窦性和房性心律失常的DFA分析
第 29卷 第 5期
2010年 10月
北京生物医学工程
BeijingBiomedicalEngineering
Vol.29 No.5
October 2010
基金项目:国家自然科学基金(60701002)资助
作者单位:南京邮电大学,图像处理与图像通信江苏省重点实验室
(南京 210003)
作者简介:王春龙(1985—),男,硕士研究生,主要从事生物医学工
程研究
通信作者:王俊,副研究员。Email:wangj@njupt.edu.cn
窦性和房性心律失常的 DFA分析
王春龙 王俊
摘 要 研...
第 29卷 第 5期
2010年 10月
北京生物医学工程
BeijingBiomedicalEngineering
Vol.29 No.5
October 2010
基金项目:国家自然科学基金(60701002)资助
作者单位:南京邮电大学,图像处理与图像通信江苏省重点实验室
(南京 210003)
作者简介:王春龙(1985—),男,硕士研究生,主要从事生物医学工
程研究
通信作者:王俊,副研究员。Email:wangj@njupt.edu.cn
窦性和房性心律失常的 DFA分析
王春龙 王俊
摘 要 研究证据表明许多自然系统和生物系统没有固定的特征尺度,而是展现自相似特性。本
文利用消除趋势波动分析(DFA)方法,分析窦性心律、房性心律失常的 ECG信号的自相似特性,以实现
这两种心律失常的检测。并利用 DFA方法对 MITBIH
数据库中的正常窦性心律、房性期前收缩
(也称为房性早搏)、窦性心动过缓信号进行了分析和检测,得到这三种信号的尺度指数,据此区分出窦
性心律、房性心律失常和正常窦性心律,此结果表明 DFA方法能够检测窦性和房性心律失常。
关键词 消除趋势波动分析方法;窦性心律失常;房性心律失常
DOI:10.3969/j.issn.1002-3208.2010.05.05.
中图分类号 R318.04 文献标志码 A 文章编号 1002-3208(2010)05-0461-04
DetectionofSinusArrhythmiasandAtrialArrhythmiasBased
onDetrendedFluctuationAnalysis
WANGChunlong,WANGJun
ImageProcessingandCommunicationKeyLaboratoryofJiangsuProvince,
NanjingUniversityofPostsandTelecommunications,Nanjing 210003
【Abstract】 Recently,moreandmoreevidencessuggestthatmanynaturalsystemsandbiological
systemshavenofixedcharacteristicscales,buttheyexhibitselfsimilarity.Thisstudyappliedthedetrended
fluctuationanalysis(DFA)method,analyzingsinusrhythm,atrialarrhythmiaECGsignalsinselfsimilarityin
ordertoachievethetwokindsofarrhythmiadetection.Firstweobtainedthenormalsinusrhythm(NSR)data
from theMITBIH normalsinusdatabase,obtainedtheatrialprematurecontraction(APC)andsinus
bradycardiarhythm(SBR)datafromtheMITBIHarrhythmiadatabase.Thenwedetectedandanalyzedthe
NSR,APCandSBRsignalswithDFAmethodandacquiredthescalingexponentαofthethreesignals.Finally
weachievedthedistinctionamongthesethreesignals.TheresultsshowedthattheDFAmethodcouldbeused
fordetectingthesinusandatrialarrhythmias.
