRV0lbl), HRV(m,2)，……HRV(m,n) (η為小于等于12的自然數)。則可以用以下矩陣表示上例中獲得的1000個HRV特征向量:
【權利要求】
1.一種心電圖信號處理方法，其特征在于，包括: 獲得預設時間間隔內的心電圖ECG信號數據； 按照預設的采樣周期對獲得的ECG信號數據進行采樣，獲得各采樣周期對應的ECG信號數據，其中，每一采樣周期內的ECG信號數據包括該采樣周期內以及該采樣周期之前和/或該采樣周期之后的、預設時長內的ECG信號數據； 根據各采樣周期對應的ECG信號數據，分別確定各采樣周期內的心率變異率HRV特征向量。
2.如權利要求1所述的方法，其特征在于，還包括: 在確定出各采樣周期內的HRV特征向量之后，按照預設算法分別確定各采樣周期內的HRV特征向量對應的濾波HRV特征向量；并合并HRV特征向量和濾波HRV特征向量。
3.如權利要求2所述的方法，其特征在于，所述HRV特征向量包括至少一個HRV特征參數；以及 按照預設算法確定各采樣周期內的HRV特征向量對應的濾波HRV特征向量，具體包括: 針對每一采樣周期內的 HRV特征向量，按照所述預設算法分別確定該HRV特征向量包含的每一 HRV特征參數對應的濾波HRV特征參數；以及 確定該HRV特征向量包含的各HRV特征參數對應的濾波HRV特征參數組成濾波HRV特征參數。
4.如權利要求2或3所述的方法，其特征在于，所述預設算法包括中央-鄰域CS濾波算法。
5.一種心電圖信號處理裝置，其特征在于，包括: 獲得單元，用于獲得預設時間間隔內的心電圖ECG信號數據； 采樣單元，用于按照預設的采樣周期對獲得的ECG信號數據進行采樣，獲得各采樣周期對應的ECG信號數據，其中，每一采樣周期內的ECG信號數據包括該采樣周期內以及該采樣周期之前和/或該采樣周期之后的、預設時長內的ECG信號數據； 第一確定單元，用于根據各采樣周期對應的ECG信號數據，分別確定各采樣周期內的心率變異率HRV特征向量。
6.如權利要求5所述的裝置，其特征在于，還包括: 第二確定單元，用于在所述第一確定單元確定出各采樣周期內的HRV特征向量之后，按照預設算法確定各采樣周期內的HRV特征向量對應的濾波HRV特征向量； 合并單元，用于合并HRV特征向量和濾波HRV特征向量。
7.如權利要求6所述的裝置，其特征在于，所述HRV特征向量包括至少一個HRV特征參數；以及 所述第二確定單元，包括: 第一確定子單元，用于針對每一采樣周期內的HRV特征向量，按照所述預設算法分別確定該HRV特征向量包含的每一 HRV特征參數對應的濾波HRV特征參數； 第二確定子單元，用于確定該HRV特征向量包含的各HRV特征參數對應的濾波HRV特征參數組成濾波HRV特征向量。
8.如權利要求6或7所述的裝置，其特征在于，所述預設算法包括中央-鄰域CS濾波算法。
【文檔編號】A61B5/0402GK103892822SQ201210576742
【公開日】2014年7月2日 申請日期:2012年12月26日 優先權日:2012年12月26日
【發明者】姚振杰, 張志鵬, 王俊艷, 徐青青, 許利群 申請人:中國移動通信集團公司