呼吸反馈的研究进展

刘官正 朱青松 郭彦伟 王 磊

（中国科学院深圳先进技术研究院，深圳 518055）

引言

生物反馈利用现代科学技术，把人体平时不能感知的生理信息加以处理、放大，以机体能感知和理解的方式（通常是视觉或听觉等方式）呈现出来，让机体感知、理解，从而发挥心理对生理的调节作用，实现生理功能的恢复，达到心身平衡［1］。呼吸反馈（也称呼吸训练，或称调息）是一种主要的生物反馈方法，让受训者按照一定的呼吸模式（如频率、深度、呼气/吸气时间比、胸式/腹式等）进行呼吸训练，达到对生理的调节作用，实现生理功能平衡。呼吸反馈是指有意识地加强呼吸深度，减小呼吸频率，改变呼吸模式。其主要作用包括：调节人体自主神经，达到预防和治疗各种身心疾病；纠正坏的呼吸习惯（如潮式呼吸、嘴呼吸），预防疾病；强化呼吸肌肉，改善肺功能；等等。

目前，对于呼吸反馈作用的内在机制主要从自主神经功能活动入手。大量研究显示，呼吸反馈使受试者心率变异性（heart rate variability，HRV）增加，利用HRV可以量化分析心脏自主神经系统功能活动的变化，而呼吸训练可以提高迷走神经张力、降低交感神经活性。呼吸反馈的研究引起了国内外专家的广泛关注。呼吸在自主神经功能调节中扮演了重要角色，但精确的作用机制及如何设计更加合理的呼吸反馈算法，还有待于进一步研究。

下面主要对呼吸反馈中的呼吸训练方法、临床应用和呼吸反馈仪器进行回顾，探讨呼吸反馈的内在机制及其研究现状，并对呼吸反馈的最新发展趋势及其存在的问题展开讨论。

1 呼吸训练方法

1.1 不同的呼吸参数对生物反馈的影响

在呼吸反馈中，呼吸率往往是最重要的呼吸参数之一。研究表明，正常人在静止情况下的呼吸频率在15～25次/min的范围内，低频率的呼吸训练（如4～12次/min的呼吸频率）对身心健康的重要性已经被绝大多数研究者认可［2-3］。Grossman等进行了进一步的研究，揭示了不正常的呼吸模式（如急促并且浅的呼吸）通常与很多种身心疾病密切相关［4］。在实验研究和临床中，慢呼吸训练也被广泛应用和验证［5］。但是，为了达到最佳的呼吸反馈效果，如何选择最合理的呼吸频率仍困扰着大多数学者。

Emil等提出一种假设，“当呼吸频率降低到心率变异性共振频率时，呼吸训练达到最佳的调节效果”［6］，并认为6次/min是心率变异性共振频率，即最佳呼吸频率。事实上，即便存在共振频率，也因人而异且无法确定。为了探索最佳的呼吸频率，Hye等专门研究了不同的呼吸率（3，4，6，8，10，12，14次/min）对心率变异性的影响［7］。心率变异性通常作为评估生物反馈效果好坏的标准。研究发现，4次/min的呼吸训练能够获得最大的心率变性功率谱幅值，随着呼吸率的增加，功率谱幅值逐渐减小。文献［8］也做了类似的研究，针对中国研究生进行了不同频率（6，8，12，16，20，24次/min）的呼吸训练，发现了类似的规律，但最佳呼吸频率为12次/min。

在呼吸反馈中，呼吸深度（深呼吸、浅呼吸）是另一个最重要的呼吸参数之一。深呼吸可以增强呼吸肌（膈肌）的力量和耐力，从而增强肺功能。Aboudrar等研究发现，深呼吸可以增强迷走神经张力，实现放松治疗等［9］。在实际呼吸运动中，呼吸深度与呼吸率通常相互影响，即呼吸较深会导致呼吸变慢，反之亦然。通常认为，呼吸反馈中深而慢的呼吸训练能够达到更好的自主神经调节效果［4，10］。总之，深呼吸被广泛认可，但定量化的呼吸深度对生物反馈的影响尚不清楚，有待于进一步研究。

