论文部分内容阅读
自主神经系统(Autonomic Nervous System,ANS)失调是心血管疾病的重要病因。心率变异性(Heart Rate Variability,HRV)是经典的ANS评估方法,但存在难以区分加速与减速相关的心率变化等局限性。相位校正信号平均算法(Phase-Rectified Signal Averaging,PRSA)是新近提出的一种心率信号分析方法,能够在不同时间尺度(T)和小波尺度(s)上计算心率减速力(Deceleration Capacity,DC)和心率加速力(Acceleration Capacity,AC)参数对ANS进行评估。DC和AC用于分别评估减速与加速相关的心率变化,临床诊断能力优于传统HRV参数。尽管如此,DC与AC指标尚存在以下问题:1.参数与ANS活动的相关性存在争议;2.DC和AC的诊断能力存在差异,且原因未知;3.DC和AC的性能有待改进。生理实验和临床实验对于上述问题的研究存在局限性,本文通过对心率信号建模,对参数算法进行优化等工程技术方法分析上述问题,具体开展了以下研究:1.借助心血管系统数学模型产生RRI信号序列,采用PRSA算法计算多尺度的DC和AC。在模型中调节ANS的交感神经和迷走神经分支的活动性,分别分析DC和AC与ANS活动的相关性。研究结果表明:DC和AC与ANS活动性的关系受到计算尺度的影响。在传统尺度(T=1,s=2)下,DC和AC均与迷走神经活动性相关。在较高尺度(T=3,s=5)下,DC和AC均与迷走神经活动性负相关,与交感神经活动性正相关。2.提出假设:心率不对称性(Heart Rate Asymmetry,HRA)是DC和AC性能存在差异的原因。借助心血管系统数学模型,调节吸气/呼气比例改变HRA水平,在不同HRA水平下分析DC和AC的相对性能。研究结果表明:HRA水平决定了DC与AC的相对性能。HRA高于50%时,DC相对于AC与ANS活动相关性更强。3.针对RRI信号序列的不等间隔采样问题,采用对信号插值拟合后再重新采样的方式得到等间隔RRI信号序列后再进行PRSA分析。改进的效果基于临床数据库提供的真实健康人群和心力衰竭患者样本进行检验。研究结果表明:算法改进将DC诊断心衰患者的正确率由79.8%提高至92.6%。上述结果阐明了基于PRSA算法的心血管疾病诊断参数DC和AC与ANS活动的相关性,并表明算法的改进能够提升参数的性能,可促进PRSA这一新型信号处理方法及相应参数在临床的推广应用。