1-1 前言
心電圖(Electrocardiography, ECG/EKG)是一項用來記錄心臟組織的電生 理活動(Electrophysiological activity)的技術，其透過肢體上成對的電極來紀錄 心臟組織因去極化(Depolarization)與再極化(Repolarization)的過程與節律（見 圖 1-1）。因此我們能透過此技術來檢測異常的心臟節律與大部分因組織受損 或瘀血造成的異常活動。
過去人們有檢測心臟健康狀況的需求時，都是在醫院接受專業人士的處 理與測量。而現在科技進步，為了因應健康監測的需求與即時性，不少新興 的硬體與服務開始崛起，同時也促進了遠距醫療(Telemedicine)的發展。在這 種情況下，因為便利性提昇與成本下降，長時間生理監測的需求也會有成長 的趨勢。
然而，這樣的趨勢也代表資料量增加。過去心電圖必須經由醫師或醫檢 師判讀，而長時間的監測資料若沒有軟體的協助，僅由人工判讀會是一項重 擔。雖然已有眾多學者在心電圖特徵的自動判讀演算法上努力，但是不見得 適用於現今透過遠距醫療蒐集的心電圖資料。因為過去的資料庫組成較單純，
通常只由同一家醫院提供，並有醫檢師把關品質與分類（如 Physionet 的 Physiobank 下各個資料庫[1]）。而在遠距醫療的模式下，使用者一方通常欠 缺專業人士的輔助與乾淨穩定的量測場所，所以在資料上更容易見到干擾，
許多特徵偵測演算法也容易因此失效。
因此，過去在處理受干擾的資料時，由於通常監測時間短，所以可以透 過干擾的嚴重性與影響時間長短來決定要丟棄資料重新量測或剪接，再使用 演算法來找出特徵。但是對於長時間監測的資料，受干擾的片段可能會分散
也是一項重擔。
所以，本研究將逐步探討在遠距醫療模式下，哪些訊號處理方面的問題 是有別於以往在醫院量測時更需被注意的，並且提出一套實際可被應用的特 徵偵測演算法。
圖 1-1. 心電訊號與心臟組織活動之關係圖[1]
1-2 研究動機與目的
在心電圖的處理上，常見的干擾有基準線漂移(Baseline wandering)[3]、
電力線干擾(Power line interference)[4]、動作干擾(Motion artifact)[5]、肌肉震 顫(Muscle tremor)[6]及電極接觸雜訊(Electrode contact noise)…等。（見圖 1-2）上述的幾項干擾，至今已有許多相關訊號處理的研究被發表於世。
然而在電力線干擾的部份，多數研究是在已知干擾頻率的情況下設計演 算法。但在遠距醫療的模式下，資料有可能是從世界各地而來的，受到干擾 的頻率不盡相同。除非倚賴額外的資料註記，否則許多演算法是無法使用的。
而在電極接觸雜訊的部份，歷年來主要以硬體方面的改良為主，鮮少有 訊號處理相關的研究。本研究推測，由於導致電極接觸雜訊產生的原因是電 極與皮膚的不良接觸，而且在實務上通常被視為操作不當而造成的干擾，因 此解決方案是以硬體改良為主。但是，硬體的改良雖然可以減少電極接觸雜 訊的影響，卻難以避免其發生，而且電極接觸雜訊往往是導致特徵偵測演算 法失效的元兇。因此，在軟體上也應該要有應對的策略。
此外，如 1-1 節所述，由於遠距醫療與過往醫療模式的差異，資料的長 度會影響重新量測的成本與處理負擔，而且數量也會隨著需求上升而增加。
所以面對遠距醫療的發展，除了要解決上述兩項問題，也應該要有一套完善 的心電圖描繪演算法(ECG delineation algorithm)來協助醫師與醫檢師快速找 到特徵波，以便於判斷是否有異常。
而本研究將針對上述幾項問題，提出對應的前處理方法，並且分別對心 電圖的 QRS 波群、P 波和 T 波以及 P 波起點和 T 波終點這幾項特徵提出偵 測演算法，並組成一套完整的特徵描繪流程。
(a) 基準線漂移 (b) 電力線干擾
(c) 動作干擾 (d) 肌肉震顫
(e) 電極接觸雜訊
圖 1-2(續). 心電圖處理上常見的干擾
1-3 論文架構
本論文分為五個章節。第一章說明在遠距醫療模式下處理心電圖會遇到 的困難，與回顧過去心電圖特徵偵測演算法；第二章將說明用來處理前述問 題的訊號前處理(Preprocessing)演算法；第三章是說明組成特徵描繪流程的 各個演算法流程；而在第四章將以效能分析與偵測結果來檢驗本研究的演算 法成果；最後第五章將說明本論文之貢獻與未來需再進一步研究的部分。
而本論文提出的特徵描繪演算法之流程如下：