呼吸比是指呼气和吸气的时间比例，也是影响呼吸反馈效果的又一重要参数。通常吸气时心率加快，呼气时心率减慢，即呼气时交感神经活性减弱。因此，大多数研究者普遍认为：适当延长呼气时间（呼气时间与吸气时间比大于1），能够获得更好的呼吸反馈效果［11-12］。Parati等使用呼吸比为3：2的呼吸反馈治疗疼痛，并取得显著效果［13］。是不是呼吸比越大，生物反馈效果越好?文献［14］发现，WB2（呼吸比为2）的效果虽然比WB3（呼吸比为0.5）的效果更好，但比WB1（呼吸比为1）的效果更差。因此，在呼吸反馈中，并不是呼吸比越大越好。然而，最合理的呼吸比尚待研究。

此外，考虑到腹式呼吸有助于身心健康并且更便于测量，呼吸反馈中通常采用腹式呼吸来指导训练，如Lin等采用腹式呼吸训练来调节心理生理状态［15］。

1.2 生物反馈中呼吸模式探索

大多数呼吸反馈研究都是采用固定的呼吸率来进行呼吸训练，而对其他诸如呼吸深度和呼吸比等呼吸参数不做定量化的限制。事实上，呼吸信号的每一个参数（如呼吸率、深度和呼吸比等）都对生物反馈产生影响，并且与生物反馈效果都不是简单的线性关系。为此，生物反馈中呼吸模式的探索具有重要的研究意义。

文献［14］通过大量实验研究发现，正常人放松治疗中采用呼吸率为8次/min、呼吸比为1的腹式呼吸，比呼吸比为0.5和2的腹式呼吸模式效果更好。Park等则提出了一种基于屏气的呼吸模式，并建议一个呼吸周期应该包括吸气、屏气、呼气3种状态［16］。俞梦孙等认为，在实际过程中，呼吸训练循序渐进才能达到最佳的效果，因此提出了从初级—中级—高级的渐进呼吸训练模式（见表1），渐进地减小呼吸率，增大呼吸比，并增加每次训练的时间［17］。Benjamin在高血压患者的呼吸反馈干预中，采用了另一种渐进呼吸训练模式，即在每次呼吸训练时调整呼吸率和呼吸比，呼吸率以每分钟66％的比例减小至大约5次/min，呼吸比（呼气时间/吸气时间）以131％的比例增大约4倍，每次训练时间均为15min［18］。

除了考虑不同呼吸参数的组合之外，合理的呼吸模式还应该考虑以什么样的形式反馈给受训者，帮助受训者能够更好地执行呼吸训练。传统的呼吸反馈方式通常是以视觉的或听觉形式反馈给受训者，为了帮助受训者更形象地感知自身的健康状态，可视化等技术也被广泛应用于各种生物反馈中［19］。

表1 不同的呼吸训练模式Tab.1 Different respiratory training model

2 呼吸反馈应用研究

在临床中，呼吸反馈被广泛应用于放松疗法（通常简称“调息”）、内脏疾病（如心血管疾病）和呼吸性相关疾病中。

2.1 呼吸反馈在放松疗法中的应用

随着现代人生活方式的改变、工作负担和生活压力的日益沉重，轻松的心情被紧张与焦虑取而代之，这种不良的心理情绪往往导致人们的自主神经系统功能失调/紊乱，如不加控制，往往会引起严重的身心疾病。研究发现，呼吸放松疗法（调息）有助于减小交感神经张力，提高迷走神经张力，从而调节自主神经功能，达到放松，避免焦虑和失眠，从而实现各种疾病的早期预防与干预［20-21］。

