【心电信号ECG】基于新生儿的原始心电图信号计算心脏变异性附Matlab代码复现含文献

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

在新生儿重症监护（NICU）领域，心脏变异性（HRV，Heart Rate Variability）是评估新生儿自主神经系统发育、心肺功能稳定性及应激状态的关键生理指标 —— 新生儿原始心电信号（ECG）因存在 “信号幅值低（仅几十至几百微伏）、易受呼吸干扰、肌电噪声及监护设备工频干扰” 等特点，其 HRV 计算需针对性设计信号预处理与特征提取流程，才能精准反映新生儿心脏节律的微小波动，为临床评估提供可靠依据。

一、技术基础：新生儿 ECG 信号特点与 HRV 核心原理

要实现 “基于新生儿 ECG 计算 HRV”，需先明确两者的技术逻辑与适配性，为后续流程设计奠定基础：

1. 新生儿 ECG 信号的独特性

与成人 ECG 相比，新生儿 ECG 在信号特征与干扰源上存在显著差异，直接影响 HRV 计算的准确性：

• 信号特征：新生儿心率范围广（正常 120-160 次 / 分，早产儿可达 180 次 / 分），QRS 波群幅值低（约 50-300μV，仅为成人的 1/3-1/2），P 波、T 波与 QRS 波群重叠概率高，导致心率提取难度大；

• 主要干扰：

• 生理干扰：新生儿呼吸频率快（30-60 次 / 分），呼吸运动导致胸廓起伏，引发 ECG 基线漂移；

• 环境干扰：NICU 中监护仪、保温箱等设备产生 50/60Hz 工频干扰，肌电干扰（新生儿肢体无意识活动）进一步叠加，掩盖微弱 ECG 信号；

• 信号采集：多采用胸导或三导联体表 ECG（避免侵入性操作），采样率通常设为 250-1000Hz（兼顾信号保真与数据量，推荐 500Hz），确保捕捉 QRS 波群细节。

1. HRV 的核心原理与临床意义

HRV 指连续心跳间时间间隔（RR 间期，即相邻两个 QRS 波群峰值的时间差）的微小变化，反映自主神经系统对心脏的调控作用，其核心计算逻辑与新生儿临床需求紧密关联：

• 原理本质：HRV 的大小由交感神经（抑制心率）与迷走神经（加快心率）的平衡决定 —— 新生儿自主神经系统尚未发育成熟，HRV 指标（如 SDNN、RMSSD）可直接反映神经发育程度（如早产儿 HRV 通常低于足月儿）；

• 核心指标分类：

• 时域指标（反映 RR 间期整体波动）：如 SDNN（全部窦性心搏 RR 间期的标准差）、RMSSD（相邻 RR 间期差值的均方根）；

• 频域指标（反映不同频段的心率波动，对应神经调控）：如 LF（低频段 0.04-0.15Hz，主要受交感神经影响）、HF（高频段 0.15-0.4Hz，主要受迷走神经影响）、LF/HF（交感 - 迷走神经平衡比）；

• 临床价值：新生儿 HRV 降低可能提示感染、呼吸窘迫综合征、神经发育异常等风险，如败血症新生儿的 SDNN 可较健康新生儿下降 30%-50%，因此精准计算 HRV 是 NICU 早期预警的重要手段。

二、核心流程：基于新生儿 ECG 计算 HRV 的关键步骤

针对新生儿 ECG 的信号特点，HRV 计算需遵循 “信号预处理→QRS 波群检测→RR 间期提取与校正→HRV 指标计算” 的核心流程，每个步骤需设计适配新生儿的技术方案：

（一）步骤 1：新生儿 ECG 信号预处理（去干扰、保特征）

预处理的核心目标是去除各类干扰，同时保留 QRS 波群等关键特征，为后续检测奠定基础，针对新生儿 ECG 的预处理方案如下：

1. 基线漂移校正

新生儿呼吸导致的基线漂移（缓慢变化的低频干扰，频率 < 0.5Hz）会掩盖 P 波、T 波，需通过自适应滤波或小波变换去除：

• 方法选择：采用 “5 阶巴特沃斯高通滤波器（截止频率 0.5Hz）”，避免过度滤波导致 QRS 波群变形；若漂移严重（如早产儿呼吸急促时），可结合 “移动平均滤波（窗口长度 50-100ms）” 进一步平滑基线；

• 验证标准：处理后 ECG 基线波动范围需控制在 ±10μV 以内，确保 QRS 波群峰值清晰可辨。

1. 工频干扰抑制

NICU 中 50/60Hz 工频干扰（由电源系统引入）的幅值可能接近新生儿 QRS 波群幅值，需通过陷波滤波精准抑制：

• 设计方案：采用 “自适应陷波滤波器”（中心频率 50Hz 或 60Hz，带宽 0.5-1Hz），而非固定陷波滤波器 —— 因新生儿 ECG 信号微弱，固定陷波可能滤除 QRS 波群中的高频成分（如 QRS 波群的主要频率为 10-30Hz，接近工频谐波）；

