预测阵发性房颤是否终止可决定是否有必要对房颤进行干预。提出RdR新型散点图,RdR散点图横坐标为RR间期,纵坐标为相邻RR间期之差,同时包含RR间期及RR间期变化的信息,可捕捉更多心率变异性(HRV)信息。分析50段非终止房颤与立即终止房颤1 min RR间期RdR散点图,发现非终止房颤RdR散点图中的点比立即终止房颤更为分散。将RdR散点图网格化并计算非空网格数目作为特征参数以区分非终止房颤与立即终止房颤。取49个RR间期时,对于20段学习集可准确区分17段,30段测试集可区分20段。取66个RR间期时,对于18段学习集可区分16段,28段测试集可区分20段。结果表明,阵发性房颤在终止前1 min内,RR间期及相邻RR间期之差变化幅度减小,利用RdR散点图可预测阵发性房颤是否终止,但预测准确率有待进一步提高。
引用本文： 陆宏伟, 章琛曦, 孙迎, 郝治东, 王春芳, 田佳佳. 基于RdR新型散点图预测阵发性房颤终止的初步研究. 生物医学工程学杂志, 2015, 32(4): 763-766. doi: 10.7507/1001-5515.20150139 复制
引言
房颤(atrial fibrillation,AF)发病率居心律失常第三位，随年龄增长呈递增趋势。房颤发作时有效心房收缩丧失，心房内血液淤滞，促进血栓形成，血栓脱落随血液流向脑部，堵塞脑部血管，引起缺血性中风，危及生命。阵发性房颤可能很快自发终止(数分钟后)，也可能持续一段时间(数小时)。同时约18%的阵发性房颤4年后发展成永久性房颤[1]。如提前预知房颤将很快终止，则无需干预，可节省不必要的医疗费用，且避免不必要的电复律损伤心脏。如预知房颤将持续，则必须及时干预。考虑到目前对房颤自发终止的机制还未完全阐明，因此，准确预测阵发性房颤是否终止具有重要意义。
心率变异性(heart rate variability,HRV)分析，即对RR间期(心电相邻R波间隔)的研究，是一种对心血管疾病的早期诊断、病中监护及预后评估等均有重要意义的新的无损伤检测心脏功能的手段。预测房颤终止这一具有挑战性的研究于2004年提出后[2]，多数成功的方法都是利用平均模板法，求得多个连续QRST波的平均值作为模板，然后将模板从心电(electrocardiogram,ECG)信号中减去，并从频域分析剩余的房颤f波信号，如f波功率谱峰值对应的频率小，则房颤容易终止。由于要求功率谱，算法复杂，计算量大。且由于逐次心跳QRST波形不同，得到的房颤f波信号混有剩余的QRST波噪声；另外f波幅度小，容易受到噪声干扰。而R波幅度大，不易受噪声干扰，RR间期提取方便且精度高，因此利用RR间期预测房颤终止有其优势。孙荣荣等[3]通过计算RR间期的Lempel-Ziv复杂度，并基于符号动力学将RR间期序列转换成符号串，对符号串编码得到符号码，计算各符号码的发生概率，取符号码110的发生概率和符号码发生概率的香农熵作为RR间期序列的特征参数，最后基于上述三个非线性参数，建立模糊分类器预测房颤是否终止，可正确区分90%的测试集A，然而算法比较复杂。基于此本文提出一种简单直观的利用RR间期预测房颤终止的新方法。
1 方法
1.1 数据
数据取自Physionet为Computers in Cardiology期刊在2004年提出的挑战赛提供的数据[4]。共有80道双导联ECG信号，每道信号持续时间1 min，采样频率为128 Hz，分辨率为5 μV。ECG信号取自阵发性房颤患者20 h或24 h Holter记录。80道ECG信号分为1个训练集和2个测试集(A和B)。训练集含30道信号，分为3类，分别为非终止房颤(表示信号结束后房颤至少持续1 h)、即将终止房颤(表示信号结束后房颤在1 min后终止)和立即终止房颤(表示信号结束后房颤在1 s内终止)，每类各10道ECG信号。测试集A包含30道信号，其中约一半为非终止房颤信号，一半为立即终止房颤信号。测试集B包含20道信号，10个患者每人提供一段即将终止房颤和立即终止房颤信号。数据库包括QRS波的注释，因此可直接得到ECG RR间期。
