房颤伴室性早博与房颤伴差异性传导的量化鉴别方法研究

钱梦瑶 饶妮妮 刘定宇 杨 阳 张 莹 万永利

(电子科技大学生命科学与技术学院，成都 610054)

房颤伴室性早博与房颤伴差异性传导的量化鉴别方法研究

钱梦瑶 饶妮妮#*刘定宇 杨 阳 张 莹 万永利

(电子科技大学生命科学与技术学院，成都 610054)

对于房颤伴室性早博与房颤伴差异性传导的临床诊断，目前还没有公认的标准，二者的准确鉴别一直是困扰医生的难题。本研究提出一种准确性高的计算方法，用于鉴别上述两类疾病。通过分析房颤伴室性早博与房颤伴差异性传导的临床特征，确定类代偿间期与联律间期的比值为鉴别特征参数。对待检测ECG信号作预处理，然后准确定位待检测ECG的每一个心动周期内QRS-T特征波；在此基础上，识别宽大畸形QRS 波群，提取对应于类代偿间期与联律间期的两个相邻R-R间期，计算它们的比值，将其与一个给定的鉴别阈值进行比较后作出判别。 算法验证数据来自MIT-BIH心律失常数据库，10个记录中，含4 026心拍房颤伴室性早搏和949心拍房颤伴差异性传导，共计4 975心拍。所提出方法在房颤伴室性早博与房颤伴差异性传导的混合数据中，鉴别房颤伴室性早搏的灵敏度和阳性预测率分别达到了93.15%和98.30%，优于传统方法。类代偿间期与联律间期的比值可以代替目前常用的类代偿间期，作为鉴别房颤伴室性早博与房颤伴差异性传导的特征参数，对提高诊断正确性具有指导作用。

房颤伴室性早博；房颤伴差异性传导；鉴别；类代偿间期；联律间期

引言

心房颤动(简称为房颤)是临床上最为常见的一种心律失常疾病[1-2]。大多数房颤合并有其他心脏疾病[3]，其中，房颤伴室性早搏(简称为房颤伴室早)和房颤伴差异性传导(简称为房颤伴差传)是临床上根据体表心电图十分难以鉴别的两种房颤亚型，国际上尚无公认的鉴别标准。室性早搏是指心室异位起搏点提早发放或折返导致整个心室提前进行除极的室性搏动。室内差异性传导通常是指伴随室上性早搏、窦性心动过速等室上性周期缩短而引起的功能性或一过性的心室内传导障碍。房颤伴室早为激动起源异常，房颤伴差传为室上性激动在心室内的传导异常，它们的QRS波都呈宽大畸形，并且后者会出现非典型的束支阻滞图形,其QRS波群形态有室性早搏的特征，所以二者很容易造成误诊。由于房颤伴室早和房颤伴差传的临床治疗方法不同，房颤伴室早是洋地黄过量的表现，而房颤伴差传为使用洋地黄的指征，所以二者的误诊将延误治疗并导致严重后果。因此，发展准确高效的计算方法从动态心电图上鉴别房颤伴室早与伴差传具有十分重要的临床意义。

