一种多尺度心率不对称性检测算法的研究与应用【字数：10090】
心率变异性(Heart Rate Variability，HRV)分析是定量反映自主神经功能及其对心血管的调控作用和反映心脏活动正常与否的重要指标。由于心脏系统是一个复杂的非线性系统，因此对HRV的分析更适合采用非线性动力学分析法。心率不对称性(Heart Rate Asymmetry, HRA)分析作为HRV分析中的一类较为独特的非线性分析方法，近年来正得到越来越多的关注。 为此，本课题主要研究一种多尺度心率不对称性分析方法，以进一步寻找能恰当反映心脏动力系统在不同的生理病理状态下区别的不对称性测度。基于多尺度思想，对Porta和Guzik等提出的心率不对称性指标P%, G%等进行改进，采用二维平面来展示心搏间期序列的不对称性及提取不对称测度，并采用迭代振幅调节傅里叶变换法(iteratively refined amplitude-adjusted Fourier transform, iAAFT)构造替代数据对不对称程度进行检验。最后将该方法应用于充血性心力衰竭（congestive heart failure, CHF）这一病理状态下的心率变异数据分析，从而评估该指标的诊断价值，对于进一步监测患有CHF等心血管疾病的患者提供了更有力的科学依据。
目录
摘要 I
1. 绪论 1
1.1 课题研究的背景及意义 1
1.2 心率不对称性的研究动态及发展现状 1
1.3 课题的主要研究内容 2
2. 多尺度心率不对称性检测算法 3
2.1 多尺度心率不对称性检测算法的基本原理 3
2.2 替代数据检验法的基本原理 6
2.3 多尺度心率不对称性检测算法的Matlab实现 8
3. 多尺度心率不对称性检测算法应用于心衰患者的心率变异数据分析 11
3.1 实验数据简介 11
3.1.1 PhysioNet数据库介绍 11
3.1.2 实验数据介绍 11
3.2 实验结果及分析 11
3.2.1 多尺度心率不对称性检测算法应用于生理和人造 HRV 11
3.2.2 多尺度心率不对称性检测算法应用于心衰患者的HRV 14
4. *好棒文|www.hbsrm.com +Q: @351916072@
总结和展望 19
4.1 本文工作总结 19
4.2 未来工作的展望 19
参考文献 20
致谢 21
绪论
课题研究的背景及意义
心脏是人体最重要的器官之一，是循环系统中的动力，它背负着为血液流通提供动力以维持正常生理功能的使命。据数据统计，心血管疾病占居民死亡构成的40%以上，其死亡率居首位，其中，充血性心力衰竭（CHF）是一种临床上极为常见的急危重症，其患病率高，存活率低，极大影响患者的生活质量。CHF是由于心室泵血或充盈功能不足，心脏的排血量不能供应机体代谢对血流的需求，是许多心脏病发展到终末时期的临床综合症，任何可能引起心肌损害或加重心肌负担的因素都会成为心力衰竭的诱因。我国心血管疾病患病率及死亡率仍然处于上升趋势，其负担日渐加重。因此，如何有效地检测与评价心脏的功能状况，精确可靠地预测和诊断各类心脏疾病，成为了目前治疗心脏疾病的一个重要研究方向[1]。
为了有效预防和诊断此类病症，我们可通过分析心电信号找出相对应的病症关系。心率变异信号(HRV)是从心电幅度信号中提取的心跳间期信号，指的是逐次心跳间期之间的时间变化，又称为RR间期序列，它既反映了心脏交感神经和心脏迷走神经对心血管系统的综合调节作用, 又体现了人体神经对外界刺激的适应能力，可用于判断心血管等疾病的病情及预防[2]。据研究[3,4]表明，自主神经活动和多种心血管疾病有着密切联系，如高血压、心肌梗死，心源性猝死等。因此，心率变异信号的分析是判定自主神经活动实用的定量指标，也是评价心血管疾病患者的临床诊治及过程的重要指标，实现辅助诊断及康复过程的无创性检测，是评估心脏系统的重要依据[5]。心率变异信号的分析方法很多，包括时域分析法，频域分析法，和非线性方法。近年来非线性分析为揭示HRV的信号研究做出了巨大贡献，不仅反映了更多由心脏自主神经调节心率动力学的信息，而且与传统的时域和频域分析相融合互补，因此非线性分析方法得到了越来越广泛的应用。在众多非线性方法中，最具有代表性的还是幂律分析和熵分析，心率不对称性分析有大部分仍停留在提出各种不对称性测度并用其证明健康个体的HRV 具有不对称性的理论阶段，即使有前人研究将其应用到如充血性心力衰竭的病理状态下，却存在不相同的结论[6]。因此，揭示心脏动力系统本质，最终得到一致结论并应用于临床医学，具有十分重要的研究价值。
