第２６卷第５期２００７年１０月
北京生物医学工程
ＢｅｉｊｉｎｇＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ
Ｖ０１．２６Ｏｅｔｏｂｅｒ
Ｎｏ．５２００７
心率变异性分析方法的研究进展
王步青王卫东
摘要首先介绍了心率变异性（ＨＲＶ）的基于线性的时域和频域的分析方法，然后结合实例开绍丁心率变异性（ＨＲＶ）的一些非线性的特征量及分析方｛击。最后指出线性分析和非线性分析相结合，将会从更深的层次上挖掘ＨＲＶ中的信息，因而会成为未来ＨＲＶ研究的发展重点和方向。
关键词心率变异性；非线性分析；分析方法；研究进展中图分类号Ｒ３１８．０４
文献标识码Ａ
文章编号１００２—３２０８（２００７）０５—０５５１．０４
ＲｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｔｈｅｍｅｔｈｏｄｓｆｏｒｈｅａｒｔＥｎｇｉｎｅｅｒｉｎｇＤｅｐａｒｔｍｅｎｔ
ｒａｔｅ
ｖａｒｉａｂｉｌｉｔｙａｎａｌｙｓｉｓ
１００８５３
ＷＡＮＧ
Ｂｕｑｉａｇ，ＷＡＮＧＷｅｉｄｏｎｇ
Ｂｉｏｍｅｄｉｃａｌ
ｏｆＧｅｎｅｒａｌＨｏｓｐｉｔａｌ口，ＰＬＡ，Ｂｅｑｌｎｇ
ｌｉｎｅａｒｔｉｍｅ—ｄｏｍａｉｎ
【Ａｂｓｔｒａｃｔ】Ｆｉｒｓｔｌｙ，ｔｈｅ
ｐｒｅｓｅｎｔｅｄ．Ｔｈｅｎｔｈｅ
ａｎｄｆｒｅｑｕｅｎｃｙ－ｄｏｍａｉｎ
ｍｅｔｈｏｄｓｆｏｒ
ｏｎ
ａｎａｌｖｚｉｎｇｈｅａｒｔ
ｒａｔｅ
ｖａｒｉａｂｉｌｉｔｙ
ｍ
ａｒｅ
ｎｏｎｌｉｎｅａｒｃｈａｒａｃｔｅｒｉｓｔｉｃｅｓｔｉｍａｔｏｒｓａｎｄａｎａｌｙｓｉｓｍｅｔｈｏｄｓ
ＨＲＶｗｉｔｈ５０ｍｅｓｐｅｃｉｆｉｃｅｘａｍｐｌｅｓ
ｉｎｔｒｏｄｕｃｅｄ．Ｆｉｎａｌｌｙ，ｉｔｗｉｌｌ
ｉ目ｐｏｉｎｔｅｄ硼￡ｔｈａｔｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｂｏｔｈｌｉｎｅａｒｍｅｔｈｏｄｓａｎｄｎｏｎｌｉｎｅａｒｍｅｔｈｏｄｓｆｏｒＨＲＶ
ＨⅡａｌｙｓ／ｓ
ａｌｌ
ｄｉｓｃｌｏ∞ｍｏ”ｉｎｆｏｒｍａｔｉｏｎｆｒｏｍＨＲＶａｎｄｗｉｌｌｂｅｃｏｍｅ
ｉｍｐｏｒｔａｎｔｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄ
ｍｅｔｈｏｄ；ｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓ
【Ｋｅｙｗｏｒｄｓ】ｈｅａｒｔ
ｒａｔｅ
ｖａｒｉａｂｉｌｉｔｙ（ＨＲＶ）；ｌｉｏｎ—ｌｉｎｅａｒａｎａｌｙｓｉｓ；ａｎ出ｓｉｓ
心率变异性（ｈｅａｒｔ
ｒａｔｅ
ｖａｒｉａｂｉｌｉｔｙ，ＨＲＶ）是指连续心跳变化的统计学方法，主要包括统计学分析和几何图形分析。１．１．１统计学分析通过计算一系列有关Ｒ—Ｒ间期的数理统计指标，来评价心率变异性的临床价值。常用的统计参数指标如表１所示。
１．１．２几何图形分析几何图形分析就是对Ｒ．Ｒ间期的分布进行分析，给出Ｒ—Ｒ间期的变异度。常用的有Ｒ—Ｒ间期直方图、Ｒ—Ｒ间期差值直方图、ＨＲＶ的时问序列图。
基于时域的分析方法，计算简单，意义直观，易于为临床医生所接受，但是它的灵敏度、特异性低，不能进一步区分心脏交感、迷走神经的张力及其均衡性的变化，因此在实际中还要结合频域的分析方法。
问Ｒ－Ｒ倒期的微小涨落。ＨＲＶ反映了心脏交感神经和迷走神经活动的紧张性和均衡性，是一种检测自主神经性活动的非侵入性指标。近十年来的大量研究已充分肯定了自主神经活动与多种疾病有关系，特别是与某些心血管痍病的死亡率，尤其是摔死率有关。通过心电图（ＥＧＧ）对心率的微小涨藩的变换和处理来获得心血管系统．自主神经系统等有关信息的信号分析过程即ＨＲＶ分析，是近年来的研究热点之一。针对ＨＲＶ的研究对心血管疾病的早期诊断、病中监护以及预后评估等都有重要的意义。
目前ＨＲＶ的分析方法主要有基于线性分析的时域分析、频域分析和非线性分析这三类。其中时域分析法和频域分析法理论成熟、算法简单、各项指标意义明确，因此较广泛地应用于牺床和医学实验中。近年来．随着非线性理论的发展。用非线性动力学方法研究各种生理节律引起了国内外学者的注意，被认为有可能彻底改变生理学的传统面貌。耳前，ＨＲＶ的非线性分析仍然处于研究探索阶段，还没有实现临床应用。
１．２频域分析方法
将连续正常的Ｒ－Ｒ间期进行基于ＦＦＴ的经典谱估计或基于自回归ＡＲ模型的现代谱估计获得的功率谱密度，可以作为定量的指标来描述ＨＲＶ信号的能量分布情况。它将各种生理因素作适当分离后进行分析，因而有较大的临床应用价值。常用的谱参敷如表２所示。
１基于线性分析的方法
１．１时域分析方法
时域分析是通过统计学离散趋势分析法计算Ｒ—Ｒ间期
１．３时域及频域参数之间的相关性
研究表明，ＨＲＶ肘频参数之问存在着一定的相关性。Ｂｉｇｇｅｒ等人通过对心梗两周后的病人的ＨＲＶ的时频域参数的研究表明除了ＳＤＮＮ和ＳＤＡＮＮ有非常强的相差性（相关系效为０．９８）外，ｒ－ＭＳＳＤ和ＰＮＮ５０也具有较强的相关性（相
作者革位：解放军总医院生物医学工程研究室（北京１００８５３）作者筒舟：壬步青（１９８１－－）．女，硬士，主要从事医学信号处理方面
的研究
关系数为０．９３）”１。Ｋｌｅｉｇｅｒ等人通过对１４个健康对象的ＨＲＶ的研究表明’ｒ＿ＭＳＳＤ和ＰＮＮＳ０具有相关系数是０．９６的强相关性０１。这种相关性表明，这些参数是和相同的调制
