利用ECG信号进行HRV分析


一、HRV的一些医学概念

HRV(HeartRateVariability,中文为心率变异度),在医学上有重要的意义。心脏除了本身的节律性放电引发的跳动之外,也受到自律神经系统所调控。过去二十年已有不少文献显示自律神经系统的调控与心血管疾病相关的死亡率有显著的关系,例如心因性垂死、高血压、出血性休克、败血性休克等。心率变异分析亦被发现可作为预测发生心肌梗塞后的死亡率的指标及预测末期肝癌病患的预后。

HRV的周期频率一般被分为三部分,通过时频域变换可以得到VLF、LF、HF分别对应超低频(<0.04Hz)、低频段(0.04-0.15Hz)、高频段(0.15-0.4Hz),每个频段的功率(或者说幅度)都代表了不同的生理信息,利用离散傅立叶变换将心跳间隔的时间序列转换为频域,以功率频谱密度(Power

spectral density)或是频谱分布(Spectral

distribution)的方式表现。一般心率变异讯号的频谱分析使用200至500连续心跳间期稳定记录表现,因此记录需要数分钟的时间。

一般的心跳间期频谱频率出现在1赫兹以下,在0到0.4赫兹的范围内可找到数个波峰。主要为高频区(0.15-0.40赫兹)及低频区(0.04-0.15赫兹)。高频区通常反映副交感神经的活性,低频区同时受到交感与副交感神经系统的调控。在这里摘录维基百科的一个表格,请看附录!

二、信号分析

时域分析 (Time domain)

通常利用连续量测到的心电图波形,直接计算与分析其相连心跳间时间序列的关系,例如:

SDNN (Standard Deviation of Normal to

Normal),全部正常心跳间距之标准差,单位为毫秒。

SDANN (Standard deviation of the averages of NN intervals in

all 5-minute segments of the entire

recording),全程依五分钟分成连续的时段,先计算每五分钟心跳间期的标准差,再计算标准差的平均值,单位为毫秒。

NN50 count (Number of pairs of adjacent NN intervals differing

by more than 50 ms in the entire

recording),心电图中所有每对相邻正常心跳时间间隔,差距超过50毫秒的数目。

pNN50 (NN50 count divided by the total number of all NN

intervals),NN50数目除以量测之心电图中所有的正常心跳间隔总数。

频域分析 (Frequency domain)

HRV代表了心动周期的变化,所以我们首先要求出每个变化着的周期的具体值,一般方法是找到每个周期识别点,比如过零点、最大最小极值点以及一些能够容易检测到的点,在ecg信号中我们一般采用RR点之间的时间作为对应的周期,所以第一步是检测ecg信号的R点;第二步就是要计算出每个周期值,也就是RR点之间的时间值,这个在matlab中很好实现;因为HRV周期是随时间变化的函数,而且一般对应的周期点数有限,说以在fft之前进行插值计算是必要的,第三步,插值法;最后一步进行fft变换,得到HRV的频谱图,剩下的分析就交给医生了。

三、Matlab程序实现

按照上面所说的四个步骤,下面的程序分为四段,有详细的说明,请读者自行阅读。

close all;

clear;

load ekg.mat; %读入ecg信号

[map,r,delay]=pan_tompkin(ecg,fs,0);% 利用pan_tomkin算法找到R点

[a,l]=size(r);

for i=2:l;

t(i-1)=r(i)-r(i-1); %求出R-R间的时间值,即使HRV

end

x=r(2:19);

y=interp1(x,t,r(2):1:r(19),'spline'); %利用插值法求出以原ecg信号的采样率fs的拟合函数

plot(y);hold on,

scatter(r(2:19)-r(2),t(1:18));

N=length(y);

N1=20;%确定频率轴的范围 每一单元为fs/N=0.06Hz

AF=fft(y);

AF=abs(AF);%求出傅里叶变换后的幅频特性

f=(0:N1-1)*fs/N;

figure,plot(f,AF(1:N1));%这一步是对fft的频率轴进行一定的变化,但是不会影响到fft的具体信息,只是为了方

%便显示而已,具体的fft使用请参看上篇关于fft的介绍。

四、Matlab结果截图

通过pin_tomkin算法过程中产生的相应图片

通过'spline'逐段3次样条插值得到的函数曲线,圆心点为实际的周期点

最终的HRV的幅频图

五、简单的分析说明

本例的ecg信号来源于MIT的生理信号库,但是忘记了该信号属于哪一类,有什么对应生理特征,在这里作者知识想表达处理的过程。由fft图知:该ecg的HRV主要处于<0.1Hz的范围类,代表交感与副交感神经活性,应该是一个正常人的eck信号。

六、附录

心律变异度频域分析测量指标、定义及临床意义

指标单位定义频谱范围临床意义

总功率

total power, TPms2全部正常心跳间期之变异数高频、低频、极低频的总和≤0.4Hz整体心律变异度评估

极低频范围功率

very low frequency power, VLFPms2极低频范围正常心跳间期之变异≤0.04Hz生理意义不明

低频范围功率

low frequency power, LFPms2低频范围正常心跳间期之变异数0.04-0.15Hz代表交感与副交感神经活性

高频范围功率

high frequency power, HFPms2高频范围正常心跳间期之变异数0.15-0.4Hz代表副交感神经活性

标准化低频功率

normalized LFP, nLFP标准化单位,n.u.LF/(TP-VLF)交感神经活性

定量指标

标准化高频功率

normalized HFP,nHFP标准化单位,n.u.HF/(TP-VLF)副交感神经活

性定量指标

低、高频功率的比值

LF/HF无单位低、高频功率的比值代表自律神经

活性平衡

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容