频域分析 HRV分析的频域分析方法从RR间隔信号中提取频域参数,如峰值频率和带内功率。ANS的两个组成部分——交感神经系统和副交感神经系统——会决定升高或降低心率,并影响RR间隔频谱中的不同频带。因而,可以利用频域分析监测ANS的状态。 表2展示了HRV的常见频域度量,其中包括峰值频率以及超低频(VLF)、低频(LF)和高频(HF)等频带的带内功率。 ; q% }2 S6 p4 K& k: J, V8 C
表2. HRV的频域量度[1][5] 变量 | 单位 | 描述 | 峰值频率 | Hz | 针对VLF、LF和HF频带的功率谱密度(PSD)估计的峰值频率 | VLF | ms2 | 0–0.04 Hz[url=]频段的功率[/url] | LF | ms2 | 0.04–0.15 Hz频段的功率 | HF | ms2 | 0.15–0.4 Hz频段的功率 | LF归一化 | 无量纲 | [url=]LF功率(采用归一化单位):LF/(总功率–VLF)*100[/url] | HF 归一化 | 无量纲 | HF功率(采用归一化单位):HF/(总功率–VLF)*100。 | LF/HF比 | | LF/HF(均采用ms2作为单位) |
频域方法通常涉及以下三个步骤: - 对RR间隔信号进行重采样。
- 估算该RR间隔信号的功率谱密度(PSD)。
- 根据该PSD计算频域参数。
7 b4 d6 r# @/ x( t
从ECG信号中抽取的RR间隔信号通常不是以一个规则间隔采样所得。因此,该RR间隔信号并不是延时间轴等距离间隔。可以利用位于数学>>内插与外推函数选板中的一维插值VI,将最初的RR信号转换为均匀采样的时间序列。 对于PSD估计,LabVIEW包含可以执行非参数估计方法或参数估计方法的VI。非参数方法包括基于FFT的PSD,如周期图法和[url=]沃尔什法[/url]。参数方法包括基于模型的PSD,如自回归([url=]AR)方法[/url]和自回归滑动平均(ARMA)方法。[url=]HRV分析起步工具[/url]包含沃尔什法和AR频谱方法。LabVIEW高级信号处理工具包中则包含有其他方法。 图11展示了利用HRV分析起步工具中的频域分析方法得到的一个RR间隔信号分析结果。 图11. 利用频域分析方法的HRV分析 联合时频域分析频域分析方法适用于随时间变化不大的RR间隔信号分析。然而,在长期HRV分析(如24小时RR间隔与药物药效学研究)等应用中,RR间隔信号会随时间显著变化。在这类情况下,您可以使用联合时-频分析(JTFA)方法分析稳态和时-频行为。 联合时频域方法(JTFA)没有标准的度量参数。因此可以利用短时傅立叶变换(STFT)、Gabor展开或连续小波VI得到时频谱图并进行定性分析。文献[8]中提到了一个利用JTFA方法的药物药效学应用案例。 高级信号处理工具包支持JTFA方法。图12显示了利用该工具包所含的LabVIEW代码,该代码可以计算得到RR间隔信号的STFT谱图。 图12. 获取RR间隔信号的STFT谱图 图13展示了利用HRV分析起步工具中的JTFA方法获得的联合时频分析结果。 图13. 利用JTFA方法的HRV分析 非线性分析RR间隔信号是非线性的,因为它们来源于血流动力学、电生理学和体液参数、以及自主神经调节与中枢神经调节之间的复杂交互关系[1]。关于非线性分析的研究基本处于空白,所以没有任何相关标准。然而,这是一个充满希望的研究领域,我们需要在该领域开发出一种工具,从而帮助我们更好地理解人体系统的复杂性。 HRV分析起步工具支持[url=]庞加莱图[/url]和[url=]去漂移波动分析[/url](DFA)方法。下面将分别介绍这些方法。 庞加莱图 庞加莱图是一种XY图,其X轴和Y轴表示两个连续的RR间隔。该图所用的模型是一个椭圆,该椭圆的对称线与X轴成45◦,如图14所示。 图14. RR间隔的庞加莱图 图14显示了下列数值: - Sd1—各点到对称线距离的标准差。Sd1刻画出了短期变化,这主要是由呼吸性窦性心律不齐(RSA)引起的。
- Sd2—各点在沿着对称直线方向上的标准偏差。Sd2刻画了长期变化[2]。. X# t! i: s2 [# @' g" M, ~- h
LabVIEW包含概率与统计VI和拟合VI,以及一个前面板XY图控件,可以利用该控件创建并显示一幅庞加莱图。图15显示了拟合VI。 图15. LabVIEW所包含的拟合VI库 去漂移波动分析 去漂移波动分析(DFA)方法定量表示了RR间隔信号的分形尺度属性。该方法通过剔除不稳定的人为趋势,避免了错误的相关性。因此,相比其他方法,DFA方法能更好展示HRV长期相关性的变化情况。 DFA方法利用线性拟合对DFA图进行分析。拟合直线的斜率α表示了HRV的相关性。如果α=0.5,那么该信号为白噪声,没有任何相关性。在一些情况下,DFA图不是严格地呈线性,而是由相交于某点的两条直线组成。该情形表明存在两个因子:一个短期内的小尺度指数和一个长期时间内的大尺度指数。 图16显示了利用HRV分析起步工具中的DFA方法获得的一个RR间隔信号分析结果。 图16. RR间隔信号的DFA图 5. 应用0 R* e3 R7 i& l7 r6 J% k
HRV分析结果可以应用于临床和研究。对于统计与频域方法,HRV分析结果[1]提出了一些临床应用HRV分析以帮助诊断各种心脏疾病的标准。利用HRV分析起步工具,研究人员能够发现HRV与疾病以及药物药效学之间的有趣关联。例如,您可以发现一名吸烟者与一名不吸烟者的ANS之间的一些相关性。在频谱测量(如LF、HF或LF/HF)中,可以发现一些显著的差别,利用它们检测出吸烟对ANS的影响。如欲了解更多专题,请查阅文献[2]。
1 K- _/ U) Y7 b |