一种房颤检测电路

1.本发明涉及一种低功耗心脏房颤检测芯片，属于医疗集成电路领域。


背景技术：

2.心房颤动是一种严重且常见的心脏病，影响整个人群的0.4％至1.0％，其患病率随着年龄的增长而增加，在80岁以上的人群中可达到10％。微型植入式心脏监护仪预计至少可以工作2-3年。功耗是植入式芯片的重要参数，低功耗设计能极大的延长植入式芯片在人体内的工作时间。


技术实现要素：

3.本发明要解决的技术问题是：传统温度传感器所采用的感温元件容易受偏置电流源及其他元件失配的影响，从而温度传感器的影响分辨率和精度。
4.为了解决上述技术问题，本发明的技术方案是提供了一种房颤检测电路，其特征在于，包括心跳rr间期计算部分以及基于rr间期的房颤诊断部分，其中：
5.心跳rr间期计算部分使用了pan and tompkins算法，利用心跳rr间期计算部分识别心电信号中的各个r峰，从而获得心电信号中位于相邻两个r峰之间的待测信号，包括以下步骤：
6.步骤1、将心电信号通过带通滤波器；
7.步骤2、对心电信号进行求导、平方，再使用移动窗口对信号进行积分后，选出所获得信号的区域极大值点，最后使用自适应阈值对极大值点进行分类，以区分r峰与噪声峰；
8.基于rr间期的房颤诊断部分用于将待测信号的
△
rr累积概率分布曲线与标准
△
rr累积概率分布曲线进行对比，以判断是否发生房颤，具体包括以下步骤：
9.步骤a、从房颤标准数据库中获取心跳房颤片段，并计算其rr间期平均值，并且在预定时间长度区间范围内将心跳房颤片段分成多类，进一步计算每一类信号的
△
rr累积概率分布曲线，记为标准累积概率分布曲线；
10.步骤b、计算通过心跳rr间期计算部分获得的待测信号的rr间期平均值和
△
rr累积概率分布，待测信号的
△
rr累积概率分布记为待测信号累积概率分布曲线；
11.步骤c、根据步骤a计算得到的rr间期平均值以及步骤b计算得到的待测信号rr间期平均值，从步骤a中所有类型曲线中找寻同类的标准累积概率分布曲线，计算标准累积概率分布曲线与步骤b获得的待测信号累积概率分布曲线的差的最大值，记为d；依据最大值d判定该段待测心跳是否具有房颤：若最大值d小于设定阈值，则认为心跳具有房颤，否则认为心跳没有房颤。
12.优选地，所述步骤2进一步包括以下步骤：
13.步骤201、对心电信号选取五点求导；
14.步骤202、对求导获得的信号进行平方；
15.步骤203、对上一步获得的信号使用移动窗口进行积分；
16.步骤204、选出步骤203所获得信号的区域极大值点，该极大值点为备选r峰或噪声峰；
17.步骤205、使用自适应阈值对极大值点进行分类，以区分r峰与噪声峰。
18.优选地，所述步骤205进一步包括以下步骤：
19.步骤2051、将阈值设定为初始值，并开始计时；
20.步骤2052、取一个极大值点作为当前极大值点；
21.步骤2053、若当前极大值点为区域极大值且大于阈值，则判定当前极大值点为r峰，进入步骤2054，否则判定当前极大值点为噪声峰，进入步骤2055；
22.步骤2054、更新阈值后，取下一个极大值点作为当前极大值点，返回步骤2053，直至遍历所有极大值点；
23.步骤2055、计时时间是否超过时间阈值，若是，则进入步骤2056，否则，取下一个极大值点作为当前极大值点，返回步骤2053，直至遍历所有极大值点；
24.步骤2056、认为漏掉r峰，将上一个r峰所对应的极大值点作为当前极大值点，降低阈值并重新开始计时后返回步骤2053，直至遍历所有极大值点。
25.基于本发明实现的低功耗房颤检测芯片采用了256hz的时钟信号，实现了极低的动态功耗。其核心部分功耗为26.3μw，面积为3.37mm2，测试结果敏感性为93.02％，特异性为79.68％。
附图说明
26.图1示意了实施例中所公开的房颤检测电路的整体架构；
27.图2示意了pan and tompkins算法应用流程图；
28.图3示意了房颤判定过程，图中，standard_fx为房颤数据库中计算得到的标准
△
rr累积概率分布曲线，test_fx为待测信号
