不同運動速率下心率檢測算法效果評估

段博，李建清，蔡志鵬，孫琦，劉澄玉

東南大學儀器科學與工程學院，江蘇南京210096

前言

隨著人類生活水平的不斷提高與飲食結構的改變，心腦血管疾病已成為人類健康的重大威脅。心血管疾病是全球第一位的死亡原因，每年死于心血管疾病的人數(shù)比死于任何其他原因的人數(shù)多。2016年全球有1 790 萬人死于心血管疾病，占全球死亡人數(shù)的31%，其中85%人死于心臟病和中風。超過80%的心血管疾病死亡發(fā)生在低收入和中等收入國家［1］。心率是指人體心臟每分鐘跳動的次數(shù)。在全身狀態(tài)如血容量、能量代謝等基本不變的情況下，心率的改變直接反映了心臟的功能狀態(tài)和交感神經(jīng)張力，因此心率是人體健康的重要指標。快速心率是心血管疾病的獨立危險因子，對涵蓋了高血壓、冠心病、慢性心衰等領域的多個大型臨床研究死亡相關因素的分析均表明，心率增快是心血管疾病死亡的主要危險因素之一［2］。因此，實時心率的檢測與過快心率預警在疾病診斷、治療效果觀察和進行預后判斷等方面都具有重要的意義。

近年來，可實時監(jiān)測人體生理參數(shù)的可穿戴健康設備一直是醫(yī)學界和工學界的研究熱點之一，通過將一種或多種傳感器與結合常見的衣物、手表、手環(huán)等結合制成的穿戴式低功耗設備，可以在不影響使用者日常生活的情況下實現(xiàn)對人體各種重要生理參數(shù)（如心率）的監(jiān)測［3］。

使用心電圖是心率獲取中最為廣泛及權威的方式，在使用心電圖決定心率的方法中，大多數(shù)研究人員根據(jù)R-R間隔量化心臟周期和心率。盡管心臟跳動實際上是從P波開始的，但R波的顯著性使得檢測算法的效率和精度更高［4］。因此，在計算心率前需要確定QRS波的位置，心率計算的準確度很大程度取決于心電信號QRS檢測的結果。目前關于QRS波的檢測算法已經(jīng)發(fā)展到一個比較成熟的階段，小波、差分、斜率、匹配濾波等方法在許多數(shù)據(jù)庫中都取得了較高的檢測成功率［5］。并且針對不同QRS檢測算法的差異性及其優(yōu)越性，研究者也做了充分的研究與調查［6-7］。但現(xiàn)階段，這些算法的比較及應用主要集中于靜息狀態(tài)或臨床，并沒有太多針對運動狀態(tài)心率的研究。

本研究通過穿戴式心電衣與慣性導航儀器相結合的方式，建立速度與心電信號的實時數(shù)據(jù)采集系統(tǒng)，進行一系列實驗，對采集到的數(shù)據(jù)進行離線分析。通過對比不同速度區(qū)間的心率檢測計算結果，對所選取的多種算法進行橫向對比，為以后相關應用提供支持和幫助。

1 方法

1.1 數(shù)據(jù)獲取

5名東南大學的志愿者參與了這項研究（5名男性，年齡20～27歲，平均年齡24歲）。志愿者身體健康，沒有心血管疾病。測量數(shù)據(jù)包括實時心電數(shù)據(jù)和GPS慣導數(shù)據(jù)。實驗采用儀器為聯(lián)想智能心電衣及GPS數(shù)據(jù)采集終端，該智能心電衣為腰帶式緊身設計，采用標準3導聯(lián)，包括左上肢與右上肢的濕性電極，及位于左右腹部的織物電極?？色@取采樣頻率為400 Hz的實時心電信號，獲取的原始信號為I、II導聯(lián)信號，GPS采集終端位于人體胯骨右側，不影響人體正常運動。整體實驗效果及信號處理流程如圖1所示。

實驗在平均溫度為23 ℃的室外進行，無其他外界干擾。實驗人員在周長約為400 m 的環(huán)形跑道進行運動，實驗開始，實驗人員佩戴設備步行環(huán)繞操場一圈，然后跑動繞行一圈，經(jīng)過片刻休息，步行一圈，最后跑動繞行一圈。5 名實驗對象都嚴格按照實驗步驟完成實驗。