呼吸放松疗法在临床上主要应用于各种压力引起的焦虑障碍/紊乱、疼痛/压力紊乱、失眠障碍等疾病中。Reiner等对24个焦虑症患者进行3周的呼吸反馈放松治疗［22］，发现75％的患者减小了压力水平，80％的患者达到放松，46％的患者增加了积极情绪，60％的患者治疗后感觉平静。M.Peter等则对冠脉脉造影引起焦虑的212个患者进行呼吸窦性心律不齐（respiratory sinus arrhythmia，RSA）反馈干预，发现呼吸反馈有效地减小了患者的状态焦虑症状和情绪压力［23］。呼吸反馈通常作为一种疼痛紊乱辅助疗法被广泛应用于临床中［24］，用于外伤引起的压力紊乱［25］等其他心身疾病中。因此，呼吸反馈作为一种放松干预手段广泛应用于各种压力紊乱引起的身心疾病中，已取得了良好的效果。

2.2 呼吸反馈在心血管疾病中的临床应用

1969年，Miller研究发现，自主神经系统所控制的内脏腺体也能建立操作式条件反射，这奠定了生物反馈治疗内脏疾病的理论基础。呼吸反馈被广泛应用于辅助治疗和预防各种心血管疾病（如高血压、慢性心脏病等）中，均已经获得了积极的效果。

Benjamin等对高血压患者进行了为期8周、每天15min的呼吸反馈干预，临床结果显示进行了呼吸反馈干预的高血压患者取得了更明显的血压下降［18］。没有进行呼吸干预的高血压患者（对照组）平均收缩压下降8.4mmHg，平均舒张压下降4mmHg；进行了呼吸反馈干预的高血压患者平均收缩压下降13.8mmHg，平均舒张压下降9.1mmHg。中山大学王庭槐教授研究小组对高血压前期患者也进行了腹式呼吸辅助肌电反馈研究，发现进行了呼吸反馈干预的高血压前期患者平均收缩压下降达10.6mmHg，平均舒张压下降达4.6mmHg［26］。由此可见，呼吸反馈即可以用于高血压的早期预防，也可以作为高血压患者的辅助治疗手段。

呼吸训练也被应用于其他心血管疾病，如慢性心脏病（CHF）［27］、糖尿病［28］等。比如，慢性心脏病通常会出现呼吸不稳并引起血氧饱和度（SaO2）低于正常水平，研究发现呼吸训练能够恢复血氧饱和度水平，改善了慢性心脏病患者的病情［27］。

2.3 呼吸反馈在呼吸性相关疾病的应用

哮喘是最常见的呼吸性疾病之一，主要表现特征为反复发作喘息、呼吸困难、胸闷或咳嗽等。Thomas等对哮喘患者进行血气辅助呼吸训练，发现通过4周的呼吸干预，哮喘患者CO2分压稳步增加，喘息、呼吸困难等各种症状逐渐减少，肺功能稳定［29］。P.M.Lehrer等研究，也发现呼吸训练是一种行之有效的哮喘辅助治疗方法，可以减小患者药物治疗的依赖性［30］。

慢性阻塞性肺疾病（chronic obstructive pulmonary diseases，COPD）是一种重要的慢性呼吸系统疾病，患病人数多，病死率高，主要特点是长期反复咳嗽、咳痰、喘息和发生急性呼吸道感染。由于这种疾病是缓慢进行性发展，所以严重影响了患者的劳动能力和生活质量。Nicholas等对20个慢性阻塞性肺疾病患者进行呼吸训练干预，在家里训练时采用心率变异性（HRV）反馈，在步行时采用脉率反馈。通过10周的训练，发现慢性阻塞性肺疾病患者的自我能量感、无力状态、呼吸困难等症状明显改善［31］。

嘴呼吸通常会导致腺样体肥大、感冒、鼻炎等多种疾病，对儿童危害尤其大，容易影响孩子的睡眠质量，出现精神萎靡、头痛、头晕、记忆力下降、反应迟钝等现象，甚至影响到孩子今后的智力。Barbiero等对60个有嘴呼吸习惯的儿童进行呼吸反馈纠正，通过问卷和静态呼吸压力评估，发现呼吸干预后有效地纠正了这种不良的呼吸习惯［32］。呼吸反馈也被应用于纠正其他不良呼吸习惯中，如潮气呼吸、口吃等。

