基于模糊匹配的分布式SNE信號采集系統設計

摘 要： 針對竇房結電圖（SNE）采集電極的位置因人不同而需要手動調整效率較低的問題，提出一種分布式電極獲取竇房結電圖的方法。首先利用分布式布局的電極采集多路數據，然后采用具有低通和高通性能的形態濾波器對各組數據進行濾波，最后采用模糊模板匹配方法確定每個測試者獲取竇房結電圖的最佳準確電極。實驗結果表明：采用分布式布局的竇房結電圖采集系統，可以快速、有效地自動獲取不同測試對象的竇房結電圖，從而為竇房結功能的診斷提供有效的原始數據。

關鍵詞： 竇房結電圖； 分布式電極； 采集系統； 形態濾波； 模糊模板匹配

中圖分類號： TN911.7?34； TP216.1 文獻標識碼： A 文章編號： 1004?373X（2015）07?0092?04

0 引 言

心臟竇房結是正常心臟活動的起搏點，竇房結功能障礙是由心臟竇房結或其周圍組織的器質性病變導致的機能障礙，它是心律失常的主要病因之一，是重要的心臟疾病。針對心臟功能檢測與分析的方法一直是研究的熱點[1]。現有體表竇房結電圖的記錄方法主要采用超微心電圖儀，導聯方式采用C導聯又稱蔡氏導聯，即以[Z]軸為方向，記錄電極在體表胸骨左右緣，從第2肋間開始順序向下探測，參考電極置于背部平對的第三至第四胸椎水平，在后正中線右側約1.5 cm左右[2] 。

上述采集竇房結電圖的方法由于被測者的身高和生理結構不同，電極具體的安裝位置會有所差異。

南京蔡毓英在1987年對50例臨床診斷進行了竇房結電圖的采集[3]，湖南趙玉元等在2001年研究了體表竇房結電圖對竇房結功能檢測的意義，對210例測試者進行竇房結數據采集[4]。上述研究獲取竇房結電圖的電極位置在胸骨右緣第三肋骨間（R3）的比例最大占65%，其次是胸骨右緣第四肋骨間（R4），占28%，其他采集位置分布在胸骨左右緣第二到第五肋骨間，占7%。因此如果僅在某個固定的位置上采集竇房結電圖有時會無法獲取數據，另外如果根據測試對象實際手動調整電極位置，將增加醫務人員的工作量，工作效率會降低。

本文以現有研究中獲取有效竇房結電圖電極的位置為基礎，設計一款分布式布局的竇房結電圖采集系統，包括分布式布局的電極、信號調理與采集電路及信號處理電路。所設計的采集系統可以自動獲取有效的竇房結電圖數據，而不需要手動調節電極的位置，從而為快速獲取竇房結電信號及進一步評價竇房結功能提供了可靠依據。

1 分布式電極的設計

文獻[5]中給出第三肋間開始一直到第七肋間隙這一段胸骨的平均寬度，女性是（2.71±0.31） cm，男性是（3.07±0.43） cm。由此可見成年人的肋骨間距相差較小，因此，可以設計分布電極與各肋骨邊緣的位置相對應。將分布式電極片安裝到可穿戴的背心上，所設計的分布電極位置示意圖如圖1所示。

圖1 分布式電極模型圖

圖1中0為參考電極置于背部平對的第三至第四胸椎水平，在后正中線右側約1.5 cm左右；1、2、3及4號電極在胸骨右緣的第二、第三、第四及第五肋間；5、6、7及8號電極在胸骨左緣的第二、第三、第四及第五肋間。

2 硬件系統的設計

竇房結電圖采集系統的硬件系統包括電極保護電路、信號調理與采集電路、信號處理電路。系統框圖如圖2所示。

圖2 竇房結電圖采集系統框圖

竇房結電信號采集放大電路如圖3所示。

圖3 竇房結電信號采集放大電路

考慮到竇房結電信號是極其微弱的高內阻信號，因此在設計中，一方面采用高輸入阻抗的前置放大器[6]；另一方面為了避免測量系統在應用過程中發生的靜電與除顫等高電壓損壞前端采集電路，在每個電極到前置放大器之前都采用陶瓷氣體放電管及二極管進行雙重保護。信號調理與信號采集電路主要完成對信號的放大、硬件濾波及采集。通過在前置放大電路管腳間引入反相積分電路可初步濾除基線漂移，高通截止頻率可以根據[f-3 dB=1（2πRC）]確定。

3 信號處理

3.1 竇房結電圖信號濾波器的設計

竇房結電圖在記錄過程中，會受到環境電磁波、采集設備的電子噪聲、測試者的呼吸與移動所引起的基線漂移、肌電信號等多種干擾。本設計在硬件電路中已經初步濾除了基線漂移。因此在信號處理算法上需要重點濾除高頻噪聲及殘余的基線漂移干擾。

