|
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。 + h; {# D2 l: C" z
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 W9 v9 [& w1 ]% e. T8 V; O) y n
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]。& z* @2 d u2 f- T% U6 W# q
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 t8 o q5 x/ \0 P0 K* \7 c
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]。
! [6 S3 r) i( D8 c: g9 y | 
IP卡
狗仔卡
发表于 2019-8-13 18:32:33
8 C- q8 G3 [/ S0 V3 _( s B% h
: P6 ~+ X) _0 X7 {
, `+ b* B. f0 O" b
+ X! {. b+ f( d: c) O* P
7 g% _2 n; R4 Q9 X
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡
楼主
8 e3 k, b/ d6 C# h$ q( o/ V
- x& j& l$ b5 K k0 s5 S( J" X- }2 A
6 Q1 ^/ A# B& {5 b" r