目前对房颤伴室早与房颤伴差传的鉴别大多依靠心脏专家的临床经验。常用的方法有传统判别方法[3]、类Brugada法[4]及无人区电轴方法[5-6]。传统判别方法是临床医生通过对比两种房颤伴宽QRS波病症的差异后总结出来的经验方法，主要根据ECG中V1导联和V6导联上QRS波的形态进行判别。当V1导联上QRS波呈双向或单向波(即呈qR、QS、R、Rs型)或V6导联上QRS波呈rS型(即R波峰值与S波峰值比值小于1)时，则判别为房颤伴室早；当V1导联上QRS波呈三相波(即rsR′型)，V6导联上QRS波呈Rs型(即R波峰值与S波峰值比大于1)时，则判别为房颤伴差传。该方法的医学诊断参数较多。由于不同病人在房颤时室早与差传表现的特征千差万别，所以完全符合上述参数的病例很少。传统判别方法在判别条件上存在不能区别的灰色带(不能判别)且特异性较差。随后，张等提出了类Brugada法[4]，与传统方法相比，类Brugada法在传统方法基础上增加了RS(R波起点至S波峰值点)时限，V1、V2和V6导联的QRS波群是否存在室速及Ashman现象(即一个长心动周期后出现较长不应期的现象)等判断条件，进一步提高了判别效果。该方法比传统方法有更好的特异性且不存在灰色带，但是，他们验证方法时采用的实验样本数较少，因此,该方法的有效性有待进一步验证。正常心电图中心室额面的平均电轴通常为0°～90°，当心室的平均额面除极向量与正常情况完全相反时称为无人区电轴。心电轴可以通过两个肢体导联和标准I导联数据共同计算得到。2005年郭继鸿等首次将无人区电轴方法引入房颤伴室早与差传的鉴别中[5]。2012年刘松涛等对268例房颤伴室早案例进行分析，发现其中有87例存在无人区电轴，而52例房颤伴差异性传导中无1例存在无人区电轴[6]。无人区电轴法的特异性虽然较高，但敏感性差且必须采用多导联心电信号数据。而多导联的信号采集方式对病人约束较大，需要被检测者保持静息状态，不能进行长时间的采集，只能记录被检测者当时的心脏活动情况。近年来，根据体表ECG来鉴别房颤伴室早与差传的计算方法一直未取得突破性进展。因此，本研究拟发展一种基于双导联动态心电图鉴别房颤伴室早与伴差传的自动化计算方法，并结合模拟和临床ECG数据来验证所提出方法的有效性和可行性。

1 材料与方法

1.1实验数据

ECG数据来自于MIT-BIH心律失常数数据(http://physionet.org/cgi-bin/atm/ATM?database=mitdb&tool=plot_waveforms)，采样频率为360 Hz。所收集的真实心电数据分为两类：第1类ECG数据共含4 975心拍(10个样本)，其中，4 026心拍来自于室性早搏病人，949心拍来自于差异性传导病人。在4 975心拍ECG信号中，有453心拍被专家标注为宽QRS波群，其余为正常的QRS波群；第2类为房颤伴室早ECG信号，共552心拍。由于MIT-BIH中没有“金标准”的房颤伴差传病人的ECG信号，而房颤伴室早的ECG信号数据量又较小，为了验证所提出方法的可行性和有效性，在第1类数据中人为加入模拟房颤波，以构建模拟的房颤伴室早与伴差传数据。

模拟房颤波是根据Stridh等提出的模型[7]产生的。该模型利用M-1个谐波合成锯齿状波形来模拟房颤信号，用频率和幅度随时间变化的谐波模拟房颤的非平稳特性，可以模拟出房颤信号f波在3～12 Hz的波动情况。在第1类ECG数据的第l导联中加入的模拟房颤波产生方法如式(1)～式(3)所示。

(1)

(2)

(3)

式中，M为锯齿波的个数，a为房颤波的幅度，Δa是房颤波幅度的变动范围，fa代表房颤波幅度的变化频率，f0为房颤波波动的中心频率，ff为中心频率的波动幅度，Δf为中心频率的最大波动范围。

将模拟房颤波加入到第1类数据中，可以得到4 026心拍房颤伴室早和949心拍房颤伴差传的模拟数据，称为第3类数据。经过心脏电生理专家鉴别，在4 026心拍房颤伴室早数据中，248心拍被认定为发病段，在949心拍房颤伴差传数据中,149心拍被认定为发病段。两类发病段均具有宽大畸形的QRS波群特征。

