心肺复苏中的心电节律识别

摘要

由于胸外按压造成的干扰波会影响自动体外除颤仪对心搏骤停（CA）患者心电节律的判断，故判断心电节律时需要中断胸外按压。然而反复中断按压会影响心肺复苏（CPR）质量，进而影响CA患者的预后。为了提高CPR质量，减少胸外按压中断，准确电除颤，研究者们通过基于干扰混杂心电图数据、以及基于CA患者CPR过程中记录CA数据的不同滤波方法进行了心电节律识别研究。本文对CPR过程中心电节律的识别研究，包括干扰波的来源、干扰波的特征、节律识别的方法进行综述，为今后研究如何提高心电节律识别的准确率奠定基础。

心搏骤停（CA）患者存活率较低[1]，作为抢救CA的主要手段——心肺复苏（CPR）就成为了使临危患者"起死回生"的主角[2]。CA 4~6 min后脑细胞即可出现不可逆性损害，3~5 min内实施CPR的有效率可达49.0%~75.0%[3]。CPR质量是成功复苏的主要决定因素[4]。2015年美国心脏协会（AHA）CPR指南进一步强调了高质量CPR的重要性，提出施救者应尽可能减少胸外按压中断的次数和时间[5]，中国的专家共识也肯定了该建议[6]。非创伤性CA患者大部分是由心室纤颤（室颤）引起的，室颤的复苏效果优于电-机械分离、电静止[7]，及时电除颤是CPR患者复苏成功的关键。然而，电除颤本身会损伤心肌、需要中断胸外按压，因此，如何判断电除颤的最佳时机是一个研究热点[8]。除颤前后中断小于10 s、胸外按压分数大于60%与CA预后改善相关[4]。根据指南，目前在CPR过程中，每胸外按压2 min需中断以判断患者当前心电节律是否需要除颤，这是由于胸外按压的干扰会降低自动体外除颤仪（AED）除颤建议算法（SAA）的准确性[9]。为了进行节律分析，AED需要5.2~28.4 s的按压中断[10]。研究表明，每延迟除颤5 s，存活率将下降18%[11]。进行反复的节律分析是造成CPR中断的主要原因，并最终导致更糟糕的预后[12]。在过去20年中，人们希望能够在心脏按压不中断的情况下进行心脏节律识别，并为之作出了很多努力，但结果却不令人满意。AHA指南曾指出，将来很可能出现一种在按压中识别室颤的算法，具有高度敏感性和特异性，可以在不中断CPR的情况下早期实施电除颤，从而缩短室颤的持续时间[5]。现就过去20年CPR中心电识别的研究进行综述。

1　胸外按压导致心电图（ECG）产生干扰波的特征

1.1　干扰波的影响：

CPR过程中如果患者潜在心电节律是可除颤的，如室颤或室性心动过速（室速），而胸外按压干扰波有时看起来像100次/min按压的规则节律，AED可能会给出错误的不除颤诊断。相反，胸外按压干扰也可能产生快速的不规则的干扰，可能导致非可除颤节律被误判为可除颤节律[13]。这会导致AED诊断节律的准确性下降。

1.2　干扰波的来源及特征：

胸外按压期间ECG干扰来源于电极-皮肤交界面，包括施救者的手对患者胸骨的直接接触以及胸肌收缩产生的信号[14]。当徒手实施胸外按压时，干扰波的特征是非常多变的，且依赖于按压的实施（频率、深度、暂停）以及患者自身的情况和心电记录系统的特点。如果患者心脏停搏时（没有潜在心脏节律），ECG仅反映干扰的表现，CPR干扰波的特征清晰可见，表现为近似的周期性波形，它的基本频率就是胸外按压的频率。因为施救者实施复苏的改变、施救者疲劳、施救者更换等因素，干扰波在复苏期和复苏间期是多变的，振幅和波谱也会有较大变化。此外，ECG放大器与患者之间的静电和平衡电流可能也是干扰信号的来源。CPR过程中需要可靠的节律分析，涉及高级信号处理技术来处理干扰波的时间-频率变异性及其与人类CA节律的波谱重叠。