由此可知，呼吸反馈训练对哮喘、慢性阻塞性肺疾病等呼吸性疾病有辅助治疗效果，既可以减小患者对药物的依赖性，又可以改善呼吸困难，提高患者的生活质量和信心。同时，呼吸反馈亦可以应用于纠正嘴呼吸、潮气呼吸、口吃等各种不良呼吸习惯，避免呼吸性疾病。

3 呼吸反馈机制探讨

关于呼吸反馈的确切机制，目前的研究尚未深入，特别是大部分中枢神经系统的控制过程研究都把其作为黑箱看待。呼吸反馈通常包括3部分：呼吸反馈仪、呼吸训练和呼吸作用与调节。利用电子和计算机等技术，采集心肺（cardiorespiration）信息，如血压、呼吸、心率、皮温、脉搏等；采用时域、频域和非线性信号处理方法，对呼吸训练效果进行评估，如心率变异性中的功率谱（低频LF、高频HF、LF/HF）、RR间期的标准差、近似熵等。根据评估结果和设定的参考阈值进行比较，计算出诱导呼吸波形，并以视、听觉或多媒体等方式反馈给受训者，进行呼吸训练。呼吸通过大脑皮层和皮层下中枢，刺激延髓心血管中枢；延髓中枢再刺激交感神经与迷走神经来调节心脏和周围血管，同时刺激窦神经与迷走神经来调节颈动脉窦和主动脉弓感受器。呼吸本身还可以纠正不良呼吸习惯，强化呼吸肌肉，增加肺功能等（见图1）。

图1 呼吸反馈结构Fig.1 The diagram of respiratory biofeedback

外界因素（如应激、情绪激动及紧张等）的干扰进一步加大了对呼吸反馈机理的探索。大多数研究者主要从两方面去探索呼吸反馈的内在机理：一是心肺关系模型，二是呼吸反馈效果评估算法。

3.1 心肺模型

大多数研究者都是从心肺（Cardiorespiration）耦合的角度来探索呼吸反馈的内在机制。作为呼吸反馈机制的切入点，自主神经功能是呼吸反馈效果评估的最重要标志之一，通常采用心率变异性来评估（如自回归模型的傅里叶变化［33］），即低频（LF：0.04～0.15Hz）受交感神经和迷走神经共同作用，高频（HF：0.15～0.4Hz）受迷走神经支配，LF/HF代表了自主神经功能的平衡状态。

早在1988年，Baselli等就提出了一种闭环的神经调控模型来研究心肺变异性［34］。采取最小二乘的系统辨识来建立传递函数模型，其中输入为心率变异性、呼吸运动和动脉血压。通过仿真和实验数据，揭示了这些参数之间存在一定的因果关系。接着，Kitney等在1998年提出了一种输入为呼吸、输出为血压的关系模型，即为Kitney模型［35］。2004年，Censi等基于该模型并结合各种时频技术和自回归模型等方法，研究发现了呼吸和心率变异性（HRV）、血压变异性（blood pressure variability，BPV）之间存在暂时相位锁现象［36-37］；通过对正常人进行不同频率（0.25、0.2、0.13Hz）的呼吸训练实验，发现呼吸率和心率变异性、血压变异性在低频率（0.2和0.13Hz）时存在明显的短暂协调关系，即相位锁现象，而在高频率（0.25Hz）时只存在比较弱的协调关系。2004年，Faes等设计了一种因果传递函数模型来分析心肺关系［38］，进一步发现呼吸为输入、收缩压和心率为输出是一种非因果关系传递函数模型，即呼吸对心率和收缩压是一种开环关系，反过来，心率和收缩压对呼吸的影响很弱；相比之下，收缩压和心率之间为因果传递函数模型，它们的增益和相位关系更加准确，也更符合临床和生理情况。2008年，Choi等采用心肺系统的计算机模型，模拟了不同呼吸变化对血压的影响。实验表明，老年人的血压真实值与模型预测值有更好的拟合度，而年轻人基本没有这种拟合度［39-40］。因为该模型只考虑了压力感受器带来的变化，没有考虑对心血管系统的影响（如血管总外周阻力）。