• 优势：自适应陷波可实时调整滤波参数，在抑制工频干扰的同时，保留 QRS 波群的高频特征，滤波后工频干扰幅值需降低至原始信号的 10% 以下。

1. 肌电干扰去除

新生儿肢体活动产生的肌电干扰（高频噪声，频率 10-500Hz）会导致 ECG 信号 “毛刺化”，需通过小波阈值去噪处理：

• 小波基选择：选用 “db4 小波”（对称性好，对 QRS 波群的边缘失真小），分解层数设为 5-7 层（根据采样率调整，500Hz 采样率选 6 层）；

• 阈值策略：采用 “自适应软阈值”（对高频小波系数进行阈值裁剪，保留 QRS 波群对应的中高频系数），避免硬阈值导致的信号突变；

• 效果验证：处理后 ECG 的信噪比（SNR）需提升至 10dB 以上，QRS 波群的上升沿、下降沿保持平滑。

（二）步骤 2：新生儿 QRS 波群检测（精准定位，避误判）

QRS 波群是 ECG 中幅值最高的波群（新生儿约 50-300μV），是提取 RR 间期的关键，针对新生儿 QRS 波群的检测需解决 “幅值低、易与 T 波重叠” 的问题：

1. 检测算法选择

推荐采用 “改进型 Pan-Tompkins 算法”（适配新生儿 ECG 的优化版本），核心步骤包括：

• 信号增强：通过 “带通滤波（5-30Hz）” 突出 QRS 波群（主要频率 10-30Hz），同时抑制 P 波、T 波（频率 < 5Hz）与肌电干扰（频率 > 30Hz）；

• 差分与平方运算：对滤波后信号进行 “一阶差分”（增强 QRS 波群的上升沿、下降沿）和 “平方运算”（放大 QRS 波群的幅值差异，削弱噪声）；

• 滑动窗口积分：采用 “双窗口积分”（短窗口 30-50ms，检测 QRS 波群峰值；长窗口 150-200ms，判断心率趋势），避免因新生儿心率快（RR 间期短，约 300-500ms）导致的漏检；

• 阈值自适应调整：根据前 10-20 个 QRS 波群的幅值动态调整检测阈值（新生儿 QRS 波群幅值波动大，固定阈值易误判），阈值通常设为 “前 N 个峰值均值的 0.4-0.6 倍”。

1. 误判校正

新生儿 ECG 中 T 波与 QRS 波群重叠（尤其心率 > 150 次 / 分时）易导致 “将 T 波误判为 QRS 波群”，需通过以下规则校正：

• 幅值规则：QRS 波群幅值通常为 T 波的 2-3 倍，若检测到的 “疑似 QRS 波群” 幅值低于前一个 QRS 波群幅值的 50%，则判定为 T 波，予以剔除；

• 时间规则：新生儿正常 RR 间期范围为 300-500ms（对应心率 120-200 次 / 分），若相邻两个 “疑似 QRS 波群” 的时间间隔 < 250ms 或 > 600ms，则判定为误检，需重新搜索；

• 形态规则：通过 “模板匹配”（建立健康新生儿 QRS 波群模板），计算疑似波群与模板的相关性，相关性 < 0.7 则判定为误检，确保检测准确率 > 98%（临床要求）。

⛳️ 运行结果

📣 部分代码

s_i_raw,delay]=pan_tompkin(ecg,fs)

% Complete implementation of Pan-Tompkins algorithm

%% Inputs

% ecg : raw ecg vector signal 1d signal

% fs : sampling frequency e.g. 200Hz, 400Hz and etc

% gr : flag to plot or not plot (set it 1 to have a plot or set it zero not

% to see any plots

%% Outputs

% qrs_amp_raw : amplitude of R waves amplitudes

% qrs_i_raw : index of R waves

% delay : number of samples which the signal is delayed due to the

% filtering

%% Method :

%% PreProcessing

% 1) Signal is preprocessed , if the sampling frequency is higher then it is downsampled

% and if it is lower upsampled to make the sampling frequency 200 Hz

% with the same filtering setups introduced in Pan

% tompkins paper (a combination of low pass and high pass filter 5-15 Hz)

% to get rid of the baseline wander and muscle noise. 

% 2) The filtered signal

% is derivated using a derivating filter to highlight the QRS complex.

% 3) Signal is squared.4)Signal is averaged with a moving window to get rid

% of noise (0.150 seconds length).

% 5) depending on the sampling frequency of your signal th

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码