1.2 RdR散点图
Poincare散点图是描述HRV的重要指标[5]，常用连续RR间期在直角坐标上作散点图，反映相邻RR间期的变化，能显示RR间期的整体特征。不同的散点区域，反映了心脏不同的病理状态或心率变异信息[6-9]。Poincare散点图简单，图形能较好反映不同的心律失常模式，是一种较好的HRV分析方法。但它不能很好地反映HRV随时间变化的趋势，对RR间期的变化信息不能完全反映，且对某些疾病的HRV性质反映不明显。
于是有学者提出一阶差分散点图法[10-12]，即以相邻RR间期的差值(Rn+2-Rn+1,Rn+1-Rn) 作图。一阶差分散点图突出了相邻RR间期的变化，然而完全丢失了RR间期的绝对值信息。能否将Poincare散点图与一阶差分散点图的特点有效结合起来，以同时反映RR间期及其变化？这就是本文提出的RdR散点图。
令ΔRRn=RRN-RRn-1，RRn为第n个RR间期。以RRn为横坐标、RRn为纵坐标依次绘点，即得到RdR散点图。RdR散点图横坐标描述RR间期信息，纵坐标反映相邻2个RR间期的变化。RdR散点图结合了Poincare散点图与一阶差分散点图的优点，可同时反映RR间期(心率)与RR间期变化(心率变化)的信息。
1.3 算法
图 1(a)为非终止房颤的RdR散点图，图 1(b)为立即终止房颤的RdR散点图。可见，非终止房颤RdR散点图中的点比立即终止房颤更为分散，表明非终止房颤心率与心率变化的不规则性更大。考查所有非终止与立即终止房颤心电记录的RdR散点图，都与图 1类似。由此推测，也许可以利用RdR散点图中点的不同分散程度，提取相关信息并预测阵发性房颤是否终止。
图1
RdR散点图
(a) 非终止房颤；(b) 立即终止房颤
Figure1. RdR scatter plot(a) non-terminating AF; (b) immediately terminating AF
将RdR散点图按一定宽度划分网格，然后统计所有非空(至少包含一个点)网格的个数，以此作为特征参数并预测阵发性房颤是否终止。当非空网格数大于某个阈值，则认为是非终止房颤，否则为立即终止房颤。
2 结果与讨论
学习集与测试集A共有50段非终止房颤与立即终止房颤记录，RR间期数目从49~183不等。为便于比较，只取最后49个RR间期(考虑到立即终止房颤记录结束后房颤立即恢复为正常窦性心律，因此最后49个RR间期比最前49个RR间期应包含更多区分非终止房颤与立即终止房颤的信息)。RdR散点图横轴范围为200~2 000 ms，纵轴范围为-1 500~1 500 ms。将RdR散点图按不同宽度划分网格，计算所有非空网格数。对学习集各10段非终止房颤与立即终止房颤，选取合适的阈值，特征参数大于等于阈值则判断为非终止房颤，小于阈值则为立即终止房颤，使辨别非终止与立即终止房颤的准确率最高。然后用该阈值区分测试集A中的30段记录。由于已公布挑战赛结果，因此对比结果可得辨别测试集A中非终止房颤与立即终止房颤的准确率。
表 1为每段记录取最后49个RR间期，不同宽度划分网格时，学习集与测试集A检测非终止与立即终止房颤的准确率。数据中分母表示总的记录数，分子表示准确辨别的记录数。网格宽度为25 ms时，检测准确率最高，学习集准确率为85%，测试集A准确率为67%。但总的准确率偏低，尤其是测试集。
表1
取49个RR间期，学习集与测试集A检测非终止与立即终止房颤的准确率
Table1.