心率不对称性的研究动态及发展现状
心率变异信号的分析大多采用传统的时域和频域分析，但这些方法没有考虑与多尺度组织和非平衡动力学有关的重要性质。随着对非线性动力学理论与方法的进一步研究以及其在生理信号分析中的广泛应用，HRV非线性分析的研究受到人们的关注。
2005年Costa等人通过利用多尺度的策略，认为健康的生理系统是一种远离平衡条件的耗散系统，心率不对称性是这种非平衡系统的一个基本性质。通过分析健康年轻人组、健康老年人组和CHF患者组的心率变异信号得出结论：随着心脏疾病的出现或者年龄的增长,HRV的心率不对称性会降低甚至是消失。
2006年Porta等人通过RR间期散点图研究心率不对称性的特性，利用替代数据法检验，发现在尺度1下，只有部分健康人的RR间期序列具有心率不对称性，而CHF患者组的心率不对称性RR间期序列的百分比数明显高于健康人组，显然与Costa等人的结论不一致。
2007年Cammarota等人利用符号集的方法对长时HRV的差分序列进行研究，得出健康人的HRV序列是心率不对称的结论。从心率不对称性的定义来看, 序列在对称前后的差异必须“显著”时才能称其具有心率不对称性[6,7]。
总而言之，心率不对称性分析作为一种特殊的非线性检测方法，为分析非线性动力学特性找到了新的突破口，体现出其不可或缺的作用。
课题的主要研究内容
本课题主要研究一种多尺度心率不对称性分析方法，进一步寻找能恰当反映心脏动力系统在不同的生理病理状态下区别的不对称性测度，主要研究的内容包括以下两方面：
通过Matlab软件编写程序实现一种多尺度的心率不对称性分析算法，基于多尺度的思想对Porta和Guzik等提出的心率不对称性指标P%, G%等进行改进，通过二维平面来展示心搏间期序列的不对称性及提取不对称测度，并采用迭代振幅调节傅里叶变换法构造替代数据对不对称程度进行检验。
将该方法首先应用于健康人的真实生理序列和人造序列，对数据进行分析对比。接着我们研究心率变异序列的不对称性特征在健康人和充血性心力衰竭患者间的差异，并探求与前人所研究结论不一致的原因，进一步评估该指标的诊断价值。
目录
摘要 I
1. 绪论 1
1.1 课题研究的背景及意义 1
1.2 心率不对称性的研究动态及发展现状 1
1.3 课题的主要研究内容 2
2. 多尺度心率不对称性检测算法 3
2.1 多尺度心率不对称性检测算法的基本原理 3
2.2 替代数据检验法的基本原理 6
2.3 多尺度心率不对称性检测算法的Matlab实现 8
3. 多尺度心率不对称性检测算法应用于心衰患者的心率变异数据分析 11
3.1 实验数据简介 11
3.1.1 PhysioNet数据库介绍 11
3.1.2 实验数据介绍 11
3.2 实验结果及分析 11
3.2.1 多尺度心率不对称性检测算法应用于生理和人造 HRV 11
3.2.2 多尺度心率不对称性检测算法应用于心衰患者的HRV 14
4. *好棒文|www.hbsrm.com +Q: @351916072@
总结和展望 19
4.1 本文工作总结 19
4.2 未来工作的展望 19
参考文献 20
致谢 21
绪论
课题研究的背景及意义
心脏是人体最重要的器官之一，是循环系统中的动力，它背负着为血液流通提供动力以维持正常生理功能的使命。据数据统计，心血管疾病占居民死亡构成的40%以上，其死亡率居首位，其中，充血性心力衰竭（CHF）是一种临床上极为常见的急危重症，其患病率高，存活率低，极大影响患者的生活质量。CHF是由于心室泵血或充盈功能不足，心脏的排血量不能供应机体代谢对血流的需求，是许多心脏病发展到终末时期的临床综合症，任何可能引起心肌损害或加重心肌负担的因素都会成为心力衰竭的诱因。我国心血管疾病患病率及死亡率仍然处于上升趋势，其负担日渐加重。因此，如何有效地检测与评价心脏的功能状况，精确可靠地预测和诊断各类心脏疾病，成为了目前治疗心脏疾病的一个重要研究方向[1]。
