(完整版)心率变异性及其相关算法

结题报告心率变异性及其相关算法的实现介绍了心率变异性的基本概念、临床研究意义和具体算法；利用MATLAB实现对心率变异性时域以及频域参数的计算；对计算结果做误差分析，并基于该分析对心率变异性的算法实现进行总结。-2-目录1.概念介绍-----------------------------------------------------------------------------32.疾病诊查与研究意义------------------------------------------------------------43.基本原理与具体算法------------------------------------------------------------53.1QRS波群提取的微分阈值法---------------------------------------------53.2时域参数的计算方法-----------------------------------------------------103.3频域参数的计算方法-----------------------------------------------------114.计算结果与结果分析-----------------------------------------------------------124.1时域参数结果分析--------------------------------------------------------124.2频域参数结果分析--------------------------------------------------------135.算法总结--------------------------------------------------------------------------156.附加功能--------------------------------------------------------------------------167.参考文献--------------------------------------------------------------------------16-3-【概念介绍】心率变异性（heartratevariability,HRV）是指连续心跳间R-R间期的微小涨落。HRV反映了心脏交感神经和迷走神经活动的紧张性和均衡性，是一种检测自主神经性活动的非侵入性指标。近十年来的大量研究已充分肯定了自主神经活动与多种疾病有关系，特别是与某些心血管疾病的死亡率，尤其是猝死率有关。通过心电图（ECG）对心率的微小涨落的变换和处理来获得心血管系统、自主神经系统等有关信息的的信号分析过程即HRV分析，是近年来的研究热点之一。针对HRV的研究对心血管疾病的早期诊断、病中监护以及预后评估等都有重要的意义。目前HRV的分析方法主要有基于线性分析的时域分析、频域分析和非线性分析这三类。其中时域分析法和频域分析法理论成熟、算法简单、各项指标意义明确，因此较广泛的应用于临床和医学实验中。然而，HRV的非线性分析仍然处于研究探索阶段，还没有实现临床应用。本报告主要针对HRV时域和频域算法的MATLAB实现。时域分析是通过计算一系列有关R-R间期的数理统计指标，来评价心率变异性的临床价值。常用的统计参数指标有均值（MEAN）、总体标准差（SDNN）、均值标准差（SDANN）和差值均方的平方根（r-MSSD）等。基于时域的分析方法，计算简单意义直观，易于为临床医生所接受，但是它的灵敏度、特异性低，不能进一步区分心脏交感、迷走神经的张力及其均衡性的变化，因此在实际中还要结合频域的分析方法。频域分析是将连续正常的R-R间期进行基于FFT的经典谱估计或基于自回归AR模型的现代谱估计获得的功率谱密度，可以作为定量的指标来描述HRV信号的能量分布情况，它将各种生理因素作适当分离后进行分析，因而有较大的临床应用价值。常用的谱参数有VLF极低频段（0.0033~0.04Hz）的功率、LF低频段（0.04~0.15Hz）的功率、HF高频段（0.15~0.4Hz）的功率、TP信号总功率（VLF、LF和HF的总和）。-4-【疾病诊查与研究意义】心率变异性的测定在以下疾病的诊查中具有一定的作用：1.检测冠心病病人猝死的发生。凡副交感神经张力降低的冠心病人，其心室颤动的阈值低，容易发生心脏性猝死，而且心肌梗塞后的死亡率也增高。2.了解副交感神经的受损情况。充血性心力衰竭患者植物神经机能普遍受损害而降低，但副交感神经受损更显著，可运用频域分析法进行监测。3.探讨高血压的始动机制。现已查明，原发性高血压患者的交感神经张力增高，而副交感神经的张力降低，且与高血压的严重程度呈明显的正相关。但是，老年高血压患者的上述变化不甚明显。通过植物神经功能测定，可以了解高血压的始动机制。4.监测和评价糖尿病患者的植物神经机能状况。糖尿病患者的植物神经和周围神经均受损害，且两者呈平行关系。通过心率变异性检查，可以了解植物神经机能的受损害程度。5.通过评价交感神经张力亢进情况，用于诊断年轻患者的血管迷走性晕厥。6.监测心肌病患者病情。无心力衰竭的扩张型心肌病患者，植物神经功能普遍受损。通过心率功率谱分析，可以了解心肌病患者的病情。7.监测心脏移植术后的排斥反应。心脏移植术后，患者心脏心率变异性显著降低甚至消失，一旦发生排斥反应，心率变异性则明显增高，因此，心脏移植术后应定期检查心率变异性，以了解和预防心脏排斥反应的发生，及时采取相应措施。8.对胎儿发育及产程进行监测。9.判断吸烟者植物神经功能受损害的程度。长期吸烟者，其植物神经功能均可受到损害，受损的严重程度与烟量及烟龄呈显著正相关。一般表现为交感神经张力增加和副交感神经张力降低。对嗜烟者监测心率变异性，可以对多种相关疾病进行预测。