2.2鉴别参数的确定

对于室性早搏和差异性传导，临床上可以通过QRS波形态以及是否存在P波来鉴别这两种病症。室性早搏的QRS波群存在畸形且其前无相应的P波；差异性传导的QRS波群变异度比室性早搏的更小，其前必然存在P波。房颤发生时，室性早搏和差异性传导在心电图上的特征会发生较大的变化[8-9]，导致房颤时室早与差传的鉴别十分困难。总结起来，房颤伴室早与伴差传的典型差异性心电图特征如表1所示。由于不同类型房颤的ECG表现不同，所以，相当一部分房颤伴室早与差传病人的ECG在表1参数上不存在差异。然而，类代偿间期是鉴别房颤时出现室早还是差传较为刚性的参数[10]，目前在临床上得到了广泛应用。

表1 房颤伴室早与差传的常见差异性心电图特征Tab.1 The differential ECG characteristics between AF with PVC and AF with AVC

在心电图上，无论有房颤或无房颤，室性早搏与差异性传导在(类)代偿间期和律联间期上都存在着较大差异，共同点是宽大畸形QRS 波的出现。考虑到不同类型房颤病人的个体差异对心电图RR间期产生的影响，因此,本文选择宽大畸形QRS 波群前后两个相邻R-R间期之比值作为鉴别房颤伴室早与伴差传的特征参数。该参数实质是类代偿间期和联律间期比值的直接反映，因此，我们简称该参数为类联比。

2.3方法

鉴别房颤伴室早与伴差传方法的设计思想是：首先对待检测ECG信号作预处理，然后准确定位待检测ECG的每一个心动周期内QRS-T特征波；在此基础上，识别宽大畸形QRS 波群，提取对应的两个相邻RR间期，计算类联比；最后，将类联比与一个给定的鉴别阈值进行比较，作出判别。

2.3.1预处理

对ECG记录作预处理的目的是要去除基线漂移、工频干扰以及实现R峰的初步定位。采用移动窗口中值平均法去除心电信号中的基线漂移，采用带宽为(0.5～40 Hz)的带通滤波器消除ECG中的工频干扰。

R峰检测算法已经比较成熟，大多数方法在正常ECG上定位R峰的性能均十分优秀，定位准确率达到99%以上。宽大QRS波群是室性早搏和差异性传导的显著特征之一，房颤将加剧QRS波群的形态变化。然而，大多数R峰检测算法在宽大畸形的QRS波群上检测R峰时容易出现误检和漏检。根据房颤伴室早与伴差传的ECG特点，对比分析现有R峰检测算法[11-16]的适应性后，最终选定自动阈值平方函数法[16]来定位R峰。通过大量数据实验发现，自动阈值平方函数法错误定位R峰全部出现在宽QRS波群(即所感兴趣的发病段)上。可从待检测ECG中识别宽QRS波群，再对其R峰位置进行重新定位。

2.3.2宽QRS波群R峰位置修正

主要包括5个步骤。

步骤1：建立标准的基准波形模板。基准波形模板用来反映正常QRS波群的形态，因此，只有正常形态的QRS波群才能参与基准波形模板的生成与更新。首先计算两个相邻RR间期的比值，若比值满足式(4)，则判断第i个心动周期内的QRS波群可以参加基准波形模板的生成。

(4)

式中，RR(i)是第i个心动周期的R-R间期长度，这里定义为第i个R峰到第i+1个R峰之间的间隔；thr1和thr2为选取基准模板阈值的下限和上限。后面将结合实验数据介绍其选取方法和数值大小。然后，以当前QRS波群为起点，向后取连续n个心动周期，以R峰位置为基准点，对齐每一个新心动周期；接着，以R峰位置为模板中心点，前后取l个采样点为模板长度，求得其平均值作为QRS波群的基准波形模板。

步骤3：基准波形模板更新。由于测量环境及患者的行为对记录的心电信号有较大影响，会导致其形态发生一定的改变。因此，基准波形模板需要动态更新来适应ECG信号的动态变化。如果当前波段与基准波形模板匹配程度很高，相关系数r高于r1时，则将当前波段按一定比例加入基准波形模板，表示为