・５５２・
北京生物医学置獠
寝１常用的ＨＲＶ肘域缱计参数
Ｔａｂｌｅ１
ＣｏｍｎｌｏＲ
第２６卷
ｔｉｍｅ・ｄｏｍａｉｎｓｔａｔｉｓｔｉｃａｌ
参教定义
ｐａｒａｍｅ㈣ｏｆ
ＨＲＶ
参数名袜
Ａ
参数意＿望
短获Ｒ－Ｒ勰鬻懿手鸯瘩乎评估２４ｈ长程ＨＲＶ的总体梵
垮藿（ＭＥＡＮ）
ＭＥＡＮ：纛＊∑ＲＲ；／Ｎ
Ｉ■ｉ
总体标准釜（ｓｎＮＮ）
ＳＤＮＮ＝√专鬲（Ｒ＂－）’
ｓＤＡＮＮ
——墨＿＝＝＿—。；二ｉ
＾＃—————————————一
秽…
～～
均值标准差（ＳＤＡＮＮ）
２√磊（再瓦＿面ｉ：：－）２／２８８，
反映ＨＲＶ中的慢变化成分
标捱差均僮《ＳＤＮＮＤ
ｓ。嘲ｎ掘；＝ｘ嚣ｓＤＮ碥ｎ峨／２８９。ｓ醐粥ｎｄ％舞摹ｔ巾５面ｎ内辨ｓ洲Ｎ
，ＭＳＳＤ＝
ｉ：篓萎（５ｍ神心率的串坶
挺壤ＨＲＶ串兹抉童托藏分
差毽坶方转平方挂《ｒ－鞋ｓｓＤ）
器慕忑面
ｘｌｏｏ＊
嚣嚣嚣差值¨‰㈣百分比洲虮㈨。，ＴｏｔａＩＮＮｉ：：芸翼慧妻篡箸湍
衷２常用蚱ＨＲＶ懿璃瀵聋整
Ｔａｂｌｅ：Ｃｏｍｌ§ｏｎｐｏｗｅｒｓｐｅｃｔｒｕｍｐａｒａｍｅｔｅｒｓｏｆＨＲＶ
功磬参散
参数意义
蒜极低颤蜃㈤脚３３ｎ㈣旬的机制辄可能是与体温调节、肾亲ｍ臂嚣张素系统及体液因子等因索宥燕的长期的调节机制有关
ＬＦ低额段（０．０４一ｏ．１５Ｈｚ）的功率ＨＦ高频殷（０．１５ｍ０．４Ｈｚ）的功率ＴＰ信号总功辜ＶＬＦ、ＩＦ、ＨＦ的总和
ＬＦ／ＨＦ
解释仍然有争议，但是大多数学者认为也是变感神经话动的标志由迷走神缎舟导，代表呼吸变异信号总的蹙舜性
量豫交麟棒蛭张进走捧经张力的平衡状燕
税镧辐联系鹩，簌耪弱或褶骰曲测试幕锌节，可以作为彼范的替代参致使糯。
根据基本的数学理论．ＳＤＮＮ的平方反映的就是总的信号功率。因此，时域参数和频域参数闻必然存在着相关性。研究表明２４ｈＨＲＶ功率的每一频段，都至少有一个时域参数与之相关。根据Ｂｉｇｇｅｒ‘”、Ｋｌｅｉｇｅｒ‘＂、Ｓｔｅｉｎ‘”等人的研究实验：反陵连走棒疑撬秘静ＰＮＮ５０鞋噩卜・ＭＳＳＤ秘ＨＦ畜强撵美缝（相关系敷势掰是０。８９纛０．９２）；ＳＤＮＮｉｎｄｅｘ程ＶＬＦ、ＬＦ、ＨＦ都有强糍燕性（相关系数分别是０．９０，Ｏ．８９，ｏ．８２），表明ＳＤＮＮｉⅡｄｅｘ赘述走神经张力和变感神经张力的双重影响；ＳＤＮＮ、ＳＤＡＮＮ分别和ＴＰ、ＵＬＦ（频率柱１．１５
ｘ
熬撂串蕊涵静爵舞颓枣，它翻袋获静心辜变忧抟豫落机铡十分宥隈；而颡域分析的方｛击不论怒基于ＦＦＴ还是自回归ＡＲ模型汝都是将ＨＲＶ信号看作是平稳的随机信号来分析其鞘宰特性的，但ＨＲＶ信号被普遍认为是混沌的或是含有混｝电成分的倍擘，因此频域的指标也同样不能完全反映ＨＲＶ的
真实避壤。
・§率瓣菠囊苓是是环境嚣索（翔鸯瘁嚣嚣等）舞反获，瓣样在静止粒情嚣下也会产生。斌释节律性，和其宅的多襻生理节律（如呼吸）相互作用并且迸公受到微小的干扰的影响（心巅翠收缩等）。结果，这个时间序列在时间上不是常数．也不袭珊规则的周期性，也不能用线性方法来完全解释…。在常规麟举的大量宴践中也证明了各种商业仪器中的ＨＲＶ的计算指标具有非常大的局限性。
虢棼菲线牲饕支掌稳复杂毂辩孥抟发曩，越来憨多抟学者薅煞点集孛于栗磊基于瀑津理论彝努形莲论熬菲线性
１０１。一
９６，
０．００３３Ｈｚ的频段功率）具有相关性（相关系数ＳＤＮＮ：ｏ
０．７８；ＳＤＡＮＮ：０．９４，０
６８）。这些研究对解释、静析时域参数
的生理意义提供了褒避藏据。
２基手菲线性系统豹特征量秘努耩方法
基于线性分析的时域和频域分析在ｔｔＲＶ分析中已经趋于成熟．虽然时蛾和顺域指标能够在一定程度上反映出交感神经和迷走神经的活动水平，对于病人的ｊＩ茳护和治疗具有一定的指导意义，德悬时域指标如均值、标准惹等参数丢失了
动力学理论研究复杂的ＨＲＶ，稽攮使用这一区尉于传统的线性理论的研究工具来充分发掘潜藏柱ＨＲＶ信号中的信息。
２．１
非线性系统的特征量
吸引学的燕联维分形维数表示一
２．Ｉ．１分形维数（ＦＤ）
个集食的代表点在空间充壤的性璇。用ＨＲＶ重构相空间，
第５期心率变异性分析方法的研究进展
・５５３・
其在相空间的代表点（即吸引子）充填的疏密就用分形维数描述。分形维数与描述系统动力学规律所需的方程式的个数（自由度）有关。由于计数方式不同，分形维可用容量维和关联维表示。由于关联维比容量维更准确也更容易计算，且时问序列意义更加明确，所以关联维是更加常用的指标。
徐秋萍等的研究认为，ＦＤ能较好地反映心脏激动的复杂度和受控程度，并能较敏感地反映心脏的储备功能。ｌｒａｒｚｕｎ等人使用基于关联维的相关积分方法．来对比健康人和室性早搏患者的Ｒ．Ｒ间期。结果发现：研究关联维的关联积分方法可以清楚地揭示出健康人和室性早搏患者的心脏混沌特性。并使用关联维３．４０±０．５０和５．００±０８０分别区分两类对象”Ｊ。这个研究结果为今后建立心脏的动力学模型，更好地研究心脏的动力学特性提供丁理论依据。
２．１
２功率谱指数混沌序列的功率谱ｓ（力随频率，的变
化可类似地表示成幂律形式：ｓ（，）ｏｃｆ呻式中，卢称为功率谱指数。根据功率谱ｓ（力一，的大致形状可以估计‘信号大致的情况［６１。Ｐｅｎｇ等人通过确定长程的功率谱指数来评估健康人Ｒ—Ｒ问期序列的特性。当ＨＢＶ的功率和频率被以双对数的比例画出时，图线在ＶＬＦ范围内是斜率近似为一１的直线ｏｏ”，它表明了一千具有长程相关性的分形过程，说明某一刻Ｒ—Ｒ问期的波动和发生在之前的千百次心跳的变化都有关。Ｂｉｇｇｅｒ和ｃｏｗｏｒｋｅｒｓ最先对可以通过功率谱的衰减斜率来预测心梗后的死亡进行了报道。他们证明当斜率低于