△
rr累积概率分布曲线，d为standard_fx与test_fx之间差的最大值。
具体实施方式
29.下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定的范围。
30.如图1所示，本实施例公开的一种房颤检测电路包括心跳rr间期计算部分r-peak recognition以及基于rr间期的房颤诊断部分atrial fibrillation diagnosis。
31.心跳rr间期计算部分r-peak recognition的电路结构包括带通滤波器、求导模块、平方模块、积分模块以及自适应阈值模块。
32.心跳rr间期计算部分r-peak recognition使用了pan and tompkins算法，并使其更加精简，其过程包括：设定初始阈值；区分r峰与噪声峰；根据峰值更改阈值。若过长时间没有寻找到r峰，则退回至上一个r峰，降低阈值，重新搜索，具体包括以下步骤：
33.步骤1、将心电信号通过带通滤波器，本实施例中，该带通滤波器通带为5-15hz。
34.步骤2、对心电信号进行求导、平方，再使用移动窗口对信号进行积分，进一步包括
以下步骤：
35.步骤201、如下式所示，对心电信号选取五点求导：
[0036][0037]
式中，t表示时钟周期，nt表示当前时间，x(nt)表示输入信号，y(nt)表示五点求导后输出信号。
[0038]
步骤202、对求导获得的信号进行平方，如下式所示：
[0039]
y[nt]＝x2[nt]
[0040]
式中，c[nt]表示通过步骤201求导获得的信号。
[0041]
步骤203、使用移动窗口进行积分，其中，n表示积分窗口中包含的采样点数量，约等于qrs波的宽度，如下式所示：
[0042][0043]
步骤204、选出步骤203所获得信号的区域极大值点，该极大值点为备选r峰或噪声峰；
[0044]
步骤205、使用自适应阈值对极大值点进行分类，以区分r峰与噪声峰，如图2所示，进一步包括以下步骤：
[0045]
步骤2051、将阈值设定为初始值，并开始计时；
[0046]
步骤2052、取一个极大值点作为当前极大值点；
[0047]
步骤2053、若当前极大值点为区域极大值且大于阈值，则判定当前极大值点为r峰，进入步骤2054，否则判定当前极大值点为噪声峰，进入步骤2055；
[0048]
步骤2054、更新阈值后，取下一个极大值点作为当前极大值点，返回步骤2053，直至遍历所有极大值点；
[0049]
步骤2055、计时时间是否超过时间阈值，若是，则进入步骤2056，否则，取下一个极大值点作为当前极大值点，返回步骤2053，直至遍历所有极大值点；
[0050]
步骤2056、认为漏掉r峰，将上一个r峰所对应的极大值点作为当前极大值点，降低阈值并重新开始计时后返回步骤2053，直至遍历所有极大值点。
[0051]
基于rr间期的房颤诊断部分atrial fibrillation diagnosis用于将待测信号的
△
rr累积概率分布曲线与标准
△
rr累积概率分布曲线进行对比，结合图3，具体包括以下步骤：
[0052]
步骤1、从房颤标准数据库中获取心跳房颤片段，并计算其rr间期平均值，并且在350ms-1150ms间将心跳房颤片段分成16类，每一类50ms，并计算每一类信号的
△
rr累积概率分布曲线，记为16条标准累积概率分布曲线。
[0053]
步骤2、计算待测信号的rr间期平均值和
△
rr累积概率分布，待测信号的
△
rr累积概率分布记为待测信号累积概率分布曲线。
[0054]
步骤3、根据待测信号rr间期平均值从步骤1中的16类曲线中找寻同类的标准累积概率分布曲线。计算步骤1获得的标准累积概率分布曲线与对应类别的步骤2获得的待测信号累积概率分布曲线的差的最大值，记为d。依据最大值d判定该段待测心跳是否具有房颤，若最大值d小于设定阈值，则认为心跳具有房颤，否则认为心跳没有房颤。
[0055]
上述算法简洁且适合硬件实现，并且均在256hz的时钟条件下进行，以保证基于该算法实现的芯片具有极低的动态功耗。