-5-【基本原理与具体算法】A.QRS波群提取的微分阈值法QRS波群提取的方法为微分阈值法，其算法分为7个步骤：低通滤波、高通滤波、微分、平方、加窗平均、阈值设定以及判断。具体步骤内容如下所述：一、低通滤波低通滤波旨在去除高频（肌电、高频电刀等）干扰，其传递函数为对应的差分方程为以第1组数据为例，为了说明低通滤波的效果，将滤波前与滤波后的心电信号作图，结果如图2.1所示：图2.1低通滤波前与滤波后的心电信号-6-将第2张图放大后：图2.2低通滤波后的心电信号从图中可以看出，低通滤波虽然滤除了高频干扰，但它带来了极大的基漂，所以仅仅进行低通滤波是不够的，还必须利用高通滤波来消除这些基漂。二、高通滤波高通滤波旨在去除低频（基漂）干扰，其传递函数为对应的差分方程为以第1组数据为例，为了说明高通滤波的效果，将滤波前与滤波后的心电信号作图，结果如图2.3所示：-7-图2.3高通滤波前与滤波后的心电信号从图中可以看出，高通滤波有效的去除了基漂，但是噪声部分的干扰依然较大，为了更有效的提取QRS波群，必须对信号进行微分计算。三、微分微分算法的传递函数为对应的差分方程为以第1组数据为例，为了说明微分的效果，将微分前与微分后的心电信号作图，结果如图2.4所示：-8-图2.4微分前与微分后的心电信号从图中可以看出，微分使得正负半轴的信号幅值近乎相等。四、平方及加窗平均平方旨在将幅值为负的信号变为幅值为正的信号，32点加窗平均旨在对平方后的信号进行平滑处理，其传递函数为对应的差分方程为以第1组数据为例，为了说明平方以及加窗平均的效果，将处理前与处理后的心电信号作图，结果如图2.5所示：-9-图2.5平方与加窗平均前后的心电信号从图中可以看出，加窗平均确实有平滑信号的效果。五、阈值设定及判断阈值设定采用自适应迭代法，根据当前检测到的峰值属性，得到信号、噪声峰值的实时估计。当前检测到的峰值PEAK(i)为信号峰值时，更新SPK(i)：当前检测到的峰值PEAK(i)为噪声峰值，更新NPK(i)：更新当前的阈值其中SPK(i)的初值SPK(0)为前8个连续的1s内各自最大值的平均；NPK(0)为0。以第1组数据为例，信号峰值与阈值T1的关系如图2.6所示，其中红色曲线为阈值曲-10-线，蓝色曲线为信号峰值：图2.6信号峰值与阈值T1的关系在对QRS复波进行判断时，还必须有回检的步骤，防止因阈值T1设定过大而漏掉个别的QRS复波。B.时域参数的计算方法1.均值（MEAN）旨在反映R-R间期的平均水平，其计算公式为2.总体标准差（SDNN）可以用来评估24h长程HRV的总体变化，其计算公式为不同年龄段人群SDNN的正常范围如下表所示：年龄组SDNN18~29岁169.92±41.01-11-30~49岁148.31±32.8050~69岁121.19±29.273.均值标准差（SDANN）反映HRV中的慢变化成分，其计算公式为不同年龄段人群SDANN的正常范围如下表所示：年龄组SDANN18~29岁151.07±41.3130~49岁130.23±33.7550~69岁108.87±28.464.差值均方的平方根（r-MSSD）反映HRV中的快变化成分，其计算公式为不同年龄段人群r-MSSD的正常范围如下表所示：年龄组r-MSSD18~29岁72.39±47.1030~49岁48.40±20.9050~69岁40.40±18.29C.频域参数的计算方法本报告是基于FFT的经典谱估计的方法计算频域参数的。各频域参数及其生理意义如下表所示：频域参数参数意义VLF极低频段（0.0033~0.04Hz）的功率机制不明。可能是与体温调节、肾素血管紧张素系统-12-及体液因子等因素有关的长期的调节机制有关LF低频段（0.04~0.15Hz）的功率解释仍然有争议，但是大多数学者认为它是交感神经活动的标志HF高频段（0.15~0.4Hz）的功率由迷走神经介导，代表呼吸变异TP信号总功率（VLF、LF和HF的总和）信号总的变异性【计算结果与结果分析】1.时域参数结果分析本报告采用了10段ECG数据，每段1min，采样率200Hz，幅度单位mV。每段数据的时域参数计算如下表所示，由于SDANN需要至少5分钟以上的ECG数据，所以未计算SDANN的值：组号心率（次/min）MEAN(ms)SDNN(ms)r-MSSD(ms)174812.328849.835980.0976271849.785750.031726.7842370855.579733.007930.1528474811.438435.447051.5658567881.666797.938348.50856581.0340e+00394.7038133.6006765911.4063268.0230497.3370886691.2941211.7645387.6543993641.413041.665960.317410103579.951098.6092172.1738从上表可以看出，MEAN和r-MSSD的计算结果基本正常，但是SDNN的值除了第5、6、10组正常外，其余组都不正常，造成这个结果可能原因有2个：①不正常组的数据提供者自身的心率变异性存在问题；②由于SDNN是一个受个体差异、时空差异干扰很大的参数，所以如果数据的样本容-13-010203040506070809010000.10.20.30.40.50.60.70.80.9010203040506070809010000.10.20.30.40.50.60.70.80.9量太小，则样本对总体缺乏足够的代表性，从而难以保证SDNN推算结果的精确度和可靠性。对于时域参数来说，本报告中数据长度只有1min是远远不够的，一般计算SDNN的数据长度都必须是24h以上。第7、8、10组r-MSSD的计算结果不正常，也同样可能是样本容量过小导致的。2.频域参数结果分析所用的数据相同，每段数据的功率谱如图3.1所示：①②③④0102030405060708