一１
３７２时，就非常有可能发生心律失常死亡”１。
一项针对心梗预后的病人的心率研究表明，预后病人的
左心室功能衰竭的出现与功率谱ｓ（力一，的斜率显著地变小有关．斜率大小与左心室功能衰竭的程度相关”…。２．１．３近似熵（ａｐｐｒｏｘｉｍａｔｅｅｎｔｒｏｐｙ，ＡｐＥｎ）
近似熵是平克
斯（Ｓ．Ｐｉｎｃｕｓ）定义的一个适合于对短程数据进行分析的定量刻画系统规则度或复杂性的统计量““。随机运动的近似熵趋于无穷大，而混沌运动的近似熵为某一确定的正数。由于近似熵分析法的优点有：所需要的数据较短；具有较强的抗干扰能力；包含了时间顺序信息。近似熵可以反映心血管的调节模式。
Ｆｅｒｒａｒｉｏ等人介绍了一种通过近似熵和样品熵对ＨＲＶ进行长程和短程相结合的分析方法，为早期诊断胎儿宫内窘迫提供一个参考的量化方法“”。黄国建等人通过近似熵研究冠心病患者ＨＲＶ的改变。结果发现可以通过ＨＲＶ的近似熵的相对变化来评价受试者的心率调节机制””。２．１．４复杂性测度
目前。复杂廑的研究广泛应用在心电
和脑电实验中，而在实际临床上的应用还不多。复杂度的定义有多种。例如，有卡斯帕（Ｆ．Ｋａｓｐａｒ）和舒斯特（ＨＧ．
Ｓｃｈｕｓｔｅｒ）提出的复杂度方案Ｌ—ｚ复杂度，记为ｃⅢ当它越
接近１，则说明其相应的时间序列越复杂．反之则越规则”“；有洛佩斯一茹斯等人提出的统计复杂度ｃ瑾。“”；有费尔德曼等人提出的改进的统计复杂度ｃ虻”“。
ＨＲＶ序列的复杂性表现了ＥＣＧ信号Ｒ－Ｒ间期序列的随机程度。反映了决定这段ＥＣＧ序列的信息量的大小，表现了心脏受交感神经和迷走神经相互调节的有序程度。
裴文江对分成四组的４５只狗通过计算统计复杂度Ｃ，。等非线性参数对ＨＲＶ进行研究。结果表明这些依据不同情况分成４组的驹ｃＫ有较太的差别。这个结果反映的可能是心脏功能状态的差异Ⅲ１。２．２非线性分析方法
在研究ＨＲＶ信号的性质时，除了对一些特征量进行计算外，研究者还在不断地探索各种非线性动力学的研究方法，以期对信号进行更加深层次的研究和认识。
２．２．１
散点图法Ｌｏｒｅｎｚ散点图也称Ｐｏｉｎｃａｒｅ图，以某一个
Ｒ—Ｒ间期为横坐标，以相邻的下一个Ｒ・Ｒ间期为纵坐标绘制的图形。它包含了ＨＲＶ的线性和非线性的变化趋势，给出了心脏搏动的直观显示，能揭示非线性过程和非周期运动。研究指出，健康人的散点图多集中在４５。射线附近．呈彗星状．而心脏病人的散点图却因病理不同呈现出不同的形状”““’。此外，散点图分析法还引Ａ了向量长度指数（ＶＬＩ）（总体反映了Ｒ—Ｒ间期的变化程度）、向量角度指教（ＶＡＩ）（总体反映了相邻Ｒ－Ｒ间期的变化程度）Ⅲ１作为量化参数。目前，由于时域Ｒ—Ｒ间期的数据获取容易，教点图在表达ＨＲＶ与某些疾病的联系上简单直观，因此在临床上应用较多，已被医生认可，但是它的物理意义不是很明确。
２．２．２非线性预测方法非线性预测方法是根据已知的时间序列数据预测其以后数据，并指出预测的效果。从而由预测过程看出信号的规律，由此把规律运动、混沌运动和噪声区别开来。包含有局部预测、神经网络预测、杉原（Ｃ．Ｓｕｇｉｈａｒａ）和梅（Ｒ．Ｍ．Ｍａｙ）的非线性预测法等”“。
其中杉原（Ｇ．Ｓｕｇｉｈａｒａ）和梅（Ｒ．Ｍ．Ｍａｙ）的非线性预测法是一种常用的用于区分可能性混沌和噪声的比较简单和直观的预测方法，通过绘制实铡数据和预测数据的相关系数Ｐ与预测时间ｒ的Ｐ—ｒ关系曲线．来得出结论。
Ｆｏｒｔｒａｔ等人通过控制呼吸模式来研究呼吸对于ＨＲＶ的影响。通过对规律呼吸下的对象的Ｒ・Ｒ序列采用杉原（Ｇ．Ｓｕｇｉｈａｒａ）和梅（ＲＭ．Ｍａｙ）的非线性预测法分析后得出：处在规律性的呼吸状态下的Ｒ．Ｒ序列表现出的不是规则运动而是混沌特征－墨－。
２．２．３代替数据（ｓｕｒｒｏｇａｔｅｄａｔａ）分析方法代替数据是保存了原始数据序列的线性结构．而非线性依赖性被随机化了的数据序列。此法是根据特征量（如维数、熵、各阶矩）的差别的显著性进行判断的。是用来区别随机过程与非线性动力学过程的一种分析方法。Ｆｏｒｔｒａｔ等人选择代替数据方法来验证规律呼吸时的ＨＲＶ在是否具有非线性动力学特征。由于实测数据和代替数据存在显著差别，得出了此时的ＨＲＶ信号具有非线性动力学特性的结论阱１。Ｖｓ．ｖｏｅｃｋａｓ等人通过代替数据方法分析睡眠期间各个阶段的ＨＲＶ，给出了睡眠期
５５４
北京生物医学工程第２６卷
间的ＨＲＶ中存在非线性成分的结论””。
除了以上的非线性的分析方法外，还有粗离化谱分
析㈨、神经网络分析㈨、隐马尔可夫模型分析㈨、非稳定周
期轨道分析方法㈣驯等。
３结论
用基于线性分析方法的时域和频域分析方法来分析ＨＲＶ已非常成熟，并广泛地应用在临床评价和各种生理实验中。近年来，随着非线性理论及其分析方法的研究性应用的发展，开辟丁一条新的认识生物体的复杂性的途径，采用非线性的分析方法来研究生命节律是生命科学的未来发展方向。
可以预言，ＨＲＶ的研究将沿着线性和非线性方法有机结合的方向发展，这样就能为研究ＨＲＶ信号提供更加全面和综合的信息．即帮助人们从多十角度、多个层次充分揭示ＨＲＶ信号中潜藏的异常性和变化规律。参考文献
【１］ＢｉｇｇｅｒｊＴＪｒ，Ｆｌｅｉ褐】Ｌ．ＳｔｅｉｎｍａｎＲＣ，毗ｄ．Ｃｏｒｒｅｌａｔｉｏｎｓ
ａｍｏｎｇ