(5)

式中，DomWave是指基准波形模板，ObjWave为符合上述相关度要求的当前波段。模板更新之后，待检测波段移至下一个心电周期并返回步骤2。

步骤4：宽QRS波群中R峰位置修正。为了提高R峰位置修正精度，将错误定位的R峰分为漏检和误检两种情况。若待检测波段与基准波形模板匹配相关度r低于r2，则判定R峰在宽QRS波群中可能被误检。提取当前QRS波前一个心动周期的T波末端至后一个心动周期Q波起始点之间的ECG信号，并执行一阶差分运算。若结果同时满足下列3个条件：

(1)存在2个或2个以上峰值大于thr4AR(R峰幅度)的波峰；

(2)存在负正双向波；

(3)原检测的R波之后无波峰出现。

则将波峰中第一个绝对值大于thr4AR的波峰判定为正确的R峰，修正该QRS波群的R峰位置，转到步骤5。否则，R峰位置保持变，并将待检测波段移至下一个心动周期，返回到步骤2。

若rr大于thr4时，则判定R峰在宽QRS波群中可能被漏检，对当前QRS波群前一个心动周期T波末端至下一个心动周期Q波起始点的ECG段进行搜索。若存在两个以上的波峰，则采用先前的R峰定位方法重新在该段ECG中定位R峰位置，并更新R峰位置记录。

步骤5：结束当前QRS波群修正，待检测波段后移至下一个心动周期并重复步骤2。

2.3.3发病段QRS 波群识别

房颤伴室早与伴差传病人发病段ECG的QRS 波群均具有宽大畸形的特征。由于QRS波群形态多样，再加上房颤波的干扰，所以形态学方法(如相关系数)容易将房颤时正常形态的QRS波群误检为发病QRS波群。为此，采用轮廓限围方法[18]来识别宽大畸形的QRS波，以提高检测发病段宽QRS波群的准确性。轮廓限围匹配方法的基本原理是以基准波形模板为中心，构造一个波形轮廓的上限和下限，形成波形检测的轮廓窗口。其轮廓上、下限的计算公式为

波形轮廓上限=基准波形+K

(6)

波形轮廓上限=基准波形-K

(7)

式中，K为人工设定常量。定义当待检测波段未落在上述轮廓区域内的部分与该波段长度的比值小于一定的容错率thr5时，则识别待检测波段包含正常形态的QRS波群。否则，识别为包含宽大畸形的QRS波群。

2.3.4计算类联比

提取一个发病段QRS 波群的前后两个RR间期，计算二者的比值就可以得到类联比。根据房颤伴室早和伴差传数据的类联比分布确定其阈值。由于房颤伴室早存在类代偿间期，而房颤伴差传不存在，因此，把类联比大于阈值时，判定为房颤伴室早，反之，则判为房颤伴差传。

3 结果

3.1参数与阈值的选取

表2 模拟房颤波产生参数[7]Tab.2 The used parameters in the generation of simulated AF waves[7]

表3 正常QRS波群相邻RR间期比值的分布Tab.3 The distribution of the ratio of the adjacent RR interval of the normal QRS complexes

在综合考虑正常(通常情况下正常形态QRS波群宽度不超过110 ms)、室早和差传的可能QRS波群长度和ECG信号的采样率(360 Hz)后，选取基准模板长度l为45个采样点(即125 ms)。通过实验分析发现，当r1取0.95和r2取0.8时，可以最大限度地搜索到易出现R峰定位错误的宽QRS波段。thr3的取值与宽QRS波情况下R峰的漏检有关，取该阈值为1.5。正常情况下，Q峰不超过同导联R峰的1/4，为了减少重新定位过程中误将Q波定位为R波，取thr4为1/4。轮廓限围方法中轮廓的上、下限K取为12，容错率thr5取为10%，即待检测波段未落入该轮廓区域内的部分应不超过基准波形模板长度5个采样点。

