一种极短时自主神经状态的光电容积波多参量分析方法
【专利摘要】本发明公开了一种极短时自主神经状态的光电容积波多参量分析方法，涉及一种数字信号处理方法；包括下述步骤：采集被测部位皮肤表层微血管床血液容积变化的光电容积波数字信号；对该信号去基线处理，检测容积脉搏波每拍的峰值点和谷值点；计算得到间期、幅度和基线参量；以小于1分钟的时间间隔对光电容积波及三个参量进行分段；对分段内的间期、幅度和基线三个参量分别进行归一化处理，求得三个彭家莱图量化指标；对光电容积波间期、幅度和基线三个参量分别求一阶差分信号，再计算两两的相关系数；分析所得量化指标，通过数值变化进行自主神经状态的量化评估。本发明可能应用于临床自主神经状态跟踪分析以及日常家庭健康监护。
【专利说明】一种极短时自主神经状态的光电容积波多参量分析方法
【技术领域】
[0001] 本发明属于生物医学工程【技术领域】，涉及一种数字信号处理方法，具体涉及一种 极短时自主神经状态的光电容积波多参量分析方法。
【背景技术】
[0002] 当人处于病理状态或受到外部刺激时，比如睡眠呼吸暂停发生前后，激烈运动后 或急性药物反应时，心血管调节系统往往会产生快速响应。追踪检测心血管调节的这些动 态变化，对临床监护和病理生理研究有着十分重要的意义。
[0003] 目前临床上广泛使用心率变异性分析作为心脏自主神经状态的分析方法。心率 变异性分析通过计算比较心电信号RR间期时间序列的时、频域指标来评价自主神经功能， 一般可分为短时程（5分钟）和长时程（24小时）两种基本类型。由于标准心率变异性测 量有着严格的时间限制，而且还需要假定在这些时间段自主神经功能近似处于稳定状态。 因此不适于自主神经活动的快速、动态评测。也有研究者为展示心率的动态变化而采用了 时-频联合分析方法，但是因为缺少可量化的指标也难以对自主神经系统的快速变化进行 量化分析。然而在检测方法缺乏的同时，极短时（〈1分钟）自主神经活动变化被发现具有 越来越显著的临床诊断和濒危预警意义。因此对极短时心血管调节功能分析方法的需求日 益增强。
[0004] 近几年来，关于极短时自主神经状态分析的研究逐步开展。实验证实在稳定状态 下，从长度为10秒的心电信号中提取的相邻RR间期差值的均方根指标（rMSSD)能够准确 表征5分钟的平均心迷走张力的变化。而最新的研究结果则是从各种不同方法获得的心率 变异性指标中挑选出31个有可能用于30-拍心率变异性分析的指标，但是其有效性尚待进 一步评估。总体而言，由于心率变异性指标是表征自主神经系统对心脏节律调节的单一指 标，而且大多数指标基于统计方法得到。当数据长度有限时，误差明显，评估的准确性难以 保证。这些被筛选的极短时心率变异性指标也难以有效反映出通过局部自主神经调节、通 过中枢神经和荷尔蒙调节的整体心血管调节状态。
[0005] 光电容积波信号（PhotoPlethysmograph,PPG)是通过光电技术获得的反映外周 组织中微血管床血液容积变化的检测信号。该信号已被广泛应用于血氧饱和度和心率的监 测。由于光电容积的检测点位于循环系统的下游，因此几乎心血管调节活动的所有结果都 可能从光电容积波的不同参量中得以体现。现有研究显示，基于光电容积波的脉率间期参 量的变异性已被认为可以替代心电信号来获得心率变异性；光电容积波脉搏幅度参量变化 与心输出量，血流灌注以及血管舒张等紧密相关；光电容积波的基线参量变化也可以作为 受呼吸调制的血容量指标，而血容量则主要受到中央静脉到右心房的回流变化的影响。这 些参量从不同方面都体现了自主神经系统对心血管系统功能的调节活动。因此，同时对光 电容积波中不同参量的变化进行评估就有可能得到一种更为全面的心血管调节的检测方 法。