ｔｉｍｅ明ｄ／ｒｅｑｕｅｎｃｙ
ｄｏｍａｉｎｍｅⅢｔｕｒｅｇ０ｆｈｅａｒｔ
ｐｅｒｉｏｄ
ｖａｒｉａｂｉｌｉｔｙｔｗｏ
ｗｅｅｋｓ
ａｆｔｅｒ
ａｃｕｔｅ
ｍｙ们ａｒｄｌａｌ
ｉｎｆａｒｃｔｉａｎ
Ａｍ
ＪＣａｒｄｉ０１．１９９２，６９：
８９１—８９８
［２］Ｋｆｏｉｇｎｒ
ＲＥ，ＢｉｇｇｅｒＪＴＪ｜，Ｂｏｓｎｅｒ
ＭＳ，ｅｔ
ａ１．Ｓｔａｂｉｌｉｔｙ
ｏｗ
ｔｉｍｅｏｆ
ｖａｒｉｎｂｌ船ｍｅ蚰ｕｆｉｎｇ
ｈｅａｒｔ
ｒｏｔｅｖａｒｉａｂｉｌｉｔｙｉｎ
ｎｏｍａｉｓｕｂｊｅｃｔｓ．ＡｍＪ
Ｃａｒｄｉｌｏ，１９９１，６８：６２６—６３０
［３］Ｓｔｅｉｎ
ＰＫ．Ｐｏｔｔｍａｎ
ＪＮ，Ｋｌｅｉｇｎｒ
ＲＥＴｉｍｅ
ｄｏｍａｉｎ㈣ｒ∞ｏｆ
ｈｅａｒｔｒａｔｅ
ｖａｒｉａｂｉｌｉｔｙ舶Ｂｕｒｒｏ酗ｃ∞ｆｏｒ
ｆｒｅｑｕｅｎｃｙ
ｄｏｍａｉｎｍ船蛐ｒ∞
ｉｎ
ｓｔａｂｌｅｃｏｎｇｅｓｔｉｖｅ
ｈｅａｒｔ
ｆｏｉｌｕｍｐａｔｉｅｎｔｓ
ａｎｄ肼ｍａｌｓ．
Ｃｉｒｃｕｌａｔｉｏｎ．１９９４．９０：Ｉ一３３１
［４］Ｆｅｄｅｒｊｃｏｂｏｍｂｅｒｄｉ，ＭＤ，ＦＥＳＣ．Ｃｂｅｃｓ
Ｔｈｅｏｒｙ，Ｈｅａｒｔ
Ｒａｔｅ
Ｖａｒｉａｂｉｌｉｔｙ，ａｎｄＡｎｈｙｔｈｍｉｎＭｏｒｔａｌｉｔｙ
Ｃｉ唧ｕｉｎｒｉｏｎ，２０００：１０１
［５］
）ｒｕⅡｕｎ
ＩＭ，ＣｏｒｄｅｍＭＣ，ｅｔ
ａｌ
Ｎｏｎ－ｌｉｎｅａｒ
ｐｒｏｐｅｒｔｉｅｓ
ｏｆＲ—Ｒ
ｄｉｓｔｒｉｂｕｔｉｏｎｓｆｉｌｌ
ａ
ｎｌｅａｆｕｌｔｅ
ｏｆｈｅａｒｔ
ｔａｌｅ
ｖａｒｉａｂｉｌｉｔｙ．ＣｈⅫ．
Ｓｏｌｉｔｏｎｓ蚰ｄＦｒａｃｍｌｓ．２００３，（１６）：６９９—７０８
［６］剂式选，刘式适分形和分维引论［Ｍ］．第２版．北京：气象出
版杜，１９９５：２７—２８
［７］Ｐｅｎｇ
ＣＫ．Ｍｉｅｔｕｓ
Ｊ，ＨａｕｓｄｏｒｆｆＪＭ，ｅｔａｌ，Ｐｈｙ
Ｒｅｖ
Ｌｅａ，１９９３。
７０：１３”
［８］ＨａｖｌｉｎＳ。ＢｕｌｄｙｒｅｖＳＶ，ＧＭｄｂｅｒｇｎｒ
ＡＬ，ｅｔ
ａ１．Ｃｈａｃｅ．ｓｏｌｉｔｅｎａ
＆Ｆｒａｃｔａｌｓ，１９９５，６：１７１—２０１
［９］Ｂｉｇｇｅｒ．ＩＴＪｒ，ＳｔｅｉｎｍａｎＲＣ，ＲｏｌｎｉｔｚｋｙＬＭ，ｎ
ａｌ
Ｐｏｗｅｒ
ｌａｗ
ｂｅｈａｖｉｏｒ
ｏｆ
ＲＢ．ｉｎｔｍａｌ
ｖａｒｉａｂｉｌｉｔｙ
ｉａ
ｈｅａｈｈｙ
ｍｉｄｄｌｅ一州
ｐｅｒｓｏｎｓ．ｐａｔｉｅｎｔｓ
ｗｉｔｈ
ｚ℃ｃ：ｅｎｔ肛ｕｋｍｙ吨ａｒｄｌａｌ
ｉｎｆａｒｃｔｉｏｎ．ａｎｄ
ｐａｔｉｅｎｔｓｗｉｔｈｈｅａｒｔ
ｔｒａｎｓｐｌａｎｔｓ．Ｃｉｒｃｕｌａｔｉｏｎ，１９９６．２１：２１４２—
２１５Ｉ
［１０］ＬｏｍｂｅｏｄｉＦ，ＳａｎｄｍｎｅＧ＿Ｍｏｒｔ哪Ａ．ｅｔａｉ．Ｌｉｎｅ盯ａｎｄ
ｎｏｎｌｉｎｅａｒ
ｄｙｎａｍｉｃｓ
ｏｆｈｅａｒｔ
ｒａｔｅ
ｖａｒｉａｂｉｌｉｔｙ
ａｆｔｅｒ耻ｕＩｅ
ｍｙｏｃａｒｄｉａｌ
ｉｎｆａｒｃｔｉｏｎ
ｗｉｔｈ
ｎｏｒｍａｌａｎｄｒｅｄｕｃｅｄ
ｌｅｆｔ
ｖｅｎｔｒｉｃｕｌａｒｅｊｅｃｔｉｏｎｆｒａｅｔｌｏｎ．ＡｍＪ
Ｃａｒｄｉ０１．１９９６。７７：１２８３—１２８８
划秉正彭建华非线性动力学［Ｍ］北京：高等教育出版杜．
２００４：４２８—４２９
［１２］
Ｍａｎｕｅｌａ
Ｆｅｔｒａｒｉｏ，Ｍａｒｉａ
ＧＳｉｇｎｏｒｉｎｉ。Ｇｉｏｖａｎｎｉ
Ｍａ日ｔｎｅｓ。Ｈ正
Ｃｄｍ耐晰Ｉ
ｏｆ
ｅｎｔｒｏｐｙ－ｂａｓｅｄｒｅｇｕｌａｒｉｔｙ
ｅ“ｉｍ毗ｂ拈：ａｐｐｌｉｎａｔｌｏｎ协
ｔｈｅｆｅｅａｌｈｅａｒｔｍｔｅ
ｓｉｇｎａｌｆｏｒｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｆｅｔａｌ
ｄｉｓｔｒｅｓｓ．
ＩＥＥＥＴｒａｎｓ
ＢｉｎｍｅｄＥｎｇ，２００６，５３：１１９—２５
［１３］黄国建，钟燕，徐安，等冠心病患者ＲＲ问期序列的近似熵分析．临床心电学杂志，２００４，（１３）：２３—２５
［１４］ＫａｓｐａｒＦ．ＳｃｈｕｓｔｅｒＨＧ．Ｅ∞ｉｌｖ
ｃａｌｃｕｌａｂｌｅ
ｏｆｔｈｅ
ｃｏｍｐｌｅｘｉｔｙ
ｏｆｓｐａｆｉｏｔｅｍｐｏｒｔｄｐａｔｔｅｍｓ．ＰｂｙｓＲｅｖ，１９８７，Ａ３６（２）：
ｍ一㈣ｔ
８４２—８４８
Ｌｏｐｅｚ－ＲｕｉｚＲ．Ｍａｎｅ］ｈｉＨＬ．ＣａｌｂｅｔＸ．Ａ
ｓｔａｔｌｓｆｉｅａｌ㈣ｎ
ｏｆ
ｃｏｍｐｌｅｘｉｔｙ
ＰｈｙｓＬｅｔｔ．１９９５，Ａ２０９：３２１—３２６
［１６］
ｇｅｌｄｍａｎ
ＤＦ．ＣｒａｔａｂｄｉｅｌｄＪＰ
Ｍｅａｓｕｒｅｓ
ｏｆ
ｓｔａｔｉｓｔｉｃａｌ
ｃｏｍｐｌｅｘｉｔｙ：
Ｗｈｙ？Ｐｈｙｓ
Ｌｅｔｔ．１９９８．Ａ２３８：２４４—２５１
［１７］裴文江，杨绿壤，何振亚一种统计复杂性测度厦其在心率变异性信号分析中的应用生物物理学报，２０００．１６（３）：５６２—
５６８［１８］
Ｗｏｏ
ＭＡ．ｄ
ａｉＰａｔｔｅｒｎｓｏｆｂｅａｔ—ｔｏ—ｂｅａｔｈｅａｒｔｒａｔｅ
ｖａｒｉａｂｉｌｉｔｙ
ｉｎ
●
ｏｄｖ肌ｃｅｄ
ｈｅａｒｔｆａｉｌｕ他ＡｍＨｅａｒｔ
Ｊ，１９９２．１２３（３）：７０４—７１０
［１９］李方洁．Ｌｏｌｔｌｌｚ鼓点图临床心电学杂志．２００５．１ｄ（４）：３０７
［２０］
Ｔａｓｋ
Ｆｋｅ
ｏｆ
ｔｈｅＥｕｒｏｐｅａｎ
Ｓｏｃｉｅｔｙ
ｏｆＣａｒｄｉｏｌｏｇｙａｎｄｍｅＮｏｒｔｈ
Ａｍｅｒｉｃａｎ
Ｓｏｃｉｅｔｙ