第3类数据的类联比分布如图1所示。其中，浅灰色代表房颤伴室早的分布，深灰色代表房颤伴差传的分布。由此可知，两类数据的类联比分布存在明显差异，当其阈值取为1.2时，可以将两类疾病分开，进一步说明类联比可以作为区分房颤时室早与差传的鉴别参数。

图1 第3类数据的类联比分布Fig.1 The RRR distribution of the third class of data

3.2模拟数据的有效性验证

为了说明所构建的模拟数据的有效性，对真实房颤伴室早数据(第2类)和模拟房颤伴室早数据的类代偿与联律间期比值进行了统计分析。其平均值及均方差如表4所示，分布直方图如图2所示。

表4 真实和模拟房颤伴室早数据的类代偿与联律间期比值的平均值及均方差Tab.4 The mean and the mean square of the ratio of coupling interval and compensatory pause for the real AF with PVC data and the simulated AF with PVC data.

图2 真实和模拟房颤伴室早数据的类代偿与联律间期比值分布情况Fig.2 The distribution of the ratio of coupling interval and compensatory pause for the real AF with PVC data and the simulated AF with PVC data.

虽然类代偿与联律间期分别会受到房颤波的影响，产生相应的改变，但二者的比值(类联比)可以在很大程度上抵消上述变化。通过分析表4和图2可知，真实和模拟数据的类代偿与联律间期的比值具有相似的统计特性，表明采用第3类模拟数据验证本文方法是可行和有效的。

3.3宽QRS波中R峰修正的准确性

由于专家为第1类数据标注了453心拍“金标准”的宽QRS波群和4 452跳形态正常的QRS波群，所以选择第1类数据来验证R峰修正算法的准确性，并与修正前的自动阈值平方函数法[16]进行比较。结果采用误检率(FDR)、灵敏度(Se)和阳性预测率(+P)来评估，如式(8)～(10)所示。实验结果如表5所示。

误检率=(FP+FN)/(TP+FP+TN+FN)

(8)

灵敏度=TP/(TP+FN)

(9)

阳性预测率=TP/(TP+FP)

(10)

式中，FP(假阳性)是指错误检测的R波峰数；FN(假阴性)是指漏检的R波峰数；TP(真阳性)是指正确检测的R波峰数。

表5 本算法与文献[16]算法在第1类数据中R波检测结果Tab.5 The detection results of R wave of the proposed algorithm and the Ref.16 in the first class of data.

由此可见，本算法可以在其中436心拍的宽QRS波群中正确定位R峰位置，在错误定位的17心拍R峰中，漏检12心拍和误检5心拍；而文献[14]算法只能正确定位393心拍R峰位置，错误定位60心拍，其中29心拍为漏检，31心拍为误检。通过计算可得，采用本R峰修正算法后，R峰定位的准确率、灵敏度和阳性预测率分别达到了99.66%、99.76%和99.90%，均高于文献[16]算法的对应指标(98.79%、99.41%和99.37%)。因此，所提出的R峰修正算法方法能够在宽QRS波群中降低传统方法的R峰误检和漏检率，提高R峰定位的准确性。

3.4鉴别结果

采用第3类模拟数据验证所提出的量化鉴别方法，结果用灵敏度和阳性预测率来评估，如表6所示。从表6可知，利用所提出的类联比值作为鉴别两种房颤伴宽QRS波病症的参数，正确鉴别为房颤伴室早达到231心拍；将房颤伴室早错误鉴别为房颤伴差传有4心拍；正确鉴别为房颤伴差传有145心拍；将房颤伴差传错误鉴别为房颤伴室早有17心拍。因此，本方法鉴别房颤伴室早的灵敏度和阳性检测率分别为93.15%和98.30%，鉴别房颤伴差传的灵敏度和阳性检测率分别为97.32%和89.51%。

