最近生理网/计算心脏病挑战旨在降低ICU假警报的发生率。竞争对手是负责开发算法,可以区分真与假警报信号由加护病房监控设备记录。
我和我的同事在MATLAB开发的算法®赢得第一名的实时分类回顾类别中的挑战和第二位。我们的算法产生一个真正积极率(TPR)和真阴性率(TNR)的92%和88%,分别。
生理网/计算心脏病挑战目标和需求
2015年挑战集中在准确检测五种心律失常:
- 心搏停止,没有心跳4秒或更长时间
- 心动过缓,每分钟心率低于40次(bpm)连续五次
- 心动过速,心率高于140 bpm连续17胜
- 室性心动过速——5个或5个以上心室跳动(开始于心室跳动,而不是心房)心率高于100 bpm
- 心室颤动或纤维性颤动——fibrillatory心律持续4秒或更长时间
团队提供的750五分钟的录音ICU生理网数据库的数据采样在250赫兹。每个记录包括两个心电图通道和信号从一个ABP监控、分设备,或两者兼而有之。
算法生理网报/ CinC挑战在两类:实时和回顾。实时的类别,正确识别算法进行评估的能力真和假警报只使用前的数据实际报警触发。回顾类别,算法可以用30秒的额外的数据记录报警触发后。
挑战组织者提交测试算法在一组500年录音之前未披露的参与者。得分基于的算法公式,奖励真阳性和真正的阴性而惩罚假阳性和假阴性。所有算法都是国际计算心脏病学会议上提出的。会后,组织者宣布的“后续”阶段的挑战,参赛者被鼓励在进一步提高他们的算法。2016年2月随访阶段结束。
选择一种方法
当参与者被允许写他们选择算法在任何语言中,组织者提供积分MATLAB支持通过可用的数据集作为检测算法MATLAB文件并提供一个例子用MATLAB编写MATLAB和免费许可证。金宝app我通常在c#或者Java程序®MATLAB,我是新的,但我决定使用MATLAB,因为它将使我只关注算法的发展。我需要的是现成的许多功能。例如,当我需要生成直方图,计算快速傅里叶变换(FFT),或应用有限脉冲响应(杉木)过滤器,所有我要做的就是调用适当的MATLAB函数。
发现和消除无效的数据
其中一个最令人惊讶的——和——方面的挑战是穷人的条件产生的信号加护病房监控设备。信号质量差并不是生理网的故障;这是一种常见的发生可能是由于病人运动,布线问题,导致错位,配置设备,和许多其他问题。信号质量差的一个症状是饱和,导致扭曲的波形是夷为平地最高振幅(图1)。
图1所示。饱和信号显示失真值剪。该算法可以检测QRS即使在这样的信号。
减少饱和和信号噪声的影响,我的MATLAB算法来识别和消除无效的数据从输入信号。算法分析了每个信号的统计特性两块。对于每个块,最大振幅,最小振幅,和标准偏差比较确立了有效数据的限制。高频噪声的算法识别领域通过检查信号的振幅包络线70 - 90赫兹的频率范围。算法识别信号饱和通过计算信号振幅和比较的直方图直方图的值与值的第一个和最后一个箱子中间的垃圾箱。
认定为无效的任何数据忽略了其余算法检测心跳。出于这个原因,我不得不调整无效数据检测算法,以便它不会消除过多的数据。(如图1所示,饱和信号可能仍然包含有意义的信息。)
检测QRS复合物
心电图,心跳的特点是三个连续的变位的痕迹从基线(图2)。这些变位,统称为QRS波群,反映心室的激活。他们是诊断心搏停止的重要标志,心动过缓、心动过速。
图2。从一个心电信号QRS波群。
检测在心电图QRS综合频道,我们开发的算法计算振幅信封在三个频率范围从信号处理工具箱™使用傅里叶变换函数。通过分析和比较这三个信封的振幅,算法可以检测QRS复合物,区分正常和心室心跳,过滤掉虚假QRS复合物所引起的心脏起搏器刺激。
检测QRS复合物在分和ABP渠道需要不同的方法。对于这些渠道,算法从信号处理工具箱应用一个简单的低通滤波器,然后确定过滤信号中的局部最小值。算法对信号进行线性插值的每个最小和检查结果的斜率线来确定最低来自QRS波群。
