窦房结电图中P前波自动识别技术的研究

摘  要： 对基于小波变换的P前波的自动识别技术进行了探索性研究，介绍了窦房结电图的基线漂移抑制技术、A波定位技术及基于此的P前波自动识别技术。对实际采集的人体窦房结电图信号的P前波识别的结果表明，基于该技术的识别方法可行，识别正确率为76%。
关键词： 窦房结电图； P前波； 自动识别； 基线漂移； 小波变换
   
     心电图是评价心脏功能的重要依据，但其不能记录窦房结电位波，因而无法反映窦房结的电活动，窦房结电图SNE（Sinus Node Electrogram）是可直接记录窦房结电位的高分辨率心电图，是评价心脏窦房结功能、诊断窦房结病变的主要依据。窦房结电位是位于P波起始点之前的低幅、低频信号，其波形形状类似低幅的指数曲线，由于其位于P波的前部，临床上称其为P前波[1-3]。P前波的持续时间称为窦房传导时间（SACT），它是SNE中窦房结电位的起点到P波起点的时间间隔，是判断窦房结功能的直接依据，P前波的识别对于窦房结功能的测定具有重要价值。目前，心电图中各个特征波形的识别已实现了自动化，P前波是窦房结电图中最为重要的特征波形，它的识别目前由人工完成，影响了诊断效率的提高，因此，P前波的自动识别对于临床心电诊断学的发展有着重要价值。
1 基本原理
     SNE与ECG具有相似的波形结构，除P前波之外，特征波形是相同的，因此，SNE特征波形的识别方法可借鉴ECG特征波形的识别方法。由于在记录SNE的过程中，会引入多种干扰波形，包括肌电干扰、工频干扰以及由电极接触与呼吸引起的基线漂移等。自动识别的前提是记录波形中不含有干扰波形，否则必然导致误识别。为此波形自动识别分为两个步骤，首先进行波形信号预处理，消除干扰波形，然后再由算法进行波形识别。


     由于干扰波形及SNE信号的各特征波形的频谱不同，将SNE信号进行多尺度小波分解后，干扰及不同的特征波形处于不同尺度的分解信号上，通过对干扰所处的尺度进行阈值设置可消除干扰，从而重构后分离出有效的 SNE信号，实现信号预处理。
     P前波识别的基本思路是：首先对同步采集的ECG进行多尺度小波分解，然后根据QRS波群的能量在各层的分布，选取能量最大的所在层的小波系数进行重构，定位R波；然后在R波的前部搜索并检测定位出P波，最后根据P波的位置，在其前部检测定位出P前波。
2 P前波的自动识别