ｏｆＰａｃｉｎｇａｎｄ
Ｅｌｅｃｔｒｏｐｈｙｄｉｏｌｏｇｙ．Ｈｅａｒｔ
ｒｏｔｅ
ｖａｒｉａｂｉｌｉｔｙ－ｓｔａｎｄａｒｄｓｏｆ
ｍ㈣ｍｍｅｍ．ｐｈｙｓｉｏｌｏｇｉｃａｌ
ｉｎｔｅｒｐｒｅｔａｔｉｏｎ
蛐ｄ
ｃｌｉｎｉｃａｌ
ｕ蛐［Ｊ］Ｃｉｍｕｉｎｔｉｏｎ，１９９６，９３（２）：１０４３—１０６５
［２１］
刘秉正，彭建华．非线性动力学［Ｍ］．北京：高等教育出版社，
２００４：４４１—４５４
［２２］
Ｆｏｒｔｒａｔ
ＪＯ．Ｙａ—ｏｔｏＹ．ＨｕｇｈｓｏｎＲＬ．Ｒｒｏｓｐｉｒａｌｏｒｙｉａｆｌａｅｎｅｅｓ加
ｎｅｌｌ—ｌｉｎｅａｒｄｙｎａｍｉｃｓｏｆｈｅａｒｔｒｏｔｅｖａｒｉａｂｉｌｉｔｙｉｎ
ｈｕｍａｎｓ．Ｂｉｄｏｇｉｃｄ
Ｃｙｂｅｒｎｅｔｉｃｓ．７７；１—１０
［２３］ＶａｗｎｅｃｋａｓＣ．ＪＵｌｂｉｋ聃，ｅｔ
ａｌ
Ｎｏｎ－ｌｉｎｅａｒｄｙｎａｍｉｃｓ
ａｎａｌｙｓｉｓ
ｏｆ
ｈｅａｒｔ
ｒａｔｅ
ｄｕｒｉｎｇｉｎｄｉｂｉｄｕａｉｓｌｅｅｐ
ｓｔａｇｅｓ．
［２４］
Ｙａｍａｍｏｔｏ
Ｙ。ＨｕｇｈｆｌＯｌｌＲＬ．Ｃｏａｒｓｅ—ｇ’ａｉｒｄｎ￥ｓｐｅｃｔｒａｌａｎａｌｙｓｉｓ：
ｎｅｗｍｅｔｈｏｄｆｏｒｓｔｕｄｙｉｎｇｈｅａｒｔｒｏｌｅ
ｖａｒｉａｂｉｌｉｔｙ［Ｊ］．ＪＡｐｐｌＰｈｙｓｉｃ［，
１９９ｌ。７１（３）：１１４３—１１５０
［２５］
ＴｈａｃｚＥＪ，Ｋｏｓｔｋａ
Ｐ
Ａｎａｐｐｌｉｃａｔｉｏｎ
ｏｆｗａｖｅｌｅｔｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒ
ｃｌａｓｓｉｆｉｃａｔｉｏｎ
ｏｆ
ｐａｔｉｅｎｔｓｗｉｔｈ
ｅｏｍｎａＴｙａｒｔｅｒｙ
ｄｉｓｅａｓｅｂａｓｅｄ
ｏｎ
ＨＲＶ
ａｎａｌｙｓｉｓ［Ｊ］Ｅｎｇｉｎｅｅｒｉｎｇｉｎ
ＭｅｄｉｃｉｎｅａｎｄＢｉｎ［ｏｇｙＳｏｃｉｅｔｙ，
２００２，（２）：１３９１—１３９３
［２６］
Ｓｉｌｊｐｏ
Ｒ。Ｄｅｃ＊Ｃ，ＶｃｒｇａｓｓｏｈＢ，甜ａ１．Ａ
ｅｈａｒａｅｔｅｒｉ孙ｔｉｏｎｏｆ
ＨＲＶ’自ｎｏｎｌｉｎｅ壮ｂｉｄｄｅｎ
ｄｙｎｍｉｃｓ
ｂｙｍｅａｌｌｇｏｆＭａｒｋｏ＿ｖｍｏｄｅｌｓ
［Ｊ］．ＢｉｏｍｅｄｉｅａｌＥｎｇｉｎ睇ｒｉｎｇ，１９９９，４６（８）：９７８－９８６
【２７］
Ｓｏ
Ｐ．０ｎＥ．Ｓａｕｅｒ跚．Ｅｘｔｒａｃｔｉｏｎｕｎｓｔａｂｌｅ
ｐｅｒｉｏｄｉｃ
ｏｒｂｉｔｓｆｒｏｍ
ｃｈａｏｔｉｃｅｘｐｅｒｉｍａｎｔａｌ
ｄａｔａ［Ｊ］．ＰｈｇｓＲａｙ．１９９７，５５：５３９８—５４１７
［２８］王守岩，菅忠．牛有国．等．健康人心率变异性中的不稳定周期轨道［Ｊ］．生物物理学报，２∞ｌ，１７（１）：１３５—１４１
（２（Ｒ）６—０９—１７收稿）
心率变异性分析方法的研究进展
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
王步青， 王卫东， WANG Buqing， WANG Weidong解放军总医院生物医学工程研究室,北京,100853北京生物医学工程
BEIJING BIOMEDICAL ENGINEERING2007，26(5)4次
参考文献(28条)
1. Bigger JT Jr. Fleiss JL. Steinman RC Correlations among time and frequency domain measures of heartperiod variability two weeks after acute myocardial infarction 1992
2. Kleiger RE. Bigger JT Jr. Bosner MS Stability over time of variables measuring heart ratevariability in normal subjects 1991
3. Stein PK. Pottman JN. Kleiger RE Time domain measures of heart rate variability as surrogates forfrequency domain measures in stable congestive heart failure patients and normals 19944. Federico Lombardi Chaos Theory,Heart Rate Variability,and Arrhythmic Mortality 20005. Irurzun IM. Cordero MC Non-linear properties of R-R distributions as a measure of heart ratevariability 2003(16)
6. 刘式达. 刘式适 分形和分维引论 1995
7. Peng CK. Mietus J. Hausdorff JM 查看详情 19938. Havlin S. Buldyrev SV. Goldberger AL 查看详情 1995
9. Bigger JT Jr. Steinman RC. Rolnitzky LM Power law behavior of RR-interval variability in healthymiddle-aged persons,patients with recent acute myocardial infarction,and patients with hearttransplants 1996