表6 本方法鉴别房颤伴室早与房颤伴差传的结果Tab.6 The discrimination results between AF with PVC and AF with AVC using the proposed method

4 讨论和结论

由于MIT-BIH数据库中只有552心拍“金标准”的房颤伴室早ECG数据，所以我们结合真实临床室早与差传ECG和模拟房颤波构建了模拟房颤伴室早与伴差传数据。我们的研究表明，真实房颤伴室早与模拟房颤伴室早数据的类联比具有相似的统计特性，证实了模拟数据的有效性和可行性。

房颤伴室早与伴差传都属于宽QRS波疾病。然而，在宽QRS波情况下传统R波检测算法的性能大幅下降，影响到鉴别两类疾病的准确性。本文提出的R波检测改进算法比传统相关方法[16]在宽QRS波情况下具有更好的敏感性和准确性，其临床适用性强。

临床上，一般认为房颤伴差传不存在类代偿间期，即房颤伴差传出现的宽QRS波后一间期应不大于该段心电信号的窦性节律时的RR间期。因此，临床医生常采用类代偿间期[3]来鉴别房颤伴室早与房颤伴差传。将本方法和类代偿间期方法同时用于检测第2类真实房颤伴室早数据，结果表明，本方法能够全部正确鉴别这组数据中的房颤伴室早信号，而类代偿间期方法误将其中4跳判断为房颤伴差传信号。用模拟房颤伴室早与伴差传数据，本方法的灵敏度和阳性检测率分别达到了93.15%和98.30%。所提出方法优于类代偿间期法的主要原因可能是房颤时宽QRS波后间歇期产生变化，而这一变化主要是由于在房颤发作时，室性早搏或差异性传导可能产生逆向传导的生理电信号使得之后的房颤波不能下传，导致之后的RR间期产生变化。

因此，本研究提出的类联比方法对于提高临床上房颤伴室早与伴差传的鉴别准确性具有重要指导意义。

在未来研究中，我们将进一步提高在一些特殊情况(例如，后一个宽QRS波段出现在前一周期的T波位置)下R峰的定位精度，对联律前R-R间期长度与宽大畸形QRS波变异率的关系进行研究，以进一步提高鉴别房颤伴室早与房颤伴差传的准确性。

[1] Bonhorst D,Mendes M,de Sousa J,etal.Epidemiology of atrial fibrillation [J].Revista Portuguesa De Cardiologia,2009,29(7-8):1207-1217.

[2] Shibazaki K,Kimura K,Aoki J,etal.Early initiation of new oral anticoagulants in acute stroke and TIA patients with nonvalvular atrial fibrillation[J].Journal of the Neurological Sciences,2013,331(1-2):90-93.

[3] 夏宏器,邓开伯.心律失常的临床分析与决策[M].北京:中国协和医科大学出版社,2001:1187.

[4] 张传峰,张海生.房颤时室早与差传鉴别的新方法-类Brugada法[J].实用心电学杂志,2001,10(4):252-253.

[5] 郭继鸿,许原,李学斌．特发性室性心动过速者无人区电轴的研究[J].临床心电学杂志，2005，14(1):19-22.

[6] 刘松涛,高迎春,王永军,等.无人区电轴对房颤伴差传与室早鉴别诊断的临床意义[J].中国实用医药,2012,7(35):100-101.

[7] Stridh M,Sornmo L.Spatiotemporal QRST cancellation techniques for analysis of atrial fibrillation[J].IEEE Transactions on Biomedical Engineering,2001,48(1):105-111.

[8] 于亚门,朱玉华.房颤伴相性室内差异性传导与室性早搏的鉴别诊断[J].临床军医杂志,2003,31(3):109-109.

[9] 关秀兰.心房颤动合并宽QRS波群心电过速的心电图分析[J].实用医技杂志,2005,11(10B):2137-2138.

[10] 贾忠伟.心电图解读[C].中国临床医生,2004,32(7):16-18.