检查正常心律
QRS波群检测算法的输出是一个数组的每个QRS波群的R峰发生在每个信号的最后10到16秒。(我们没有分析整个五分钟的录音;生理网的挑战要求状态的发病事件提高警报必须在10秒钟内每个文件的第300第二)。从数组中R的高峰值,算法计算RR间隔,连续两次心跳之间的测量时间。
检查正常的心律,叫统计和机器学习的算法工具箱™函数进行统计分析的RR间隔。除了求和并计算平均值和标准偏差的间隔,算法计算出最小和最大心率。他们比较这些计算的结果建立限制正常的节奏识别用合理的QRS波群打系列分布。如果一个可用的频道——心电图,分,或ABP -通过测试,心律被认为是正常的,一场虚惊。这个分析显示大约35%的假警报在训练数据。
评估警报
如果算法检测异常心脏活动的所有频道,下一步是ICU报告的证明或拒绝报警装置。
心搏停止使用的测试投票算法中每个通道的加权是无效的。无效的利率较低的渠道有较强影响的结果。该算法将每个通道的信号划分为3.2秒的片段。对于每个部分,该算法更新结果向量R,添加任何频道的加权投票值没有心跳和减去加权投票值检测到心跳的频道。当结果中的任何值向量R是正的,该算法宣称他们已经确认心搏停止(图3)。
图3。两个心电信号和一个PPG信号显示心搏停止。选票累积的结果向量R,用积极的价值观反映了协议,没有心跳
测试为心动过缓、心动过速和室性心动过速bpm计算使用RR间隔从可用的最可靠的通道,这是典型的心电图。如果心率低于46 bpm,心动过缓算法报告。如果心率超过130 bpm或95室bpm,分别报告心动过速或室性心动过速的算法。
最后测试的是心室纤维性颤动,或颤动。颤识别时不依赖于QRS检测结果,因为心在颤没有QRS复合物。相反,该算法执行的短时傅里叶变换使用信号处理工具箱窗口移动。然后查找频率峰值2赫兹以上,这是一个颤动或摆动的迹象(图4)。
我们考虑使用机器学习分类方法心律失常,但选择了传统的统计方法有两个理由:我们有很好的现有领域知识的特性的数据可以用来证实或否认特定的报警,和机器学习算法通常难以实现和硬件校准,将部署在ICU的必要条件。
图4。时频分析心室纤维性颤动。频率范围的山峰3-6Hz表示颤动或颤动。
赢得了生理网/计算在心脏病学的挑战
开发算法后,在生理网提供的训练数据中进行测试/计算心脏病挑战组织者,和精炼他们最大化性能数据,我提交了他们的判断。当我的算法是在测试集上运行500录音,他们正确地分类92%的真正的警报和88%的假警报。他们取得了总分最高的实时提交的244个条目之间的竞争的一部分。在后续阶段的挑战,我们的结果是更高的,我们获得了最高的分数实时类别。
我的同事和我都期待实现的技术应用于这些算法中使用的硬件和ICU减少假警报。
关于生理网
成立于1999年的nih资助的专门研究资源复杂的生理信号,生理网获得了卓越的地位在生物医学数据和软件资源。PhysioBank,其数据归档是第一,仍然是世界上最大的、最全面和最广泛使用的临床ICU库时变生理信号和高分辨率数据。其软件收集、PhysioToolkit支持勘探和定量分析PhysioBank与范金宝app围广泛的和类似的数据记录,严格测试开源软件,可以在任何平台上运行。PhysioNetWorks,其孵化实验室于2011年建成,允许研究人员合作分享和学习自己的数据和软件安全,私下里贡献他们生理网开放分布。
生理网网络资源是免费的,可用在ODC公共领域奉献和许可v1.0。生理网支持的通用医学科学研金宝app究所(美国)和国家生物医学成像和生物工程研究所(NIBIB) 2 r01gm104987-09 NIH的号码。
1钢桁架无法无天,“哭狼:假警报在儿科重症监护室,”暴击治疗地中海1994;22 (6):981 - 985。
2中一段钱,J.C. Fackler预后不良为现有监控在重症监护室,”暴击治疗地中海25(4)(1997),页。614 - 619年4月
