心电图和光电容积脉搏波计算心率变异性的比较研究

【作　者】王步青，柴晓珂，张政波，王卫东

1 解放军总医院医学工程保障中心，北京市，100853

2 解放军医学院，北京市，100853

心电图和光电容积脉搏波计算心率变异性的比较研究

【作者】王步青1，柴晓珂2，张政波1，王卫东1

1 解放军总医院医学工程保障中心，北京市，100853

2 解放军医学院，北京市，100853

采集46名健康成年人自主呼吸状态下的同步心电和光电容积脉搏波信号，从心电图中提取心跳间期，从光电容积脉搏波中提取脉搏间期，分别计算心率变异性。脉搏间期的提取采用了二阶差分极大值法、主波波峰法和切线法这三种不同的特征点识别算法。结果显示基于光电容积脉搏波的三种不同特征点识别算法获得的心率变异性结果与使用心电获得的心率变异性结果高度相关。Bland-Altman图显示主波波峰法的计算结果较其它两种方法的结果的相对偏倚值的标准差最小，一致性限外的奇异点最少。

自主呼吸；心电图；光电容积脉搏波；心率变异性

0　引言

心率变异性(Heart Rate Variability，HRV) 通过分析逐次心动周期的时间差别，获得反映植物性神经系统活动的指标[1]。通过计算频域的HRV参数，可以无创性地对个体的交感神经和迷走神经的张力、两者的均衡性及其对心血管活动的影响进行评估。迷走神经兴奋时，HRV幅度大，而迷走神经功能受损时，HRV幅度小。生理实验已证明：正常人的HRV较大，而患有冠心病、各类心律失常、充血性心力衰竭、高血压、糖尿病等病人的HRV则明显地减小。目前，HRV分析在科研和临床的应用研究非常广泛，几乎包含了所有心血管疾病以及糖尿病等很多非心血管疾病，已成为心电信息学中十分热门的课题。

光电容积脉搏描记术 (PhotoPlethysmoGraphy，PPG)是19世纪30年代由Hertzman发明的，是一种借助光电手段在组织中检测血液容积变化的无创检测方法[2]。光电容积脉搏波利用光电探测器对透射光或散射光进行探测，获得的脉搏血流容积变化波形。光电容积脉搏波呈现的脉动性变化，与心脏搏动相关，它同时反映了血氧饱和度、心输出量、外周循环阻力、动脉顺应性等心血管系统相关的状态信息[3]。此外测量PPG波形不需要复杂而昂贵的仪器设备，且操作简便、性能稳定、具有无创和适应性强等诸多优点，在临床监护和移动生理参数监测等领域获得了广泛应用。

早在1986年，Altemeyer等就开展了用PPG信号的脉率来代替心率的研究，研究结果显示二者具有较好的一致性[4]。之后Lindberg、Nakajima、Atlasz等也开展了类似的实验研究，均得到二者一致性的结论[5-7]。若脉率间期可以代替心跳间期进行HRV分析，则可以使测量仪器的成本和复杂性以及操作人员的专业性大大降低，从而在临床监护、生物反馈、自主神经系统状态评价等方面获得广泛的应用。典型的实验研究有：Chang对10个健康男性的静坐休息实验；Giardino等对16个健康受试者的静坐休息实验和对10个健康受试者的静坐压力测试实验；Lu对10个健康人的平躺实验。之前的研究为了保证采集数据的噪声干扰小、畸变小均采用了无心血管系统、循环系统疾病的健康成年人静坐或平躺的稳态数据，存在的问题是这些研究普遍存在受试者样本数量少，脉率间期计算方法不统一，一致性分析方法单一的问题，导致增大了随机误差、缺乏统一的比较标准和完整的一致性评价体系，完整的“一致性” 评价需要包括数据的集中趋势、离散趋势以及相关性分析[8]。

本研究分析了46个健康成年受试者在静坐状态下自主呼吸过程中的同步心电信号和光电容积脉搏波信号数据，研究了通过脉搏波获取的心率变异性分析结果与心电获取的心率变异性分析结果之间是否存在显著性差异。在脉搏波特征点识别方面，系统比较了三种常用脉搏波特征点提取算法的性能：二阶差分极大值法，主波波峰法和切线交点法。由于心率变异性频域方法能够定量评价自主神经系统活性和均衡性，本文在心率变异性分析方面，选取了常用的频域分析指标，包括总功率(TP)、低频功率(LF)、高频功率(HF)、标准化高频功率(HFnorm)和低、高频功率比(LF/HF)等，系统研究了上述三种算法在心率变异性频域指标估算方面的性能。

