已存档：利用LabVIEW进行心率变异性分析

心电图(ECG)是由心电图仪生成的图形，可反映个人心脏健康情况。医生通常在临床应用中使用ECG诊断心跳过速等心脏疾病。除了直接分析ECG信号，研究人员和医生们还可以从中提取其他非直接的测量信息，最常见的测量就是心率变异性(HRV)。LabVIEW Biomedical工具包提供了包含多个HRV分析VI的选板。此外，该工具包还包含心率变异性分析仪应用程序，可助用户轻松执行HRV分析。本文所述的HRV分析结果来自心率变异性分析仪应用程序。

一个正常的单周期心电图(ECG)信号由若干个波组成，如图1所示。

图1.ECG信号的R波峰和RR间隔

R波是幅值最高的波。RR间隔是2个相邻R波之间的时间间隔。P波、T波和U波的幅值则较低。

RR间隔显示连续心跳间的变化。心率变异性(HRV)测量可分析RR间隔随时间的变化情况。图2所示为典型的成人HRV。

图2.一个成人的HRV

图2数据显示，RR间隔在0.6秒至1秒间浮动，平均值为0.8秒。

由于HRV的调节机制源自交感和副交感神经系统，因此HRV分析是自主神经系统(Autonomic Nervous System, ANS)的定量标记[5]。过去十年中，研究人员和工程师发表了2000多篇HRV相关的文章[1]。这些文章观察了HRV与血压、心肌梗塞、神经系统、心律失常等因素的关系[2]。各种医学学科也一直在研究HRV。未来，HRV分析将在患者的图形和数据分析中愈发普遍。

分析心率变异性(HRV)之前，需要先采集RR间隔。图3所示为RR间隔的采集过程。

图3.RR间隔采集过程

采集原始ECG信号

心电图(ECG)信号可通过各种心电图仪采集获得。这些仪器的带宽并非很高。可使用NI PCI-6221等NI多通道DAQ设备，从ECG传感器输出端采集原始ECG信号。采样率通常为125 Hz或250 Hz。采集的ECG信号可采用NI TDMS文件格式存储，供离线分析使用。MIT-BIH数据库等在线数据库也提供了多种典型ECG信号。Biomedical工具包可通过选板VI或Biomedical Workbench直接导入MIT-BIH ECG数据。

从ECG信号中提取RR间隔

RR间隔信号可从原始ECG信号中提取。提取过程通常包括预处理步骤和波峰检测步骤。如果原始ECG信号存在噪声干扰且基线趋势明显，则需对其进行预处理。接下来，可通过设置阈值或采用基于小波的峰值检测方法检测R波峰，从而计算RR间隔。

心率变异性(HRV)分析有多种方法[1][2]。时域分析法：仅从时间RR间隔信号中提取一些特殊测量信息。频谱分析法：以特定速率对RR间隔进行插值处理，并将间隔转换为频域信号。这2种方法均有参考标准[1]。工程师们还对其他方法进行了讨论和研究，如非线性分析和时频分析。

图4所示为完整的HRV分析过程。

图4.HRV分析过程

Biomedical工具包提供了一个包含多种HRV分析方法的选板。可通过Biomedical»Biosignal测量»ECG»HRV分析选择该选板。图5所示为HRV分析选板。

图5.HRV分析选板

Biomedical工具包还提供了心率变异性分析仪应用程序，使HRV分析更加便捷。图6所示为心率变异性分析仪应用程序。

图6.Biomedical Workbench中的心率变异性分析仪

预处理

RR间隔信号有时会存在一些基线漂移，从而导致时间和频率分析不准确。可选择是否在分析前对RR间隔信号进行去趋势处理。 

图7所示为RR间隔信号的去趋势过程。红线表示趋势。

图7.RR间隔信号的去趋势过程

分析RR间隔信号

下文介绍了几种分析RR间隔信号的方法。

时域分析

时间序列分析通常使用时域测量。可以从原始RR间隔信号中提取多个测量值，以显示自主神经系统(ANS)的变化。Biomedical工具包中包含HRV统计VI和HRV直方图VI。这2个VI可提取多个常用测量信息，如表1所示。

表1.心率变异性的时域测量[1][5]

上述测量结果也可使用心率变异性分析仪应用程序进行采集。图8所示为图7信号的分析结果。

图8.使用时域分析方进行HRV分析

频域分析

HRV分析的频域方法是从RR间隔信号中提取峰值频率和带内功率等频域参数。交感神经和副交感神经作为自主神经系统(ANS)的2个组成部分，可使心率升高或降低，并影响RR间隔频谱中的不同频带。因此，可使用频域分析来监控ANS的状态。

表2所示为HRV分析的常见频域测量结果，包括超低频(Very Low-Frequency, VLF)、低频(Low-Frequency, LF)和高频(High-Frequency, HF)等频带的峰值频率和功率。

表2.HRV的频域测量[1][5]

Biomedical工具包提供了用于频域分析的HRV FFT频谱VI和HRV AR频谱VI。这2个VI的使用涉及以下3个步骤：

1. 对RR间隔信号进行重采样。
2. 估算RR间隔信号的PSD。
3. 根据该PSD计算频域参数。

通常不使用规则间隔对从ECG信号中提取的RR间隔信号进行采样。因此，RR间隔信号在时间轴上分布并不均匀，需先对原始RR间隔进行重采样。HRV FFT频谱VI和HRV AR频谱VI也可接收已重采样的信号。本例中，可从均匀采样RR实例中任选其一。

