心率变异性分析系统的开发

王步青，张政波，王卫东

解放军总医院医学工程保障中心 ，北京市，100853

心率变异性分析系统的开发

【作者】王步青，张政波，王卫东

解放军总医院医学工程保障中心 ，北京市，100853

开发了一个心率变异性分析系统。该系统通过检测心率变异性的时域、频域参数，评估了受试者在不同状态下的自主神经

心率变异性； 时域；频域 ；自主神经系统；交感神经；迷走神经

0 引言

心率变异性(HRV)是指连续心跳间期的微小变化，是一种反映自主神经系统(ANS)交感神经和迷走神经活动性的非侵入性指标。正常心搏应该具有反映交感神经、迷走神经平衡状态的窦房结回路的连续的生理变化和相对应波动的心率，即心率变异性[1]。

过去二十年间，在对大量的动物和人体研究后表明ANS与心血管疾病死亡率，尤其患MI和CHF的病人具有显著的相关性[1]。ANS的紊乱和失衡包括交感神经活性增加或是迷走神经活性降低，会导致室性心动过速和心源性猝死，而这两种疾病是现在心脏疾病死亡的主要原因。近年来，在心电图(ECG)基础上发展起来的非侵入性技术，已用于心脏自主神经系统功能的评估。在包括心率变异性(HRV)、应激反射敏感性(BRS)、QT间期和心率震荡(HRT)的评估方法中，心率变异性是最简单、方便易行的分析方法。

随着心率变异性与心血管疾病、肥胖、内分泌疾病、运动评估等的众多研究的展开，对心率变异性分析产品的需求也日益迫切。目前市场上可以买到的是一个由韩国mecicore公司生产的名为SA-3000P的机器，它通过分析心率变异性来评估受试者的精神压力情况，而此机比较昂贵。本文提出了一个基于单导联的心率变异性分析系统，重点在对分析软件的开发。该软件的设计标准符合欧洲心脏协会、北美起搏和电生理学会发布的心率变异性的理论标准[1]。可用于计算心率变异性的时域、频域的参数，便于进行与自主神经系统活动性和平衡性的量化评估的相关研究，为心率变异性分析系统的产品化提供了基础。

1 系统硬件—单导联心电数据采集存储系统

图1 采集硬件Fig.1 The hardware of acquisition device

采集硬件框图如图1所示。采用单导联电极采集的心电信号，经仪表放大器、放大滤波-陷波等信号调理电路，由CPU集成AD转换器采集，并存储到SD卡内。按键组与显示屏提供人机交互功能。本系统采用ADI公司的仪表放大器AD623作为前置放大器，其单电源的供电设计省去了传统上双电源供电的电源转换芯片。放大滤波电路采用运算放大器AD8554，这款芯片集成了4个运放，满足了放大、滤波以及50 Hz陷波的需求。为了最大限度地保持信号的细节部分，低通滤波器的截止频率设在200 Hz。系统数字电路部分选用了ARM7核心的LPC2138，其内部集成了10bitADC，足以满足系统需要。为了心率变异性计算，采样率设计在500 Hz。

2 分析软件

分析软件采用LabVIEW8.2 编译生成， 核心算法MATLAB7.3.0生成通用的COM组件，LabVIEW通过调用相应的COM组件[2]，分析软件流程图如图2所示。

2.1 软件滤波

由于采集到的信号中常混有工频和低频噪声干扰，因此设计了50 Hz自适应陷波器[3]和三点平滑滤波相结合，来实现对原始心电信号的滤波处理。对某信号滤波前后的效果如图3所示，由上而下分别为混有噪声的原始心电，经收敛因子为u=0.03的自适应陷波滤波后的信号和陷波滤波加三点平滑处理后的信号。

图3 滤波前、后的心电Fig.3 The original ECG and filtered ECG

2.2 提取R-R间期序列

通过基于二阶差分的R-R算法提取R-R间期序列[4]。该算法经过30个健康成人的心电数据文件、23个MIT-BIH Arrhythmia数据库文件（文件号为100-124）和心电模拟器（型号为：METRON PS-420）的心率分别从30次/min-240次/min的模拟心电信号进行验证，R波检出率为100%。干扰主要是类似于R波波形的高频大幅尖波，通时比较瞬时R-R间期是否在R-R间期均值的0.75倍和1.25倍之间的经验公式法，可有效去除错检的R波。

2.3 重采样

由心电信号提取得到的R-R间期序列实际上是一个非均匀采样序列，如果直接对该序列进行功率谱分析会影响结果。实验表明，这种影响的大小是不确定的，与心电数据的采样率、病人的心率等有关。因此，需要对原始的非均匀R-R序列进行重采样处理，使序列均匀化，这里选择较为通用的4 Hz三次样条重采样方法[5][6]。

2.4 去趋势分析算法

近年来，平民非虚构写作引人注目，有些入选各种好书榜，有些成为畅销书。有关人士从内容上进行分析，认为这类作品追根溯源，“回望数百年来家族迁移的脚印，寻找深藏于历史深处的生命印记，铭记个人的心灵史，家族的变迁史，民族的成长史，为凡人延亘生命的长度，增加生命的厚度，成为永不消逝的生命记忆，必然受到读者的欢迎，市场的追捧。”［1］实际上，平民非虚构写作内容以外的热因更值得探讨。