[0006] 在分析信号动态变化的诸多方法中，彭家莱图（P〇incar6plot)是能够从时间序 列中直观显示系统动态特性的二维可视化工具。彭家莱图常用的定量分析指标为SDl和SD2。其中SDl为彭家莱图中在y=X轴两侧，即与该轴方向垂直的散点离散宽度，反映了 相邻点的差异，表达序列的瞬时或短时变化；而SD2则是沿y=X轴方向的散点离散长度， 表现的是序列的总体变异程度。彭家莱图这种定量分析方法已被广泛应用于标准的心率变 异性分析，RR序列的SDl和SD2以及SD1/SD2已被证实能够分别表征副交感活性；交感和 副交感的整体作用；交感和副交感的平衡。这种非线性的分析方法的优点还在于其对信号 平稳性以及长度没有严格的限制，因此适用于极短时信号的动态检测。已有研究组将5s的 彭家莱心率指标用于自主神经功能的动态分析。而作为定性和定量地分析混沌现象的经典 方法，彭家莱图的应用并不应局限于心率的分析。也就是说，现有仅基于心率变异性的研究 方法对于极短时自主神经状态分析还存在较大的局限性。
【发明内容】
[0007] 为了克服上述现有技术存在的缺陷，本发明的目的在于提供一种极短时自主神经 状态的光电容积波多参量分析方法，该方法是利用光电容积波多参量归一化的彭家莱非线 性指标以及参量间的相关系数对极短时自主神经系统状态进行量化表征，该方法使用简便 无创，比单一的心率变异性指标更能反映自主神经系统的整体状态。
[0008] 本发明是通过以下技术方案来实现：
[0009] -种极短时自主神经状态的光电容积波多参量分析方法，包括以下步骤：
[0010] 1)采集被测部位皮肤表层微血管床血液容积变化的光电容积波数字信号；
[0011] 2)对采集得到的光电容积波数字信号进行预处理，去除该光电容积波数字信号的 基线；
[0012] 3)根据步骤2)得到的预处理信号，检测光电容积波每拍的峰值点和谷值点；
[0013] 4)根据峰值点和谷值点计算每拍的峰值间期变量、每拍峰值点强度变量及每拍峰 值点与谷值点的强度差异变量；其中，每拍峰值点与谷值点的强度差异变量为幅度变量，每 拍峰值点强度变量为基线变量；即得到间期变量、幅度变量及基线变量这三个参量信号；
[0014] 5)对步骤4)得到的三个参量信号按照小于1分钟的时间长度同步进行分段处理， 得到三个分段参量信号；
[0015] 6)对步骤5)得到的三个分段参量信号分别进行归一化处理；
[0016] 7)对步骤6)中得到的归一化参量分别求彭家莱图的标准差指标SD1、SD2和两个 标准差的比值SD1/SD2;
[0017] 8)对步骤6)中得到的归一化参量分别求得两两之间的线性相关系数；
[0018] 9)对步骤5)得到的峰值间期变量、幅度变量和基线变量分别求一阶差分，得到三 个变量的差分信号；
[0019] 10)对步骤9中求得的三个参量的差分信号求取两两之间的线性相关系数。
[0020] 所述步骤1)中采集的光电容积波数字信号是采样频率在500Hz以上未经过滤波 处理的原始光电容积波数字信号。
[0021] 步骤6)所述的归一化处理是指取分段参量中的每一个数据与该段参量中的最大 值进行比值计算，具体方法为：
[0022] 先找出分段数据中的最大值，段内每一个数值与最大值的比值即为该数的归一化 值；
[0023] 设尚散序列X(j)，j= 1，2,…，N;
[0024] 该序列的最大值Xmax =Max{X(j)，j= 1，2,? ? ?，N};
[0025]则归一化的序列NX(j)，j= 1，2,…N为：
[0026]
【权利要求】
1. 一种极短时自主神经状态的光电容积波多参量分析方法，其特征在于，包括以下步 骤： 1) 采集被测部位皮肤表层微血管床血液容积变化的光电容积波数字信号； 2) 对采集得到的光电容积波数字信号进行预处理，去除该光电容积波数字信号的基 线. 3) 根据步骤2)得到的预处理信号，检测光电容积波每拍的峰值点和谷值点； 4) 根据峰值点和谷值点计算每拍的峰值间期变量、每拍峰值点强度变量及每拍峰值点 与谷值点的强度差异变量；其中，每拍峰值点与谷值点的强度差异变量为幅度变量，每拍峰 值点强度变量为基线变量；即得到间期变量、幅度变量及基线变量这三个参量信号； 5) 对步骤4)得到的三个参量信号按照小于1分钟的时间长度同步进行分段处理，得到 三个分段参量信号； 6) 对步骤5)得到的三个分段参量信号分别进行归一化处理； 7) 对步骤6)中得到的归一化参量分别求彭家莱图的标准差指标SD1、SD2和两个标准 差的比值SD1/SD2; 8) 对步骤6)中得到的归一化参量分别求得两两之间的线性相关系数； 9) 对步骤5)得到的峰值间期变量、幅度变量和基线变量分别求一阶差分，得到三个变 量的差分信号； 10) 对步骤9中求得的三个参量的差分信号求取两两之间的线性相关系数。