总之，心肺关系主要指呼吸与心率及心率变异性、血压及血压异性之间的关系。但到目前为止，虽然呼吸对心血管变异性（心率及血压变异性）存在一定关系，但其确定的作用机制仍不明确。相比之下，呼吸与血压［35］、血压与心率［38］和呼吸与心电［41］等相互关系更加确定，但呼吸、心电及血压相互关联相互耦合，缺少其中任何一个参数，都不能真实地反映心肺模型。

3.2 呼吸反馈效果评估算法

呼吸反馈内在机制并不明确，导致在实践中呼吸反馈效果的评估也存在一定的片面性。例如，呼吸反馈应用于血压调节时，采用心率变异性评估呼吸训练效果并调整呼吸模式。心率变异性反馈虽然比血压反馈更容易使受训者掌握，但由于血压受两条回路支配（除了自主神经所控制的内脏外，还受压力感觉器调节），所以这种近似存在不可避免的缺陷。因此，如果呼吸反馈效果评估更合理，必然有助于研究者更好地理解呼吸反馈机制。

近年来，不少研究者开始尝试用熵、混沌动力学等理论来评估呼吸反馈效果，并结合系统论和控制论来阐释人体呼吸反馈的内在稳态机制［42-43］。Haitham等采用样本熵的方法来分析RR时间序列的复杂度，以评估呼吸阻塞性睡眠综合症的情况［44］。Jose等改进多尺度样本熵，评估24h的Holter动态RR间期复杂度［45］，发现主动脉瓣狭窄患者夜间的改进多尺度熵值比正常人的要大。王庭槐等则采用脑电近似熵的变化，评估腹式呼吸辅助肌电反馈治疗高血压前期患者的效果［26］。文献［14］也将RR间期的时间序列样本熵作为呼吸放松疗法的评估指标。

总之，无论是从直接的心肺关系还是从间接的呼吸反馈效果评估算法来探索呼吸反馈内在机制，目前都处于探索阶段，有待于进一步深入研究。另外，还待尝试用其他途径和方法来揭示呼吸反馈内在机制，如利用多普勒超声检测技术，发现夜间呼吸紊乱患者的脑血流循环存在高碳酸血症［46］。

4 呼吸反馈仪器

传统的呼吸反馈设备通常是贵重的台式系统，如BIOPAC生物反馈仪［47］、荷兰思必瑞特（Spirit）生物反馈设备［48］等。传统的生物反馈设备通常仅适用于医院、实验室等场所，采用的是静态生物反馈方法，具有一定的主观随意性；虽然台式设备功能比较强大，但由于体积大、价格昂贵，不适合穿戴式和家庭场合。

2006年，IEEE Spectrum专门以“让你的手掌放松：生物反馈设备应用于减小压力（Calm in your palm：biofeedback device promises to reduce stress）”为题，对便携式生物反馈方法做了相关报道［49］。近几年，对动态呼吸反馈的研究逐渐得到重视。Park等设计了一款基于脉率反馈的呼吸放松系统［16］。文献［14］介绍了一种基于广义的人体传感网络平台、功能更加完善的动态呼吸反馈干预系统。该系统可以实现呼吸窦性心律不齐反馈、心率变异性反馈；同时，其广义平台具有较好的可扩展性，将来可实现其他生理参数（如肌电、皮温、脉搏波）的反馈。

