文摘

在这项研究中,提出了一种改进的二阶差分图分析心率变异性的变化。虽然心血管系统的生理状态的变化可以由二阶差分图以图形方式显示,该地块现有指标的描述性的能力是不够的。结果,二阶差分图中包含生理信息不能充分提取。解决问题,时间变化测量分析提出了描述散射点分布模式的二阶差分图定量和提取加速度信息心率变异性的变化。实验结果表明时态变化测量的有效性分析。作为定量指标,时间变化熵是正确识别和分类的设计和成功应用心脏的生理状态。

1。介绍

心电图(ECG)记录心脏的丰富的生理信息,已广泛应用于各种心血管疾病的诊断。心电图的分析方法的研究一直是一个热点领域的生物医学信号处理(1- - - - - -5]。非线性分析通常是用来分析心电图,因为它反映了生物医学信号的非线性特征。在许多非线性分析算法,庞加莱图分析和二阶差分图分析包括)是古典和经常使用的研究心率变异性(HRV) [6- - - - - -16]。

庞加莱图的理论基础和SODP状态空间重构(17),已广泛应用于各领域的研究(18,19]。基于这一理论,非线性系统的运动状态可以重建和显示在状态空间重构。系统性能可以进一步通过重建充分分析轨迹。庞加莱图是一个二维空间构造时间序列。情节有函数图形揭示心血管系统的生理状态。基于庞加莱图,HRV可以有效地分析和各种心血管疾病显示不同的分配模式(20.- - - - - -22),例如,一个健康的人的心率出现“comet-shape”,严重的心脏衰竭的病人是“扇形”和心率产生的人工起搏器”轮。“来描述这些散射点定量分布模式,提出了很多的分析算法,如小和拟合椭圆的长轴(SD1 SD2) [23),散射点的拟合椭圆区域(年代)[24),艾莉指数(EI) (25),Guzik指数(GI) (26),肝门指数(PI) (27),和当地分布熵(6]。提出了数值量化指标在过去的十年中,让庞加莱图分析广泛应用于生物医学信号分析。

作为一个扩展的庞加莱情节,科恩et al。28]介绍了二阶差分情节和集中趋势测量(CTM)在1996年基于混沌理论,首先被用来量化心脏的生理状态的变化。SODP是由连续的二阶差分RR间隔,RR间隔的变化可以反映在一个二维空间图形的各种分布模式重构数据点代表不同的心血管系统的生理状态。虽然大量的信息在SODP HRV包含的可变性,一点的信息很难被充分提取现有的定量指标。这些指标只在SODP描述点的整体分布,而连续变化的趋势RR间隔中包含一个点被忽略本地。

这项研究的动机来自于现有SODP的局限性。我们主要专注于重建散射点的位置之间的关系在SODP和增量的变化RR间隔。增加的信息反映了心率的变化趋势在很短的时间内,帮助我们分析更加全面地反映心脏的生理状态。我们之前研究的基础上(6,29日- - - - - -33),我们设计一种改进的二阶差分的情节在这个研究中,一个更有效的心脏的生理状态的特征可以通过小说中提取算法。本文的主要贡献如下。(1)时间变化测量算法(TVM)提出了。通过TVM,变异和变化趋势的信息连续RR间隔可以融合,生动地反映在一个三维的二阶差分图。(2)TVM,时空变化提出了熵,可以评估点的分布的三维二阶差分图更客观。

本文的安排组织如下。SODP简要介绍部分2。部分3提供详细的理论和步骤TVM。节4,实验证明我们的方法的性能。最后,给出了主要结果5。

2。二阶差分图分析

2.1。二阶差分图

庞加莱图分析的一个重要扩展,SODP主要集中于描述连续变化的RR间隔。在这里,SODP计算绘图Y(n)对X(n)由方程(1)和(2),分别。 在哪里x(我)是我连续的RR间隔系列的时间间隔。

在国家重建的理论基础上,坐标(X(我),Y(我)的所有的点都可以计算和所有散射点的分布格局由时间序列构造视觉SODP所示。

图1说明了SODP正常的人类。情节点的坐标P我是由三个连续的RR间隔。这个点的水平和垂直坐标 和 ,分别。情节,点是位于不同的象限代表不同生理状态的心率。的点P我在第一象限(我),的坐标值X(我),Y(我)大于零,这意味着x(我+ 2)>x(我+ 1)>x(我)。因此,这些点在第一象限表明连续RR间隔稳步增加单调和心率降低。在相反的位置,点在第三象限(III)意味着增加心率。如果连续三RR间隔不一致的变化,相应的点位于第二象限(II)或第四象限(IV)。因此,SODP可以直观地描述心率的变化。


