短时心率变异性频域指标分析方法的研究

崔艳斌，张 平

(1.长治医学院生物医学工程系，山西 长治 046000；2.第三军医大学大坪医院野战外科研究所，重庆 400042)

0 引言

心脏活动受到自主神经系统的调控作用[1]，例如交感神经的活性增强会释放去甲肾上腺素，导致心率的增加；迷走神经的活性增强会释放乙酰胆碱，导致心率的降低，两者相互依赖，共同维持人体生理环境的动态平衡。对于自主神经系统功能的测定有很多方法，但是心率变异性作为唯一一个可以定量测定自主神经系统活性的方法[2]，能够测定自主神经系统某一成分的变化情况，被广泛用于医疗行业。心率变异性指的是连续心跳之间瞬时心率的微小变化，即相邻RR间期的细微涨落。心率变异性反映了交感神经、副交感神经的张力以及两者之间平衡的重要指标，与很多疾病尤其是心血管方面的疾病有着很大的关系，可以用来诊断甚至预防心血管疾病[3]，是预测心脏性猝死以及心律失常的一项极其重要的指标[4],对心率变异性的研究有着十分重要的临床意义和科研意义。

心率变异性的分析方法有时域分析法和频域分析法[5]。然而时域分析法丢掉了信号的时序信息,不够全面，频域分析法是研究史上的里程碑,它揭示了谱中高频成份反映和呼吸相关的心脏迷走神经的活动,低频成份反映和血管舒缩系统的变化相关的心脏交感神经活动或交感神经和迷走神经的共同活动[6]，故心率变异性的频域指标能够较好地反映自主神经系统活性的变化情况。

在临床上，5 min时长以内的心率变异性分析称为短时心率变异性。由于病人的不稳定性无法采集长时间的数据进行分析，而随着数据时长的改变，心率变异性频域指标也会产生显著差异[7]。对于心率变异性频域指标的求取有Welch和Lomb-scargle两种算法，本研究通过设置不同时长数据的对照组来分析心率变异性的频域计算方法，得出可用于短时时长心率变异性频域指标的求取方法。

1 方法

1.1 数据的获取

共17名20～23岁的健康受试者参与了本研究的数据采集工作，实验期间要求所有受试者以平躺姿势正常呼吸10 min。同时采集受试者的心电信号，采样率为200 Hz。

1.2 心电信号的处理

本研究中涉及的数据处理工作全部在Matlab 2015a平台上完成。

心率变异性是基于RR间期进行分析的，故为提取正确的R波位置尤为重要。然而在心电信号的采集过程中存在噪声及因为设备本身原因有基线漂移等问题存在，使得信号上下浮动和失真厉害，我们对其进行小波变换[8]来去除噪声。由于引入的是随机噪声，小波变换去噪对于随机信号效果很好，相比于传统带通滤波器，小波变换不仅可以滤除噪声基线漂移，而且还能凸显信号的特征部分，方便R波的提取，如图1。然后利用阈值法对R波进行提取，如图2。

图1 心电信号的原始图和小波变换去噪后的心电信号图

图2 R波提取图，图中小圆点为R波位置

我们对10 min时长的信号分别按照5 min、2 min、1 min的数据时长进行截取，然后分别求取两种方法下的不同时长数据的心率变异性频域指标nLF、nHF、LF/HF的值，并以10 min时长下心率变异性的频域指标nLF、nHF、LF/HF的值作为标准进行对比，心率变异性频域指标及其生理意义如表1。

表1 心率变异性频域指标及其生理学意义

2 结果

利用Welch算法求取不同数据时长下的心率变异性频域指标值如表2，利用Lomb-scargle算法求取不同数据时长下的心率变异性频域指标值如表3。结果表明相比于10 min心率变异性频域指标值，利用Welch算法求取的2 min时长下心率变异性指标值nLF和nHF均有显著性差异(P<0.05)，在1 min时长下的心率变异性指标值nLF、nHF和LF/HF均有显著差异(P<0.05)，而利用Lomb-scargle算法求取的心率变异性指标值不受数据时长的影响(P>0.05)。

表2 Welch算法求取心率变异性指标值(均值±标准差)

不同时长组的HRV指标分别与10min相比有统计学意义：*(P<0.05)表示两者有显著性差异。

表3 Lomb-Scargle算法求取心率变异性指标值

不同时长组的HRV指标分别与10 min相比有统计学意义：*(P<0.05)表示两者有显著性差异。

在本研究中我们使用配对T检验的方法对实验组和对照组进行分析。所有的数据分析均使用SPSS(version22.0,Inc.Chicago,IL,USA)软件进行计算，数据结果以均值±标准差的形式展现。同时定义P=0.05，当P<0.05表明两组数据在统计学上有显著差异，当P>0.05表明两组数据在统计学上无显著差异。

3 讨论

本研究的结果表明，使用Welch算法求取的心率变异性频域指标nLF、nHF、LF/HF的值会随着数据长度的变化而改变，使用Lomb-scargle算法求取的心率变异性频域指标nLF、nHF、LF/HF的值不会随着数据长度的变化而改变。即使用Lomb-scargle算法求取短时心率变异性频域指标是可行的，这样在临床上不必对病人进行长时间的监测来计算心率变异性的频域指标值，可以更加快速地发现发病原因。

由于Lomb-scargle算法是基于最小二乘法的原理，不需要对原始信号进行插值和重采样，故可以避免频谱的失真[9]。所以，当我们将其应用于不同时长数据的分析时，结果能够不受数据长度的影响，使得同一指标无统计学差异。

本研究还存在一些局限。第一，由于自身数据采集原因，没有采集更长久的数据来进行对比。第二，实验的受试者人数不是很多。在未来的研究中我们打算增加受试者人数以及监测时间来使结果更有说服力。

综上所述，利用Lomb-scargle算法可以用于求取短时心率变异性指标的频域指标。当在临床上应用时，不需要对病人进行长时间的监测来获取数据，可以大大缩短对病人情况的监测时间，同时结果准确可靠，具有一定的实际意义。