圖1 實驗效果及信號處理流程圖Fig.1 Experimental results and signal processing flowchart

1.2 數(shù)據(jù)處理

由于II導聯(lián)相對I導聯(lián)R波較為明顯，基于本課題研究問題，決定以II導聯(lián)信號為處理對象，以提高檢測效率。實驗結束后，將離線心電實驗數(shù)據(jù)進行截斷，以10 s為周期，總段數(shù)為433段。信號處理流程如圖1所示，以慣導傳感器采集的GPS數(shù)據(jù)為基礎，計算每段數(shù)據(jù)對應的平均速度，為后續(xù)分析做準備。同時，進行手動心電R波標注，手動標注為專業(yè)人員逐拍標注，標注過程中會進行一定程度的信號質量評估［8］，但不進行全部量化，只是舍棄評估值為不可用信號的部分［8］。其中具有使用價值的信號為382段，無使用價值的信號為51段。將經(jīng)過篩選的信號段用選取的QRS波檢測算法進行處理，獲取R波檢測結果。

1.3 QRS檢測算法

在本研究所選用的算法經(jīng)過多種論證比較，具備以下特點，應用較為廣泛，計算復雜度低，并且適用于處理穿戴式心電數(shù)據(jù)，最重要的是，算法具備較高的檢測精度。選取以下5種QRS波檢測算法，并給出它們的詳細信息。計算心率，與手動標注的結果進行比對計算。

1.3.1 原始Pan & Tompkins 算法原始Pan &Tompkins 算法是應用最廣泛的QRS 算法之一［9］。其算法流程如下，首先，使用巴特沃斯帶通濾波器對心電信號進行濾波，頻率設定范圍為5～15 Hz。然后，經(jīng)過微分及逐點平方處理，將平方ECG 信號轉換為積分能量信號。采用兩組自適應閾值來檢測濾波積分信號中的QRS 峰值。然后，執(zhí)行優(yōu)化步驟以重新檢測峰值。首先，重新檢查小于360 ms的RR 間隔以確認它是否是T 波。如果RR 間隔大于RR 間隔設定限制，則執(zhí)行搜索程序以找到錯過的節(jié)拍。然后，閾值基于檢測到的運行信號和噪聲峰值水平自動調整。最后，獲得檢測得到的QRS峰值［6］。

1.3.2 Hamilton & Tompkins 算法1986年，Hamilton和Tompkins 通過優(yōu)化參數(shù)選擇和閾值估計改進了Pan＆Tompkins方法［10］。

1.3.3 JQRS 算法JQRS 算法［11-13］也是一個基于原始Pan＆Tompkins算法的QRS檢測器，但有幾個本質上的改進［14］，基于信道評估的信號質量指數(shù)。首先，ECG 信號通過一個濾波器，Pan ＆ Tompkins 算法中的帶通濾波器已經(jīng)被QRS 匹配濾波器（墨西哥帽）代替，并且添加一個額外的探測器以防止誤檢。濾波后的信號被轉換為積分的能量信號。然后，通過一個檢測閾值從積分信號中檢測QRS 波。采用回溯搜索和200 ms 間隔法對檢測結果進行優(yōu)化。最后，將峰值點的位置與原始心電信號相匹配。

1.3.4 Sixth-power 算法Sixth-power 算法是一種基于最小預處理和簡單判決的QRS 檢測方法［6，15］。該方法不需要對模型參數(shù)進行任何訓練、設置和估計，其采用兩級中值濾波器對信號進行預處理，利用采樣頻率fs去除基線漂移。該方法基于對ECG 信號進行高階處理后的斜率垂直微分。改變高功率信號的平均值，達到一定的閾值進行判別。該方法計算簡單，效率高，可對正常和異常心電圖的QRS 信號進行檢測，不需要任何相移和邊緣效應減小的布置。

1.3.5 Difference operation method（DOM）DOM分為兩個階段［16］。第一階段是應用差分方程求R點。第二階段基于該點查找點Q和S、R發(fā)現(xiàn)QRS波群。從QRS波群中可以得到T波和P波。首先，通過巴特沃斯線性帶通濾波器（頻率為8～30 Hz）過濾ECG信號，將濾波后的信號通過差分運算方程處理，獲取差分信號，然后對差分信號再次進行濾波，濾波頻率為0.05～100.00 Hz，將濾波后信號通過閾值方程。在信號轉換步驟之后，執(zhí)行QRS檢測，首先，檢測所有正極端點。如果是R波峰值，則需要檢查每個正極點，方法是找到區(qū)域內的負極值點。該區(qū)域的定義為中心是當前正極值點，半徑為140 ms的范圍。如果存在一個非零極值，則該正極點被認為是R波峰值，否則忽略該點。然后執(zhí)行優(yōu)化步驟以重定位正極值點［17］。最終，為了使這些極值點的位置與濾波后的ECG信號匹配，將最大正值的位置定位為140 ms窗口中的QRS位置。

