资源描述：
《基于高阶统计量的盲源提取算法获取房颤信号》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、中国科学E辑:信息科学2008年第38卷第12期:2212~2225《中国科学》杂志社www.scichina.cominfo.scichina.comSCIENCEINCHINAPRESS基于高阶统计量的盲源提取算法获取房颤信号①*①②王刚,饶妮妮,张瑛①电子科技大学生命科学与技术学院,成都610054;②电子科技大学自动化工程学院,成都610054*E-mail:wanggang_hld@uestc.edu.cn收稿日期:2007-05-15;接受日期:2007-08-17四川省学术与技术带头人培养基金(批准
2、号:901008)、四川省应用基础项目(批准号:J13-075)和电子科技大学中青年人才培养计划(批准号:601016)资助项目摘要从房颤病人的体表12导联心电图中得到房颤波信号,是分析和描关键词述房颤特征的重要环节.文中发展了一种基于高阶统计量的盲源提取算法用心电图来获取房颤波信号,模拟数据和临床数据证明了这种算法的可行性和有效房颤性.与盲源分离相关方法相比,盲源提取算法只提取一个所需信号,通过计盲源分离盲源提取算频谱集中度的大小,就可以判断它是否为房颤信号,而不必像盲源分离方法那样必须对分离后的12组信号进行
3、复杂的判断才能决定房颤信号.因此,这种方法更适合于应用到临床监护中.房颤(atrialfibrillation,AF)是临床最常见的一种心律不齐病症,在通常人群中的发病率为0.4%~1.0%,并且随着人群年龄的增加,其发病率逐渐提高,在70岁以上人群中的发病率高达[1~5]10%.随着现代社会老龄化比例的提高,房颤发生比率逐渐提高,并引起人们越来越高的重视.我国尚无系统的房颤流行病学资料,基于北京市人群资料和上海市住院人群的统计资料显示,大于60岁的人群中房颤的发病率在1%以上.因而,保守估计目前我国房颤患者人数
4、大约在800万以上(http://www.afib.com.cn/).心脏包括心房和心室,正常的心脏激动由窦房结促发,依次是心房和心室激动,因此,正常的心律也称为窦性心律.心房激动(atrialactivity,简称为AA)产生的波为心房波,心室激动(ventricularactivity,简称为VA)产生的波为心室波.在体表心电图(electrocardiogram,ECG)上,心房波通常表现为P波,心室波通常表现为QRS波和T波.房颤发生时,ECG上P波消失,出现不规则的F(fibrillation)波,其形
5、态、间距及振幅均不相等,频率在350~600次/分,我们称这[1]种波为房颤波,也可称为房颤信号.中国科学E辑:信息科学2008年第38卷第12期在临床监护中,医生常常通过观察病人症状并结合心电图来判断是否发生房颤,往往不能及时发现病症.如果监护仪器能够“智能”地从体表心电图中提取出房颤信号并进行判断,并针对判断结果发出不同形式的报警,那么医生就可以及时判断病人是否发生房颤,了解发作周期,判断房颤类型.同时,房颤信号的分析有助于研究和发展新的房颤诊断治疗方法,有助于研究房颤病理预测和新的房颤诊断工具.因此,用“无
6、损”的方法从房颤病人的体表心电图中得到房颤信号,是分析和描述房颤特征十分重要的一个环节.本文中,我们在分析了已有房颤信号提取方法的基础上,提出了用基于高阶累积量的盲源提取算法直接获取房颤信号的新框架;与盲源分离相关方法相比,该算法只提取一个所需信号,更利于“机器识别”.1房颤信号提取框架1.1已有提取方法的框架房颤病人的体表12导联心电图是房颤波、心室波和其他干扰的混合.已有的房颤信号提[6,7]取算法包括时空QRST波消除(spatiotemporalQRSTcancellation,STC)方法、主分量分析[
7、8](primarycomponentanalysis,PCA)方法和盲源分离(blindsourceseparation,BSS)方法/独立分[1~3]量分析(independentcomponentanalysis,ICA)方法等.与STC方法相比,ICA和PCA的方法能够充分利用12导联的全部信息,因此这2种方法的鲁棒性更强.其提取方法原理如图1所示.图1基于ICA和PCA提取方法的框架[1~3]用盲源分离技术提取房颤信号是基于以下理论依据:1)由于房波和室波分别是心房和心室激动产生的,因此,这2种信号可以
8、认为是统计独立的;2)房波和室波都具有非Gauss性;3)体表观测到的心电信号可以看作是房波与室波的瞬时线性组合,未知的混合系数取决于电极放置的位置和身体组织的传导率.[9~12][1]在使用盲源分离技术提取房颤信号的研究中,Rieta首先引入了Fast-ICA算法;Cast-[2][3]erlls进一步利用了房颤信号的时间相关性,引入了时空-ICA算法;Castells