10. Lombardi F. Sandrone G. Mortara A Linear and nonlinear dynamics of heart rate variability afteracute myocardial infarction with normal and reduced left ventricular ejection fraction 199611. 刘秉正. 彭建华 非线性动力学 2004
12. Manuela Ferrario. Maria G Signorini. Giovanni Magenes Comparison of entropy-based regularityestimators:application to the fetal heart rate signal for the identification of fetal distress 200613. 黄国建. 钟燕. 徐安 冠心病患者RR间期序列的近似熵分析[期刊论文]-临床心电学杂志 2004
14. Kaspar F. Schuster HG Easilv calculable measurement of the complexity of spatiotemporal patterns1987(02)
15. Lopez-Ruiz R. Manclni HL. Calbet X A statistical measure of complexity 199516. Feldman DP. Crutchdield JP Measures of statistical complexity:Why? 1998
17. 裴文江. 杨绿溪. 何振亚 一种统计复杂性测度及其在心率变异性信号分析中的应用[期刊论文]-生物物理学报2000(03)
18. Woo MA Patterns of beat-to-beat heart rate variability in advanced heart failure 1992(03)19. 李方洁 Lorenz散点图[期刊论文]-临床心电学杂志 2005(04)
20. Task Force of the European Society of Cardiology and the North American Society of Pacing andElectrophydiology Heart rate variability-standards of measurement,physiological interpretation and
clinical use 1996(02)
21. 刘秉正. 彭建华 非线性动力学 2004
22. Fortrat JO. Yamamoto Y. Hughson RL Rrespiratory influences on non-linear dynamics of heart ratevariability in humans
23. Varoneckas G. JUlbikas Non-linear dynamics analysis of heart rate during indibidual sleep stages24. Yamamoto Y. Hughson RL Coarse-graining spectral analysis:new method for studying heart ratevariability 1991(03)
25. Tkacz EJ. Kostka P An application of wavelet neural network for classification of patients withcoronary artery disease based on HRV analysis 2002(02)
26. Silipo R. Deco G. Vergassola R A characterization of HRV's nonlinear hidden dynamics by means ofMarkov models 1999(08)
27. So P. Ott E. Sauer SJ Extraction unstable periodic orbits from chaotic experimental data 199728. 王守岩. 营忠. 牛有国 健康人心率变异性中的不稳定周期轨道[期刊论文]-生物物理学报 2001(01)
相似文献(10条)
1.期刊论文 刘家鹏. SHEN Dai. 李文硕. LIU Jia-peng. SHEN Dai. LI Wen-shuo 心率变异性分析用于临床麻醉监测的展望 -国际麻醉学与复苏杂志2008,29(4)
心率变异性(heart rate variability,HRV)是判断自主神经功能的客观指标.心率变异性分析方法主要有时域、频域、非线性分析法.目前,临床上HRV信号的分析主要是时域、频域分析,非线性分析法则不多.作者重点综述了心率变异性的非线性分析方法在临床麻醉中的应用.