Accuracy of differentiating non-terminating and immediately terminating AF of learning set and test set using 49 RR intervals
增加RR间期数，能否提高检测的准确率？舍弃4段RR间期数最少的记录，包括n03(49个RR间期)、t03(56个RR间期)、a05(62个RR间期)、a12(61个RR间期)后，学习集有18段记录，测试集A有28段记录，最短RR间期数为66。由于学习集记录少，无法舍弃更多RR间期数少的记录以进一步提高最短RR间期数。表 2为每段记录取最后66个RR间期，不同宽度划分网格时，学习集与测试集A检测非终止与立即终止房颤的准确率。与表 1比，大多数检测准确率有所提高。网格宽度为27 ms时，检测准确率最高，学习集准确率为89%，测试集A准确率为71%。可见，RR间期数由49增加到66后，检测准确率略有提高。
表2
取66个RR间期，学习集与测试集A检测非终止与立即终止房颤的准确率
Table2.
Accuracy of differentiating non-terminating and immediately terminating AF of learning set and test set using 66 RR intervals
尝试用该方法区分即将终止房颤与立即终止房颤，但准确率很低，因此本方法不能区分即将终止房颤与立即终止房颤。其原因是两者都属于终止房颤，心率与心率变化无明显差异，RdR散点图上点的分布无明显差异。
房颤的特征之一是RR间期的不规则性，这种不规则性表现为RR间期及相邻RR间期差的变化。传统的房颤检测算法通常只考虑RR间期或RR间期的变化，因此可能丢失重要信息，通过RdR散点图可将RR间期及其变化很好地在图上表现出来。提出的RdR散点图方法简单，只需提取一个参数，但预测房颤终止的准确率不高(学习集准确率为89%，测试集A准确率为71%)。由于样本数少(学习集、测试集A共50段记录)，每段记录RR间期数少，因此最多只取66个RR间期。每段记录取66个RR间期与取49个RR间期比，预测准确率略有提高。如取更多RR间期，如100个或150个，预测房颤终止的准确率有望进一步提高。另外，本研究只提取了一个特征参数——非空网格数目，如能从RdR散点图提取更多特征参数，也有可能提高预测房颤终止的准确率。
3 结论
提出了RdR散点图新方法并预测阵发性房颤是否终止。结果表明，阵发性房颤在终止前1 min内，RR间期及相邻RR间期之差变化幅度减小，在RdR散点图上点的分布范围减小，利用RdR散点图可预测阵发性房颤是否终止，但预测准确率有待进一步提高。本文研究样本数较少，要进一步验证算法的有效性与检测准确性，还应基于更多的样本数。
引言
房颤(atrial fibrillation,AF)发病率居心律失常第三位，随年龄增长呈递增趋势。房颤发作时有效心房收缩丧失，心房内血液淤滞，促进血栓形成，血栓脱落随血液流向脑部，堵塞脑部血管，引起缺血性中风，危及生命。阵发性房颤可能很快自发终止(数分钟后)，也可能持续一段时间(数小时)。同时约18%的阵发性房颤4年后发展成永久性房颤[1]。如提前预知房颤将很快终止，则无需干预，可节省不必要的医疗费用，且避免不必要的电复律损伤心脏。如预知房颤将持续，则必须及时干预。考虑到目前对房颤自发终止的机制还未完全阐明，因此，准确预测阵发性房颤是否终止具有重要意义。