【Keywords】 detrendedfluctuationanalysis(DFA)method;sinusarrhythmias;atrialarrhythmias
0 引言
DFA(detrendedfluctuationanalysis)即消除趋
势波动分析法,是 C.K.Peng等物理学家和生物学
家于1994年探测 DNA(脱氧核糖核酸)内部分子
链的相关可能性的程度时首先提出的[1-2]。自从
C.K.Peng提出后,DFA方法已经被成功地应用在
了很多研究领域,例如心跳动力学[3]、脑电信号[4]、
气象学[5]、气候温度波动[6]、河流流动[7]等。DFA
分析方法的优点在于可以准确地量化嵌入在非平稳
信号中的自相似特性。心律失常是引起各种心脏病
患者死亡的主要原因之一,也是近年来心血管领域
非常活跃的一门学科[8-9]。鉴于其包含多个种类,
本文只针对其中的窦性心动过缓和房性早搏两种心
律失常进行分析。窦性心律失常是指激动仍然起源
于窦房结,但其频率及节律有所变异的一类心律失
常。当窦性心律频率低于 60次/min时,称为窦性
心动过缓[10]。房性心律失常是发生在心房缓慢心
律基础上的快速心律失常,是心律失常中最常见,也
是最主要的部分[11-12]。在心电图中,心房异位起搏
点突然提早发出一次激动引起心房除极,称之为房
性期前收缩,又称之为房性早搏,是一种最常见的房
性心律失常[13]。本文运用 DFA方法分析了不同生
理病理状态的心电图的自相似特性,得出了一些比
较结论,可以对临床诊断有重要的提示作用。
1 原理和方法
DFA算法可以归纳为如下步骤[14]。
(1)时间序列{x(i):1≤i≤N},按下式求出累
加和序列:
y(i)=
i
j=1
[x(j_-珋x] (1)
珋x≡ 1N
N
j=1
x(j) (2)
式中,x是时间序列{x(i):1≤i≤N}的全局均值。
(2)把和序列 y(i)划分成长度为 n的 B个不
重叠的段,每次划分后如果剩下最后一个不完整的
段(该段长度≤n)则做舍去处理。接着在每个小段
中进行局部趋势的消除,局部趋势用 yT(i)表示,用
最小均方法进行多项式拟合估计出局部的趋势
yT(i),最后按下式从和序列中去除每个小段内波动
的局部趋势:
Yb(i)≡ y( )i-yT( )i (3)
图1为去除了局部线性趋势的累加和序列示意图,
其中尺度 n=100,序列长度 N=1000。
图1 去除了局部线性趋势的累加和序列
(尺度 n=100,N=1000)[14]
Figure1 Theintegratedtimeserieswithlocallineartrend
eliminated(boxsizen=100andN=1000)[14]
据估计局部趋势时使用多项式阶数的不同,对
应不同的去趋势波动分析模型,分别称之为 DFA-
1对应线性拟合,简记为 DFA1(对应 1阶多项式)、
DFA2(对应 2阶多项式)、DFAL(对应 L阶多项
式)。
(3)按下式计算围绕局部趋势的平均方差距
离:
F(n)= 1
B
B
b=1
Y[ ]b槡
2 (4)
(4)不断改变时间尺度 n(即窗口)的大小重复
上述过程,这样就得到了每个尺度 n及其对应的平
均波动 F(n)。一般来说,波动 F(n)会随着时间尺
度 n单调增加。为了观察的方便,绘制时间尺度 n
和平均波动 F(n)之间的双对数图,寻找它们之间
是否存在如下的幂律关系:
F( )n∝ nα (5)
如果F(n)和n之间服从上述幂律关系,则说明原始
信号中存在尺度不变性行为,即尺度指数 α不随时
间窗口大小n的变化而变化。尺度指数α是原始序
列“粗糙程度(roughness)”的一种表现。α=0.5时
序列是白噪声,0<α<0.5系统具有反关联特性,
0.5<α<1系统具有长程关联特性,α=1为 1/f噪
声,α>1存在关系,但幂次行为逐渐停止。
2 数据分析
本文所用数据来自于 MITBIH NormalSinus
RhythmDatabase数据库(简称 nsrdb)与 MITBIH
ArrhythmiaDatabase数据库(简称 mitdb)。
在 nsrdb中包含了18段 ECG信号,这些信号是
从5名男性,年龄 26~45;13名女性,年龄 20~50
的身上采集而来,采样频率为 128Hz。在该数据库
中选 取 8段 正 常 窦 性 心 律 信 号 (normalsinus
rhythm),并提取2min长度的数据进行处理,每组数
据里去 10000个点。mitdb中包含了 48段长度为
0.5h左右的 ECG信号,采样频率为 360Hz。从该
数据库中选取 8段长度为 1min的房性早搏信号
(atrialprematurebeat)进行处理。另外,由于 MIT数
据库 中 选 取 1段 窦 性 心 动 过 缓 信 号 (Sinus
