[发明专利]基于盲源提取的房颤监测方法

说明书

技术领域

本发明属于心电监测领域，具体内容是利用单导联心电信号实现对房颤疾病的监测方法。

背景技术

心房纤颤简称“房颤”，它可以并发于许多类型的心脏病，如风湿性心脏瓣膜病、冠心病、心肌病、缩窄性心包炎等。在60岁以下的人群中，房颤病的患病率约为1％，但是在70岁以上的人群中患病率有着显著的增加，80岁以上的患病率高达10％。目前，国内外关于房颤信号的提取方法有模板匹配法，主成分分析(principal component analysis，PCA)，独立成分分析(independent component analysis，ICA)，盲源分离(Blind source separation，BSS)，盲源提取(Blind source extraction，BSE)等，鉴于各种算法(处理方法)的局限性，能够准确适用于房颤监测系统的方法极少，医生往往需要从房颤病人的长时间(24小时)心电监测数据进行分析，根据临床经验判断该病人在监测过程中是否发生了房颤。这种诊断方法不仅时效性差，而且耗费大量人力和物力。

在众多的房颤信号提取方法中，模板匹配法又分为固定模板匹配法和自适应模板匹配法，这两种方法都有共同的特点：只从体表心电中的一个导联数据中提取房颤信号，而且极易受到心电波形的形态影响，鲁棒性较弱，在一定程度上阻碍了后续的房颤信号特征分析。

主成分分析(PCA)和独立成分分析(ICA)都属于盲源分离(BSS)方法，它们都能够充分利用多导联信号的信息。但是由于此类方法会同时提取多个信号，当几个信号同时存在房颤信号特征时，它们并不能分辨哪一个分量是房颤信号，所以无法直接提取出房颤信号。而且这些方法在计算时占用大量的时间和空间，不适用于实时监测。

盲源提取(BSE)技术是盲信号处理的一个分支，它通常利用独立分量分析技术，从线性混合数据中提取出相互独立的非高斯信号。与BSS相比，BSE只提取一个感兴趣的信号，占用硬件空间少，计算量小，而且易于工程实现。但是在提取过程中，期望信号的自回归(Autoregressive，AR)模型(信号)往往不能自适应的准确估计，其受到噪声信号的干扰较大，影响提取结果。

发明内容

本发明的目的是针对背景技术存在的缺陷，研发一种基于盲源提取的房颤监测方法，根据房颤病发作时的特征，并结合了小波变换、非线性扩展以及谱减法等信号处理技术，实现房颤实时监测及定位等目的。

本发明的解决方案是在对房颤信号采用盲源提取技术的基础上，根据房颤病发作时在.频谱上表现为3-10Hz之间有一个明显尖峰，结合小波变换，非线性扩展以及谱减法等现代信号处理技术，实现房颤实时监测及定位的目的。因而本发明方法包括：

步骤1.监测标准参数的初始化设置：按受监测人类型对相应的监测标准参数进行初始化设置，即将受监测人：

为小孩时、其正常心率设为100-145次/分，为成年男性时、正常心率设为60-80次/分，为成年女性时、正常心率设为60-90次/分，为老人时、正常心率设为55-85次/分；同时将数据采集及处理时段(缓存周期)、相应的报警阈值一并作为基础参数进行初始化设置并存入数据库、以备调用；

步骤2.数据采集：首先将监测显示器置于相应受监测人类型档，利用常规心电采集仪将监测对象的心电信号经放大滤波后陆续输入监测器内，按步骤1设定的数据采集及处理时段进行采集，所得数据转步骤3；

步骤3.去除基线漂移：将步骤2所得数据采用小波包技术按信号频率分段，并删除低于0.5Hz的频率信号、以除去基线漂移成分后、再重构成时域信号；

步骤4.心率的确定；通过