为了有效预防和诊断此类病症，我们可通过分析心电信号找出相对应的病症关系。心率变异信号(HRV)是从心电幅度信号中提取的心跳间期信号，指的是逐次心跳间期之间的时间变化，又称为RR间期序列，它既反映了心脏交感神经和心脏迷走神经对心血管系统的综合调节作用, 又体现了人体神经对外界刺激的适应能力，可用于判断心血管等疾病的病情及预防[2]。据研究[3,4]表明，自主神经活动和多种心血管疾病有着密切联系，如高血压、心肌梗死，心源性猝死等。因此，心率变异信号的分析是判定自主神经活动实用的定量指标，也是评价心血管疾病患者的临床诊治及过程的重要指标，实现辅助诊断及康复过程的无创性检测，是评估心脏系统的重要依据[5]。心率变异信号的分析方法很多，包括时域分析法，频域分析法，和非线性方法。近年来非线性分析为揭示HRV的信号研究做出了巨大贡献，不仅反映了更多由心脏自主神经调节心率动力学的信息，而且与传统的时域和频域分析相融合互补，因此非线性分析方法得到了越来越广泛的应用。在众多非线性方法中，最具有代表性的还是幂律分析和熵分析，心率不对称性分析有大部分仍停留在提出各种不对称性测度并用其证明健康个体的HRV 具有不对称性的理论阶段，即使有前人研究将其应用到如充血性心力衰竭的病理状态下，却存在不相同的结论[6]。因此，揭示心脏动力系统本质，最终得到一致结论并应用于临床医学，具有十分重要的研究价值。
心率不对称性的研究动态及发展现状
心率变异信号的分析大多采用传统的时域和频域分析，但这些方法没有考虑与多尺度组织和非平衡动力学有关的重要性质。随着对非线性动力学理论与方法的进一步研究以及其在生理信号分析中的广泛应用，HRV非线性分析的研究受到人们的关注。
2005年Costa等人通过利用多尺度的策略，认为健康的生理系统是一种远离平衡条件的耗散系统，心率不对称性是这种非平衡系统的一个基本性质。通过分析健康年轻人组、健康老年人组和CHF患者组的心率变异信号得出结论：随着心脏疾病的出现或者年龄的增长,HRV的心率不对称性会降低甚至是消失。
2006年Porta等人通过RR间期散点图研究心率不对称性的特性，利用替代数据法检验，发现在尺度1下，只有部分健康人的RR间期序列具有心率不对称性，而CHF患者组的心率不对称性RR间期序列的百分比数明显高于健康人组，显然与Costa等人的结论不一致。
2007年Cammarota等人利用符号集的方法对长时HRV的差分序列进行研究，得出健康人的HRV序列是心率不对称的结论。从心率不对称性的定义来看, 序列在对称前后的差异必须“显著”时才能称其具有心率不对称性[6,7]。
总而言之，心率不对称性分析作为一种特殊的非线性检测方法，为分析非线性动力学特性找到了新的突破口，体现出其不可或缺的作用。
课题的主要研究内容
本课题主要研究一种多尺度心率不对称性分析方法，进一步寻找能恰当反映心脏动力系统在不同的生理病理状态下区别的不对称性测度，主要研究的内容包括以下两方面：
通过Matlab软件编写程序实现一种多尺度的心率不对称性分析算法，基于多尺度的思想对Porta和Guzik等提出的心率不对称性指标P%, G%等进行改进，通过二维平面来展示心搏间期序列的不对称性及提取不对称测度，并采用迭代振幅调节傅里叶变换法构造替代数据对不对称程度进行检验。
将该方法首先应用于健康人的真实生理序列和人造序列，对数据进行分析对比。接着我们研究心率变异序列的不对称性特征在健康人和充血性心力衰竭患者间的差异，并探求与前人所研究结论不一致的原因，进一步评估该指标的诊断价值。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzdq/30.html