5 总结与展望

呼吸反馈/训练在自主神经功能调节、心血管变异性调节和矫正不良呼吸习惯、增强肺功能等方面有显著的作用。大家普遍认同呼吸反馈的作用是通过加强交感神经张力、减小迷走神经张力来实现，呼吸反馈内在机理尚不太明确。如何找到最佳的呼吸模式（如共振频率、呼吸比等），如何在临床中保证受训者对呼吸反馈的依从性、应激情境下的反应性和想像力与暗示性，如何正确评估而不盲目放大呼吸反馈的疗效与作用，如何让受训者在非医疗环境（如个人、家庭中）下进行呼吸反馈训练……很多问题亟待进一步研究和大量的临床实验验证，才能确保呼吸反馈在临床实践中取得更好的效果，并被更广泛地接受。

呼吸反馈的最新发展趋势：深入探讨呼吸反馈内在机理，设计多参数自适应呼吸反馈算法，以及研制穿戴式、低负荷、智能化呼吸反馈设备等。在呼吸反馈机理方面，有待于深入研究心肺耦合关系，尝试用新途径、新方法来揭示呼吸反馈机理。在呼吸反馈算法方面，呼吸反馈参数从单一参数向多参数变化，功能从单一向多元化方向发展，实现多参数自适应的呼吸反馈算法/模式。目前，呼吸反馈朝着穿戴式、低负荷和智能化的方向发展，即朝着人们更容易接受、适合长期使用和不干扰日常生活的方向发展。这类仪器既符合个人、家庭式的需求，又可以减少整个医疗体系的负担，并进而降低公共医疗成本；作为疾病早期防治的第一道“防火墙”，对实现全民健康、促进新时期卫生保健的“战略前移、重心下移”起到推进作用。

综上所述，呼吸反馈可实现各种慢性疾病的早期预防与早期干预。近年来，呼吸反馈有了很大的发展，开展了不少临床实验研究，但在被广泛接受和应用前仍然有不少问题亟待解决。

［1］郑延平，姚树桥，朱熊兆，等.生物反馈的临床实践［M］.北京：高等教育出版社，2003：25-32.

［2］Benson H，Beary JG，Carol MP.The relaxation response［J］.Psychiatry，1974，37：57-76.

［3］Song HS，Lehrer PM.The effects of specific respiratory rates on heart rate and heart rate variability［J］.Applied Psychophysiology and Biofeedback，2003，28（1）：13-23.

［4］Grossman P.Respiration，stress，and cardiovascular function［J］.Psychophysiology，1983，20（3）：284-300.

［5］Gary TM.Slowed respiration training［J］.Biofeedback and Self-Regulation，1994，19（3）：211-225.

［6］Emil J.Real-time monitoring of spontaneous resonance in heart rate variability［C］//Proceedings of 30th Annual International Conference of the IEEE-EMBS.Huntsville：IEEE，2008：2789-2792.

［7］Hye SS，Paul ML.The effects of specific respiratory rates on heart rate and heart rate variability［J］.Applied Psychophysiology and Biofeedback，2003，28（1）：13-23.

［8］Liu GZ，Wu D，Zhao GR，et al.Use of refined sample entropy and heart rate variability to assess the effects of wearable respiratory biofeedback［C］.//Proceedings of 3rd International Conference on Biomedical Engineering and Informatics（BMEI），Yantai：IEEE，2010：1915-1919.

［9］Aboudrar S，Benjelloun H，Benazzouz A，et al.Evaluation of the vagal activity by the deep-breathing test［J］.Neurophysiologie Clinique-clinical Neurophysiology，2007，37（1）：41-46.

［10］Liu GZ，Huang BY，L.Wang，et al.A wearable respiratory biofeedback system based on body sensor networks［C］.//Proceedings of 32ndAnnual International Conference of the IEEE-EMBS，Buenos Aires：IEEE，2010：2497-2500.

［11］Michael EC，Richard H.Effects of paced respiration on anxiety reduction in a clinical population［J］.Biofeedback and Self-Regulation，1990，15（3）：273-283.

［12］Meuret AE，Wilhelm FH，Roth WT.Respiratory biofeedbackassisted therapy in panic disorder［J］.Behavioral Modification，2001，25（4）：584-605.

