基于隐马尔科夫模型的J波自动识别检测

李灯熬，白雁飞，赵菊敏

（太原理工大学 信息工程学院，山西 太原030024）

摘  要： J波检测在临床上可以作为判定某些心脏病的一种非创性的标记手段。主要定义了5个精确反映J波特性的特征向量，包括3个时域特征向量和两个基于小波的特征向量，并使用主成分分析减少特征向量的维数，作为分类器的输入。利用这些特征向量训练隐马尔可夫模型作为分类器，输出最终的判定结果。结果表明，提出的方法提供了93.8％的平均准确度、94.2％的平均敏感性、93.3％的平均特异性和93.4％的平均阳性预测值，揭示了很高的评价标准，表明该方法有能力准确地检测识别J波，并且可以利用该方法检测心电图中的其他病变波形。

关键词： J波自动检测；心电图；特征提取；主成分分析；隐马尔可夫模型

中图分类号： TN911.7

文献标识码： A

DOI：10.16157/j.issn.0258-7998.2016.11.030

中文引用格式： 李灯熬，白雁飞，赵菊敏. 基于隐马尔科夫模型的J波自动识别检测[J].电子技术应用，2016，42(11)：112-115，118.

英文引用格式： Li Dengao，Bai Yanfei，Zhao Jumin. A method for automated J wave detection based on hidden Markov model[J].Application of Electronic Technique，2016，42(11)：112-115，118.

0 引言

J波是一种低幅、高频的变异波形，往往出现在早期复极化综合征和Brugada综合征病人的心电图中，容易导致心率失常和猝死。在最近几年中，针对J波的意义进行了大量研究，J波研究在医电信号领域展现出了新的热点。J波是出现在心电图中QRS波群下降支终点的一个凹口或顿挫[1]。在心电图中QRS波群和ST段之间的连接处称为J点，J点抬高就会触发J波。标准定义为：当J点和/或ST段从基线抬高至少0.1 mV，持续时间达到20 ms形成的尖峰、驼峰、圆顶形态的波形称为J波[2]。

J波与J波综合征有着紧密的联系，J波综合征包括早期复极综合征、特发性室颤和Brugada综合征，这3种综合征有许多共同心电图特征[3]。每年心血管疾病在世界范围内引起非常高的死亡率，这些死亡率中有很大一部分是由J波综合征引起的。所以，识别J波是预测患者病变结果的一个重要的方向[4]。换言之，J波的自动识别检测对J波综合征的病人提供了一种非创性的诊断方法。

为了达到自动检测的目的，本文定义并提取了5个特征向量，其中包括3个时域特征向量和两个基于小波的特征向量，从不同的角度描述了J波的特性，使用这些提取出的、降维的特征向量来训练隐马尔可夫分类器，从而达到自动检测J波的目标。

1 数据准备

本文构造了一个心电数据库评估提出的方法，这个数据库由2 000个心电信号模式组成，如图1所示，模拟了两个基本的II导联J波阳性模式信号。

其中，训练集包括800个心电信号模式，400个为J波阳性心电模式，另外400个为J波阴性心电模式。测试集包含600 个J波阳性心电信号模式和600个J波阴性心电信号模式。

2 方法

本研究提出的J波自动检测方法，主要是寻找合适的特征增加J波相对于其他心电图成分的区分度。图2为所提出的分类识别J波阳性模式和J波阴性模式的系统框图。

2.1 预处理

预处理的目的是定位ECG信号的特征点和去噪。主要定位了QRS波群的起点和终点，为下一阶段的特征提取作准备。预处理过程分成3个步骤：

(1)检测QRS波群起点和R波[5]。

(2)利用多拍平均技术提高信噪比。

(3)定位QRS波群终点。

2.2 特征提取阶段 

2.2.1 时域特征向量I

J波往往出现在QRS波的下降支，所以选择QRS波群起点后100 ms作为特征向量的提取区域，为了提高检测方法的鲁棒性，同时也考虑了R波前60 ms。这样，提取的时域特征向量覆盖了整个QRS波群下降支部分，可以在这160 ms里面反映了ECG信号的动态变化。由于采样率为500 Hz，选择80个采样点，其中29个在R波之前，50个在R波之后，这样就形成了一个80维的特征向量I，它反映了QRS波下降支的形态学状态。

2.2.2 时域特征向量II

基于预处理阶段，QRS波群的终点位置已经确定。考虑到J点（连接S波和ST段的连接点）抬高同样会引起J波，所以选择J点后的40 ms作为“监控”对象，同样，考虑到检测方法的鲁棒性，J点前的8 ms也纳入“监控”范围，这样就形成了一个24个采样点组成的时域特征向量II，其中4个点在J点之前，20个点在J点之后。

2.2.3 时域特征向量III

(编辑：mao35  来源：网络整理)