[11] Redmond SJ,Heneghan C.Cardiorespiratory-based sleep staging in subjects with obstructive sleep apnea[J].IEEE Transactions on Biomedical Engineering,2006,53(3):485-496.

[12] Li Cuiwei,Zheng Chongxun,Tai Changfeng.Detection of ECG characteristic points using wavelet transforms[J].IEEE Transactions on Biomedical Engineering,1995,42(1):21-28.

[13] Sahambi JS,Tandon SN,Bhatt RKP.Using wavelet transforms for ECG characterization.An on-line digital signal processing system[J].IEEE Engineering in Medicine and Biology Magazine,1997,16(1):77-83.

[14] Vijaya G,Kumar V,Verma HK.ANN-based QRS-complex analysis of ECG[J].Journal of Medical Engineering & Technology,1998,22(4):160-167.

[15] 沈虹,张良震,秦玮.用于识别心电图的BP网络系统[J].上海生物医学工程,1998,19(4):14-18.

[16] Arzeno NM,Deng Zhide,Poon CS.Analysis of first-derivative based QRS detection algorithms[J].IEEE Transactions on Biomedical Engineering,2008,55(2):478-484.

[17] Gradman AH,Lewis JW,Mayer JL.An improved method for computer measurement of the RR interval on the ambulatory electrocardiogram[J].Computers in Cardiology,1980:213-216.

[18] 戚建新.基于微机的心电信号实时自动分析系统[J].北京生物医学工程，1997,16(3):157-160.

StudyontheQuantificationforDiscriminationofAtrialFibrillationwithPrematureVentricularContractionandAberrantVentricularConduction

Qian Mengyao Rao Nini#*Liu Dingyu Yang Yang Zhang Ying Wan Yongli

(SchoolofLifeScience&Technology,UniversityofElectronicScienceandTechnologyofChina,Chengdu610054,China)

For the clinical diagnosis of AF with premature ventricular contraction (AF with PVC) and AF with aberrant ventricular conduction (AF with AVC),there are no recognized standards,which make it very difficult for a cardiologist to accurately discriminate the two diseases.This paper intends to develop a high-accuracy calculation method to discriminate between these two types of diseases.Methods：By analyzing clinical features of AF with PVC and AF with AVC,we confirmed the ratio between coupling interval and compensatory pause as the identifiable characteristic parameter.The electrocardiogram (ECG) signal that to be detected was preprocessed,then we located QRS-T characteristic waves during each cardiac cycle of ECG signal.On this basis,we identified the wide freak QRS complexes,extract the two adjacent R-R intervals corresponding to the coupling interval and compensatory pause in a wide freak QRS complex,and calculate their ratio.After comparing with a given discrimination threshold,the types of diseases were judged.Results：The 10 record data for the algorithm validation were downloaded from the MIT-BIH Arrhythmia Database,which include 4 026 and 949 beats of atrial fibrillation with premature ventricular contraction and with aberrant ventricular conduction,a total of 4 975 beats.For the mixed data containing AF with PVC and AF with AVC,the sensitivity and the positive predictive value of proposed method to discriminate AF with PVC reached 93.15% and 98.30% respectively,which are better than that of traditional methods.Conclusions：The ratio between the coupling interval and compensatory pause can take the place of coupling interval,which is commonly used to discriminate between AF with PVC and AF with AVC at present.This work provides guidance in the diagnostic accuracy of AF with PVC and AF with AVC.

AF with premature ventricular contraction; AF with aberrant ventricular conduction; discrimination; coupling interval; compensatory pause

10.3969/j.issn.0258-8021.2015.02.001

2014-10-23，录用日期:2014-11-30

国家自然科学基金(81171411)

R318

A

0258-8021(2015) 02-0129-07

# 中国生物医学工程学会会员(Member,Chinese Society of Biomedical Engineering)

*通信作者(Corresponding author)，E-mail:raonn@uestc.edu.cn