2. 根据权利要求1所述的一种极短时自主神经状态的光电容积波多参量分析方法，其 特征在于，所述步骤1)中采集的光电容积波数字信号是采样频率在500Hz以上，未经过滤 波处理的原始光电容积波数字信号。
3. 根据权利要求1所述的一种极短时自主神经状态的光电容积波多参量分析方法，其 特征在于，步骤6)所述的归一化处理是指取分段参量中的每一个数据与该段参量中的最 大值进行比值计算，具体方法为： 先找出分段数据中的最大值，段内每一个数值与最大值的比值即为该数的归一化值； 设离散序列X(j)，j= 1，2，···，Ν; 该序列的最大值Xmax =Max{X(j)，j= 1，2, · · ·，Ν}; 则归一化的序列NX(j)，j= 1，2,…N为： NX(J) =Yjl (1)。 ^max
4. 根据权利要求1所述的一种极短时自主神经状态的光电容积波多参量分析方法，其 特征在于，步骤7)中求彭家莱图的标准差指标SD1、SD2和两个标准差的比值SD1/SD2的具 体方法如下： 设离散序列X(j)，j= 1，2，···，Ν;该序列的均值为X，其自相关函数定义为： +00 Rx(k)=Σ-x(nMn~k) (2)； n=-co -〇°<η< + °°为第η个时刻，-°°<k< + °°为时间间隔，x(n),X(n-k)分别为第η 时刻和第n-k时刻的序列值； 彭家莱图横坐标为X(n)，纵坐标为X(n+1);则相邻点差值的标准差SDl按以下公式求 得： SDl2 =Rx(O)-Rx(I) (3)； V = V
- 则SD1/SD2为两者的比值。
5. 根据权利要求1所述的一种极短时自主神经状态的光电容积波多参量分析方法，其 特征在于，所述步骤8)和步骤10)中的线性相关系数的计算方法如下： 设两个离散序列分别为X(i)，i= 1，2,…，N和Y(j),j= 1，2,…，N，这两个序列的均 值分别为X和7,则这两个序列间的线性相关系数r按式（5)求得：
6. 根据权利要求1所述的一种极短时自主神经状态的光电容积波多参量分析方法，其 特征在于，所述步骤4)中每拍的峰值间期变量是指每拍峰值点对应的时间坐标之差值为 间期Ipp(j);每拍峰值点强度为该拍的基线Vp(j);每拍峰值点与谷值点的强度差异变量 为幅度Avp(j); 其中，j为脉搏波节拍的序号，为第j个脉搏波的峰值点，Ipp(j)表示第j个峰值间 期值，Vp(j)是第j个峰值的基线值，Avp(j)为第j个幅度值。
7. 根据权利要求6所述的一种极短时自主神经状态的光电容积波多参量分析方法， 其特征在于，所述步骤9)的峰值间期变量、基线变量和幅度变量的一阶差分信号分别为： DIpp(j)、DVp(j)和DAvp(j);且有： DIpp(J) =Ipp (j+D-Ipp(J) (6)； DVp(J) =Vp(j+1)-Vp(j) (7)； DAvp (j) =Avp (j+1)-Avp (j) (8)； 其中，DIpp(j)为间期的第j个一阶差分信号值；DAvp(j)为幅度的第j个一阶差分信 号值；DVp(j)为基线的第j个一阶差分信号值。
【文档编号】A61B5/00GK104305958SQ201410524618
【公开日】2015年1月28日 申请日期:2014年10月8日 优先权日:2014年10月8日
【发明者】陈翔, 李津, 魏建新, 王珏, 刘宁, 赵宗亚 申请人:西安交通大学