［13］Parati G，Malfatto G，Boarin S，et al.Device-guided paced breathing in the home setting：effects on exercise capacity，pulmonary and ventricular function in patients with chronic heart failure：a pilot study［J］.Circulation：Heart Failure，2008，1：178-183.

［14］LIU GZ，Huang BY，Wang L.A wearable respiratory biofeedback system based on generalized body sensor network［J］.Telemedicine and E-health，2011，17（5）：348-357.

［15］Lin LM，Peper E.Psychophysiological patterns during cell phone textmessaging：apreliminarystudy［J］.Applied Psychophysiology and Biofeedback，2009，34（1）：53-57.

［16］Park SH，Jang DG，Son DH，et al.A biofeedback-based breathing induction system［C］.//Proceedings of 3rd International Conference on Bioinformatics and Biomedical Engineering 2009.Beijing：IEEE，2010：1-4.

［17］Lu S，Yang X，Yu M，Feed-back type abdominal breathing exercising apparatus［P］.CN1559342-A，2004.

［18］Benjamin G，Device-guided breathing in the home setting：technology，performance and clinical outcomes［J］.Biological Psychology，2010，84：150-156.

［19］Yoshitake T，Nakamura K，Shioyama Y，et al.Breath-hold monitoring and visual feedback for radiotherapy using a chargecoupled device camera and a head-mounted display：system development and feasibility［J］.Radiation Medicine，2008，26（1）：50-55.

［20］Dempsey JA，SheelAW，MorganGJ，etal.Respiratory influences on sympathetic vasomotor outflow in humans［J］.Respiratory Physiology＆ Neurobiology，2002，130（1）：3-20.

［21］Mccanne TR.Changes in autonomic responding to stress after practice at controlling heart rate，Biofeedback and Self-regulation［J］.1983，8（1）：9-24.

［22］Reiner R.Integrating a portable biofeedback device into clinical practice for patients with anxiety disorders results of a pilot study［J］.Applied Psychophysiology and Biofeedback，2008，33（1）：55-61.

［23］Peter M，TamaraH，KomeliaL，etal.Effectivenessof respiratory sinus arrhythmia biofeedback on state-anxiety in patients undergoing coronary angiography［J］.Journalof Advanced Nursing，2010，66（5）：1101-1110.

［24］Meuret AE，Wilhelm FH，Roth WT.Respiratory biofeedbackassisted therapy in panic disorder［J］.Behavioral Modification，2001，25（4）：584-605.

［25］Terri LZ，Kristin WS，Richard NG.The effects of respiratory sinus arrhythmia biofeedback on heartrate variability and posttraumatic stress disorder symptoms；a pilot study［J］.Applied Psychophysiology and Biofeedback，2009，34：135-143.

［26］Xu XY，Gao J，Wang TH，et al.Biofeedback treatment of prehypertension：analyses of efficacy，heart rate variability and EEG approximate entropy［J］.Journal of Human Hypertension，2007，21：973-975.

［27］Bernardi L，Spadacini G，Bellwon J，et al.Effect of breathing rate on oxygen saturation and exercise performance in chronic heart failure［J］.Lancet，1998，351（9112）：1308-1311.

［28］Bhagyalakshmi S，Nagaraja H，Anupama RK，et al.Increase in the heart rate variability with deep breathing in diabetic patients after 12-month exercise training［J］.The Tohoku Journal of Experimental Medicine，2010，220（2）：107-113.

［29］Thomas R，Alicia EM，Frank HW，et al.Changes in pCO2，Symptoms，and lung function of Asthma patients during capnometry-assisted breathing training［J］.Applied Psychophysiology and Biofeedback，2009，34：1-6.

［30］Lehrer PM，Vaschillo E，Vaschillo B，et al.Biofeedback treatment for asthma［J］.Chest，2004，126（2）：352-361.

［31］Nicholas DG，Leighton C，Soo B，Combined heartrate variability and pulse oximetry biofeedback for chronic obstructive pulmonary disease：preliminary findings［J］.Applied Psychophysiology and Biofeedback，2004，29（2）：121-133.