圖 1-3. 特徵描繪演算法流程圖
1-4 文獻回顧
本研究的處理重點有電力線干擾、電極接觸雜訊、QRS 波群偵測、P 波 與 T 波偵測。其中前兩項是為了因應在遠距醫療模式的發展下，可能對心電 圖量測方面造成的問題；而後面兩項則是為了建立一套自動化的特徵偵測演 算法，以因應受遠距醫療發展而帶動的心電圖量測需求。
1-4-1 電力線干擾處理
電力線干擾是指在擷取訊號的過程中，受到周圍的交流供電線路影響，
在量測設備的電路或線路上因電磁感應而產生的電流干擾[4]。電力線干擾的 特徵為其通常具有極強的基頻，視國家或地區的不同，目前主要可分為 50Hz 與 60Hz。
而由於電力線為單一頻率的干擾，在許多電路設計或訊號處理上都會使 用陷波濾波器(Notch filter)來處理。但是陷波濾波器的缺點是其對於那些頻 率很靠近欲濾除的中心頻率的訊號也會有很大的影響，而且對於較高頻的訊 號還會有嚴重的振鈴效應(Ringing effect)[7]。
因此，有人提出適應性(Adaptive)演算法來做處理[4][8]。但適應性演算 法通常需要良好的初始條件，而且濾波效果也受其收斂速度影響。
而為了避免振鈴效應對訊號的影響與顧及訊號的處理速度，也有人提出 透過線性準則(Linear criterion)判斷電力線干擾的相位，再利用減法流程 (Subtraction procedure)來消除電力線干擾[9]。
但以上的方法都是建立於已知電力線干擾頻率的情況下，若無法得知頻 率，則相關的處理參數便無法確定。
1-4-2 電極接觸雜訊處理
關於電極接觸雜訊(Electrode contact noise)的文獻，情況已在 1-2 節敘述。
由於與訊號處理有關的文獻僅以說明電極接觸雜訊的成因與特徵[10][11]，
所以本論文在後續的演算法設計只能以這些文獻與實際處理心電訊號時的 經驗來說明。
1-4-3 QRS 波群偵測
QRS 波群的偵測，通常以 R 波為主要目標。因為 Q 波與 S 波分別為 R 波起點(Onset)與終點(Offset)，所以只要先找到 R 波，Q 波與 S 波的偵測就 不會是太大的難題。
在許多 QRS 波群偵測的演算法中，以 J. Pan 與 W.J. Tompkins 兩人所著 的演算法[12]最為廣傳。此演算法會先利用濾波、微分、平方、移動平均這 四個操作框選出 QRS 波群大概的位置，接著找出各個方框的最大值，最後 以逐步迭代的閥值判斷與更新來找出 R 波的實際位置。
除此之外，也有人利用模板比對(Template matching)的方式來尋找 QRS 波群。這類方法最為知名的是使用小波轉換(Wavelet transform)來進行，因為 其中的 db3 小波(Daubechies 3 wavelet，見圖 1-4)外型與 QRS 波群非常相似，
所以許多以小波轉換為基礎的偵測演算法會利用此小波來偵測[13]。
1-4-4 P、T 波偵測
P、T 波相較於 QRS 波群是屬於較低頻的心電圖特徵，因此多數偵測演 算法會選擇先將 QRS 波群找出，再進行 P、T 波的偵測。以 S.S. Mehta 與 N.S. Lingayat 提出的方法[15]為例，其在移除 QRS 波群後，算出 12 個導程 訊 號 中 的 各 點 之 間 的 斜 率 並 正 規 化 (Normalize) ， 以 之 作 為 支 持 向 量 機 (Support vector machine)的訓練資料，再配合一個滑動窗口(Sliding window) 找出 P、T 波的位置。
而因為 P、T 波在一個 RR 區間(RR interval，指兩個相鄰 R 波之間的區 間)內是有相對的位置關係，因此 Chao Lin 等人提出一個以貝氏階層模型 (Bayesian hierarchical model)為基礎、使用 Gibbs 取樣程序(Gibbs sampling)的 方法，在 RR 區間中分別定出 P、T 波可能出現的位置，再從其中找到 P、T 波[16]。
近年來，有一位學者 Mohamed Elgendi 則是提出以移動平均交叉(Moving average crossover)的方式來尋找 P 波與 T 波[32]。這項方法與過往方法不同 的地方在於，其能夠同時找出一個 RR 區間內可能有 P 波與 T 波的位置，因 此只要再配上一些生理上的相關參數，便能判斷該 RR 區間是否有正常的 P 波與 T 波。