基于Poincaré差值散点图的心率变异性分析方法研究

在心率变异性的非线性分析中, Poincaré散点图分析是一种重要手段.本文基于Poincaré差值散点图(modified Poincaré plot)提出了两个参数——区域分布熵和区域分布系数, 用于定量描述所考察区域内散点的分布趋势, 并提出对散点在4个象限中的分布进行分别计算.通过对MIT-BIH数据库中健康年轻人、健康老年人和充血性心力衰竭患者样本数据的分析, 发现两参数值均呈现显著的组间差异;同时, 不同象限的分析结果显示了四个象限具有不同的区分敏感性, 而其中尤以第一象限的区分度为最高, 反映出充血性心力衰竭患者相对健康人迷走神经调控功能的改变最为显著, 与以往的生理学研究结论相符.经验证, 该方法可用于短时数据, 更易于扩展至临床应用.     

基于Poincare差值散点图的心率变异性分析方法研究

在心率变异性的非线性分析中,Poincare散点图分析是一种重要手段.本文基于Poincare差值散点图(modified Poincare plot)提出了两个参数—区域分布熵和区域分布系数,用于定量描述所考察区域内散点的分布趋势,并提出对散点在4个象限中的分布进行分别计算.通过对MIT-BIH数据库中健康年轻人、健康老年人和充血性心力衰竭患者样本数据的分析,发现两参数值均呈现显著的组间差异;同时,不同象限的分析结果显示了四个象限具有不同的区分敏感性,而其中尤以第一象限的区分度为最高,反映出充血性心力衰竭患者相对健康人迷走神经调控功能的改变最为显著,与以往的生理学研究结论相符.经验证,该方法可用于短时数据,更易于扩展至临床应用.     

等概率符号化样本熵应用于脑电分析

样本熵(或近似熵)以信息增长率刻画时间序列的复杂性,能应用于短时序列,因而在生理信号分析中被广泛采用.然而,一方面由于传统样本熵采用与标准差线性相关的容限,使得熵值易受非平稳突变干扰的影响,另一方面传统样本熵还受序列概率分布的影响,从而导致其并非单纯反映序列的信息增长率.针对上述两个问题,将符号动力学与样本熵结合,提出等概率符号化样本熵方法,并对其物理意义、数学推导及参数选取都做了详细阐述.通过对噪声数据的仿真计算,验证了该方法的正确性及其区分不同强度时间相关的有效性.此方法应用于脑电信号分析的结果表明,在不对信号做人工伪迹去除的前提下,只需要1.25 s的脑电信号即可有效地区分出注意力集中和注意力发散两种状态.这进一步证明了该方法可很好地抵御非平稳突变干扰,能快速获得短时序列的潜在动力学特性,对脑电生物反馈技术具有很大的应用价值.     

多尺度策略和替代数据检验——HRV时间不可逆性分析的两个要素

本文通过应用基于多尺度思想的（Pm,Gm）平面法和替代数据检验,对来自于不同人群以及来自于健康年轻人清醒、睡眠状态下的心率变异性（heartratevariability,HRV）进行了时间不可逆性分析．结果表明：健康成人的HRV普遍存在着时间不可逆性,而随着疾病的出现,这种不可逆性减弱但并非消失,大部分（超过75％）充血性心力衰竭患者的HRV仍具有时间不可逆性：健康年轻人的HRV不可逆性存在着昼夜节律和显著的昼夜差异,夜间睡眠时不可逆性更强．我们认为：由于产生HRV的心脏动力系统具有复杂的延迟特性,在对HRV进行时间不可逆分析时,为了得到更可靠的结论,建议采用多尺度策略以及进行替代数据检验．综合考虑上述两个因素的分析方法也较好地统一了已有报道的不同结论．     

Decrease in Hurst exponent of human gait with aging and neurodegenerative diseases

In this paper the decrease in the Hurst exponent of human gait with aging and neurodegenerative diseases was observed by using an improved rescaled range （R/S） analysis method. It indicates that the long-range correlations of gait rhythm from young healthy people are stronger than those from the healthy elderly and the diseased. The result further implies that fractal dynamics in human gait will be altered due to weakening or impairment of neural control on locomotion resulting from aging and neurodegenerative diseases. Due to analysing short-term data sequences rather than long datasets required by most nonlinear methods, the algorithm has the characteristics of simplicity and sensitivity, most importantly, fast calculation as well as powerful anti-noise capacities. These findings have implications for modelling locomotor control and also for quantifying gait dynamics in varying physiologic and pathologic states.     

基于有限穿越水平可视图的短时睡眠心率变异性研究

心率数据是最易于获取的人体生理数据之一,基于心率变异性的睡眠分析是近年来各种用于日常健康管理的可穿戴设备功能的一个重要发展方向,需要不断探索可以应用于标准睡眠分期时间窗(约30 s)的各类短时特征参数.利用近期报道的有限穿越水平可视图,并进一步提出一种加权有限穿越水平可视图,将不同睡眠状态下的短时心率变异序列映射为网络,进而提取平均集聚系数、特征路径长度、集聚系数熵、路径分布熵、加权集聚系数熵和加权路径分布熵等网络特征参数进行统计分析.结果表明,各网络参数值在醒觉、浅睡期、深睡期和快速眼动期的幅度水平具有显著差异,体现了所述方法在基于短时心率变异数据的睡眠分期中的有效性.同时,进一步研究了健康年轻人和中老年人在不同睡眠状态下的网络参数值,发现两者虽然存在整体的水平差异,但是在不同睡眠状态间的变化仍具有相同的趋势,反映出相对于正常的年龄老化,睡眠调制对心脏动力学系统具有更显著的影响,也说明所述方法可作为基于心率变异性的睡眠研究的一种新的辅助工具.