［32］Barbiero EDF，Vanderiei LCM，Neto AS，et al.Nascimento，influence of respiratory biofeedback associated to re-expansive ventilation patterns in individuals with functional mouth breathing［J］.International Journal of Pediatric Otorhinolaryngology，2008，72（11）：1683-1691.

［33］Malliani A，Pagani，Lombardi E，et al.Cardiovascular nerual regulation explored in the frequency domain［J］.Circulation，1991，84：482-492.

［34］Baselli G，Cerutti S，Civardi S，et al.Cardiovascular variability signals：towards the indentification of a closed-loop model of the neural control mechanisms［J］.IEEE Transactions on Biomedical Engineering，1988，35（12）：1033-1046.

［35］Kitney RI，Seydnejad SR.The nonlinear closed loop mechanism underlying the LF oscillation in blood pressure［C］.//Proceedings of the 20th Annual International Conference of the IEEE-EMBS.Hong Kong：IEEE，1998：271-274.

［36］Censi F，Calcagnini G，Lino S，et al.Transient phase locking patterns among respiration，heart rate and blood pressure during cardiorespiratory synchronisation in humans［J］.Medical＆Biological Engineering＆ Computing，2000，38：416-426.

［37］Censi F，Calcagnimi G，Gerutti S.Coupling patterns between spontaneous rhythms and respiration in cardiovascular variability signals［J］.Computer Methods and Programs in Biomedicine，2001，68：37-47.

［38］Faes F，Porta A，Cucino R，et al.Nollo，Causal transfer function analysis to describe closed loop interactions between cardiovascular and cardiorespiratory variability signals［J］，Biological Cybernetics vol.90，no.6，pp.390-399，2004.

［39］Choi Y，Ko SB，Shi Y，et al.Computer model study of magnitude and phase relations of arterial pressure in response to respiratory fluctuations［C］.//2008 Canadian Conference on Electrical and Computer Engineering.Ontario：IEEE，2008：1758-1762.

［40］Sum YM，Beshara RJ.A comprehensive model for right-left heart interaction under the influence of pericardium，intrathoracic pressure，and baroreflex［J］.Am.J.Physiol，1997，272：499-515.

［41］Boyle J，Bidargaddi N，Sarela A.Automatic detection of respiration rate from ambulatory single-lead ECG［J］.IEEE Trans.Information and Technology in Biomedicine，2009，13（6）：890-896.

［42］Porta A，Guzzetti S，Montano N，et al.Entropy，entropy rate，and pattern classification as tools to typify complexity in short heart period variability series［J］.IEEE Transactionson Biomedical Engineering，2001，48（11）：1282-1291.

［43］Aberg S.Quantum chaos and rotational damping［J］.Progress in Particle and Nuclear Physics.1992，28：11-47.

［44］Haitham MAA，Alan VS.Use of sample entropy approach to study heart rate variability in obstructive sleep apnea syndrome［J］.IEEE Transactions on Biomedical Engineering，2007，54（10）：1900-1904.

［45］Jose FV，Alberto P，Montserrat V，et al.Refined multiscale entropy：application to 24-h Holter recordings of heart period variability in healthy and aortic stenosis subjects［J］.IEEE Transactions on Biomedical Engineering，2009，56（9）：2202-2213.

［46］Morgan BJ，Reichmuth KJ，Peppard PE，et al.Effects of sleepdisordered breathing on cerebrovascular regulation a populationbased study［J］.American Journal of Respiratory and Critical Care Medicine，2010，182（11）：1445-1452.

［47］BIOPAC公司，Biopic生物反馈设备［EB/OL］.www.biopac.com，2011-03-01/2011-05-09.

［48］Spirit公司，荷兰思必瑞特（Spirit）生物反馈设备［EB/OL］.http://www.it9999.com.cn/product/loaddata.php?class3=159，2011-03-01/2011-05-09.

［49］Moore SK.Calm in your palm：biofeedback device promises to reduce stress［J］.IEEE Spectrum，2006，43（3）：60.