逐次心跳间期的微小涨落称为心率变异性（heart rate variability，HRV），心率变异性的分析是近几年来心电图分析的前沿热点之一。心率变异性蕴含了有关心血管调节的大量信息，对这些信息的提取和分析可以定量评估心脏交感神经和迷走神经的紧张性、均衡性及其对心血管系统活动的影响，并且可以间接获取有关高级神经活动、呼吸活动以及温度、外周血管活动的信息。因此，心率变异性是一种无创性检测心脏自主神经功能、了解人体有关生理机制的手段。如今，心率变异性分析已广泛应用于心血管疾病、糖尿病等临床研究，对特种情况下心脏功能的定量评估也有一定的意义。 近年来，随着麻醉学的发展，特别是麻醉监测技术、方法的进展和设备的改善以及信息学的发展，心率变异性的研究越来越受到麻醉学界的重视。麻醉药、意识的丧失、手术刺激均对自主神经的功能产生较大影响，HRV随之发生显著改变。大量研究证实，心率变异性的监测可为麻醉深度的判断、麻醉药药力特性的研究、手术病人的预后等诸多方面提供重要的信息和手段。 心率变异性的本质是非线性的，具有低维混沌和分形特征，表现出较大的复杂性。但目前心率变异性信号的分析法主要是功率谱分析法，复杂性分析法不多，而麻醉期HRV信号的复杂性分析则更少。本文归纳总结了适用于短时间序列的复杂性分析方法：关联维数分析法、近似熵分析法、复杂度分析法、分形分析法、非趋势波动分析法，并用这些方法对麻醉期HRV信号进行了复杂性分析。结果表明，关联维数、近似熵、复杂度Kc、C₁、粗粒化谱分析和非趋势波动分析均成功地反映了HRV信号在麻醉状态和清醒状态下的复杂性变化，有望在麻醉深度监测中用于HRV信号的复杂性定量分析指标。同时也说明了麻醉期的HRV有较大的复杂性变化。为了进一步揭示HRV信号的复杂性，本文根据HRV信号的分形特性，用多尺度小波变换将麻醉期HRV信号分解为分形部分和非分形部分，并对这两部分进行了复杂性分析。结果表明，近似熵、复杂度Kc、C₁、C₂均更加明显地反映了HRV信号非分形部分在麻醉期的复杂性变化；与非分形部分相比，分形部分的复杂性变化在近似熵、复杂度Kc和尺度指数上都有明显地体现。由此说明了对HRV信号进行分解是可行的，可进一步分析麻醉期HRV信号的非线性动力学特性。最后，本文根据引起HRV信号非线性特性的各种潜在生理因素，运用独立分量分析方法对本实验数据进行了分解，并用复杂度Kc利非趋势波动分析法对各分解分量进行了复杂性分析，结果表明经ICA分解得出的各个分量的复杂度Kc、C₁、C₂值均有所提高，而尺度指数均有所下降。 通过本文的研究，说明了运用复杂性分析法可以更好地反映出麻醉状态和清醒状态下HRV信号的复杂性变化，而根据不同的研究目的，运用不同的分解方法分解HRV信号，能够获得心率变异性信号隐藏的生理机制。本文同时也得到了对麻醉期HRV信号的变化较敏 丐6汐 浙江大学硕士学位论文 内容摘要 感的复杂性定量指标，其中HRV信号的分形分析、非趋势波动分析及复杂度分析有望作为 临床麻醉监测的实时分析指标。 本文为临床上麻醉深度监测提供了一定的方法学指导。