图1
SODP正常的人类。
2.2。集中趋势测量

SODP的匹配指标,集中趋势测量(CTM)可以量化的程度的心率变异性。在SODP,中医是一个点的数量比半径r所有的点的数量。计算指标如下:

图2表明中医计数origin-centered圈中所有点的数量和半径r。作为散射分布密度的定量特征点参数r直接决定了中医的价值,显著影响分类精度。然而,如何合理地选择一个最佳的半径r仍然是有问题的。


图2
分析SODP半径(r)。

SODP描述连续RR间隔的变化图形。散射点在不同的象限SODP含有丰富的生理信息。尽管一些点是位于某个象限,仍有很多信息的心血管系统有待进一步分析。

在图3四个点位于同一地区根据中医的算法。因此,4分就会不分青红皂白地计算和用于计算中医。然而,4分代表的不同变化趋势RR间隔系列,不能区分中医有效。例如,当大点的坐标差P1,旁边的点所在y设在和的位置P连续三个RR间隔1意味着不同的变异是一个递增的趋势。


图3
中医的局限性。

相反,重点P附近的2x设在反映不同变化的连续时间间隔作为递减趋势。因此,中医不能全面描述RR间隔的变化。解决这一问题,提出了一种改进的二阶差分图分析在下一节中,这将进一步提高SODP的性能。

3所示。时间变化测量算法

SODP的局限性,在本节中,介绍了时态变化测量算法的细节,这是一个改进标准SODP。该算法由三维二阶差分图和时间变化熵。节3.1,RR间隔系列重建三维二阶差分图。在空间中,重建散射点的分布模式反射更多的心血管系统的生理信息。定量分析这些模式,时间变化熵设计部分3.2。

3.1。三维二阶差分图

丰富的生理信息显示心脏的散射点的分布格局。SODP,点的位置和欧几里得距离反映了RR间隔的变化趋势从本质上讲,这可以解释为加速度的概念。然而,加速度变化的RR间隔不能有效地反映中医的指标。对于这种限制,时间变化测量算法。基于新颖的分析方法、变化和加速度变化的RR间隔将充分计算。

在图4,有三个点P1,P2,P在SODP 3。正如上面提到的,这些点之间的距离P1和原点之间的距离是一样的P2和原点,而两个点反映心脏的不同情况。另一方面,不同的距离也代表了不同的心脏的生理状态。例如,之间的距离P3和原点的变化表明,连续三RR间隔小于其他两个点”。因此,位置和距离点的两个因素应该适当的小说中融合算法。


图4
点的位置之间的关系和RR间隔的可变性。

可以描述不同心率加速SODP散射点的不同位置。这些散射点的垂直轴附近SODP反映,心率增加的加速度。另一方面,如果点位于横坐标轴SODP附近,这种情况表明,加速度变化的心率降低。因此,点之间的相对位置和坐标轴可以描述的加速度变化的心率图形。在这里,SODP点的相对位置可以计算的参数D有限公司。 在哪里D有限公司(我)的垂直和水平坐标点的区别P我。如果参数D有限公司大于零,关键是接近吗y设在,这意味着RR间隔的变化趋势是在短时间内上升。否则,附近的点x设在和减少的变化趋势。事实上,参数D有限公司提供了RR间隔变化的加速度信息,描述心脏的变化的法律条件。

另一方面,RR间隔的变化可以描述之间的欧几里得距离点和SODP的起源,RR间隔是积极与距离有关。可以通过参数计算的距离l。 勒(我)是点之间的欧氏距离P我和原点。x我和y我的坐标值是吗P我,分别。 是所有LEs的均值。在这里,公式(6)是乙状结肠函数,它可以扩展勒的距离。通过非线性函数,欧几里得距离LE映射到区间(0,1)。

两个因素进一步融合和保留SODP的特点,我们设计一个新的坐标 标准SODP,计算

公式中,两个参数D有限公司和l融合在 ,可以描述的变异和变化的加速度RR间隔定量。因此,由三个坐标的坐标点x,y,和 。换句话说,RR间隔时间序列将在三维重建的二阶差分图。小说中空间,RR间隔系列的变化将更全面。

图5显示一个三维的二阶差分图。的x- - - - - -y飞机是标准SODP的预测标准SODP包含所有散射点分布模式。与此同时,zTVM散射点的坐标提供更详细的信息的时间序列的变化趋势,这使得SODP不足。因此,这些散射点在高维SODP可以描述充分RR间隔时间序列的变化。


图5
正常窦性心律的三维二阶差分图RR间隔。
3.2。时间变化熵

完全分布式散射点的三维空间。与标准SODP相比,有更多的显示在高维空间分布模式。中提取的分布信息的三维定量SODP,设计一个定量指标。灵感来自当地分布熵的概念(6),时间变化熵提出了研究。