1.4 評估方法

現(xiàn)階段，無論是手動標注還是算法檢測，所獲取結果皆為ECG信號QRS波位置。本課題采用主流的心率計算方法，即根據(jù)R-R 間隔來量化［18］。首先，計算每段數(shù)據(jù)內所有的RR 間期，其中RR 間期指的是兩個連續(xù)R 峰之間的時間間隔。數(shù)據(jù)內所有RR 間期的中值記為Rm，則當前的心率可通過式（1）確定：

其中，Rm為所有RR 間期的中值，fs為采樣頻率，HR則指的是心率值。

本研究使用心率檢測誤差均值和標準差進行評估，心率檢測誤差指算法測量結果與手動標注真值之間的差值。同時筆者以速度及標注真值為變量，分別對5名志愿者的實驗數(shù)據(jù)進行線性擬合，并計算對應的相關系數(shù)r值和P值。

2 結果

圖2所示依次為5名志愿者的心率分布情況，圖中橫軸為速度，1格為0.5 m/s，縱軸為心率，1格為50 bpm，方格內數(shù)值表示在滿足該區(qū)間內的信號段個數(shù)。表1為5名志愿者心率與速度的相關系數(shù)r值與P值。5名志愿者的P值均小于0.05，志愿者1與志愿者5的P值較大（＜0.005），其相關系數(shù)r值約為0.33，志愿者2、志愿者3與志愿者4的P值均小于0.001，其相關系數(shù)為0.5～0.8，其中最大相關系數(shù)為0.787。

將所有志愿者數(shù)據(jù)混合，以1.5 m/s 為分界點，將數(shù)據(jù)分為低速區(qū)間與高速區(qū)間，分別統(tǒng)計5種心率測量算法的結果誤差。圖3和圖4顯示了5種算法心率在兩個區(qū)間計算誤差的對比結果，圖3為誤差均值對比，圖4為誤差標準差對比。

在低速區(qū)間，DOM 算法計算結果誤差均值最?。?.48 bpm），Sixth-power算法誤差均值最大（6.41 bpm）；DOM 算法誤差標準差最?。?.91 bpm），原始Pan &Tompkins算法誤差標準差最大（21.51 bpm）。在高速區(qū)間，DOM 算法測量結果誤差均值最?。?.54 bpm），原始Pan&Tompkins 算法誤差均值最大（8.34 bpm）；DOM 算法誤差標準差最?。?.71 bpm），原始Pan &Tompkins算法誤差標準差最大（22.17 bpm）。

從低速狀態(tài)到高速狀態(tài)，心率計算誤差均值和標準差都提高了。DOM算法測量結果的誤差均值變化量最?。?.06 bpm），Hamilton&Tompkins算法的誤差均值變化量最大（5.79 bpm）；原始Pan&Tompkins算法誤差標準差變化量最?。?.66 bpm），JQRS 算法誤差標準差變化量最大（5.48 bpm）。

3 分析與討論

在本次研究中，我們采用了穿戴式設備與慣導儀器，獲取5名志愿者在不同運動態(tài)的實時心電信號與速度信號，通過手動標注及5種心率檢測算法獲取6 組心率值。以手動標注結果為真值，橫向對比5 種心率檢測算法在不同速度區(qū)間內的檢測效果，以獲取適用于不同運動狀態(tài)下的最優(yōu)算法。

