引言

生物醫電信號，如心電信號、血壓信號、腦電信號等等，都表征了一定的病理特征，以心電為例，通常以心電圖來記錄心臟產生的生物電流，臨床醫生可以利用心電圖對患者的心臟狀況進行評估，并做出進一步診斷。而對于一些家用或者醫用儀器廠商來說，則需要開發特定的信號處理算法并部署到嵌入式處理器上，完成醫電特征的提取。通常整套心電監測產品的研發過程，由心電數據采集、心電信號分析、人機顯示、文件存儲等幾部分組成，通過NI提供的圖形化系統設計平臺，可以覆蓋數據采集、信號讀取、心電分析以及報表生成等一系列產品開發的流程，完成整套系統的開發，提高開發效率。而在整個開發過程中，信號分析部分往往是重點，也是各廠商的軟件核心技術所在。本文將重點就心電采集與分析展開討論，介紹如何通過LabVIEW高效實現心電信號的采集及分析算法開發。

圖1 典型的單周期心電圖波形

心電信號的數據采集

通常來說，ECG信號是通過對若干電極（導聯）感知生物電流，并通過數據采集設備將導聯產生的模擬電信號轉化為數字信號進行計算機分析。導聯產生的模擬信號往往較為微弱，幅值在mV左右，需要通過動態信號采集設備進行采集，或者通過前置預放大之后采集。無論是獨立的ECG導聯或者集成醫用式ECG設備，都可以通過NI設備進行數據采集。

通過30多年的發展，美國國家儀器（NI）在測試測量領域奠定了領導地位，從便攜式USB設備到高精度PXIe同步采樣設備，可以實現從8位到24位的分辨率，以及48kHz到2GHz的采樣率。同時NI設備將增益誤差、偏移誤差、不確定噪聲等各種誤差值綜合考量之后，提供了絕對精度值，以確保最終測量的準確性。一般來說ECG信號的頻率在幾百赫茲左右，可以通過1k到5k左右的采樣率進行采樣，另外，根據應用的精度區別，可以選擇14～16bit采樣精度，基本上NI任何平臺的數據采集設備均可以滿足ECG的采樣需求。可以根據應用的不同，選擇合適的設備，如在便攜式設備中選擇USB數據采集，在遠程醫療的應用中選擇無線采集等。

無論使用何種NI硬件平臺，都可以通過同一種編程平臺——NI圖形化編程軟件LabVIEW實現開發。自1986年誕生以來，LabVIEW圖形化開發平臺一直致力于簡化編程的復雜性，在所有涉及到數據采集和控制的領域里，LabVIEW圖形化編程方式都已經成為標準的開發工具。對于醫療電子設備的開發團隊來說，LabVIEW提供了將硬件I/O引入算法設計的快捷方式，無縫結合從數據采集、算法分析、數據存儲以及人機交互等全方面流程，同時不同NI硬件可通過代碼重用，發布到不同商業化、嵌入式平臺，簡化構建原型系統的復雜性。

通過LabVIEW以及NI采集設備，ECG信號可以快速的被采集并顯示。圖1顯示了一個典型的心電波形周期。當然，過程中，心電信號會被噪聲和人為引入的偽影所污染，這些噪聲和偽影在我們感興趣的頻段內，并且與心電信號本身有著相似的特性。為了從帶有噪聲的心電信號中提取出有用的信息，我們需要對原始的心電信號進行處理。

從功能上來說，心電信號的處理可以大致分為兩個階段：預處理和特征提取（如圖3所示）。預處理階段消除和減少原始心電信號中的噪聲，而特征提取階段則從心電信號中提取診斷信息。

圖3 典型的心電信號處理流程圖

通過LabVIEW中的信號處理功能，用戶可以方便地創建針對兩個階段的信號處理應用，包括消除基線漂移、清除噪聲、QRS綜合波檢測、胎兒心率檢測等。

接下來將著重討論使用LabVIEW進行典型的心電信號處理的方法。

心電信號預處理

心電信號預處理可以幫助用戶去除心電信號中的污染。廣義上講，心電信號污染可以分為如下幾類：

? 電源線干擾

? 電極分離或接觸噪聲

? 病人電極移動過程中人為引入的偽影

? 肌電（EMG）噪聲

? 基準漂移

在這些噪聲中，電源線干擾和基準漂移是最為重要的，可以強烈地影響心電信號分析。除了這兩種噪聲，其它噪聲由于可能是寬頻帶的且復雜的隨機過程，也會使心電信號失真。電源線干擾是以60 Hz （或 50 Hz）為中心的窄帶噪聲，帶寬小于1Hz。通常，心電信號的采集硬件或者通過軟件陷波濾波器可以消除電源線干擾。但是，基準漂移和其它寬帶噪聲通過硬件設備很難抑制。而軟件設計則成為更為強大而可行的心電信號處理方法。用戶可以使用以下方法來消除基準漂移和其它寬帶噪聲。

消除基準漂移

基準漂移的產生通常源于呼吸，頻率在0.15 到 0.3 Hz之間，可以通過使用高通數字濾波器進行抑制。用戶還可以使用小波變換通過消除心電信號的趨勢來消除基準漂移。