在图6三维SODP,x- - - - - -y飞机在本质上是标准SODP。轴坐标zTVM垂直于x- - - - - -y飞机。在图中,有一个封闭的立方空间。共同空间的高度取决于最大值和最小值zTVM所有的坐标点。这个空间的横截面是长方形的。最大值和最小值x协调所有散射点的选择和两个极端值的差异计算截面的长度。同样,的极端值y坐标可以选择从所有散射点,我们将获得截面的宽度。


图6
时间变化熵的概念。

在这里,空间适当地划分为几个子空间。这些散射点在不同的子空间,将储备SODP的分布信息。与此同时,各种各样的变化趋势反映在这些子空间具有不同的高度。因此,我们可以获得散射点的分布信息通过计算每个子空间的点的数量。在这里,熵是用来测量信息的概念。时间变化熵定义如下: 在哪里N子空间的数量,n我散射点的数量吗我子空间, 是坐标 点的j子空间,米所有的点的数量, 点的平均数量。强调散射点的数量和位置的不同,两个加权因素n我和 被添加在公式(8)。因此,RR间隔系列的变化和散射点的分布格局可以完全描述E电视。

在这里,时间变化测量算法的步骤如下:(1)计算点的位置在SODP方程(5)(2)计算点之间的距离和的起源SODP由方程(6)和(7)(3)保险丝的位置参数D有限公司和距离参数l,计算坐标 由方程(8)(4)选择合适的子空间N熵和计算时间的变化E电视由方程(9)

在TVM美德,RR间隔时间序列的变化充分揭示小说中空间。与此同时,时间序列的特征可以量化的指标E电视准确。评估客观TVM的性能,该算法将应用于心血管疾病的分类下一节。然后,将充分展示了该方法的有效性实验结果。

4所示。时间变化测量算法的应用

核实TVM性能,在本部分中,它应用于提取正常窦性心律的特性和四个心血管疾病。在这个实验中,从生理网/ PhysioBank选择五个数据集,这是正常的窦性心律RR间隔数据库(nsr2db),铜室性快速性心律失常数据库(cudb) [34),MIT-BIH心律失常数据库(mitdb) (35),Post-lctal心率振荡部分癫痫(szdb) [36,聪明健康评估的风险事件通过心电图数据库(shareedb) [34),分别。

TVM为了证明性能,这三个指标,中医,组件CTM (CCTM)和平均距离的点在圆半径(D)[37),并进行了实验测试。在这里,定量指标D是这些点的平均距离在一个圆形的半径吗r。另一个指标CCTM是中医的发展。基于CCTM,点的数目的四个象限SODP计算,分别计算每个象限的中医。 在哪里n是所有的点的数量, 点的数量吗kth SODP象限。

这三个指标都来自半径r。因此,如何选择一个最佳的r是一个至关重要的程序,它可以直接影响实验的结果。图7显示了中医的值(r)和D (r)五个数据集,nsr2db、cudb mitdb szdb, shareedb。在图7(一)、中医的实验结果(r)表明,有一个明显的不同半径时这些数据集r大于3。因此,在实验中,参数r是中医指标(设置为3r)。同样,半径r设置为6的指标D(r)在图7(b)。

(一)
(一)
(b)
(b)
图7
中医(r),D(rcudb, mitdb、nsr2db shareedb, szdb。

CCTM的值(r在四个象限是显示在图8。图8(一个)显示的值CCTM1 (r)在第一象限,这表明当实质性区别 。数据8(b)∼8(d) CCTM2 (r),CCTM3 (r)和CCTM4 (r),分别。从这三个数字,我们可以发现,一旦价值r超出3,CCTM突出的差异会出现吗k(r)。因此,对于CCTM,参数r在实验设置为3。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图8
CCTMk(rcudb, mitdb、nsr2db shareedb, szdb。

这里,五个数据集计算的定量特征的指标,中医,CCTM,D。数据9(一)∼9(f)的箱线图为中医实验结果,D,CCTMk(k= 1,2,3,4),分别。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
图9
箱线图,cudb mitdb、nsr2db shareedb, szdb。(f)指标CTM的实验结果,D,CCTM1,CCTM2,CCTM3,CCTM4,分别。

中医的指标,nsr2db数值范围的结果,shareedb, szdb如图9(一个)。与此同时,在桌子上1nsr2db的均值和标准差,shareedb,和szdb 0.93±0.01, 0.98±0.01, 0.94±0.02,分别。箱线图和数值结果,我们可以发现实验结果的数值范围严重重叠,中医不再是有效的作为分类指标或认识到提到的心血管疾病。在图9(b)和表1为指标D这三个数据集之间存在相当大的重叠,nsr2db, cudb mitdb,这意味着定量指标不够适合区分三个有效的心血管系统的生理状态。其他数据是CCTM的实验结果k(k= 1,2,3,4)。同样的,除了cudb CCTMs其他四个数据集没有显著差异,无法真正地作为一个功能来区分数据集。