由于R-R间期序列已被普遍认为是混沌的或是含有混沌成分的非线性、非平稳信号，因此在进行功率谱分析之前应先进行去趋势处理，将非平稳信号变成平稳信号。

采用Mika P. Tarvainen文献中介绍的截止频率为0.0043 Hz的高通滤波器[7]将超低频中的趋势项成分去掉，某去趋势前后的R-R序列如图4所示，图中黑色的粗曲线为原R-R序列中的趋势成分。

图4 去趋势前后的R-R序列Fig.4 The R-R sequence and the detrended sequence

2.4 基于AR模型的功率谱估计

由于心率变异性信号中包含有极低频率成分VLF频段为（0.0033～0.04）Hz，它与体温调节、肾素血管紧张素系统及体液因子等因素的长期调节机制有关；LF频段为（0.04～0.15）Hz，反映与压感反射相关的交感神经的活动性；HF频段为（0.15～0.4) Hz，反映迷走神经介导的呼吸性窦性心率不齐，功率谱估计可以通过计算各个频率段的功率，定量评估自主神经系统的动态平衡性状态。

自回归的AR模型法是心率变异性测量标准中推荐的频域参数分析方法，适用于短序列且有良好谱分辨率的分析。由于它是全极点系统，可以用来分析所有的物理系统。

在AR模型σ2的分析方法中，假定所观测的数据x(n)是用均方差为的零均值白噪声序列w(n)激励一个全极点的线性系统时，由不变离散时间系统H(z)得到，用差分方程表示的信号为：

其中， p是模型的阶数，aj是系数，该模型记为AR(p)，它的系统转移函数为式为：

则x(n)的功率谱可表示式为：

基于AR模型的参数模型法需要选择合适的模型阶数，阶次选择的太低，谱分辨率不够，阶次太高，谱估计曲线中又会出现实际不存在的虚假细节(谱分裂现象)。采用最终预测误差判据法(Final Prediction Error Criterion ，FPE(p))[8]，如式(4)所示：

其中，N为分析数据的长度，σp2为P阶模型有预测误差功率的估计。

图5为图4的去趋势后的R-R序列的FPE(p)曲线，选择曲线中的极小值p作为理论最优阶次，此序列的理论最佳阶次为21。根据实际数据和分析经验确定最合适的阶次p值，HRV分析中p值通常在16-22之间[9]选择。

图5 基于PEP准则的FPE值与p的关系曲线Fig.5 The determine of order based on FPE

2.6 AR模型的系数确定

对AR模型的系数，选用基于前后相预测误差功率之和最小的Burg算法求解。

2.7 功率谱估计的实现

确定了AR模型的阶数和系数后，使用式（3）可实现基于AR模型的R-R序列的功率谱估计。对图4的R-R序列做阶数为21阶的512点的功率谱估计曲线，如图6所示，从图中可以看到在频率约为0.1 Hz和0.23 Hz的位置上各有一个峰，它们分别代表了交感神经和迷走神经的活动性。

图6 功率谱估计Fig.6 The power spectrum of HRV

2.8 HRV的频域参数

常用的HRV频域参数有TP，LF，HF，HFnorm和LFnorm，它们的定义如表1中所述。

表1 常用的 HRV的频域参数Tab.1 the frequency domain parameters of HRV

2.9 时域参数

常用的时域分析参数，有相邻R-R间期差值的均方根（r-MSSD）和R-R间期标准差（SDNN），它们的如下：

其中，N为正常心博总数，RR和RRi+1是相邻两个窦性心动周期的长度。

其中，N为正常心博总数，RRi是第第i个R-R间期，RR是N个心博的R-R间期的平均值。

3 系统应用

3.1 引导呼吸实验

对10名健康成年男性在引导呼吸节律为14 次/min、12.5 次/min、11 次/min、9.5 次/min、8 次/ min、7次/min的渐变过程中对心率变异性进行分析。进行18阶的512点的功率谱分析，得到的功率谱曲线如图10所示，(A1)～(A6)分别为呼吸率从14次/min逐渐降低到到7次/min相对应的功率谱估计曲线。

图10 某个受试者的频谱曲线（p=18, 512点）Fig.10 The spectrum of HRV of a testee(p=18, 512 samples)

图11 TP随引导呼吸的变化曲线Fig.11 The Curve of TP with respiratory rate

图12 SDNN随引导呼吸的变化曲线Fig.12 The Curve of SDNN with respiratory rate

对10名受试者的HRV各个参数取平均值，经t检验，参数TP和SDNN随呼吸频率的变化具有显著性的变化，它们随呼吸率的变化如图11和图12所示：

时域SDNN和频域TP分别表示时域、频域的总心率变异性。在引导呼吸的过程中，总变异性除在个别点（12.5 次/min）略有下降外，整体的变化趋势是随呼吸率减慢逐渐增强的，提示减慢的呼吸可以提高总的心率变异性。这个结果与文献[10-11]的结果一致。

