文档介绍
| 当前,心血管系统疾病是困扰人类健康的大敌,如何及早发现心血管系统疾病症状,采取妥善干预措施,将成为全人类共同面对的课题。面对这一社会问题,定期大范围开展心血管系统状态监测迫在眉睫,这对无创、无损且准确的监测技术提出了要求。诸如心电信号和脉搏波信号等体表生理信号中包含了心血管系统最基本、最重要的生理信息,是心血管系统状态的外在反映,基于心电或脉搏波分析的心血管状态评价方法一直是本领域的研究热点之一。心血管病患者常伴有心脏的期前收缩,这种期前收缩会在心率变异性序列中引入脉冲干扰,它可能对本文进行的多变量复杂性分析产生潜在的影响。为此,本文基于多变量多尺度样本熵算法,研究了心率变异性(HRV)和心脏舒张间期变异性(DIV)的多变量复杂性(以下简记为HRV-DIV复杂性)；并基于虚拟仪器思想,在LabVIEW环境下开发了心血管系统多变量分析平台,目的在于从心电-脉搏交互分析的角度出发,挖掘心血管系统健康状况的评价方法。本文主要做了下面几个方面的工作：(1)提出了一种基于快速经验模态分解算法的心电信号特征定位技术,并构建了基于生理意义的心电-脉搏交互定标机制。首先对原始心电信号进行快速经验模态分解,对包含R波所在频段的固有模态函数进行非线性变换和平滑窗口处理；之后,重构处理后的固有模态函数,所得信号经阈值筛选后可定位心电信号的R波位置；最后,基于心电和脉搏波的产生机制,使用心电R波进行心动周期的分割,从而在同周期脉搏波中定位脉搏波起始点、最大点和切迹。本方法较普通经验模态分解可节省约75%的时间,后期可以用于移植到实时心电监护系统中。(2)系统研究了多变量多尺度样本熵的分析结果在含有不同成分脉冲噪声的仿真和实测信号间的变化规律。研究结果表明加入脉冲噪声后,原尺度上信号的多变量熵的分析结果降低,并且随脉冲成分的增加,结果降低更加明显；不同尺度上分析结果的变化趋势虽然具有微弱的差异,但总体趋势与原尺度上的信号类似。因此,在进行心率变异性和心脏舒张时间变异性的多变量复杂性分析之前,需要首先去除因期前收缩造成的脉冲干扰。(3)基于多变量多尺度样本熵算法,利用公开的Fantasia数据库,研究HRV-DIV复杂性随年龄的变化趋势。研究结果表明,年青组的信号在较低尺度上,多变量多尺度样本熵值显著高于年老组,随尺度的增加,这种差距逐渐不明显,这说明低尺度的HRV-DIV复杂性降低可能是心血管系统老化的一个特异性表征。为验证该结论,同时,研究心血管疾病是否具有与心血管老化类似的特征,本文利用实际的临床试验数据进行类似的分析：研究HRV-DIV复杂性随年龄的变化趋势；研究其在健康对照组和心力衰竭组间的差异。结果证实了Fantasia数据库分析结果,同时表明,在所有尺度上,心力衰竭组的HRV-DIV复杂性相比健康对照组均降低。由此推论,心血管老化造成低尺度HRV-DIV复杂性的降低,即影响了HRV和DIV序列的近程相关性,而心力衰竭会造成所有尺度HRV-DIV复杂性的降低,即同时丢失了近程和长时相关性。该结论可用于指导无创心血管状态的评价研究。(4)基于LabVIEW软件开发心血管系统信号复杂性分析平台,该平台基于JKI状态机构建,将整个系统流程进行很好的解耦,实验表明,该结构使用流畅,基于该平台可以方便地进行心血管系统信号特征点提取,单一信号复杂性分析,和多信号交互复杂性分析。 |
文档标签:
其他