2.学位论文 刘家鹏 心率变异性线性及非线性分析方法对全身麻醉期间自主神经功能评价的研究 2009
目的：
心率变异性（Heart Rate Variability，HRV）是指连续心搏间瞬时心率的微小涨落。心率变异性蕴含了有关心血管调节的大量信息，对这些信息的提取和分析可以定量评估心脏交感神经和迷走神经的活动性、平衡性及其对心血管系统的影响。随着麻醉学科的不断发展，HRV的研究越来越受到麻醉学界的重视，麻醉药物、麻醉操作及手术刺激等均对自主神经系统的功能产生较大影响，HRV随之发生显著改变。近年来HRV分析方法主要以时域分析和频域分析为主，但心脏活动的本质是非线性的，目前对麻醉期间HRV非线性分析尚不多见。本研究旨在探讨全身麻醉下HRV线性和非线性分析方法对心脏自主神经系统的评价。 方法：
选择择期行口腔颌面部手术的病人24例，体重56±6.1kg，年龄43.3±5.4岁，ASAⅠ～Ⅱ，排除心脏病、糖尿病、高血压、精神及神经性疾病病人，术前30分钟均肌注阿托品0.01mg/kg，咪达唑仑0.05～0.1mg/kg。入室后行ECG、SpO2、BP监测，同时使用声卡制作的心电信号采集系统采集心电信号并以Matlab软件进行信号处理和计算。麻醉诱导采用咪达唑仑0.1mg/kg、依托咪酯0.3mg/kg、芬太尼3～5μg/kg，麻醉维持采用丙泊酚50μg/kg·min、芬太尼5μg/kg、维库溴铵0.08mg/kg，行机械通气，潮气量8～10ml/kg，频率10～12次/min。本实验共四个HRV采样点：麻醉诱导前T0、麻醉诱导（气管插管）T1、手术中T2、苏醒拔管T3，各时间点均记录5min心电信号，同步记录上述各采样点的HR和MAP。 结果：
1.血流动力学观察指标：病人在T1时点较其它时点出现心率加快，血压上升的现象。
2.时域分析结果：与T0前相比，SDNN在T2明显下降，而T1、T3时升高。rMSSD与三角指数在T1、T2显著下降，而T3显著升高。PNN50在T0后各时点均下降。
3.频域分析结果：TP、VLF相对于T0，T1和T3升高而T2降低。HF、LF在T1、T2降低而T3升高，而LF/HF在T1、T2升高，T3降低。（HF在T1、T2、T3下降幅度大于LF）
4.非线性分析结果：复杂度和近似熵在T1后显著下降，而在T3后基本恢复到诱导前水平。而散点图分析中，VAI在T1和T2显著下降。VLI在T1、T3显著升高T2降低。尺度指数在T2时升高，其他各时点没有明显变化。
5.HRV各项指标间均具有不同程度的相关性，其中SDNN与TP，SDNN与VLI，SDNN与三角指数，VAI与rMSSD，HF与rMSSD，VAI与HF，VAI与PNN50，复杂度和ApEn，尺度指数和ApEn，尺度指数和复杂度都具有较强的相关性。相关性分析中SDNN、TP、VLI、三角指数等可较好的反映自主神经整体活动状态；VAI、HF、rMSSD、PNN50等可较好的反映迷走神经对心率调控。
结论：HRV时域、频域和非线性分析均可不同程度反映病人围术期自主神经系统功能状态的变化情况。其中，频域分析指标的个体差异比较大，且数据呈偏态分布，这可能与分析方法自身有关；非线性分析方法指标能敏感、稳定地反映麻醉期间自主神经功能状态的变化。HRV多项指标间均具有不同程度的相关性。
3.期刊论文 杨春丽 心率变异非线性分析评估急性脑梗死心脏自主神经功能 -广东医学2005,26(9)
目的应用心率变异非线性分析评估脑梗死患者心脏自主神经功能损害情况.方法采用24h动态心电图对44例脑梗死患者和60例健康人监测,以Poincare散点图进行心率变异性(HRV)非线性分析,并与部分时域指标比较.结果脑梗死组Poincare散点图大多数呈鱼雷状,其定量指标
VLI:99.23±41.01和VAI:0.44±0.16明显低于对照组VLI:176.31±41.77,VAI:0.78±0.30,P＜0.01,并与时域指标相关.结论 HRV非线性分析可作为无创伤性定量评价脑梗死患者心脏自主神经功能的可靠方法,心脏自主神经功能受损可能是脑梗死患者发生心脏意外的危险信号.
4.学位论文 张淼 基于广义复杂度的心率变异信号非线性分析 2009
目的:
心率变异性(Heart rate variability，HRV)反映了逐个心动周期(beat-To—beat)细微的时间变化及规律，是窦性心率在一定时间内周期性改变的现象，体现了心率的波动性。心率的波动并非偶然，而是受体内神经、体液的调控，为适应不同的生理状况或某些病理状态而作出的反应。影响心率波动的因素包括脑的高级神经活动、中枢神经系统(CNS)的自发性节律活动、呼吸活动以及由压力和化学感受器传入的心血管反向活动等，这些因素最终通过对心脏的交感神经(SNS)和迷走神经(PNS)的综合调节作用而形成心率变异性。换言之，心率的波动变异内涵是十分丰富的，蕴涵着有关心血管调节的
系统功能，预测心脏性猝死和心律失常性事件的一个有价值的指标。
大量研究证实，心血管系统是复杂的非线性系统，HRV信号是心血管系统输出的时间序列，该序列与心血管系统的调节模式和多个参数有关。HRV的时域分析法和频域分析法是代表心率的总体变化，非线性分析可揭示心电信号蕴藏的更深层次信息，反映心动周期信号变化的复杂性，代表的是心率的瞬时变化。因此可以用非线性系统的各种特征量来描述HRV信号。考虑到HRV信号具有动态变化大、稳态时间短、数据长度短等特点，在多个非线性特征量中，采用较多的是复杂性测度(Complexity Measure)，即复杂度。由于具有传统代表意义的Kc等复杂度针对的是序列的随机性，把随机性误认为是复杂性。
鉴于上述，本研究旨在应用一种新的复杂性测度方法，即广义复杂度(GC)，对心率变异性(HRV)进行分析，通过计算、对比正常组和早搏(PB)组的广义复杂度值，建立无损伤诊断心血管疾病的量化指标，将有助于更好地理解HRV潜在的生理机制，从而为临床心电医学的诊断和用药提供理论基础。 方法:
HRV的研究对象只是逐次心动周期的时间变化及其规律，罗列人体每次心动周期间的差别可显示出一大堆貌似无序的参数，反映了心率连续的瞬时波动，如何从心率波动这一简单现象中，从一大堆无序的参数中，提取分析出其中有序的规律，用以说明人体的生理或病理变化是HRV分析的实质所在，也是有别于其他心电检测技术的关键。HRV检测实际上是心动周期变异的检测，各项HRV指标的测量都是建立在R—R间期测量的基础上。 1、HRV信号的提取与分组；
2、R—R间期数值序列粗粒化为符号序列； 3、用VC++6.0编程；
4、分别计算两样本组的广义复杂度；
5、通过对比分析找出规律并确定量化指标； 6、统计学分析。 结果:
1、呈现出两个样本组Vs导联ECG片段及R—R间期数值序列分布情况；
2、两样本组广义复杂度的统计分析显示：早搏组GCT=13.0799±1.5768，正常组GCT=37.2474±0.5525，差异有显著意义(P
3、散点图显示，两个样本组之间的GCR图形存在较大的混叠，而正常样本组和早搏样本组的GCc出现了大致的分层，仅有几个数据点重叠，混叠较少，而两样本组的GCT有明显的分层现象。 结论:
本研究表明，在分析正常人样本组和早搏病人样本组的HRV信号时，广义复杂度中的转移性复杂度(GCT)能够区分两者，可以定量刻画HRV信号中有结构的复杂性行为，展现了从非线性动力学和复杂性科学角度探讨心率变异的潜在价值和广阔前景，有望成为无损伤诊断心血管疾病的客观指标。
5.期刊论文 杨春丽. 王丕荣. 许祥林. 李小薇. 杨兴艳 心率变异非线性分析评估尿毒症心脏自主神经功能 -贵州医药2000,24(11)
目的应用心率变异非线性分析评估慢性肾衰(CRE)尿毒症患者的心脏自主神经功能损害情况.方法采用24小时动态心电图对28例CRF尿毒症病人和54例健康人监测,以Poincare散点图进行心率变异性(HRV)非线性分析,并与部分时域指标比较.结果尿毒症组Poincare散点图大多数呈鱼雷状,其定量指标VLI(98.29±40.59)和VAI(0.46±0.16)明显低于对照组(VLI:175.68±42.77,VAI:0.75±0.30),P＜0.01,并与时域指标相关.结论HRV非线性分析可作为无创性定量评价尿毒症患者心脏自主神经功能的可靠方法,心脏自主神经功能受损可能是尿毒症患者发生心脏意外的危险信号.
6.学位论文 韩卫星 心率变异性及Poincare plot散点图判断心脏病变的临床应用研究 2002
该文探讨心率变异性(HRV)和非线性分析指标Poincare plot的正常范围及其对心脏病的判断价值.对518例正常人和227例心脏病人进行24h动态心电图监测,计算机处理全部心电信息,计算24h HRV的各项时域分析和非线性分析的指标,进行统计学分析和比较.