1　对象和方法

1.1实验方案

本文数据来自于我单位之前开展的渐进性引导呼吸实验中的ECG和PPG信号。参加实验的46名健康成年受试者，平均年龄(27.6±6.8)岁，均无心血管及循环系统疾病，该实验使用Biopac MP150多生理参数采集系统同步采集心电、呼吸、光电容积脉搏波信号等生理参数，采样率为1 000 Hz。实验过程为：受试者静坐在舒适的椅子上休息10 min后，进行呼吸率依次为[自主呼吸—14次/min—12.5次/min—11次/min—9.5次/min—8次/min—7次/min—自主呼吸]的引导呼吸，每个引导呼吸阶段持续3 min，引导呼吸的吸呼比为1:2。本研究采用初始阶段3 min的自主呼吸下的心电信号和光电容积脉搏波信号。提取每个受试者的去掉前、后各15 s的数据，取中间的2.5 min的数据进行分析。

1.2数据分析

1.2.1脉搏波基点识别算法

ECG波形中连续两个R波间的时间定义为R wave to R wave Interval，表示为RRI。脉搏波中连续两个特征基点间的时间定义为Pulse to Pusle Interval，表示为PPI。脉搏波特征基点的位置取决于脉搏波基点的定义，有三种常用的定义脉搏波基点的方法：

(1) 二阶差分极大值法 在脉搏波上升时段，寻找二阶差分的极大值点[9]，(图1自上而下，第一个图为ECG，第二个图为PPG的二阶差分，第三和第四个图为PPG)，如图1中PPG信号上的2号标示点，由此方法得出的脉率间期记为PPI1。

(2) 主波波峰法 脉搏波主波的极大值点[10]，如图1中PPG信号上的3号标示点。由此方法得出的脉率间期记为PPI2。

(3) 切线交点法 脉搏波上升时段内斜率最大点的切线与基线的交点[11]，如图1中的PPG信号上的1号标示点，由此方法得出的脉率间期记为PPI3。

图1　脉搏波基准点的三种定义方法Fig.1　Three kinds of definition method of reference point of pulse wave

1.2.2心电特征点识别算法

通过基于二阶差分极小值的QRS波识别算法提取R-R间期序列[12]。该算法经过30个健康成人的心电数据文件、25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。通过比较瞬时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，可有效识别错检的R波，保证检测结果的准确性。

图2　自主呼吸下的RRI与PPI1曲线Fig.2　The waveforms of RRI and PPI1 under spontaneous breathing

图3　自主呼吸下的PPI1、PPI2和PPI3曲线Fig.3　The waveforms of PPI1，PPI2 and PPI3 under spontaneous breathing

图2为自主呼吸下的某受试者2.5 min的RRI与PPI1的间期序列曲线，图3为PPI1、PPI2和PPI3的间期序列曲线。

1.2.3基于AR模型的心率变异性分析

(1) AR模型

AR模型由于具有良好的谱分辨率而被广泛采用于心率变异性频域分析。在AR模型的分析方法中，假定所观测的数据x(n)是由均方差为σ2的零均值白噪声序列w(n)激励一个全极点的线性时不变离散时间系统H(z)得到的，可用差分方程(1) 表示信号：

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（2）：

则x(n)的功率谱可表示为式（3）

(2) HRV频域分析

常用的短程（2～5 min的心电数据）的HRV的功率谱参数如表1所示，这些参数反映了自主神经系统的活性和均衡性。TP反映了自主神经系统总的活动性，HF反映了迷走神经的活动性，LF主要反映了交感神经的活动性， LFnorm反映交感神经活动的相对值，HFnorm反映迷走神经活动的相对值，LF/HF是二者均衡性的量化。

表1　常用的短程HRV功率谱分析指标Tab.1　Commonly used short-range HRV power spectrum analysis indicators

我们对46个受试者的自主呼吸状态下的3 min的ECG和PPG信号，分析前去掉前后各15 s的数据，确保受试者处于平稳自主呼吸状态。2.5 min心电数据经过人工检查，确保没有严重干扰和异位心搏。分别从ECG获得RR间期，从PPG获得PP间期PPI1、PPI2和PPI3。为进行HRV频域参数分析，我们对上述RR间期和PP间期序列做了4 Hz的三次样条重采样处理以获得均匀采样的时间序列，然后采用平滑先验原理[13]将超低频的趋势项成分去掉，提取512点的数据做基于Burg算法的19阶AR模型功率谱估计，得到HRV的频域参数（RRI、PPI1、PPI2、PPI3的心率变异性参数分别用HRV、HRV1、HRV2、HRV3表示）。