圖2 5名志愿者心率真值分布圖Fig.2 Distribution of heart rate true values in 5 volunteers

通過對比5種檢測算法的結果誤差，針對本次研究中所使用的運動心電信號，DOM算法與JQRS算法在1.5 m/s以下的低速區(qū)間有較好的檢測結果，誤差均值及標準差與其他3種算法相差較大。在1.5 m/s以上的高速區(qū)間，DOM算法的檢測效果最好，誤差最小。而綜合對比兩個速度區(qū)間的檢測誤差，發(fā)現(xiàn)JQRS算法在低速區(qū)間具有較好的表現(xiàn)，但到高速區(qū)間，其標準差變化較大，誤差離散度變大，說明其測量穩(wěn)定性較差。原始Pan&Tompkins算法及經(jīng)其改進的Hamilton&Tompkins算法具有相同表現(xiàn)，從低速區(qū)間到高速區(qū)間，誤差均值變大，檢測準確率大幅降低，但離散度變化不大。而Sixth-power算法無論低速還是高速區(qū)間，其測量效果都表現(xiàn)較差，誤差較大，離散度較大。綜合來看，DOM算法在本實驗所采集數(shù)據(jù)上表現(xiàn)最好，說明其較為適宜于該應用環(huán)境中，即穿戴式運動心電信號的運用分析，而Sixth-power算法不太適宜于本實驗應用環(huán)境。同時，本研究也進行了速度與心率的相關性計算。結果表明，5名志愿者的速度與心率都呈現(xiàn)正相關關系，速度越快，心率越高。但針對本實驗中不同個體，其相關并不一致，3名志愿者呈現(xiàn)強正相關，2名呈現(xiàn)弱正相關。

表1 心率與速度的相關系數(shù)r值與P值Tab.1 Correlation coefficients(r value and P value)between heart rate and speed

圖3 誤差均值Fig.3 Mean error

圖4 誤差標準差Fig.4 Standard deviation

本研究采用的心率計算方式是根據(jù)R-R 間隔來量化的方式，而5 種算法所獲取的是R 波峰值，然后通過R-R 間隔中值進而計算出心率，所以，心率檢測準確度很大程度上依靠算法R波檢測準確度。

高效的心率檢測算法即是高效的R波檢測算法［19］。在傳統(tǒng)的臨床心電研究中，高效的QRS檢測算法研究十分豐富。針對不同的數(shù)據(jù)庫，各種QRS檢測算法的使用都有很多不同的實驗與對比研究。無論是在傳統(tǒng)生理數(shù)據(jù)庫上，如MIT-BIH，還是后來發(fā)展的遠程醫(yī)學數(shù)據(jù)庫，或者各種專一生理疾病的數(shù)據(jù)庫［6，20］。但運動態(tài)的心電研究與臨床有較大差異，由于傳感器及衣物與人體的交互，所獲取信號質量普遍較差，其噪聲存在不規(guī)律狀態(tài)。其信號處理的方式也不能簡單的與臨床研究等同［20］。本研究所選用的5種算法，經(jīng)過多年的應用及驗證，在相同數(shù)據(jù)庫上，其檢測準確度較高且差距不大［7］。而在本實驗中，所對比的為RR間期中值量化的心率檢測結果，并不是精確的QRS檢測，在一定程度上降低了檢測難度，但檢測準確度依然并不理想且不同算法的檢測準確率差異極為明顯。本課題所進行的不同運動速度下的心率檢測算法對比，不但可以為穿戴式設備市場應用提供支持；還可以進一步深入，進行算法擇優(yōu)改進與心電特征分析，作為相應研究的起始，具有較大的應用價值。

但本研究也存在一定局限性。首先，針對穿戴式心電信號分析，除了本實驗所選取的5種心率檢測算法，還有許多高效的心率檢測算法，如U3算法、FSM算法等。其次，本實驗中實驗對象的差異性較小，數(shù)據(jù)量也不夠大，雖然實驗結果符合預期，但依然可以進一步擴大實驗對象范圍及種類，增加差異性。最后，本研究的心電數(shù)據(jù)只進行了簡單處理，而一定的噪聲處理和特征提取可以更為明顯地展現(xiàn)穿戴式運動信號的特征，有利于進一步分析。尤其是針對運動信號的噪聲處理，將是運動心電信號應用研究的重要突破點。

4 結論

目前穿戴式智能醫(yī)療已經(jīng)成為醫(yī)學與工學的熱門研究領域，本文針對穿戴式運動信號，利用穿戴式設備和慣導儀器，設計相關實驗，分析心率與速度相關性，對比5種心率檢測算法的檢測效果。結果表明，DOM算法具有最好的檢測準確率，Sixth-power算法檢測準確率最低，JQRS算法在高速區(qū)間誤差離散度變大，原始Pan&Tompkins與Hamilton&Tompkins在高速區(qū)間誤差變大。綜上所述，根據(jù)其在不同速度區(qū)間的表現(xiàn)，可以為合理應用這些方法提供參考。