集成微系统科学工程与应用重点实验室
The Key Laboratory of Integrated Microsystems

基于CareON的心电信号特征提取与病情状态分析

时间:2020-08-03

心电信号(ECG)记录了心脏在一段时间内的电活动过程,含有丰富的人体生理及病理信息,是诊断各种心脏类疾病的重要非侵入性临床工具。随着可穿戴设备及大数据技术的快速发展,心电信号已经不限于心脏功能的评估,还常用于许多疾病尤其是慢性疾病的辅助诊疗。高血压等慢性疾病严重威胁人们的生命健康安全,对其病情状态的分析研究至关重要。

席俊辉同学借助实验室研发的便携式心电信号采集设备 CareON 采集高血压患者的心电信号,并实现了心电信号的特征提取和病情状态的分析研究。

由于心电信号易受到噪声干扰,为提高信噪比,设计除了滤波算法去除主要噪声类型。利用 50Hz 陷波滤波器去除工频干扰、100Hz 截止频率的低通滤波器去除肌电干扰的高频部分以及小波自适应阈值法去除基线漂移等低频噪声。设计实验验证去噪效果。

对于心电信号的特征提取。首先基于 QRS 波段提取 R 峰峰值等 8 个特征,然后基于 HRV 信号提取了 21 个时域、频域和非线性特征。用 MIT-BIH 数据库验证了提取的特征在心律失常组和心律正常组之间的显著性差异。

研究了高血压患者不同病情状态下的心电信号特征变化。首先研究服用降压药前后单个特征的变化趋势,实验结果发现提取的心电信号特征均有不同程度的下降或上升趋势;接着研究有无并发症高血压患者的综合指标变化趋势,综合指标是利用KPCA 算法提取的主成分特征,实验发现前 6 个主成分特征在两组之间有不同的变化趋势。

采集正常人与高血压患者的心电信号数据,并建立决策树模型以识别高血压患者的病情状态。首先建立模型对正常人与高血压患者分类,其分类结果为:平均precision为 0.86,平均 recall 为 0.86,平均 F1 值为 0.86;然后建立模型识别高血压患者病情程度,其分类结果为:平均 precision 为 0.78,平均 recall 为 0.76,平均 F1 值为 0.77。

 

编辑:王虎

审核:李秋平

*欢迎合作~

欢迎产业界朋友洽谈合作,联合开展科研项目的产业化工作~


*AETA地震预测AI算法大赛播报~

本次大赛已经进入紧张刺激的决赛阶段。20个团队进入决赛,根据一周的数据对未来一周川滇地区3.5级以上的地震进行地震三要素的预测。目前已经进入第十二周~