表1
中医的均值和标准差,D,和CCTM。

这些指标通常是用来量化心脏的生理状态的变化。显然,五个数据集,提到指标CTM CCTM,D不能满足本研究的预期。

为,TVM四象限图所示的实验结果10和表2。的箱线图E电视显示四个象限的结果在很大程度上是相似的。四个数据集nsr2db、cudb mitdb szdb,数值范围几乎没有重叠。例如,的均值和标准差E电视在象限我118.57±35.39,4.10±1.20,6.78±2.41,16.11±5.58,分别。统计结果表明,作为一个指标,E电视在象限我有能力区分四个心脏和生理状态E电视可以使用作为一种功能的分类和识别所提到的心血管疾病。在其他象限,仍有很大的不同E电视四个数据集之间的关系。因此,上述的生理特性可以更有效地提取数据集E电视和实验结果表明,该指标在四个象限性能的一致性。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图10
的箱线图E 电视nsr2db、cudb mitdb、szdb shareedb。(a, d)的实验结果E 电视在象限I, II,二,四,分别。
表2
的均值和标准差E 电视在象限I, II, III和IV。

另一方面,有一定重叠的数值范围E电视nsr2db箱(四分位范围)之间的和chareedb晶须(下四分位数)。然而,对于实验结果的标准差,nsr2db和chareedb之间存在显著的差异。图10和表2表明站chareedb大于nsr2db偏差的,这意味着实验结果的分布密度chareedb部分低于nsr2db。因此,两个数据集的特性nsr2db和chareedb可以有效地进行描述E电视。通过指标,两个数据集可以仍然认可。

充分说明进一步TVM的性能,在这里E电视和其他指标用于正常窦性心律的分类和其他四个心血管疾病。通过比较分类的准确性E电视和其他指标,将TVM直观上的性能。作为一个基本的分类方法,在本节中,k则算法被用来完成分类任务。与此同时,国际扶轮是用于计算分类准确性,定义如下: CD和TD是正确的数量和总决定,分别。

表3显示了五个数据集之间的分类结果。除了两个数据集的分类任务nsr2db chareedb,分类精度E电视在四个象限明显优于其他指标”,这表明心血管的生理状态可以被描述为TVM更合理、准确。nsr2db和chareedb分类,分类的准确性E电视低于中医吗D,这意味着CTM和D可以更好的提取的特征数据集chareedb。然而,标准偏差的显著差异的两个数据集,应该TVM分类精度进一步提高,如果density-based聚类算法采用一个实验。

表3
中医的聚类结果,D、CCTM和E 电视。

在本节中,时空变化衡量算法性能的初步验证。通过分析实验结果,适用于TVM正确RR间隔时间序列变化的描述和精确提取心血管系统的生理状态。

5。结论

庞加莱情节的发展,二阶差分图被广泛用来描述一个生理信号的变化。SODP,散射点表示的不同分布格局不同生理状态的心脏。在这项研究中,简要介绍了很多定量的指标,如中医、CCTM,D。然而,点的分布格局SODP大略地描述这些指标和丰富的心血管系统的生理动态变化的信息不能充分提取。因此,时间变化测量算法来弥补部分提到的指标的局限性。

本文除了散射点的分布格局的研究,研究的焦点是双重的。首先,它是时间增量的变化和跨度的连续RR间隔。其次,我们如何能提取心脏的生理状态的变化信息包含在一个单一的点。通过研究不同的水平和垂直坐标点SODP有效地反映了时间增量的变化。张成的空间时间增量可以正确描述点和之间的欧几里得距离原点。然后,时间变化测量算法设计和算法的步骤。通过TVM,提到变化信息在三维重建的二阶差分图。小说中空间变异信息包含在所有散射点的整体和局部分布模式保留。

实验结果初步表明,为了获取更多的生理功能是有效TVM SODP这些散射点的。对于分类的任务,窦性心律可以有效地识别其他生理状态通过TVM和我们的方法的准确性高于其他人。因此,TVM可以作为一个有价值的分析方法应用于生理信号识别和分类。

数据可用性

使用的数据来支持本研究的发现是可用的https://www.physionet.org/。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国国家自然科学基金会(NNSF)(批准号61867005),宁夏省自然科学基金(批准号2020 aac03068)。作者欣然承认审稿人和编辑的洞察力的评论和建议,帮助改善表示。