摘要: 【摘要】 本文基于不同的心律對應著不同的系統復雜程度的思想，對可電擊復律心律信號(shockable rhythm，ShR)檢測展開研究，重點研究了基于樣本熵的ShR檢測方法, 并通過CUDB和VFDB數據庫的所有數據進行檢測，與已有的復雜度方法進行了比較，結果表明該方法能有效地進行ShR檢測。樣本熵。而AED實現其功能的關鍵一步是......
【摘要】 本文基于不同的心律對應著不同的系統復雜程度的思想，對可電擊復律心律信號(shockable rhythm，ShR)檢測展開研究，重點研究了基于樣本熵的ShR檢測方法, 并通過CUDB和VFDB數據庫的所有數據進行檢測，與已有的復雜度方法進行了比較，結果表明該方法能有效地進行ShR檢測。
【關鍵詞】 可電擊復律心律;樣本熵;復雜度
可電擊復律心律(shockable rhythm，ShR)包括室性心動過速(Ventricular Tachycardia,VT)和心室顫動(Ventricular Fibrillation,VF)[1]。早期電擊除顫是治療VF有效的方法。自動除顫儀(Automated External Defibrillator，AED)可增加院外SCD 的存活率。而AED實現其功能的關鍵一步是快速準確地自動檢測出ShR。本文對基于樣本熵的ShR檢測進行了研究，具有重要的理論和實際意義。
1 樣本熵算法
Richman 等沿襲Grassberger 的研究發展了一種有別于近似熵的不計數自身匹配的統計量，即樣本熵(Sample Entropy，SampEn)[2，3]。結合算法步驟來說明樣本熵的定義。考慮嵌入維數為m和m+1時長度為N的序列的前N-m個向量，保證對于1≤i≤N-m，m維向量Xm(i)和m+1 維向量Xm+1(i)有意義。(1) 設原始數據為：u(1),u(2),Lu(N) (1)共N個點。(2)按序號連續順序組成一組 維矢量：從Xm(1)到Xm(N-m)，其中：Xm(i)=[u(i),u(i+1),Lu(i+m-1)](2)i=1,2,L，N-m,這些矢量代表著從第i個點開始連續的m個u的值。(3)定義矢量Xm(i)和Xm(j)間的距離：d[Xm(i),Xm(j)]為兩者對應元素中差值最大的一個，即：d[Xm(i),Xm(j)]=max{|u(i+k)-u(j+k)|｝(3) 其中k=0,1,L,m-1;i,j=1,2,L,N-m,j≠i。(4)給定閾值r，對每個i≤N-m的值，統計d[Xm(i),Xm(j)]小于r的數目(稱為模板匹配數)及此數目與距離總數N-m-1的比值，記作：Bmr(i)=Nm(i)/(N-m-1) (4)求其對所有i的平均值Bm(r)=(N-m)-1·∑N-m i=1Bmr(i) (5)(5)增加維數為m+1，按序號連續順序組成一組m+1維矢量：從Xm+1(1)到 Xm+1(N-m)，其中:Xm+1(i)=[u(i),u(i+1),L,u(i+m)] (6)這些矢量代表著從第i個點開始連續的m+1個u的值。(6)定義矢量Xm+1(i)和Xm+1(j)間的距離d[Xm+1(i),Xm+1(j)]為兩者對應元素中差值最大的即：d[Xm+1(i),Xm+1(j)]=max(|u(i+k)-u(j+k)|)(7)其中k=0,1,L,m;i,j=1,2,L,N-m,j≠i。
(7) 給定閾值r，對每個r≤N-m的值，統計d[Xm+1(i),Xm+1(j)]小于r的數目及此數目與距離總數的比值，記作Bm+1r(i)=Nm+1(i)/(N-m-1) (8)求其對所有i的平均值：Bm+1(r)=(N-m)-1·∑N-m i=1Bm+1r(i) (9)理論上此序列的樣本熵：SampEn(m,r)=lim{-In[Bm+1(r)/Bm(r)]}(10)當N為有限值時, 按上述步驟得出的是序列長度為N時樣本熵估計值。記作：SampEn(m,r,N)=-In[Bm+1(r)/Bm(r)] (11)樣本熵的物理意義與近似熵相似。樣本熵值越低，序列自我相似性越高，樣本熵值越大，序列樣本越復雜 。樣本熵和近似熵主要的不同點在于：近似熵算法比較數據和其自身，通過計數每一個與其自身匹配的模板的個數來避免計算中出現In(0)，會產生誤差。而樣本熵不計數自身匹配值，所以計算速度比較快[4]。因為熵是新信息產生率的測度，所以比較數據和其自身毫無意義。
2 樣本熵的m，r的取值關系