Bradycardia),并从这段数据中截取 6份长度均为
1min的数据进行分析,每组数据里去 10000个点,
以验证 DFA方法在心律失常检测中的应用。
·264· 北京生物医学工程 第 29卷
3 实验结果
从图2(a,b,c)分别显示正常窦性心律、房性早
搏和窦性心动过缓心电图的 log10F(n)log10n关系
图。图3显示正常窦性心律、房性早搏和窦性心动
过缓心电图的 log10F(n)均值log10n比较。心电图
三种状态(正常窦性心律、房性早搏和窦性心动过
缓)(Normal、APC、SBR)的 DFA平均值和标准方差
统计结果分别为 0.7135±0.0198(Normal)、0.8144
±0.0308(APC)、0.7357±0.0281(SBR)。从图 2、
图3的 log10F(n)均值除以 log10n可以得出(见表
1):对健康人来说平均 α=0.7135;对房性早搏病人
来说平均 α=0.8144;对心梗病人来说平均 α=
07357。上述结果可以表示随着心律的变化长时尺
度相关性的丢失和机体本身的病理改变。
图2 三种状态的 log10F(n)log10n比较
Figure2 log10F(n)log10nofthreestates
从结果可以看出正常窦性心律的 α平均值均
图3 正常窦性心律、房性早搏、窦性心动过缓心电图
的 log10F(n)均值log10n比较
Figure3 Comparationofmeanlog10F(n)log10n
amongtheECGofnormalsinusrhythm,atrial
prematurebeatandsinusbradycardia
小于房性早搏和窦性心动过缓的 α平均值。还可
以得出正常心律的波动范围是最小的。根据尺度指
数以及波动范围都可以区分开正常窦性心律、房性
早搏、窦性心动过缓病人,这对临床医学有着重要的
启示作用。
根据统计的数据,求取正常窦性心律、房性早
搏、窦性心动过缓信号 α均数 95%的置信区间,结
果如下。
正常窦性心律置信区间:[0.6626,0.7644];房
性早搏置信区间:[0.7352,0.8936];窦性心律过缓
置信区间:[0.6635,0.8079]。
4 讨论
对于 ECG的研究方法有很多种,如小波变
换[14]、基本尺度熵分析等。本文则采用非线性的
DFA方法来分析正常窦性心律、窦性心律失常与房性
心律失常的 ECG信号的自相似特性变化情况,得出。
(1)DFA方法可以用来分析 ECG信号。
(2)研究发现房性早搏信号的尺度指数α明显
高于窦性心动过缓和正常窦性信号的,且正常窦性
信号的最低。
(3)通过 DFA方法获得的尺度指数以及波动
范围能比较好地区分正常人和心律失常的病人,并
且可以区分出是窦性心律失常还是房性心律失常。
这种方法可以在临床上运用于辨别心律正常与否。
参考文献
[1] PengCK,BuldyrevSV,GoldbergerAL,etal.Finitesizeeffects
on longrange correlations: Implicationsforanalyzing DNA
·364·第 5期 窦性和房性心律失常的 DFA分析
sequences.PhysRevE,1993,47(5):3730-3733.
[2] PengCK,HavlinS,StanleyHE,etal.Quantificationofscaling
exponentsandcrossoverphenomenainnonstationaryheartbeat
timeseries.Chaos,1995,5:82-87.
[3] FerreeTC,Hwa RC. Electrophysiogicalmeasuresofacute
cerebralischaemia.PhysMedBiol,2005,50:3927-3939.
[4] IvannovaK,AusloosM.Applicationofthedetrendedfluctuation
analysis(DFA)methodfordescribingcloudbreaking.Physica
A,1999,274(1-2):349-354.
[5] KoscielnyBundeE,BundeA,HavlinS,etal.Indicationofa
universalpersistencelawgoverningatmosphericvariability.Phys
RevLett,1998,81(3):729-732.
[6] TalkerP,WeberRO.Powerspectrumanddetrendedfluctuation
analysis:Applicationtodailytemperatures.PhysRevE,2000,
62(1):150-160.
