英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

---

K均值法从纸心电图中提取心电图波形数据

戴敏，郑刚，石国杰

中国，天津，天津大学

摘要

尽管现代心电图机的数字输出申请多年，仍选择纸质录音尤其是中国的医疗机构。但是记录纸容易破损。这些心电图数据是必须提取并保存有价值的心电图临床信息的数字类型信息共享、在线诊断和心电图数据库建立。提出了一种基于k均值的方法。从纸质记录中提取心电图数据。心电图波形与背景网格分离采用105例患者心电图纸记录。实验。录音的内容也不一样损坏程度，纸张的背景色不同由不同的制造商制造。结果显示可以精确地提取心电图波形顺利。RR间期、QRS间期的准确率，心电图数据的QT间期、ST斜率和R振幅通过本文的方法将其数字化，可以达到99%。

1. 引言

解决心电图易断的问题论文，很多相关的工作都是在国内开始的

登上[1-4]。为了快速提取波形准确地说，基于Sobel的改进k均值是本文提出。建议的方法不收费蛇形法[1]的时间太长，结果很严重

依赖于初始轮廓。而不是灰色图像，彩色图像在纸上的使用包含了更多的信息，这将导致高精度。除此之外，改进k-均值法不必标注

手动波形的起始点[2-4]。

1. 聚类特征提取

扫描心电图由波形组成，背景网格、边缘和噪声。功能的目标提取是为了找出特征值反映他们之间的差异。颜色特征是最重要的是区分心电图波形和背景。此外，梯度值有助于区分边缘和背景，因为边缘和噪音通常具有较大的梯度值。

2.1、颜色特征提取

颜色特征是最广泛的视觉特征图像分割中的特征。实验室空间用于其广泛的色域，最类似于人类视觉实验室空间与颜色空间相反，l表示亮度，A和B表示颜色对立面尺寸。L*A*B模型的偶数变化对应偶数变化在颜色感知上，两种颜色之间的任何差别在实验室中，可以近似到三维的一个点。AS（L，A，B）。

2.2、感性特征提取

边缘和噪声通常意味着可通过感激值标记的像素。这个背景和客观内在的感恩价值是通常较小，而边缘和噪音较大对应值。报纸上的感激之情是表示为G。

所有提取特征都反映了差异心电图波形、背景、边缘和噪声之间。然后，在k均值聚类中使用的任何样本像素都可以表示为（l，a，b，g）。

1. 改进的k均值提取心电图波形

3.1、K-均值介绍

本文以k均值作为心电图的核心。波形提取方法。这个的基本思想给出了无监督方法。首先，使聚类数初始化和迭代测量函数的收敛表达式为鉴于。然后，k初始聚类中心是随机的挑选出来的。沿着距离测量，每个物体将被分配到最近的中心，通过计算每堂课。迭代将重复到群集中心不再更改或迭代次数用完了。k-均值结果表明类是最高的，而类之间的相似性最低。

传统k-均值聚类结果将导致每次结果都不同，因为k的值是通常是根据经验，并设置中心随机[5，6]。此外，迭代花费了太多时间导致效率低下。考虑大量数据对于彩色图像，计算量小的方法应该被考虑。

如果传统的k均值是用于提取波形，如：

（1）数据量太大会花费很多时间。

（2）初始聚类中心和

类别直接影响效率和准确性。

然后考虑到以上问题及实际研究中的需求。在方法中使用了感激运算符来减少

聚类样本，因为心电图波形是边界会导致高感恩价值的背景。之后只保留阶跃型边缘点集g（x，y）。G（X，Y）包含上边界点、下边界点和噪音。然后使用关闭操作填充波形孔和聚类样本集k（x，y）威尔终于得到了。

3.2、Sobel算子用于减小聚类样本量

边缘是论文中最重要的基础，因为它标记出灰度变化很大的像素集。值可以区分对象、背景和区域。感激操作员可以检测边缘，因为边缘的感激价值通常很高。噪音会也参与到边缘设置中，因为感激噪音值也很高。

利用Sobel算子进行边缘检测在左右像素或上下像素加权求平均值，然后在边上得到极值时间复杂。Sobel运算符不仅可以提取边缘并抑制噪音。

Sobel运算符的定义如下：

其中，GX检测水平边缘，GY检测垂直边缘。

梯度图像g（x，y）将在图像f（x，y）之后得到。用式（1）（2）计算。每个点p（x，y）ing（x，y）将与th进行比较。每个点p（x，y）是如果p（x，y）gt;th，则为阶梯状边缘点，所有阶梯状点形成阶梯状边缘集g（x，y）。

3.3、闭合操作用于填充波形孔

数学形态学是一种非线性滤波。方法。首先，选择结构元素根据原始图像的目标特征。然后，翻译、代码间转换和联合用于原始图像分别与结构元素。形态学运算符不会增强或放大器噪声，尽管它对噪声很敏感。