數學形態濾波的基本思想是在信號中不斷地移動元素結構，以提取有用的信息從而達到信息提取、細節保持和噪聲抑制的目的[7?8]。由于竇房結電圖信號是低頻信號，而扁平元素通常容易導致低頻段的信號失真，因此本文采用非平結構元素，設計不同半徑和高度的半圓結構元濾除基線漂移及高頻噪聲干擾[9]。半圓型結構元半徑介于待濾波函數幅值的[150]～[110]之間，而且半徑越小，濾波精度越高。通過多次反復實驗得到用于抑制基線漂移的兩個半圓型結構元半徑及高度分別為（85，47）和（52，17）。用于濾除高頻噪聲干擾的半圓型結構元半徑和高度為（5，2）。半圓型結構元素圖如圖4所示。

圖4 半圓結構元素圖

3.2 基于模糊匹配的竇房結電圖采集電極選擇

由分布式布局的多電極同時采集不同部位潛在的竇房結電圖數據，需要進一步確定被測試者獲取竇房結電圖的最佳位置。本文采用模糊模板匹配的方法進行識別。

首先以文獻[10]和文獻[11]中的竇房結電圖信號作為初始的標準模板，在采集到與之匹配的竇房結電圖后，對模板進行更新，并建立竇房結電圖的模板庫。

模糊模板匹配方法確定竇房結電圖采集電極的方法具體實現步驟如下：

（1） 歸一化

將標準模板及各個電極采集的信號對A波最大值歸一化。

（2） 特征提取

以A波峰值為中心，向前取430 ms，向后取200 ms的信號，作為分析的信號片段。提取如下特征：A波寬度（WA），A?V期間（PAV），A波起點向前40 ms的波形，并對A波起點值做歸一化計算（Wave40），以及A波起始點前20 ms的斜率（Slope）。

（3） 模糊隸屬度計算

計算上述4個特征量[WA，PAV，Wave40，Slope]對模板相應特征量的模糊隸屬度。采用正態型隸屬函數[12?14]：

[μi（xi）=exp-xi-aibi2， i=1，2，3，4] （1）

式中：[xi]為第[i]個特征量值；[ai]為模板的第[i]項特征量值；[bi]的值反映了隸屬度對特征量值變化的敏感度，具體設置為：[b1]為模板中A波寬度的一半；[b2]為模板AV期間值的一半；[b3]為模板A波起點前40 ms對A波起點歸一化的波形的數值；[b4]為模板A波起點前20 ms的斜率。

（4） 模糊貼近度的計算

采用模糊貼近度來衡量各信號與標準模板的匹配情況，采用公式（2）進行計算：

[ρ（Xj）=1-i=14ωiμ2i（xji）] （2）

式中：[Xj]為待判定的SNE信號的特征；[ωi]為各項特征的模糊隸屬度在貼近度中的權重，4個特征的權重分別為0.05，0.1，0.05，0.8。

（5） 判斷決策

首先找到最大的模糊貼進度[ρmax，]然后判斷[ρmax]是否大于閾值[ρth。][ρth]的值在調試過程中，通過對10個測試對象模糊貼近度的實際值進行平均而得到。如果[ρmax]大于閾值則選擇其對應的電極為該測試者的測試電極；如果[ρmax]小于閾值，則表明在各個通道中均沒有反應竇房結電圖的電極，此時需要再調整電極的位置，直到[ρmax]大于閾值，即找到獲取竇房結電圖的位置。

4 實驗結果

4.1 竇房結電圖濾波結果

利用分布式布局的采集系統在實驗室對人體進行實際測量。在每個電極對應的位置上涂擦導電膏，然后測試者穿上分布式布局電極的背心，靜坐5 min后開始采集數據。對于硬件濾波中殘余的基線漂移信號，采用圖4（a）、（b）中的結構元分別對信號進行開?閉計算，然后取兩者的平均，得到基線漂移信號，再用原始信號減去該基線漂移信號，就可得到去除基線漂移的竇房結電信號。第二階段對濾除基線漂移的信號采用圖4（c）中半圓結構元形態濾波器去除高頻干擾。