1.3统计分析

使用pearson相关系数来定量心率变异性参数HRV（使用RRI计算）分别与HRV1，HRV2，和HRV3（使用PPI1，PPI2和PPI3计算）的线性程度。由于相关系数不能同时兼顾随机误差与系统误差，用它来评价一致性具有片面性。Bland-Altman图方法是美国临床和实验室标准协会推荐的评价两种测量方法一致性的几何图形法[14]，同时它也可定量获得离散观测数据的集中趋势和离散趋势。因此，我们选择相关系数结合Bland-Altman图的方法来完整地对测量结果的一致性进行评价。使用SPSS17.0 做基于相关系数的统计分析，使用Matlab2007做Bland-Altman分布图。

2　频域分析结果

通过RRI和不同特征点识别算法的PPI获得HRV频域分析结果如表2所示，由表中的数据可以看到：基于PPG信号的三种方法计算得到的功率谱参数TP、LF、HF、HFnorm均大于基于ECG得到的结果，而LF/HF小于ECG的结果；三种基于PPG方法计算得到的心率变异性的功率谱参数与基于ECG得到的结果的相关系数均显著大于0.98（P＜0.01）：

通过RRI和三种基于PPG方法的PPI获得的HRV参数的Bland-Altman的一致性界限的结果见表3，三种方法中，PPI2计算得到的TP、LF、HF、LF/HF的Bland-Altman法中的相对于偏倚值（Bias）的标准差（1.96SD）最小。

表2　46名健康成年受试者的频域心率变异性计算结果Tab.2　Measurement of ECG and PPG in 46 healthy subjects

表3　RRI和三种PPI的心率变异性的Bland-Altman一致性结果Tab.3　Measurement of ECG and PPG in consistency results for Bland-Altman

3　结论

本文分析引导呼吸过程中的46个健康成人静坐自主呼吸时的同步心电和光电容积脉搏波信号的心率变异性参数，对光电容积脉搏波信号采用三种常用的脉搏波基点分析方法：①二阶差分极大值法；②主波波峰法；③切线交点法，获得对应的脉率间期PPI。结果显示：基于PPG信号的三种方法计算得到的功率谱参数TP、LF、HF、HF norm均大于基于ECG得到的结果，而LF/HF小于ECG的结果，这个结果与文献[15-18]一致。基于PPG的参数LF/HF的较小，可能是由于呼吸引起胸阻抗的变化后，会导致外周循环阻力的变化，导致PPG波形和特征点的改变，引起脉率的变化；同时由于神经系统的调节作用，呼吸运动会通过呼吸性窦性心率不齐（RSA）作用于心率，导致PPG受到呼吸信号的双重调制，使得HF增大的更多，而产生PPG信号的 LF/HF小于心电信号的LF/HF的实验结果[19]。

此外，本研究发现：基于PPG信号和ECG信号得到的HRV计算结果差异性的一个重要影响因素是呼吸运动。可以由图2看到在呼吸相位的转换期即：吸气末和呼吸末，RRI与PPI1的差异变大，其它时间两者的跟随性很好。由于基点选择方法的差异，图3三个间期在呼吸的影响下，尤其是在呼吸动作的变化时刻有着明显变化。理论上，PPG信号的任何一点都可以作为基准点，选择有特征的特定的基准点可以使计算方法简化，PPG信号容易受外界环境的干扰而发生畸变，导致测量的PPI不准确，因此综合评价各种外界干扰对波形基准点的影响，选择合适的基准点仍然是研究的主题。三种方法定义不同，适用范围存在一定的差异性。对于特定的应用，不同的方法会得到不同的结果，通过对比可以确定哪种方法具有相对优越性。表3表明，对于三种计算方法，PPI2计算得到的TP、LF、HF、LF/HF的Bland-Altman法中的相对于偏倚值的标准差最小，95%一致性区间外的奇异点更少，因此认为基于主波波峰极大值的PPI2间期与RR间期具有更好的一致性，可优先选择用于替代自主呼吸状态下的健康成年受试者的HRV分析。

[1] 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[T]. Europ Heart J, 1996, 17:354-381.

[2] Herzman A, Spielman C. Observations on the finger volume pulse recorded photoelectrically[J]. Am J Physiol, 1937, (119):334-335.

