心脏骤停(Cardiac Arrest,CA)是指在未能预计的情况和时间内心脏突然停止搏动,从而导致有效的心脏泵血功能突然中止,引起全身组织细胞严重的缺血、缺氧和代谢障碍,如不及时抢救将危及生命。心脏骤停是引起患者死亡的主要原因之一,每年美国和加拿大因此丧生的人数超过30万。而在我国,统计数据显示每年死于CA的总人数达55.4万之多。为了提高心脏骤停患者的存活率科学家和医务人员做出了极大的努力,但是结果仍然令人失望。据有关报道,欧洲心脏骤停患者存活率约为10%~20%,美国约为3~5%,而我国仅为2%。针对心脏骤停的患者,目前主要是通过心肺复苏(Cardiopulmonary Resuscitation,CPR)进行救治。CPR是针对心脏骤停而采取的一系列救治措施,以建立有效的血液循环,提高心输出量,保护心脑等重要器官。对院外心脏骤停(Out-of-Hospital Cardiac Arrest,OHCA)患者进行救治,尽早的CPR和除颤是复苏中非常关键的两个步骤,对患者的自主循环恢复(Restoration of Spontaneous Circulation,ROSC)和存活率起着至关重要的作用。有研究报道,如果进行了胸外按压的干预,从患者发生心室颤动(Ventricular Fibrillation,VF)开始,除颤时间每延迟一分钟,存活率会降低3-4%;而在没有进行胸外按压的情况下,除颤时间每延迟一分钟,存活率就会降低7-10%。自动体外除颤器(Automatic External Defibrillator,AED)的出现使目击者对患者进行除颤成为可能,从而大大缩短患者等待治疗而延误的时间。AED能够利用采集的心电(Electrocardiograph,ECG)信号对心电节律进行自动分析,识别患者是否处于可除颤节律,并在确认为“需要除颤”时自动或手动的对患者进行除颤。然而目前所使用的AED在进行节律检测时,需要施救者中断正在进行的胸外按压,以避免因胸外按压引入的干扰对心电节律自动检测的结果造成影响。因此,心肺复苏指南中强调,为了提高急救的成功率,应该进行高质量的心肺复苏,尽量减少胸外按压的中断时间。为了减少按压中断时间,目前最佳处理方法是通过数字滤波来消除按压造成的干扰,从而实现在不中断胸外按压的情况下直接进行心电节律检测。传统的固定系数滤波器是最早被应用于抑制CPR干扰的信号处理方法。但是由于VF的频带分布与按压干扰的频带相互重叠,导致滤波效果并不理想。随着滤波算法的发展,研究者提出了许多抑制cpr干扰的方法,包括独立成分分析(independentcomponentanalysis,ica),线性相关消除(coherentlineremoval),gabor乘子算法,卡尔曼滤波(kalmanfilter),自适应滤波(adaptivefilter,af)以及基于多通道的自适应回归匹配法(multichannelrecursiveadaptivematchingpursuit,mc-ramp)等。虽然这些方法能够有效的改善信号的信噪比(signaltonoiseratio,snr),但节律检测的准确率仍然不足以满足实际临床应用的要求。因此,目前的滤波方法还存在以下问题。1、当干扰能量过大时,不可除颤节律的ecg信号往往被严重的cpr干扰所淹没。此时,通过滤波方法处理过后的信号仍然会残留一部分干扰成分。这些残余的干扰信号往往在滤波后呈现出杂乱无章的状态,很容易被节律检测算法误判为可除颤节律。2、现有算法无法消除按压过程中由于除颤电极拖拽和位移引入的尖刺干扰。这种干扰呈现出与qrs复合波相似的形态,其瞬时频率往往很高,并且无法在胸阻抗或者按压深度等参考信号中体现出来,因此现有滤波器算法无法有效的抑制此类干扰。当基础节律为vf时,滤波后信号中残留的尖刺干扰,会使节律检测算法错误的将其判断为不可除颤节律。