论文部分内容阅读
压力是指环境诱因导致人们出现身体和精神的紧张状态。短暂适度的压力有助于激发躯体唤起度,使人们更好地应对外界环境刺激,增强机体适应性,而长期压力则易导致疲劳、慢性炎症和代谢综合征,破坏免疫系统功能,诱发心脑血管疾病等。目前大部分压力生理模式识别研究侧重于分析短时急性压力事件的心跳模式,还未见文献提出较长时间压力累积对自主神经活动影响的有效量化指标和生理计算模型。本文假设反复出现的短暂压力事件具有时间累积效应,设计了两种真实场景连续约8小时的持续强/弱压力诱发任务,采用多尺度心跳模式分析技术,验证了压力存在时间累积效应。数据分析发现,压力累积效应在多尺度上降低心跳复杂性,且局部Hurst指数范围(RLHE)指标有效指示了压力累积效应的发展过程。主要研究内容和结果如下:(1)本文设计了持续强/弱压力诱发与数据采集实验范式,通过约8小时的真实场景电脑游戏任务以及电脑学习任务,分别诱发了30名被试持续强压力状态以及与之相对的30名被试持续弱压力状态,有监督地实施了强/弱压力诱发与生理数据采集,综合主观和客观两方面信息标定了生理数据的压力标签。统计检验结果表明,强/弱压力诱发任务分别成功诱发了被试的持续强/弱压力状态。(2)改变观察时间窗的长度,用滑动时间窗法构造了不同观察窗下强/弱压力状态的大数据集。在大数据集上分析了心率滑动均值(RM)、心率小尺度平均涨落(AFSS)、心率大尺度平均涨落(AFLS)和RLHE四种心跳指标在不同尺度下区分强/弱压力的能力,发现RLHE指标在强/弱压力下的差异随着观察尺度的增加而增加,表明持续压力存在累积效应,并且压力累积导致大尺度上心跳复杂性更显著的降低。(3)用RM、AFSS、AFLS和RLHE四个指标构成特征空间,用4种常见分类器对强/弱压力大数据集进行了模式识别。采用折半随机验证法,K近邻分类器在104次心跳间隔的观察窗条件下的强/弱压力识别精度为74.35%(F1分数),在4800次心跳间隔的观察窗条件下的强/弱压力识别精度为99.63%,是4种分类器中识别精度提高最多,且精度最高的分类方法。强/弱压力大数据集在特征空间中的散点分布模式表明,K近邻模式分类方法最适当地抓住了压力累积效应引起的强/弱压力数据在特征空间中的分块聚合趋势。(4)分析了在大尺度上出现心跳复杂性极端降低的被试数据,发现大尺度上心跳复杂性极端降低仅出现在强压力导致极端疲劳的被试之中,表明大尺度上极低的心跳复杂性是强压力导致自主神经疲劳的有力证据,为突发心脏意外事件的提前预警提供了客观量化指标。