7.学位论文 刘灵 心率变异性在汽车司机驾驶疲劳监测中应用的研究 2007
汽车司机的疲劳驾驶已经是引起交通事故的重要原因之一，目前，科学家已经研究了多种驾驶疲劳监测的方法，如通过驾驶员的生理特征或个体特征，通过车辆的行驶状态等。其中，利用心率变异性(Heart Rate Variability，HRV)信号来监测汽车司机的疲劳状态是一种无创、方便、快捷的方法。本论文通过分析HRV的时域特性、频域特性及非线性特性，探讨了HRV指标在疲劳驾驶监测中应用的可行性与适用程度，为疲劳驾驶监测的研究提供一些新的手段和方向。
本文首先采集了20组模拟驾驶时的心电数据，对心电信号进行重采样、低通滤波后，利用阈值法进行R波检测，最后得到精度较高的RR间期序列，即HRV信号。在总结和研究了时域、频域及非线性分析方法的基本原理后，比较了三种方法的参数优缺点，选定三种分析方法各自的参数指标：(1)时域指标：MEAN(RR间期均值)，SDNN(RR间期标准差)，rMSSD(相邻RR间期差值的均方根，反映HRV的快速变化)；(2)频域指标：LF(低频功率)，HF(高频功率)；(3)非线性指标：D2(关联维数)，LE(Lyapunov指数)。在：MATLAB软件平台上，研究驾驶过程中的HRV信号各种指标的变化情况，得出了以下结论，随着疲劳程度的加深：(1)MEAN、rMSSD没有显著变化(P>0.05)，SDNN显著增大(P
根据结论可以得出通过。HRV判断汽车司机驾驶疲劳的评价标准，对HRV信号进行三种方法的综合分析，结合了线性分析与非线性分析的优点，使得疲劳评价更加准确，是一种十分有研究价值的手段。HRV在汽车司机的疲劳监测中的应用有广阔的实际应用与研究前景。
8.期刊论文 杨瑞洁. 朱慧楠 心率变异非线性分析评估血管性痴呆患者心脏自主神经功能 -中国医药导刊2010,12(2)
目的:应用心率变异非线性分析评估血管性痴呆患者心脏自主神经功能损害情况.方法:应用动态心电图对124例血管性痴呆患者和102例对照瘸倒进行24h监测,以Poincare散点图进行心率变异性(HRV)菲线性分析,并比较两组定量指标矢量角度指数(VAI)及矢是长度指数(VLI).结果:血管性痴呆组VAI(0.54±0.14)低于对照组(0.67±0.13),血管性痴呆组VLI(154.10±18.91)低于对照组(193.62±25.20),差异均有显著统计学意义
(P
2.9%(3例),差异均有显著统计学意义(P
9.期刊论文 刘晓芳. 叶志前 心率变异性的分析方法和应用 -国外医学(生物医学工程分册)2001,24(1)
心率变异性分析作为一种间接评价心脏自主神经功能的分析方法,具有无创性、敏感度高和可定量的优点,日益受到临床医学的重视.本文概述了心率变异性的分析方法和医学应用,并评价和展望其进一步发展.
10.学位论文 李董 大鼠缺血脑损伤后行为学、神经活动和c-fos表达的变化研究 2007
目的：脑血管疾病的诊断困难较多，以其高发率、高死亡率、高致残率为特征，而治疗药物和方法有时难以见效，对人类生命和健康的危害极大。脑缺血导致的神经元损伤会造成大脑功能的障碍，同时引起自主神经和中枢神经系统的变化，以及重要相关基因的表达。本研究建立更接近人类血管性痴呆实际情况的高脂状态下两血管阻断法缺血性脑损伤大鼠模型，通过动物行为学，神经电生理实验，基因表达研究的分析，可以确定当缺血性脑损伤发生时的动物行为、神经和分子活动的特征，以及缺血对神经系统的影响。 方法
成年Wistar大鼠随机分为对照组，高脂组和高脂缺血组。高脂组和高脂缺血组饲以高脂饲料2周后，检测血清血脂水平。各组进行Morris水迷宫定位航行实验和空间探索实验，记录实验数据和大鼠运动轨迹。高脂缺血组大鼠麻醉后，分离双侧颈总动脉，用微动脉夹阻断血流3次，每次30min，间隔2次，每次10min再灌注。PowerLab/8sp SCSI/USB记录仪采集缺血过程中的心电图。术后恢复7天，进行第二次水迷宫实验，并再次麻醉记录心电图、脑电图
、肾交感神经活动。信号采集后取大鼠大脑，其中脑切片做细胞凋亡检测。缺血前后分别取大脑海马区组织用于c-fos原位杂交实验。其中神经电生理所得的实验数据首先用Chart 5软件做初步分析及前处理后，再进行基于快速傅立叶变换的功率谱分析和非线性分析。实验数据经t-检验或X检验等统计学处理，当p
1．大鼠2周后血清总胆固醇和甘油三酯浓度显著提高(p
2.高脂缺血组大鼠缺血开始后心率明显持续下降(p
3.手术7天后的数据分析中，经过小波和FIR滤波去噪处理的神经信号放电形式更加明显，神经信息流的熵值与滤波之前相比明显变小(P
4.高脂缺血组大鼠缺血后海马区神经元有明显细胞凋亡；大鼠经过水迷宫学习后c-fos的表达增加，其中高脂缺血组缺血后c-fos大量表达，但7天后明显下降，造成明显认知障碍。 结论
1.成功建立了高脂缺血大鼠模型，水迷宫搜索策略发生显著改变，高脂缺血组出现了明显的认知障碍； 2.大鼠脑缺血时，交感神经的活动相对于副交感神经活动减弱，而缺血7天后副交感神经活动下降；
3.高维非线性的RSNA和EEG信号经过小波和/或FIR去噪后，噪声显著下降，神经活动信号的质量得到明显改善，去噪方法行之有效；
4.大鼠缺血后脑电功率提高，尤其在δ波、θ波和γ波频段；同时非线性活动的成分有所增加，可能揭示其活动处于相对复杂和无序状态。
5.高脂缺血组大鼠缺血后海马区神经元受损，凋亡细胞明显增加；经水迷宫学习后c-fos表达上升，脑缺血后认知障碍发生时，c-fos的表达明显下降。
引证文献(4条)
1. 谢瑛瑛. 诸强 心率变异性的检测与分析[期刊论文]-北京生物医学工程 2010(2)
2. 邓丽君. 李静. 严福平. 陆杰 P物质对大鼠心脏自主神经功能的影响[期刊论文]-生物医学工程学杂志 2009(6)3. 付世萃. 陈广元. 张显权. 杨雪. 谢逆波 木工圆锯机床操作者心率变异性分析[期刊论文]-木材加工机械 2009(3)4. 马丽娟. SHI Lin. 吴铁吉. 赵地. 李露萍. 王天有 有症状早搏患儿心率变异性的临床研究[期刊论文]-中国小儿急救医学 2008(4)
本文链接：http://d.wanfangdata.com.cn/Periodical_bjswyxgc200705026.aspx
授权使用：新疆医科大学(xjykdx)，授权号：89255566-3e2c-4392-86d6-9e38012ce774
下载时间：2010年11月24日