3.2 体位变化实验

对5名受试者取平卧静息状态（背部紧贴床面，15o头倾斜）和直立位（双手自然下垂），分析两种状态的心率变异性。图13 和图14分别为一个受试者在平卧和直立位时的功率谱（阶数16阶，512点）。

对5名受试者的HRV各个参数取平均值进行t检验，结果显示HFnorm显著降低；LFnorm和LF/HF显著增高。这表明从平卧位到直立位，交感神经活动性明显增强，迷走神经活动性显著降低，在自主神经系统中交感神经占主导地位。此可能机制是心脏血管的机械压力反射作用，在转为直立位后，由于回心血量减少，压力反射增强，交感神经兴奋，抑制了迷走神经的活动。

图13 平卧体位的HRV频谱Fig.13 The power spectrum in supine

图14 直立体位的HRV频谱Fig.14 The power spectrum in orthostatic

4 结论

对10名受试者在相同的条件下，用SA-3000P和本系统分别检测心率变异性的功率谱参数，将结果进行数据相关性比对，显示两台设备的TP参数相关性为77.41%，LF的相关性为66.73%，HF的相关性94.05%。 LF的差异的原因与滤波处理有关。欧洲心脏协会、北美起搏和电生理学会的心率变异性的理论标准，对R-R序列的滤波处理没有规定。实际信号的滤波处理是由采集硬件、信号中噪声的类型和强度所决定，滤波（包括噪声滤波和趋势滤波）的引入必定会对有效信号强度有所削减，因此这样的相关性结果足以说明本系统算法的有效性

本系统可应用于各类与心率变异性相关的研究。目前我们只进行了对健康受试者在不同生理、心理和运动状态下的自主神经系统中交感神经和迷走神经活动性变化的研究。今后进一步可推广至精神压力负荷和心理情绪状况的研究，以及因自主神经系统受损导致的各类疾病，如糖尿病、动脉硬化等的早期检测评估。

[1] Marek Malik Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart Rate Variability--Standards of Measurement, Physiological Interpretation, and Clinical Use[J]. Circulation, 1996, l93: 1043-1065.

[2] 王步青, 李开元, 王卫东, 等. 基于LabVIEW的多通道生理参数显示分析软件[J]. 北京生物医学工程, 2010, 29（3）: 291-293.

[3] 李勇, 徐震. MATLAB辅助现代工程数字信号处理[M]. 西安: 西安电子科技大学出版社. 2002

[4] 王步青, 王卫东. 基于LabVIEW的虚拟心电分析仪中的R波检测算法研究[J]. 科学技术与工程, 2006, 6(21): 3401-3404.

[5] M A Garcia-Gonzalez, C Vazquez-Seisdedos,R Pallas-Areny. Variations in breathing patterns increase low frequency contents in HRV spectr [J]. Physiol, Meas, 2000, (21): 417-423.

[6] Rosen H, Craelius W, Curcie D, et al. Spectral analysis of heart variability in the newborn infant[J].Biol Neonate,2000,77:224-229.

[7] Mika P. Tarvainen, Panta-aho, Pasi A. Karjalainen.An advanced detrending method with application to HRV analysis[EB/OL] [2010-3-21]. http://venda.uku._/research/biosignals.

[8] 杨福生, 高尚凯. 生物医学信号处理[M]. 北京: 高等教育出版社, 1989

[9] Anita Boardman, Fernando Soares Schlindwein, et al.A study on the optimum order of autoregressive models for heart rate variability[J].Physiological Measurement 2002, (23): 325-336.

[10] Maria Vittoria Pitzalisa, Filippo Mastropasquab, Francesco Massari, et al. Effect of respiratory rate on the relationships between RR interval and systolic blood pressure fluctuations: a frequencydependent phenomenon[J]. Cardiovasc Res, 1998, 38: 332-339.

[11] E Grossman, A Grossman, Schein MH, et al. Breathing-control lowers blood pressure[J]. Joural of Human Hypertens, 2001, 15(4): 263-269 .

The Development of Heart Rate Variability Analysis System

【Writers 】Wang Buqing, Zhang Zhengbo, Wang Weidong
Medical Support Center, Chinese PLA General Hospital, Beijing, 100853

heart rate variability, time domain, frequency domain, autonomic nervous system(ANS), sympathetic nerve, vagus nerve

R540.4+1

A

10.3969/j.issn.1671-7104.2012.05.006

1671-7104(2012)05-0333-05

2012-07-19

北京市自然基金资助（3102028）

王步青，工程师，E-mail：wangbuqing040625@126.com

王卫东，博士生导师，研究员，E-mail: wangwd301@126.com

系统的交感神经和迷走神经活动性的变化，为与心率变异性相关的研究提供了分析工具。

【 Abstract 】A heart rate variability (HRV)analysis system is presented. The change of the activity of Sympathetic and vagus nerve is evaluated by detecting the parameters of heart rate variability of the testee in different states using the system. The system provides a tool for the study of heart rate variability.