针对这些问题,本研究对抑制cpr干扰的方法进行了进一步的探索,提出了一种增强型自适应滤波算法以实现对胸外按压干扰的有效抑制,提高心电节律分析结果的准确性。本研究的主要的工作包括:1.提出了一种抑制ecg信号中cpr干扰的算法。本研究提出了一种增强型自适应滤波算法,算法中包括三个关键技术。第一、通过采集到的参考信号构建多通道参考矩阵,并对参考信号进行了最优化选取。第二,本研究提出了干扰能量比例pro用于评估ecg信号所受干扰的程度,并利用这一参数对自适应滤波的步长因子及滤波器的迭代进行调控。第三、提出了尖刺干扰的抑制算法。利用参考信号对自适应滤波过后的信号进行干扰匹配以识别尖刺干扰,并利用三次样条插值将干扰移除。2.对真实ecg信号的snr估计方法进行了可行性评估。真实记录的ecg信号由于干扰能量无法从信号中计算得到,因此无法直接计算出信号的snr。对于这种情况可通过受干扰的ecg信号与相邻的未受干扰的ecg信号进行snr的估计。本研究通过人工合成的信号对snr估计方法的可行性进行评估。评估数据采用10例cpr过程中的心室静止(asystole,asy)信号作为干扰信号,与21例vf和无脉性电活动(pulselesselectricalactivity,pea)信号在-20db到15db的snr下进行人工合成。估算合成信号的snr并与预设snr进行比较来评估snr计算方法的可行性。结果发现估计的snr与预设snr之间不存在显著差异,能够有效的反映信号所受CPR干扰的程度。3.研究了干扰能量比例pro与ECG信号SNR之间的关系。本研究采用合成信号对干扰能量比例pro与ECG信号SNR之间的关系进行了探索。我们首先对合成信号的pro值进行了计算,并与预设SNR进行比较分析。结果发现pro与SNR具有很好的相关性和一致性,说明干扰能量比例pro能够间接的反映ECG信号的SNR状态。4.研究了不同参考信号对于滤波算法的影响。本研究通过动物实验所获取的数据对滤波算法的可行性进行了验证,并探索了不同参考信号对算法滤波效果的影响。通过动物实验,本研究记录了22例家猪在心脏骤停后进行心肺复苏时采集的数据,并从中提取出283段包含CPR干扰的可除颤心电节律数据以及280段不可除颤心电节律数据,用于对算法进行评估。实验结果显示,使用按压深度作为参考信号进行滤波后,节律检测的灵敏度从滤波前的99.3%略微降低到93.3%,特异性从未滤波的46.8%显著的提高到了96.0%,其结果与使用胸阻抗作为参考信号滤波后的检测结果(灵敏度93.6%,特异性94.3%)没有显著性差异。结果表明不同参考信号不会对算法的滤波效果造成影响。5.利用临床数据对滤波算法效果进行了评估。本研究搜集了233例OHCA患者的ECG信号进行了回顾性的分析。从记录的数据中,一共截取了183例可除颤节律ECG信号和453例不可除颤节律ECG信号。其中85例可除颤节律ECG信号与211例不可除颤ECG信号作为训练集数据对滤波算法进行了参数的优化;而余下的98段可除颤节律ECG信号和242段不可除颤节律ECG信号作为测试集数据对滤波算法效果进行评估。最终,信号的SNR从未滤波时的-9.8±12.5d B提高到了6.2±13.3dB;而节律检测的灵敏度从未滤波时的88.7%提高到了滤波后的93.8%,特异性由69.4%显著提高到了91.7%,其总体准确率也由74.1%显著提高到了92.3%。实验结果表明,本研究提出的CPR干扰抑制算法,能够通过干扰能量比例pro间接的反映ECG信号受到CPR干扰的程度,并在参考信号优化选择以及尖刺干扰消除的共同作用下有效的抑制ECG信号中的CPR干扰,从而使得节律检测算法能够对滤波后的ECG信号进行准确的节律识别,显著提高胸外按压过程中节律检测的灵敏度和特异性。此算法在参考信号的使用上具有较好的鲁棒性,选择不同的参考信号不会对算法的滤波效果造成影响。