選取The MIT-BIH Malignant Ventricular Arrhythmia Database(VFDB)數據庫中室性期前收縮(Premature Ventricular Complex, PVC,又稱室性早搏)、VT、VF、心室撲動(Ventricular Flutter,VFL)、心臟停搏(Asystole，ASYS)信號各2段(信號長度為24s， 6000采樣點)，進行1~30Hz的帶通濾波(因為現在AED采集的數據就是在1~30Hz)，然后求取m等于2和10時，r=0.01~1的SampEn值。在m=2時，PVC、VFL、VT、VF的SampEn值是從小到大排列的，而ASYS的SampEn曲線夾雜在VFL、VT、VF之間。在r=0.01和r接近1時，VF、VT與VFL、PVC的SampEn曲線有交叉，其余情況都可以將其分開。尤其在r=0.1~0.2時，VF、VT與VFL、PVC的SampEn曲線分別很明顯。
3 樣本熵的ShR檢測法
流程樣本熵用于ShR檢測算法流程(見圖1)如下。圖1 基于樣本熵的ShR檢測法
3.1 信號的分段
先對信號進行分段，以4s(包含1000采樣點)信號為一個片段。
3.2 信號的預處理
采用1~30Hz butter帶通濾波器對信號進行濾波。因為AED輸出信號頻段在1~30Hz，所以采用該濾波器可以更逼近AED的檢測效果。該濾波器的幅頻特性曲線如圖。
3.3 進行樣本熵的計算
同時計算m=2,r=0.15和m=3,r=0.4時的SampEn值。
3.4 判別
m=2,r=0.15時，閾值設為Y1=0.4，m=3,r=0.4時，閾值設為Y2=0.14。 閾值均為經驗值。當有一個樣本熵的值大于閾值，則判為ShR，否則為NShR。完畢。
4 檢測的結果與結論
對VFDB數據庫和CUDB數據庫中所有數據對兩種方法進行了性能檢測，每連續四秒數據為一個數據片段，VFDB數據庫中ShR片段數為7252個，NShR片段數為38276個;CUDB數據庫中ShR片段數為3305個， NShR片段數為13813個。在CUDB數據庫中有些樣本點沒有數據，直接將這些樣本的去除。而有些片段既含有ShR又含有NShR，那么無論算法把它判為ShR，還是NShR，都是正確的。這樣的片段在CUDB數據庫中有528個，VFDB數據庫中有544個。兩種方法參數的閾值和檢測的結果如表1、表2。分析發現基于樣本熵的ShR檢測法檢測效果非常好，比基于復雜度與復雜率方法[5，6]的正確率高了12個百分點，所以說基于樣本熵的ShR檢測法是一種非常有效的可電擊復律心律信號檢測方法。表1 兩種方法參數的閾值方法 表2 兩種方法的正確率方法
【參考文獻】
1 Hunt SA, Abraham WT,Chin MH,et al.ACC/AHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure): developed in collaboration with the American College of Chest Physicians and the International Society for Heart and Lung Transplantation: endorsed by the Heart Rhythm Society. Circulation,2005, 112:e154.
2 Gilden DL, Marusich LR.Contraction of time in attention-deficit hyperactivity disorder.Neuropsychology,2009,23:265.
3 Yan J, Wang Y, Li F,et al.Analysis and classification of wrist pulse using sample entropy. In. IEEE,2009:609-612.
4 Alcaraz R, Rieta J.A novel application of sample entropy to the electrocardiogram of atrial fibrillation. Nonlinear Analysis: Real World Applications,2010, 11:1026-1035.
5 Zhang X, Zhu Y, Thakor N,et al.Detecting ventricular tachycardia and fibrillation by complexity measure. IEEE Transactions on biomedical engineering,1999,46:548-555.
6 張紅煊, 朱貽盛.基于復雜度和復雜度的心動過速和心室纖顫檢測.中國生物醫學工程學報,2001,20:423-429.
