论文部分内容阅读
心血管系统疾病的发病率和致死率不断上升,且年轻化趋势愈发严重。无创无损地早期检测心血管疾病,控制心血管事件发生,具有重大的社会意义。体表心血管信号中包含了丰富的生理信息,体表信号分析是无创无损检测心血管疾病的有效方法之一。以心电特征变异性分析为代表的心脏电特性研究和以心音、脉搏波信号分析为代表的心血管机械特性研究,受到了研究者的广泛关注。电特性与机械特性的联合分析可以从整体上描述心血管系统功能状态及变化规律,揭示系统各组分之间的交互作用,然而相关研究尚不多见。本研究旨在联合体表心电、心音和脉搏波信号,系统研究心血管系统的电-机械特性,挖掘心血管疾病无创无损检测的有效信息。本文主要工作及创新点如下:(1)引入动力学模式分析方法,研究了心衰患者和冠心病患者的心脏电特性,探讨了心脏电特性分析对于心血管疾病检测的价值。与健康人相比,心衰患者QT间期显著延长,复杂度降低,心室除极复极活动变得不稳定,但是冠心病患者电特性变化不明显;QT间期变异性分析中需要注意QT间期和RR间期的耦合关系,经典心率校正公式对不同疾病状态下QT序列的校正效果存在差异;动力学模式分析能够捕捉到隐藏在QT时间序列中的细节变化,为检测心脏功能变化提供了新的思路与方法。(2)联合分析心脏电-机械特性,系统地研究了冠心病患者的心脏电活动、机械活动时间序列的变异性和耦合特性。与健康对照组相比,冠心病组的第一第二心音(S1S2)序列标准差显著增大,收缩间期变化更加不规律;QT-S1S2、TQ-S2S1和QQ-S1S1的耦合性指标在冠心病组均显著降低,冠心病患者电-机械活动同步性受损,心脏机械活动对电兴奋的即时反应能力减弱。结果提示,相较于单一的心电或者心音信号分析,电-机械特性联合分析对于无创无损检测冠心病更加有效。(3)系统分析了心脏电机械延迟变异性指标,并结合机器学习算法,实现冠心病组和健康组的自动分类。与健康对照组相比,冠心病患者电机械延迟间期延长,样本熵显著降低,动力学模式中振荡模式比例显著提高,进一步表明动脉粥样硬化病变会导致心肌细胞电-机械活动的不同步;在支持向量机分类结果中,电机械延迟变异性指标的加入,使得分类准确率从基于电特性、机械特性指标的72.9%显著提高到95.8%。上述结果提示心脏电机械延迟特性对冠状动脉病变极具敏感性和特异性,可以作为冠心病患者心脏功能检测的有效指标。(4)基于四肢袖带的脉搏波信号,研究了冠心病和年龄对于人体不同部位间脉搏波传播时间(PTT)以及双侧脉搏波对称性的影响。与健康对照组相比,冠心病组的肱-踝PTT显著缩短,而心脏-肱动脉PTT和心脏-踝动脉PTT均值并没有显著变化;随着年龄增长,肱-踝PTT、心脏-肱动脉PTT和心脏-踝动脉PTT均显著缩短;青年学生组表现出了良好的双侧PTT对称性,年龄增长和冠心病均导致左右侧PTT的差异增大,相似性显著降低。上述结果提示,肱-踝PTT分析以及双侧PTT对称性分析,有助于血管弹性功能评估和冠心病的无创无损检测。