[发明专利]基于心电和脉搏信号融合的心率估计方法、装置和系统

说明书

技术领域

本发明属于生理参数测试领域，尤其涉及一种基于心电信号和脉搏信号融合的心率估计方法、装置和系统。

背景技术

分析心电图ECG是反映由心房和心室的去极化和复极化产生的心脏电活动的时变信号，由ECG信号或其他心血管信号产生的心率HR估计在临床环境(如重症监护病房监测)中非常重要，当HR超过指定的阈值时触发报警，而警报的准确性对于ICU患者的及时治疗和保健至关重要。但是，由于噪声和人为因素(例如身体活动和电极松动)， ECG可能严重污染甚至可能完全丢失。因此，临床医生必须进行人为确认以保证ECG 信号的HR估计的准确性，这很容易导致临床工作人员的报警疲劳，脱敏和迷惑。现有技术中已经采用了许多方法来增强ECG图的HR估计的准确性和鲁棒性。在ECG可能质量差甚至完全缺失的情况下，HR信息可以从其他生理信号获得，例如脉冲信号，典型脉冲信号为脉搏(ABP)信号，这种方式的优点是，一些会干扰ECG的因素如出汗，可能不会影响其他信号。在ECG和ABP信号中分别进行心跳检测后，可以通过“信息融合”获得HR的可靠估计。信号质量指数(SQI)在多模态信号融合中起着至关重要的作用。来自多模态生理信号的特征的融合有可能通过减少单个信号故障的影响来减少假警报并改善患者监测。

以前从多模态信号中鲁棒检测HR的方法使用心跳到心跳(beat-to-beat)的估计，该算法在诸如心动过速的处理事件中表现良好，但是在存在噪声和伪影的情况下处理室性心动过速时存在困难；Gribok et al.在多模态信号中使用隐藏的半马尔可夫模型 (HSMM)进行心跳检测，HSMM方法的主要优点是对每个状态的持续时间分布的隐式建模，然而，它严重依赖信号的周期性。另一种方法是基于数据耦合，其中可以在信号的噪声部分更容易地检测到心脏跳动，然而，当处理无噪声信号时，该方法的性能不高。Gieraltowski et al.提出了一种基于RS波斜率检测算法，该算法在具有高度变化形态的QRS波的检测中具有区分实际RS斜率和高幅度噪声的问题；Ye et al.、Zong、Farhadi et al.等使用光电体积图(PPG)信号获得HR，基于PPG的方法具有比ECG方法更简单的硬件实现，较低的计算复杂度。然而，它对运动伪影敏感，在剧烈的体力活动中，运动伪影变得非常强烈，影响HR估计的准确性。

因此，针对基于多模态信号融合估计心率的技术领域，如何有效提高心率估计准确性，是目前需要迫切解决的技术问题。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于心电信号和脉搏信号融合的心率估计方法和装置，所述方法基于心电信号和脉搏信号分别得到估计心率值和信号质量指数，然后基于信号质量指数对估计心率值进行卡尔曼滤波，最后进行融合。实验证明本发明的方法有效地提高了心率估计的准确性。

为实现上述目的，本发明采用如下技术方案：

一种基于心电信号和脉搏信号融合的心率估计方法，包括以下步骤：

分别基于心电信号和脉搏信号进行心率估计；

分别对心电信号和脉搏信号进行信号质量评估，获取二者的信号质量指数；

基于两个信号质量指数，分别对两个估计心率值进行卡尔曼滤波处理；

对经过卡尔曼滤波处理的两个估计心率值进行加权融合。

进一步地，所述心率估计采用WFDB工具箱。

进一步地，所述心电信号的信号质量指数为：

其中，η是惩罚因子，bSQI表示逐搏搏动匹配信号质量指数；sSQI表示基于功率谱分布的信号质量指数；kSQI表示基于峰度分析的信号质量指数。

进一步地，如果出现频谱或统计噪声，则将SQI1减少30％。

进一步地，所述脉搏信号的信号质量指数为：

其中，η是惩罚因子，wSQI表示基于模糊逻辑分析的信号质量指数；jSQI表示正常 /异常指数。

进一步地，对基于心电信号的估计心率值进行卡尔曼滤波处理包括：

(1)卡尔曼参数初始化；

(2)判断当前时刻i是否为窗口起点，若是，预先定义当前心率HR(i)的值；若否，将上一时刻的心率值赋予当前心率，即HR(i)＝HR(i-1)；

(3)计算error(i)＝HR1(i)-HR(i)，其中，HR1(i)表示当前时刻基于心电信号的估计心率值；