心率变异性(heart rate variability,HRV)分析，即对RR间期(心电相邻R波间隔)的研究，是一种对心血管疾病的早期诊断、病中监护及预后评估等均有重要意义的新的无损伤检测心脏功能的手段。预测房颤终止这一具有挑战性的研究于2004年提出后[2]，多数成功的方法都是利用平均模板法，求得多个连续QRST波的平均值作为模板，然后将模板从心电(electrocardiogram,ECG)信号中减去，并从频域分析剩余的房颤f波信号，如f波功率谱峰值对应的频率小，则房颤容易终止。由于要求功率谱，算法复杂，计算量大。且由于逐次心跳QRST波形不同，得到的房颤f波信号混有剩余的QRST波噪声；另外f波幅度小，容易受到噪声干扰。而R波幅度大，不易受噪声干扰，RR间期提取方便且精度高，因此利用RR间期预测房颤终止有其优势。孙荣荣等[3]通过计算RR间期的Lempel-Ziv复杂度，并基于符号动力学将RR间期序列转换成符号串，对符号串编码得到符号码，计算各符号码的发生概率，取符号码110的发生概率和符号码发生概率的香农熵作为RR间期序列的特征参数，最后基于上述三个非线性参数，建立模糊分类器预测房颤是否终止，可正确区分90%的测试集A，然而算法比较复杂。基于此本文提出一种简单直观的利用RR间期预测房颤终止的新方法。
1 方法
1.1 数据
数据取自Physionet为Computers in Cardiology期刊在2004年提出的挑战赛提供的数据[4]。共有80道双导联ECG信号，每道信号持续时间1 min，采样频率为128 Hz，分辨率为5 μV。ECG信号取自阵发性房颤患者20 h或24 h Holter记录。80道ECG信号分为1个训练集和2个测试集(A和B)。训练集含30道信号，分为3类，分别为非终止房颤(表示信号结束后房颤至少持续1 h)、即将终止房颤(表示信号结束后房颤在1 min后终止)和立即终止房颤(表示信号结束后房颤在1 s内终止)，每类各10道ECG信号。测试集A包含30道信号，其中约一半为非终止房颤信号，一半为立即终止房颤信号。测试集B包含20道信号，10个患者每人提供一段即将终止房颤和立即终止房颤信号。数据库包括QRS波的注释，因此可直接得到ECG RR间期。
1.2 RdR散点图
Poincare散点图是描述HRV的重要指标[5]，常用连续RR间期在直角坐标上作散点图，反映相邻RR间期的变化，能显示RR间期的整体特征。不同的散点区域，反映了心脏不同的病理状态或心率变异信息[6-9]。Poincare散点图简单，图形能较好反映不同的心律失常模式，是一种较好的HRV分析方法。但它不能很好地反映HRV随时间变化的趋势，对RR间期的变化信息不能完全反映，且对某些疾病的HRV性质反映不明显。
于是有学者提出一阶差分散点图法[10-12]，即以相邻RR间期的差值(Rn+2-Rn+1,Rn+1-Rn) 作图。一阶差分散点图突出了相邻RR间期的变化，然而完全丢失了RR间期的绝对值信息。能否将Poincare散点图与一阶差分散点图的特点有效结合起来，以同时反映RR间期及其变化？这就是本文提出的RdR散点图。
令ΔRRn=RRN-RRn-1，RRn为第n个RR间期。以RRn为横坐标、RRn为纵坐标依次绘点，即得到RdR散点图。RdR散点图横坐标描述RR间期信息，纵坐标反映相邻2个RR间期的变化。RdR散点图结合了Poincare散点图与一阶差分散点图的优点，可同时反映RR间期(心率)与RR间期变化(心率变化)的信息。
1.3 算法
图 1(a)为非终止房颤的RdR散点图，图 1(b)为立即终止房颤的RdR散点图。可见，非终止房颤RdR散点图中的点比立即终止房颤更为分散，表明非终止房颤心率与心率变化的不规则性更大。考查所有非终止与立即终止房颤心电记录的RdR散点图，都与图 1类似。由此推测，也许可以利用RdR散点图中点的不同分散程度，提取相关信息并预测阵发性房颤是否终止。
图1
RdR散点图
(a) 非终止房颤；(b) 立即终止房颤
Figure1. RdR scatter plot(a) non-terminating AF; (b) immediately terminating AF
将RdR散点图按一定宽度划分网格，然后统计所有非空(至少包含一个点)网格的个数，以此作为特征参数并预测阵发性房颤是否终止。当非空网格数大于某个阈值，则认为是非终止房颤，否则为立即终止房颤。
2 结果与讨论