2　CPR过程中节律分析的方法

CPR干扰波抑制研究起源于20世纪90年代的室颤波形分析领域。干扰波与ECG信号之间存在清晰的波谱分离，通过固定系数高通数字滤波器和低通滤波器来消除心肌噪声，已经成功从猪的ECG迹线中去除了CPR伪像。然而人类ECG与CPR干扰波存在大的波谱重叠，使得上述简单滤波方法存在缺陷[15，16]。根据已有的CPR干扰波特征，将干扰波从人类ECG中去除需要自适应滤波器，需要与干扰波有对应关系的参考信号，如胸阻抗、按压深度或按压力量已被频繁使用。为使除颤前后按压中断最小化，目前有两种解决方法：一种是按压过程中充电或人工通气时分析节律，Ayala等[17]证明，在通气暂停时进行节律分析可使除颤前后按压中断最小化，然而对于仅胸外按压的CPR，该方法行不通；另一种是通过数字信号处理技术抑制胸外按压产生的干扰波进行节律分析，通过模拟人研究证实，与传统方法相比，应用干扰波滤波技术的AED能显著减少按压中断，提高胸外按压比例[18]。在过去的十几年中，就第二种方法，已有研究者提出和评估了多种合理的解决方案，根据这些可用数据，我们将研究方案分为两大类：一是基于干扰混杂ECG数据和CPR干扰波；二是基于CPR过程中记录的CA数据。

2.1　基于干扰混杂的研究：

该研究模型假定CPR干扰波是不受潜在ECG支配的附加噪声。基于此假设，将参考ECG信号和CA期间CPR干扰波进行混合，建立干扰波模型用于自适应滤波，根据滤过后信噪比（SNR）的改善将评估出来的ECG与原始的ECG进行比较以确定滤波器的有效性。CPR干扰波在CA期间记录，与参考信号一起被用于自适应滤波的干扰波模型。将这些干扰信号供应给滤器以评估潜在的ECG，根据滤过后SNR的改善来比较评估滤波后的ECG与原始的ECG以确定滤器的有效性[19]。另外，该方法的临床准确性可用滤波后的ECG去评估AED SAA的敏感性和特异性。

CPR采用机械按压或人工按压方式，以60、80、90、120次/min等不同按压频率，通过ECG信号以及胸阻抗、胸部位移、无创血压等多种信号的不同组合，作为滤波器的参考信号，研究了共轭梯度自适应滤波器、卡尔曼滤波器、伽柏滤波器、多通道递归自适应匹配追踪（MC-RAMP）滤波器以及递归最小二乘（RLS）滤波器的滤波效能（表1）[20，21，22，23，24]。

2.2　基于CPR过程中CA数据记录的研究：

混杂模型中CPR干扰波是通过模拟按压过程获得的，而这种限制可以通过应用在CPR场景中获得的CPR干扰波来克服。因此出现了另外一种基于CPR过程中CA数据记录进行的研究。

胸外按压过程中，患者潜在的心电节律不能被直接观察，通过专业医生对按压中断时心电节律进行分析，并假定其与之前的心电节律一致。研究者应用CPR过程中短暂的中断（10~15 s）来优化和测试节律分析方法的敏感性及特异性，这种研究方式可通过两种方法实现[9，14，16，19，24，25]：一种是基于抑制胸外按压干扰波的自适应滤波器，另一种是直接对干扰波影响的ECG执行分析的算法。

2.2.1　基于抑制胸外按压干扰波的自适应滤波器：

基于自适应滤波器的方法可进一步归纳为两类（表2）[9，16，19，25，26，27，28，29，30]：一类是仅使用ECG信号，例如卡尔曼滤波器、采用单通道ECG的相关波形去除法、或采用多通道ECG的独立成分分析；另一类是除ECG外，使用其他参考信号以抑制干扰波并重建基本ECG信号的多通道参考信号方法，例如采用单通道或多通道参考信号的自适应滤波器。

在仅使用ECG信号的方法中，卡尔曼滤波器为时变线性滤波，可仅使用干扰的ECG信号评估CPR干扰波，所以易应用于AED中，而无需额外的硬件修改，但这种滤波器需以预知信号和干扰波的相关信息为基础才能评估结果[23]。MC-RAMP是采用多通道参考信号的自适应滤波算法的扩展，包括按压频率、加速度、按压深度、ECG和胸阻抗[15]。在使用附加参考信号的方法中可采用两种类型的优化过程来调整滤波器系数，即最小均方（LMS）和RLS法[14]。Irusta等[9]使用按压频率作为附加参考来评估CPR干扰，通过按压深度信号和LMS滤波器获得的可调节时间-转换傅里叶系数来获得按压频率。而Tan等[27]引入了一种数字滤波器，称为干扰减少和容受滤波算法。与简单的卡尔曼滤波器相比，具有参考信号的自适应滤波器不需要CPR干扰波的先验统计知识，但是需要一个或多个附加信道来收集参考信号。因此，这些方法增加了算法的复杂性，并需要修改AED结构的硬件[31，32]。此外，选择合适的用来抑制CPR干扰的参考信号，仍然是限制自适应滤波器性能的挑战。即使使用了多通道参考信号，性能改进也不显著。