对于PSD估算，HRV FFT频谱VI使用基于快速傅里叶变换的PSD，而HRV AR频谱VI使用自回归(AR)频谱。LabVIEW专业版中的LabVIEW Advanced Signal Processing工具包还包含其他几种频谱方法。

图9所示为使用图7信号进行频域分析的结果。

图9.使用频域分析法进行HRV分析

联合时频域分析

频域分析法适用于随时间变化不大的RR间隔信号分析。然而，在长期HRV分析（如24小时RR间隔与药物药效学研究）等应用中，RR间隔信号会随时间显著变化。在这些情况下，可使用联合时频分析(Joint Time-Frequency Analysis, JTFA)来分析稳态和时频行为。

联合时频域法没有标准测量方法。可使用短时傅里叶变换(Short Time Fourier Transform, STFT)、Gabor展开或连续小波变换来显示时频谱图并执行定性分析。

Biomedical工具包现已支持STFT。Advanced Signal Processing工具包包含其他方法。心率变异性分析仪应用程序支持STFT、Gabor展开和连续小波变换分析。

图10所示为使用图7信号的JTFA结果。

图10.使用JTFA方法进行HRV分析

非线性分析

RR间隔信号是非线性的，因为它们是源自血流动力学、电生理学和体液变量，以及自主神经和中枢神经调节的复杂交互关系[1]。关于非线性分析的研究基本处于空白阶段，因此没有相关标准。但该研究领域前景广阔，开发该领域的工具有助于更好地理解人体系统的复杂性。

Biomedical工具包中的HRV庞加莱图VI可对庞加莱图进行分析。此外，心率变异性分析仪还支持去趋势波动分析(Detrended Fluctuation Analysis, DFA)和递归图分析。

庞加莱图

庞加莱图是一种XY图，其x值和y值分别表示2个连续的RR间隔。该图的建模模型为椭圆，其对称线与x轴呈45°角，如图11所示。

图11.RR间隔的庞加莱图

图11所示有以下值：

• SD1－各点到对称线垂直距离的标准差。SD1描述了短期变化。该变化主要由呼吸性窦性心律失常(Respiratory Sinus Arrhythmia, RSA)引起。
• SD2－对称线上各点的标准差。SD2描述了长期变化[2]。

去趋势波动分析

DFA方法量化了RR间隔信号的分形标度属性。该方法通过消除不稳定的人为趋势，最大限度地减少错误相关性。因此，DFA方法较其他方法更能体现HRV长期相关性的变化情况。

DFA方法使用线性拟合分析DFA图。拟合线的斜率α表示HRV的长期自相关性。如果α=0.5，则该信号为白噪声，无相关性。在某些情况下，DFA图并非严格呈线性，而是由在某点相交的两条直线组成。这种情况表明存在2个因子：短期内的小尺度指数和长期时间内的大尺度指数[6]。

图12所示为图7信号的DFA结果。

图12.RR间隔的DFA图

心率变异性分析结果可应用于临床和研究。对于统计方法和频率方法，一些研究提出了使用HRV分析帮助诊断临床各种心脏病的标准[1]。研究人员可使用Biomedical工具包（选板中的VI或Biomedical Workbench中的心率变异性分析仪），发现HRV与疾病以及药物药效学之间的重要关联。例如，吸烟者与非吸烟者ANS的相关性。可利用工具包从频谱测量（如LF、HF或LF/HF）中找到一些显著差异，从而发现吸烟对ANS的影响。

注：可使用Biomedical Workbench中的心率变异性分析仪进行在线HRV分析。

可在线下载LabVIEW Biomedical工具包试用版。安装后可免费使用心率变异性分析仪。选板VI的试用期为45天。

[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，Circulation，1996(93)，5，页码：1043-1065。

[2]Rajendra Acharya U、Paul Joseph K、Kannathal N、Lim Choo Min和Jasjit Suri S，Heart Rate Variability，Advances in Cardiac Signal Processing，柏林海德堡施普林格出版社，2007，页码：121-165。

[3]U.Rajendra Acharya、N.Kannathal、Lim Choo Min和Jasjit S.Suri，Linear, Non-Linear and Wavelet Analysis of Cardiac Health Using Heart Rate Signals, Advances in Cardiac Signal Processing，柏林海德堡施普林格出版社，2007，页码：355-375。

[4]MICHAEL J.LEWIS，理学学士、理学硕士、博士、英国皇家特许物理学家和英国物理研究所学术成员，Heart Rate Variability Analysis:A Tool to Assess Cardiac Autonomic Function，CIN：Computers, Informatics, Nursing，2005(23)，6，页码：335-341。

[5]Juha-Pekka Niskanen、Mika P. Tarvainen、Perttu O.Ranta-aho和Pasi A.Karjalainen，Software for advanced HRV analysis，Computer Methods and Programs in Biomedicine，2004，76，页码：73-81。

[6]Peng CK、Havlin S和Stanley HE等，Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series，Chaos，1995，5(1)，页码：82-87。

[7]D.Singh、K.Vinod与S.C.Saxena，Sampling frequency of the RR interval time series for spectral analysis of heart rate variability，Journal of Medical Engineering & Technology，2004(28)，6，页码：263–272。

[8]H G Adelmann，Heart Rate Variability Analysis in Clinical Pharmacology by Joint Time-Frequency Methods，Computers in Cardiology，1999，26，页码：643-645。