[7] MontanariA,RossoR,TaqquMS.A seasonalfractionally
differencedARIMAmodelappliedtotheNileRivermonthlyflows
atAswan.WaterResourRes,2000,36:1249-1260.
[8] 张存泰.心律失常治疗的现状和展望.咸宁学院学报(医学
版),2004,18(6):381-384.
[9] 王方正.心律失常的研究现状.中国循环杂志,2001,16(6):403.
[10] 杨钧国,李治安.现代心电图学.北京:科学出版社,1997:
430-510.
[11] 孙荣荣,汪源源,方祖祥.基于灰色关联度 k-近邻法的房性
心律 失 常 识 别.航 天 医 学 与 医 学 工 程,2007,20(3):
193-197.
[12] 张爱莉,杜天敏.P波形态与房性心律失常发生的关系.中国
基层医药,2004,11(3):361.
[13] PengCK,HavlinS,StanleyHE,etal.Quantificationofscaling
exponentsandcrossoverphenomenainnonstationaryheartbeat
timeseries.Chaos,1995,5:82-87.
[14] 许建强,袁震东,李高平,等.基于小波变换的 12-导联心电
图特征提取方法.华东师范大学学报(自然科学版),2005,
(2):27-32.
(2009-12-21收稿,2010-01-19修回
檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲檲
)
(上接第 452页)
AnnualInternationalConferenceoftheIEEE Engineeringin
Medicineand BiologyProceedings.29th AnnualInternational
ConferenceofIEEEEMBS,EngineeringinMedicineandBiology
Society,EMBC'07,2007:5579-5584.
[6] PintiA,HedouxP, KangH, etal. An automated pixel
classificationmethodusingsurfaceexpansion:ApplicationtoMRI
imagesequence[C].Beijing,China:IMACSMulticonferenceon
“ComputationalEngineeringinSystemsApplications”(CESA),
2006:1514-1519.
[7] MonzonA,HemlerPF,NallsM,etal.Segmentationofmagnetic
resonanceimagesofthethighsforanewNationalInstitutesof
Healthinitiative[C].MedicalImaging2007:ImageProcessing,
Pts1 - 3, Proceedings of the Society of Photooptical
InstrumentationEngineers,(SPIE),2007,6512: L5123 -
L5123.
[8] PositanoV,Christiansen T, SantarelliMF,etal. Accurate
SegmentationofSubcutaneousandIntermuscularAdiposeTissue
FromMRImagesoftheThigh[J].JournalofMagneticResonance
Imaging,2009,29(3):677-684.
[9] MatteiJP,FurYL,CugeN,etal.Segmentationoffascias,fat
andmusclefrom magneticresonanceimagesinhumans:the
DISPIMAGsoftware[J].MagnResonMaterPhy,2006,19(5):
275
!
279.
[10] LiYL,ShenY.Anautomaticfuzzycmeansalgorithmforimage
segmentation[J].SoftComputing,2010,14(2):123-128.
[11] YuZD,ZouRB,YuSM.AModifiedFuzzyCMeansAlgorithm
withAdaptiveSpatialInformationforColorImageSegmentation
[C].Nashville,TN:2009IEEESymposium onComputational
IntelligenceinImageandSignalProcessing,MAR30-APR02,
2009:48-52.
[12] 李宇鑫,邓双成,曹莹瑜.基于水平集方法的医学图像分割
[J].北京石油化工学院学报,2008,16(4):50-54.
[13] ChenZB,QiuTS,RuanS.FuzzyAdaptiveLevelSetAlgorithm
forBrainTissueSegmentation[C].ICSP:20089thInternational
ConferenceonSignalProcessing,2008:1047-1050.
[14] WangXF,MinH.ALevelSetBasedSegmentationMethodfor
ImageswithIntensityInhomogeneity[C].EmergingIntelligent
Computing Technology and Applications: With Aspects of
ArtificialIntelligence,2009,5755:670-679.
(2009-12-30收稿,2010-02-05修回)
·464· 北京生物医学工程 第 29卷
本文档为【窦性和房性心律失常的DFA分析】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。