1. 數字濾波器方法

通過LabVIEW圖形化和交互式的方法，可以高效地設計和實現有限沖擊響應（FIR）或無限沖擊響應（IIR）濾波器。例如，用戶可以使用Classical Filter Design Express VI設計Kaiser窗FIR高通濾波器消除基準漂移。圖4顯示了使用高通濾波器消除基準漂移的實例。

圖4 設計并使用高通濾波器消除基準漂移

2．小波變換方法

除了數字濾波器，小波變換也是一種消除指定頻帶內信號的有效方法。LabVIEW 高級信號處理工具包提供了小波去趨勢（Detrend）的函數，它可以消除信號的低頻趨勢。圖5顯示了使用小波消除基準漂移的程序實例。

圖5 使用WA Detrend VI消除基準漂移

實例使用了Daubechies6 （db06）小波，因為這種小波與實際的心電信號相似。

圖6顯示了原始的心電信號，數字濾波和小波變換兩種方法處理后得到的心電信號。可以看到處理后的心電信號在保持原有心電信號主要特性的同時，幾乎不含基準漂移信息。還可以注意到基于小波變換的方法更具優勢，因為這種方法不引入延時，而且比數字濾波器的方法失真更小。

圖6 基于數字濾波器和基于小波變換的方法比較

消除寬帶噪聲

在消除了基準漂移后，得到的心電信號比原來的信號更加清晰和穩定。但是，其它類型的噪聲仍然會影響心電信號的特征提取。這些噪聲往往是寬頻帶的復雜隨機過程，所以不能使用傳統的數字濾波器，但可以利用LabVIEW中小波去噪（Wavelet Denoise）的功能。

通過小波變換將心電信號分解到各個子帶，然后利用閾值或收縮功能調整小波系數，最后重建出消除噪聲后的信號。下圖顯示了通過LabVIEW中非抽樣小波變換（UWT），寬帶噪聲被極大地抑制而心電信號的細節則保持不變。

圖7 UWT小波去噪前及去噪后的心電信號

對心電信號進行特征提取

為了診斷，需要從預處理后的心電數據中提取各種特征，包括QRS波間隔、QRS波幅度、PR間隔、ST間隔、胎兒心率等。這里以QRS綜合波檢測為例。

在心電信號中檢測R峰值和QRS綜合波，可以提供關于心率、傳導速度、心臟內各種組織狀態和各種異常情況的信息。它為心臟疾病的診斷提供依據，所以在心電信號處理領域引起了極大關注。但是，噪聲和隨時間變化的形態使得檢測非常困難。

因為小波能夠借助于多分辨率的優勢對帶噪聲的信號進行主要特征的提取與分析，所以近年來提出了許多基于小波的檢測方法。在本文中，LabVIEW高級信號處理工具包中的Multiscale Peak Detection函數被用于檢測Q、R和S點。在波峰/波谷檢測前，使用Multiresolution Analysis Express函數將心電信號分解為8級的Daubechies6 （db06）小波，然后使用D4和D5子帶重建出信號。之所以可以利用D4和D5子帶進行重建，是因為幾乎所有的QRS細節都處于這兩個子帶中，這使得QRS檢測更為精確。

圖8 心電信號多分辨率分析和QRS波檢測的實現

圖9顯示了經過小波多分辨率分析（MRA）和波峰/波谷檢測處理后的心電信號，以及原有的心電信號（來自MIT-BIH數據庫）。在本圖中，可以發現波峰和波谷（特別是Q和S點）在經過小波多分辨率分析后變得更為明顯。

圖9 原始的心電信號、經過MSA后的心電信號以及波峰/波谷檢測后的心電信號

在進行QRS綜合波檢測后，可以利用其它方法進行特征分析。例如，可以利用R-R間隔信號進行心率變化（HRV）分析，顯示心臟和神經系統的狀態。

LabVIEW生物醫電起步工具包

以上介紹了通過LabVIEW中強大的信號處理功能，可以實現各類自定義的ECG分析算法，文中介紹的只是一部分較為成熟有效的算法在LabVIEW上的實現方式，并以此來闡述心電信號的處理流程。

除利用LabVIEW自行開發以外， NI也提供了最新的生物醫電起步工具包，其中已經集成了ECG特征提取的算法及人機交互界面。參見圖10。工具包不僅支持NI數據采集平臺實現臨床心電信號的采集，也支持MIT-BIH等不同專業數據庫的文件格式讀取；另外，除了自帶小波分析的QRS波、P波和T波檢測外，也同時開源并支持用戶自定義的算法；最后，ECG特征提取的結果可以導出到TDMS文件中。如需對信號做進一步分析，如心率變異性分析（HRV）等，醫電工具包中同樣提供了現成的功能，供用戶直接調用，參見圖11。

除此以外，LabVIEW及生物醫電工具包還可以使用在其它生物醫學信號處理領域，例如腦電圖（EEG）、肌電分析（EMG）以及核磁共振（MRI）3D成像等等應用中。

總結

LabVIEW以及生物醫電工具包可以提供魯棒而高效的環境和工具，解決心電信號處理問題。通過工具包中現成可用的分析算法，或者通過LabVIEW圖形化編程方式實現自定義算法，用戶可以在心臟疾病診斷和心電信號研究中方便而快捷地實現開發，包括消除噪聲、分析和提取心電信號等等。

責任編輯：gt