[3] Korpas D, Harlek J, Dolezal L, et al. Parameters describing the pulse wave[J]. Physiol Res, 2009, 58(4): 473-479,

[4] Altemeyer KH, Mayer J, Berg-Seiter S, et al. Pulse oximetry as acontinuous noninvasive monitoring procedure. Comparison of 2 instruments(in German)[J]. Anaesthesist,1986,35:43-45.

[6] Nakajima K, Tamura T, Miike H. Monitoring of heart and respiratory rates by photoplethysmography using a digital filtering technique[J]. Med Eng Phys, 1996, 18: 365-372.

[7] Atlasz T, Kellenyi L, Kovacs P, et al. The application of surface plethysmography for heart rate variability analysis after GSM radiofrequency exposure[J]. J Biochem Biophys Methods, 2006,69:233-236.

[8] 盛骤. 概率论与数理统计[M]. 北京: 高等教育出版社, 2008.

[9] Mitchell GF, Pfeffer MA, Finn PV, et al. Comparison of techniques for measuring pulse-wave velocity in the rat[J]. Appl Physiol,1982: 203-210.

[10] Yu CX, He W, Xiao DP. Noninvasive measurement and evaluation of arterial stiffness[C]. IEEE EMBS, 2005, 5483-5485.

[11] Chiu YC, Arand PW, Shroff SG, et al. Determination of pulse wave velocities with computerized algorithms[J]. Am. Heart J, 1991(121): 1460-1470.

[12] 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): 3401-3404.

[13] Tarvainen MP, Ranta-Aho PO, Karjalainen PA. An advanced detrending method with application to HRV analysis[J]. 2002, 49(2): 172-175.

[14] Bland JM, Alman DG. Statistical methods for assessing agreement between two methods of clinical measurement[J]. Int J Nurs Stud, 2010, 47: 931-936.

[15] Selvaraj N, Jaryal AK, Santhosh J, et al. Assessment of heart rate variability derived from finger-tip photoplethysmography as compared to electrocardiography[J]. J Med Eng Technol, 2008, 32: 479-484.

[16]Charlot K, Cornolo J, Brugniaux JV, et al. Interchangeability between heart rate and photoplethysmography variabilities during sympathetic stimulations[J]. Physiol Meas, 2008, (30): 1357-1369.

[17] Lu G, Yang F, Taylor JA et al.A comparison of photoplethysmography and ECG recording to analyse heart rate variability in healthy subjects[J]. J Med Eng Technol, 2009, (33): 634-641.

[18] Gil E, Orini M, Bail on R, et al. Photoplethysmography pulse rate variability as a surrogate measurement of heart rate variability during non-stationary conditions[J]. Physiol Meas, 2010, (31): 1271-1290.

[19] Karlen W, Brouse CJ, Cooke E,et al. Respiratory rate estimation using respiratory sinus arrhythmia from photoplethysmography[C]. IEEE EMBS, 2011, 1201-1204.

The Study of the Measurement of Heart Rate Variability Using ECG and Photoplethysmographic Signal

【 Writers 】WANG Buqing1, CHAI Xiaoke2, ZHANG Zhengbo1, WANG Weidong1
1 The Medical Engineering Support Center of Chinese PLA General Hospital, Beijing, 100853
2 Chinese PLA Postgraduate Medical School, Beijing, 100853

In comparison with the measurement of heart rate variability from ECG and from photoplethysmographic signal from 46 healthy adults in their spontaneous breathing state. The beat-to-beat intervals in ECG and pulse-to-pulse intervals in photoplethysmographic signal are extracted，and then the parameters of heart rate variability are calculated. Three kinds of algorithms are chosen to get the pulse-to-pulse intervals, which are the intervals of maximum of second derivative，the maximum of PPG signal and the tangent intersection. The results show that the correlation coefficients of the HRV parameters in the two calculation methods are highly correlated. The Bland-Altman scattered plots show the relative bias results from the algorithm of the maximum of PPG signal are smallest and singular points that deviate from the consistent limits are the least compared with the other two algorithms.

spontaneous breathing, ECG, photoplethysmographic signal, heart rate variability

TH776；TP274

A

10.3969/j.issn.1671-7104.2015.04.004

1671-7104(2015)04-0249-04

2015-04-21

北京市自然基金资助项目(3122034)；国家科技支撑计划课题（2013BAI03B05）

王卫东，E-mail: wangwd301@126.com