2.2.2　直接对干扰波影响的ECG执行分析算法：

2008年，Li等[25]提出了第一种节律分析方法来直接诊断被CPR伪像干扰的ECG，基于极少受干扰波影响的ECG特征进行，该特征通过小波转换和相关函数获得。Krasteva等[33]提出了第二种方法，该方法的原理基于从干扰ECG分离出的特征，并重建去除干扰波后的ECG的版本，通过从100例院外心搏骤停（OHCA）患者获得的172个可除颤节律和721个非可除颤节律测试他们的算法，其敏感度为90.1%，特异度为86.1%。

2.2.3　最新研究方法：

上述滤波方法虽然显著改善了干扰ECG信号的SNR，使节律分类更加准确，然而由于滤波残差，对于临床应用仍然不够精确[34，35]。

最近，一些研究者将上述两种方法结合在一起进行研究。2014年Ayala等[13]介绍了一种CPR过程中新的节律分析方法，它包含2种策略：一种是当前干扰波抑制滤波技术，另一种是能够最佳分类滤过信号的除颤建议算法。这种高特异性的算法包括探测低电活动节律来增加特异性的探测器，以及一种基于支持向量机分类器使用斜坡和频率特征的可除颤/非可除颤决定算法。研究者从247例OHCA患者中获取了1 185个可除颤和6 482个非可除颤的被CPR干扰的9 s片段，测试片段在CPR过程中节律分析的敏感度为91%，特异度为96.6%。2016年他们又提出了在30∶2 CPR的通气暂停时进行自动节律分析的方法，研究者使用自动暂停探测技术通过应用胸阻抗鉴别暂停，SAA通过检测暂停进行节律诊断。SAA为进行除颤或非除颤建议分析暂停时3 s的ECG。结果提示，暂停检测仪的敏感度为93.5%，特异度为97.3%，检测到暂停时SAA的敏感度为93.8%，特异度为95.9%[17]。

2016年Gong等[36]提出了一种加强自适应滤波方法（EAF），主要过程包括最优参考信号选择，基于伪影比例的自适应滤波和尖峰伪像抑制。他们从233例OHCA患者人工徒手CPR过程使用的除颤仪中获得了183个可除颤节律（178个室颤，5个无脉性室速）和453个非可除颤节律（302个电-机械分离，151个心脏停搏）。首先，生成多通道参考信号，选择与ECG信号具有最高相关系数的向量作为自适应滤波器的参考，可改善滤波信号的SNR，将经胸阻抗或按压深度作为EAF的参考信号；其次，伪影比例控制的重复滤波可以进一步抑制ECG信号中的伪影残差，并提高恢复的SNR；最后，还引入了伪影比例来控制滤波重复，检测到类似QRS波的尖峰伪像以进一步抑制伪影残差。该方法可以有效抑制CPR干扰波，提高节律分析的准确性。在训练组，EAF的敏感度为90.6%，特异度为93.4%。

3　结　论

高质量CPR是复苏成功的基础，减少胸外按压中断是提高CPR质量的关键环节，除颤是CPR过程中可能中断胸外按压的原因之一[37]，如何尽量减少除颤造成的按压中断是目前提高CPR质量的一个重要挑战。

然而在过去20年对CPR心电识别的这些研究都有一些共同的限制：虽然敏感度良好，但特异度明显低于AHA指南推荐的95%。这将导致CPR期间有大量错误的"建议除颤"诊断，在非可除颤节律时出现不必要的CPR中断。

虽然研究者们已经在CPR期间进行干扰波滤波后ECG心律分析研究方面取得了一定的成果，但目前滤波器性能仍不令人满意，特别是对于非可除颤节律来说。

另外，一些方法虽然能及时准确识别室颤，并给予除颤建议，但如果室颤为细颤或波幅较低，并不能成功除颤，如果新的SAA可以成功检测可除颤节律，并能在除颤成功率较高（发现适宜除颤波形）的时候建议除颤，限制进行不必要的除颤尝试，可以显著改善CA患者的存活率。

引用: 胡莹莹, 徐军, 于学忠. CPR中的心电节律识别 [J] . 中华危重病急救医学,2017,29 (10): 946-949.

通用技术

血气分析

氧气疗法

气管插管、气管切开

心肺复苏

静脉置管

四大穿刺

机械通气

肝肺穿刺

血液净化

重症超声

ECMO

其他技术

好记性不如点个赞！收藏起来以防忘记哦！

小师妹和俺建立了资料分享群，邀您互相交流，微信gabstudy

点击阅读原文，进入书籍宝库，用完记得收藏哦，下次更方便。