1、经验模式分解和统计学方法下的动态 (Holter)心电图运动伪影检测 中文 8200 字， 4600 单词， 2.4 万英文字符 出处： Lee J, Mcmanus D D, Merchant S, et al. Automatic motion and noise artifact detection in Holter ECG data using empirical mode decomposition and statistical approaches.J. IEEE transactions on bio-medical engineering, 2011, 59(6):1499
2、-506. 经验模式分解 和 统 计 学方法下 的 动态 (Holter)心 电图运动 伪影检测 Automatic Motion and Noise Artifact Detection in Holter ECG Data Using Empirical Mode Decomposition and Statistical Approaches Jinseok Lee*, Member, IEEE, David D. McManus, Sneh Merchant, and Ki H. Chon, Senior Member, IEEE 摘要： 我们提出一个用于实时检测连续接收到运动（ Ho
3、lter）心电图的运动噪声 伪影的方法。运动噪声伪影检测方法分为两个阶段：第一阶段涉及使用 F-IMF 模 式 (固有模态函数 )分解出内在的运动伪影，因为他们广泛的分布在高频率部分。 第二阶段，使用三种统计学方法从 F-IMF(固有模态函数 )时间序列中寻找运动伪 影随机性和变异性的特点：香农熵，均值和方差。然后我们使用从 15 名健康受 试者接收到的动态心电图特征曲线中计算出阈值，使用统计方法分离出纯净的数 据段和运动（ MN）伪影数据段。使用从 15 个心电数据段中提取的这 15 组阈值， 然后再用我们的算法测试了 30 组健康受试者的数据进行验证。此外，使用我们 开发的算法检测心房颤动
4、（ AF）受试者被标记为与运动噪声伪影无关的数据段时， 在没有丢失敏感性 (74.48% 74.62%)的条件下，六个被诊断为心房颤动（ AF）的 受试者的运动噪声伪影特异性从 73.66%上升到 85.04%。最后，发现使用 MATALAB 代码测试该算法的运行时间小于 0.2 秒，可以使用在动态实时的心电监测中。 关键词：心房颤动（ AF），经验模式分解（ EMD），动态心电图记录，运动噪声（ MN） 伪影检测，统计方法。 1、介绍 最近我们开发了一种实时监测心房颤动（ AF）患者心电图的算法，这种算法 能够使用在实时监测患者动态心电图中。 ECG 信号监测仪（如动态 ECG 信号）在诊断
5、和疾病护理，如心房颤动（ AF） 等高频率的阵发性、致命性的心律失常，动态 ECG 信号起着重要的作用 2。心 电监测仪对于心房颤动（ AF）的诊断是很重要的，尽管心房颤动（ AF）经常从良 性的心律失常开始，但是心房颤动的危害性很大，会导致心脏衰竭，中风，甚至 死亡。我们使用去除噪声后动态记录的 ECG 数据来检测心房颤动算法的正确性。 当然，因为心电数据检测的过程中伴随着运动伪影，可能导致检测到的心房颤动 （ AF）数据出 现误差。有着多年临床经验的医师指出，动态心电检测设备中运动 伪影是造成心电信号丢失和误差的最主要的原因。 34 目前的计算工作在很大程度上依赖于运动（ MN）伪影消除，
6、而常用的一些方 法，包括线性滤波 5，自适应滤波 6，小波去噪 8-10，和贝叶斯滤波 11。 自适应滤波最主要的一个缺点是他们需要一个被假定为与某种方式和运动（ MN） 经验模式分解和统计学方法下的动态 (Holter)心电图运动伪影检测 伪影相关联的参考信号。为减轻此限制，使用加速计来得到的基准信号已取得了 一定的成功 12；然而，这种方法还没有被应用到（ Holter）动态心电显示器。 小波去噪方法试图分离干净和嘈杂的小波系数，但它难以被使用，因为它需要识 别每个心电图的位置形态包括 P 波和 T 波 8 10。贝叶斯滤波要求估计最优 参数使用任何变体的卡尔曼滤波方法：扩展卡尔曼滤波，扩展卡尔曼平滑，或无 迹卡尔曼滤波 11。贝叶斯滤波方法的主要缺点是不当假设噪声具有加性高斯概 率密度函数。另外，该方法需要的 R-峰的位置为 ECG 数据的每个周期。 虽然上述的信号处理方法都得到了应用，但它们