学习集与测试集A共有50段非终止房颤与立即终止房颤记录，RR间期数目从49~183不等。为便于比较，只取最后49个RR间期(考虑到立即终止房颤记录结束后房颤立即恢复为正常窦性心律，因此最后49个RR间期比最前49个RR间期应包含更多区分非终止房颤与立即终止房颤的信息)。RdR散点图横轴范围为200~2 000 ms，纵轴范围为-1 500~1 500 ms。将RdR散点图按不同宽度划分网格，计算所有非空网格数。对学习集各10段非终止房颤与立即终止房颤，选取合适的阈值，特征参数大于等于阈值则判断为非终止房颤，小于阈值则为立即终止房颤，使辨别非终止与立即终止房颤的准确率最高。然后用该阈值区分测试集A中的30段记录。由于已公布挑战赛结果，因此对比结果可得辨别测试集A中非终止房颤与立即终止房颤的准确率。
表 1为每段记录取最后49个RR间期，不同宽度划分网格时，学习集与测试集A检测非终止与立即终止房颤的准确率。数据中分母表示总的记录数，分子表示准确辨别的记录数。网格宽度为25 ms时，检测准确率最高，学习集准确率为85%，测试集A准确率为67%。但总的准确率偏低，尤其是测试集。
表1
取49个RR间期，学习集与测试集A检测非终止与立即终止房颤的准确率
Table1.
Accuracy of differentiating non-terminating and immediately terminating AF of learning set and test set using 49 RR intervals
增加RR间期数，能否提高检测的准确率？舍弃4段RR间期数最少的记录，包括n03(49个RR间期)、t03(56个RR间期)、a05(62个RR间期)、a12(61个RR间期)后，学习集有18段记录，测试集A有28段记录，最短RR间期数为66。由于学习集记录少，无法舍弃更多RR间期数少的记录以进一步提高最短RR间期数。表 2为每段记录取最后66个RR间期，不同宽度划分网格时，学习集与测试集A检测非终止与立即终止房颤的准确率。与表 1比，大多数检测准确率有所提高。网格宽度为27 ms时，检测准确率最高，学习集准确率为89%，测试集A准确率为71%。可见，RR间期数由49增加到66后，检测准确率略有提高。
表2
取66个RR间期，学习集与测试集A检测非终止与立即终止房颤的准确率
Table2.
Accuracy of differentiating non-terminating and immediately terminating AF of learning set and test set using 66 RR intervals
尝试用该方法区分即将终止房颤与立即终止房颤，但准确率很低，因此本方法不能区分即将终止房颤与立即终止房颤。其原因是两者都属于终止房颤，心率与心率变化无明显差异，RdR散点图上点的分布无明显差异。
房颤的特征之一是RR间期的不规则性，这种不规则性表现为RR间期及相邻RR间期差的变化。传统的房颤检测算法通常只考虑RR间期或RR间期的变化，因此可能丢失重要信息，通过RdR散点图可将RR间期及其变化很好地在图上表现出来。提出的RdR散点图方法简单，只需提取一个参数，但预测房颤终止的准确率不高(学习集准确率为89%，测试集A准确率为71%)。由于样本数少(学习集、测试集A共50段记录)，每段记录RR间期数少，因此最多只取66个RR间期。每段记录取66个RR间期与取49个RR间期比，预测准确率略有提高。如取更多RR间期，如100个或150个，预测房颤终止的准确率有望进一步提高。另外，本研究只提取了一个特征参数——非空网格数目，如能从RdR散点图提取更多特征参数，也有可能提高预测房颤终止的准确率。
3 结论
提出了RdR散点图新方法并预测阵发性房颤是否终止。结果表明，阵发性房颤在终止前1 min内，RR间期及相邻RR间期之差变化幅度减小，在RdR散点图上点的分布范围减小，利用RdR散点图可预测阵发性房颤是否终止，但预测准确率有待进一步提高。本文研究样本数较少，要进一步验证算法的有效性与检测准确性，还应基于更多的样本数。
