心电信号质量评估——ecg_qc工具包介绍（二）

上篇讲了入门使用方法心电信号质量评估——ecg_qc工具包使用方法_40hrs to be lingling的博客-CSDN博客我在GitHub上找到了个大佬搭建的库，API文档：Welcome to ecg_qc’s documentation! — ecg_qc 1.0.0 documentationhttps://aura-healthcare.github.io/ecg_qc/GitHub：GitHub - Aura-healthcare/ecg_qc: A library to compute ECG signal quality indicatorsA library to compute ECG signal quhttps://blog.csdn.net/weixin_61539900/article/details/124777025?spm=1001.2014.3001.5502

这里补充一下使用注意事项：        

        观察发现，下面所讲的内置函数输入全要求list型，实际使用的时候不用管，因为函数都是封装好的，好像还有个检查type的函数。我输入ecg信号是一维的numpy array，输入采样率是int型一个数，就可以正常运行。

        实际使用的时候输出的分数的顺序是这样的：

sqi_scores = [[q_sqi_score, c_sqi_score, s_sqi_score,
                       k_sqi_score, p_sqi_score, bas_sqi_score]]

        整个包对于用户来说其实大概就两个函数有用，一个是从心电信号计算分数的compute_sqi_scores函数，一个是从分数判断质量好不好的predict_quality函数。另一个get_signal_quality就是把前两个函数拼起来而已。

        整体逻辑为：输入信号和采样率、按前面那6个指标得到6个参数、输入现成的机器学习模型（四选一），得到一个质量好或不好的结果。

以下具体讲解六个sqi都是啥。

一、频率分布sqi

①偏斜 ssqi

偏度是对分布在其平均值周围的不对称性的度量。它可以是负的、空的或正的。为了描述偏斜度，我们计算皮尔逊矩系数，对应于第三个标准化矩。

https://en.wikipedia.org/wiki/Skewness#Pearson’s_moment_coefficient_of_skewness

ecg_qc.sqi_computing.sqi_frequency_distribution.ssqi(ecg_signal: list)→ float

用来计算偏度sqi（ssqi）。偏度表示分布的不对称程度。

输入：list型，ecg信号

输出：float型，完善的偏态系数（ssqi分数）

对称分布，偏态系数 = 0

不对称分布，向左倾斜，偏态系数 < 0

不对称分布，向右倾斜，偏态系数 > 0（原文一开始这里的一左一右都写的大于零，给我整不会了）

②峰度 ksqi

峰度是分布在其平均值附近的尾部的度量。为了描述峰度，我们计算皮尔逊矩系数，对应于第四标度矩。超额峰度定义为峰度-3（3是正态分布的峰度系数）。峰度可以是正的，也可以是负的。

高过剩峰度意味着存在远离分布平均值的异常值。

 https://www.statext.com/android/kurtosis.html

ecg_qc.sqi_computing.sqi_frequency_distribution.ksqi(ecg_signal: list)→ float

用来计算超额峰度sqi（ksqi）。峰度表示分布的扩散程度。

输入：list型的ecg信号

输出：完善的超额峰度sqi分数，float型

• Mesokurtic常峰分布（黑色）：超额峰度=0
  Leptokurtic尖峰分布（绿色）：超额峰度>0
  Platykurtic低峰分布（蓝色）：超额峰度<0

• （我也不知道这些分布都是啥，于是我把原文放在前面了）

二、功率谱sqi

①QRS波的功率谱分布

        QRS波的能量在5Hz到15Hz的频率范围内计算（QRS波的能量集中在以10Hz为中心且宽度为10Hz的频带内），ECG信号的能量在5Hz到40Hz的频率范围内计算。
        如果存在干扰，高频分量增加，pSQI降低。
我们来获取以下干净的ECG信号。计算出的psqi=0.07。

现在我们来做一个带有高频噪声的心电图。计算的psqi=0.3。

ecg_qc.sqi_computing.sqi_power_spectrum.psqi(ecg_signal: list, sampling_frequency: int)→ float

这个函数就是计算QRS波的功率谱分布。

输入：list型的ecg信号、对应采样率。

输出：float型的psqi分数

②基线中的相对功率

        它对应于QRS波的能量与ECG信号的能量之比。根据0Hz至1Hz的频率计算基线能量，根据0Hz至40Hz的频率计算ECG信号能量。

        如果没有基线漂移干扰，则bassqi值接近1。基线的异常变化会导致bassqi下降。

我们来获取以下干净的ECG信号。计算出的bassqi=0.99。 

现在我们来做一个心电图，它有重要的基线偏移。计算出的bassqi=0.97。

 ecg_qc.sqi_computing.sqi_power_spectrum.bassqi(ecg_signal: list, sampling_frequency: int)→ float

这个函数就是计算基线中的相对功率。输入：list型的ecg信号、对应的采样率。

输出：bas_sqi分数，float型

三、RR间期sqi

ECG信号是由P、Q、R和T波组成的周期性信号。（作者这么写的，呃哈哈哈）

The Basics of ECG - ACLS Medical Training

R波具有最大的振幅和最明显的特征，因此我们通常通过R波检测来表征心电信号。

ecg_qc.sqi_computing.sqi_rr_intervals.compute_qrs_frames_correlation
(
qrs_frames_1: list, 
qrs_frames_2: list, 
sampling_frequency: int, 
matching_qrs_frames_tolerance=50
)→ float

#我这么写缩进肯定不对，就看个大概吧

①R-R区间的可变性
当伪影存在时，QRS检测器的表现不佳，要么缺失R峰值，要么错误地将噪声峰值识别为R峰值。上述两个问题将导致R-R区间分布的高度可变性；

ecg_qc.sqi_computing.sqi_rr_intervals.csqi(ecg_signal: list, sampling_frequency: int)→ float

输入：list型的ecg信号，对应采样率

输出：c_sqif分数，float型

②R峰检测的匹配度

ecg_qc.sqi_computing.sqi_rr_intervals.qsqi(ecg_signal: list, sampling_frequency: int)→ float

比较了两种R波检测算法各自检测到的R波数量。

• ①Hamilton【出戏音乐剧了，笑死】【what's your name, man——】【这个r峰检测法就是用biosppy工具包实现的】【插一句，这个工具包还有其他很牛的功能，详见别的大佬写的博客】轻量级生理信号处理工具BioSPPy中的ECG（1）_Aiwiscal的博客-CSDN博客_biosppy1 前言很久没有写博客了，之前也想过要放弃。不过想来当个业余爱好也好啊，也当是知识的巩固和积累。废话少说，下面介绍这次的主角——Biosppy工具包。2 简介接下来的这段主要是对官方英文文档的翻译和整理，关于官方英文文档具体可访问：https://biosppy.readthedocs.io/en/stable/index.html2.1 概况BioSPPy是基于Python的生理信号...https://blog.csdn.net/qq_15746879/article/details/103899640

• ②SWT (平稳小波变换)

输入：ecg信号和采样率。

输出：q_sqi分数，float型

————————

本篇译自API documentation — ecg_qc 1.0.0 documentation，又加上了少量自己的理解，如有错误请指出，谢谢！