r波检测在心电图中

此示例演示如何使用小波分析心电图（ECG）信号。ECG信号通常是非平稳的，这意味着其频率内容随时间而变化。这些变化是令人感兴趣的事件。

小波将信号分解成时变频率（刻度）组件。因为使用稀疏（减少）表示时，信号特征通常在时间和频率上定位，分析和估计更容易。

QRS复合体由心电图波形中的三个偏转组成。QRS复合物反映了右侧和左心室的去极化，是人类心电图最突出的特征。

加载和绘制ECG波形，其中QRS复合物的R峰已经被两个或更多的心脏病学家注释。ECG数据和注释取自MIT-BIH心律失常数据库。数据以360 Hz进行采样。

加载mit200figure图（tm、ecgsig）保持在…上地块（tm（ann）、ecgsig（ann），'ro')xlabel('秒')伊拉贝尔(“振幅”)头衔('主题 -  MIT-BIH 200'）

您可以使用小波构建自动QRS检测器，用于R-R区间估计等应用。

使用小波作为一般特征探测器有两个关键:

“sym4”小波类似于QRS波群，这使其成为QRS波检测的良好选择。为了更清楚地说明这一点，提取QRS波群，并用放大和转换的“sym4”小波绘制结果以进行比较。

qrsEx=ecgsig（4560:4810）[mpdict，~，~，longs]=wmpdictionary（numel（qrsEx），“lstcpt”，{{{'符号4',3}}); 图表（qrsEx）保持在…上绘图（2*circshift（mpdict（：，11），[-20]），'r'）轴紧的传奇（“QRS波群”那“Sym4小波”)头衔('Sym4小波和QRS复合物的比较'）

使用最大重叠离散小波变换（MODWT）来增强ECG波形中的R峰值。MODWT是一种未传定的小波变换，其处理任意样本尺寸。

首先，使用默认的“sym4”小波将ECG波形分解为级别5。然后，仅使用刻度4和5处仅使用小波系数重建ECG波形的频率定位版本。尺度对应于以下近似频带。

这涵盖了显示器最大化QRS能量的通带。

wt = modwt（ecgsig，5）;wtrec = zeros（大小（wt））;WTREC（4：5，:) = WT（4：5，:);y = imodwt（wtrec，'符号4'）;

使用从小波系数构建的信号近似的平方绝对值，并采用峰值查找算法来识别R峰值。

如果你有信号处理工具箱™, 你可以用findpeaks找到峰值。绘制使用自动检测的峰值位置的小波变换获得的R峰值波形。

y = abs（y）。^ 2;[qrspeaks，locs] = findpeaks（y，tm，'minpeakheight',0.35,......“MinPeakDistance”，0.150）;图绘图（TM，Y）保持在…上绘图（Locs，qrspeaks，'ro')xlabel('秒')头衔('通过自动注释的小波变换本地化的峰值'）

将专家注释添加到R峰值波形。如果在真实峰值的150毫秒内，则认为自动峰值检测时间准确( $$\pm 7.5.$$顾客）。

图（tm（ann），y（ann），“k*”)头衔('r峰由小波变换与专家注释'本地化）

在命令行，您可以比较值tm（ann）和locs，分别为专家时间和自动峰值检测时间。通过小波变换增强R峰值，命中率为100%，且无误报。使用小波变换计算的心率为88.60次/分钟，而注释波形的计算心率为88.72次/分钟。

如果您尝试处理原始数据的平方量级，您会发现小波变换隔离R峰值的能力使检测问题变得更容易。处理原始数据可能会导致错误识别，例如，当平方S波峰值超过R波峰值约10.4秒时。

图表（tm、ecgsig、，'k-')持有在…上图（tm，y，'r'那“线宽”，1.5）绘图（tm，abs（ecgsig）。^2，'B'）绘图（TM（ANN），ECGSIG（ANN），'ro'那“markerfacecolor”，[10 0 0])集合(gca，“xlim”，[10.2 12]）传奇（“原始数据”那'小波重建'那“原始数据平方”那......“位置”那‘东南’）;Xlabel（'秒'）

使用findpeaks在原始数据的平方大小导致十二个误报。

[qrspeaks，locs] = findpeaks（Ecgsig。^ 2，tm，'minpeakheight',0.35,......“MinPeakDistance”，0.150）;

除了R峰值的极性切换外，ECG还经常被噪声破坏。

加载mit203figure图（tm、ecgsig）保持在…上地块（tm（ann）、ecgsig（ann），'ro')xlabel('秒')伊拉贝尔(“振幅”)头衔('主题 - 带有专家注释的MIT-BIH 203'）

使用modwt隔离R峰值。采用findpeaks确定峰值位置。绘制R峰值波形以及专家和自动注释。

wt = modwt（ecgsig，5）;wtrec = zeros（大小（wt））;WTREC（4：5，:) = WT（4：5，:);y = imodwt（wtrec，'符号4'); y=绝对值（y）。^2[QRS，locs]=FindPeak（y，tm，'minpeakheight'，0.1，......“MinPeakDistance”,0.150); 地物图（tm，y）标题(“通过小波变换定位的R波”)持有在…上qrspeaks hwav =情节(loc,'ro'); hexp=绘图（tm（ann），y（ann），“k*”）;Xlabel（'秒')图例（[hwav hexp]，'自动的'那“专家”那“位置”那“东北”）;

命中率再次100％，零误报。

前面的示例使用了一个非常简单的基于modwt构造的信号近似的小波QRS检测器。其目的是证明小波变换分离信号成分的能力，而不是构建最稳健的基于小波变换的QRS检测器。例如，可以利用小波变换提供信号的多尺度分析以增强峰值检测这一事实。

参考文献

Goldberger A. L.，L. A. N.Maral，L.玻璃，J.M.Hausdorff，P. Ch。Ivanov，R.G.Mark，J.E.Mietus，G. B.B.Coody，C-K Peng，H. E. Stanley。“Physiobank，PhysioLoolkit和PhysioIoneet：复杂生理信号的新研究资源的组成部分。”循环101. Vol.23，E215-E220，2000。http://circ.ahajournals.org/cgi/content/full/101/23/E215

穆迪，G. B。“评估心电图分析仪”。http://www.physionet.org/physiotools/wfdb/doc/wag-src/eval0.tex

穆迪G。B.，R。G马克。”MIT-BIH心律失常数据库的影响〉《医学和生物学中的IEEE Eng》。第20卷第3期，2001年），第45-50页。

相关的话题

• MATLAB中的模型可解释性