本文所提出的形態濾波器濾波結果如圖5所示。

圖5 SNE信號濾波前后對比

4.2 竇房結電圖自動采集結果

分布式電極同時采集到測試對象的8組信號波形，如圖6所示。將每組信號的特征參數與標準模板的參數進行模糊模板匹配，確定采集竇房結電圖的準確電極。在20個測試對象中識別到正確竇房結電圖信號的電極在胸骨右緣第三肋間（R3）的有14例（70%），胸骨右緣第四肋間隙（R4）的有3例（15%），胸骨左緣第三肋間隙（L3）的有1例（5%），胸骨右緣第五肋間（R5）的有1例（5%），需要手動調整的1例，采集位置在胸骨左緣第四肋間（L4）（5%），該測試者偏胖。

圖6 由分布式電極獲取的數據波形

4.3 竇房結電圖手動與自動獲取時間對比

對4.2節中的20名測試者分別采用手動方式和分布式電極自動獲取方式獲得竇房結電圖。對每個測試者從第一次安放好電極開始計時，直至檢測到正確的SNE信號停止計時。記錄每個測試者在不同方式下獲得準確SNE信號的時間，兩種方式時間對比如表1所示。手動測試每次從胸骨右緣第三肋間開始。

從表1可見，對竇房結電圖采集位置在胸骨右緣第三肋骨間R3的測試者，采集時間相同，而對于標準體型的測試者在其他位置獲取SNE信號時，分布式電極采集方法具有明顯的時間優勢。而對于特殊體型的人，由于自動獲取方式具有多個電極，在需要移動電極位置獲取SNE信號時仍然具有明顯的時間優勢。

表1 手動方式與自動方式獲得SNE信號時間對比

[獲取SNE

位置＼測試者數量

/人＼手動測試

平均時間 /s＼自動獲取

平均時間 /s＼R3＼14＼0.020＼0.020＼R4＼3＼70＼0.021＼R5＼1＼85＼0.019＼L3＼1＼100＼0.020＼L4＼1體型偏胖＼120＼20＼]

5 結 語

本文提出了一種分布式布局的竇房結電圖獲取方法，通過模糊匹配方法對分布式電極采集到的數據與標準模板進行匹配，可以快速確定獲取竇房結電圖的最佳位置。該方法操作方便，實現了竇房結電圖的自動采集，大幅度提高檢測效率。同時，采集的數據經過本文提出的復合式形態濾波，可以很好地保留竇房結電圖的特征，可為后續分析提供良好的數據源。

參考文獻

[1] 劉雄飛，晏晨偉，胡志坤.基于數學形態及支持向量機的心率失常識別[J].計算機應用，2013，33（4）：1173?1175.

[2] 蔡毓英，葉定忠，林谷秀，等.體表竇房結區電活動的非疊加實時監測?體表竇房結電圖[J].南京醫學院學報，1986，6（4）：233?237.

[3] 蔡毓英，林谷秀，葉定忠，等.體表竇房結電圖對竇房結病變的診斷價值初探[J].南京醫學院學報，1987，7（2）：77?80.

[4] 趙玉元，趙學輝.體表竇房結電圖對竇房結功能檢測的意義[J].中國現代醫學雜志，2001，11（3）：58?60.

[5] SELTHOFER R， NIKOLIC V， MRCELA T， et al. Morphometric analysis of the sternum [J]. Collegium Antropologicum， 2006， 30（1）： 43?47.

[6] 陳民鈾，王宇丁，張莉，等.基于無線傳感器技術的人機接口系統設計[J].傳感器與微系統，2012，31（10）：113?115.

[7] 龐宇，鄧璐，林金朝，等.基于形態濾波的心電信號去除基線漂移方法[J].物理學報，2014，63（9）：098701?1?6.

[8] 葉鴻瑾，張雪英，王亞男.融合提升小波和形態學熵權的醫學圖像邊緣檢測[J].計算機應用與軟件，2014，31（2）：214?216.

[9] VERMA R， MEHROTRA R， BHATEJA V. An integration of improved median and morphological filtering techniques for electrocardiogram signal processing [C]// IEEE 3rd International Advance Computing Conference （IACC）. Ghaziabad： IEEE， 2013： 1223?1228.

[10] 徐鈺.基于FPGA的竇房結電圖信號處理與分析技術研究[D].南京：南京理工大學，2012.

[11] 徐鈺，周嚴.竇房結電圖中P前波自動識別技術的研究[J].電子技術應用，2011，37（11）：88?91.

[12] 葛毅，曹宇，宮琴，等.基于聚類分析和模糊數學的胎兒心電檢測[J].清華大學學報：自然科學版，1999，39（5）：20?23.

[13] 陳偉琦，胡斌杰.基于高斯隸屬度的融合算法在改進Leach中的應用[J].傳感器與微系統，2011，30（2）：135?138.

[14] 李輝，潘愷，張新.基于模糊理論的多傳感器信息融合算法[J].計算機工程與應用，2012，48（4）：128?131.