给定的二值图像是一个，并且结构元素为b，则闭合操作的方程为：

闭合操作可以通过先膨胀后腐蚀。整个上层之间当g（x，y）为时，可以填充边框和下边框。与关闭的操作一起工作。图1显示了图像f（x，y）处理后g（x，y）的部分结果索贝尔接线员。图2显示了k（x，y）之后g（x，y）与关闭的操作员。图3显示了f（x，y）的灰色柱状图。图4显示了k（x，y）的灰色柱状图。

图1.G(X,Y)的部分结果 图2.K(X,Y)的部分结果

图三.f（x，y）的柱状图 图四.k（x，y）的柱状图

从图3可以看出，像素的分布是极不均匀，波谷不明显。待测波形的灰度分布

提取排列从120到160，但很难判断其具体分布是因为整个图像。

本文提出的方法可以解决这一问题。问题。大多数不相关的像素样本已被过滤

在原始图像被索贝尔处理之后操作员和闭合操作员。如图4所示，像素k-means使用的样品已大大减少

3.4、心电图波形提取

扫描的心电图图像通常包含波形，背景网格、边缘和噪声。k-均值的目标

聚类是对波形中的像素进行聚类。属于同一类别。以下（1）表达了确定初始集群中心，然后集群使用其他像素取样器进行距离测量（L，A，B，G）作为聚类特征。

（1）确定初始聚类中心

像素的聚集在很大程度上可以通过显示频率的灰度直方图每个灰度的像素。如图4所示，n个峰选择柱状图作为初始聚类中心。n是聚类类别的个数。所以所有循环的像素计算为像素以及一些峰值，这将减少比较在搜索过程之间，大大减少了计算成本。

（2）计算初始聚类特征

中心初始集群中心的特征可以是根据原始彩色图像计算柱状图中的峰值。

（3）K均值法提取波形

集群可以通过计算初始时像素和中心之间的距离确定中心，并确定其特征计算的。

图五.f（x，y）的图像

本文中使用的图像如图5所示，并且图6显示了提取的波形，图7显示了受限制的波形和背景网格。

第一步：初始化

第二步：根据方程（1）（2）（3），得到梯度图像g（x，y）。对于每个

如果则

第三步：根据方程（4），通过对进行闭式运算得到聚类集{k（x，y）}。

第四步：根据k（x，y）的柱状图，确定初始聚类中心z1，z2，hellip;zn。

第五步：根据距离测量，将每个像素样本分配到最近的类别。

第六步：如果有其他像素需要聚集，则返回第二步；如果没有其他像素，则返回第二步。

图六。提取后的心电图波形。

图七。重构心电图波形和背景网格。

1. 实验与结论

实验采用105例心电图纸记录。数据来自不同级别的医疗服务机构。这些录音的日期从20世纪90年代到现在。记录的损坏程度不同，纸张的背景色也不同，由不同的厂家制作。

之后，评估原始纸心电图并给出了提取的心电图。R波振幅，心脏

实验比较了心率和RR间期。由于每个打印输出上的操作不同，每个样本有自己的r波数。R波振幅是根据QRS的初始值来测量的。部分结果如表1所示，其中Woi说原始波形，WDI表示提取波形，EI说woi和wdi之间的绝对误差

表一。结果的部分

从表1可以看出数字化与原纸有微小的区别心电图。实验表明波形幅度99%，心率99%。

实验结果表明，该方法具有较好的精度。99%。结果满足临床要求，并且

可用于网络医疗服务。

致谢

论文获天津自然科学基金（10JYCBJC900700）和天津市科学支撑计划重点基金资助（10ZCKFSF00 800）

参考文献

[1] Badilini F, Erdem T. Method and System for Converting Paper ECG Printouts to Digital ECG Files, United States Patent Application Publication, US2005/0027201 A1. 2005; 2.

[2] Prashanth S, Srinivasan J, M.Girish C. An Improved Method for Digital Time Series Signal Generation from Scanned ECG Records. 2010; 400-403.

[3] Morales E, Sevilla D, Pierluissi J. Digitization and Synchronization Method for Electrocardiogram Printouts. 2005; 1588-1591.

[4] Janel C, Jamal AN, Mohammed AM. A Novel Method for Digitizing Standard ECG Papers. 2008; 1308-1312.

[5] LI G, WAGN ZY, HOU ZQ. Color image segmentation algorithm based on k-means clustering and region merging. Journal of Computer Apppication, 2010; 30:354-357.

[6] Tse WC, Chen YL, ShaoYC. Fast Image Segmentation Based on K-Means Clustering with Histograms in HSV Color Space. Multimedia Signal Processing, IEEE 10th Workshop, Oct. 2008; 322-325.

通信地址：

郑刚博士

天津工业大学，中国天津。

邮箱：kenneth_zheng@vip.163.com

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[19134]，资料为PDF文档或Word文档，PDF文档可免费转换为Word