本文關(guān)鍵詞：心肺耦合分析研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目的：心肺耦合或心肺交互作用是指心血管循環(huán)系統(tǒng)與呼吸系統(tǒng)之間內(nèi)在的協(xié)調(diào)機(jī)制及其相互作用”’。相對于單變量分析技術(shù)如心率變異性分析(Heart Rate Variability:HRV)技術(shù)等,心肺耦合分析能反映心肺系統(tǒng)之間的作用關(guān)系和耦合強(qiáng)度,可以為人體健康狀態(tài)的量化表達(dá)提供一個新的視角。本文主要研究了心肺耦合的生理現(xiàn)象及其作用規(guī)律,并發(fā)展了量化心肺耦合強(qiáng)度的方法。方法：首先設(shè)計漸進(jìn)性引導(dǎo)呼吸實驗,受試者跟隨設(shè)定好的呼吸引導(dǎo)模板和引導(dǎo)音樂進(jìn)行漸進(jìn)性低頻節(jié)律性的呼吸運動,呼吸率依次從14次/分—12.5次/分—11次/分—9.5次/分—8次/分—7次/分,采集實驗過程中的心肺生理信號進(jìn)行分析,用經(jīng)驗?zāi)B(tài)分解的方法提取脈搏波傳導(dǎo)時間(pulse transit time, PTT)的基線成分和幅度成分,分析其在漸進(jìn)性引導(dǎo)呼吸過程中的變化規(guī)律,并對各個引導(dǎo)呼吸率下的收縮壓、舒張壓和平均壓進(jìn)行統(tǒng)計分析；之后基于AR模型的頻域方法分析引導(dǎo)呼吸過程中的心率變異性,其中用最終預(yù)測誤差最小準(zhǔn)則來計算AR模型最佳階數(shù),并對殘差序列進(jìn)行白化檢測來驗證選擇的最佳階數(shù)的合理性；最后為量化漸進(jìn)性引導(dǎo)呼吸過程中的心肺協(xié)調(diào)性,采用基于相干性和互功率譜的心肺耦合分析方法進(jìn)行計算。由于同時測量心電和呼吸信號進(jìn)行心肺耦合分析并不方便,為提高基于心電中導(dǎo)出的呼吸信號(ECG-Di rived Respiration, EDR)與心電的RR間期信號進(jìn)行心肺耦合分析的準(zhǔn)確性,對原始EDR信號進(jìn)行自適應(yīng)濾波獲得增強(qiáng)的EDR信號用于心肺耦合分析。用physionet網(wǎng)站上Fantasia數(shù)據(jù)庫的心電和呼吸數(shù)據(jù)來驗證自適應(yīng)濾波對于提高基于單導(dǎo)ECG的心肺耦合分析的準(zhǔn)確性是否有效,先求得增強(qiáng)的EDR序列和RR間期序列的相干性和互功率譜平方的乘積即心肺耦合值,然后對每個時間窗內(nèi)各個頻段的最大心肺耦合值及其相應(yīng)的頻率,與直接使用真實呼吸和原始EDR信號進(jìn)行心肺耦合分析獲得的各個頻段的結(jié)果進(jìn)行比較。最后對睡眠呼吸暫停綜合癥數(shù)據(jù)庫(Apnea ECG Database)整夜的睡眠心電數(shù)據(jù)進(jìn)行心肺耦合分析.基于各個頻段的心肺耦合值進(jìn)行睡眠分期和睡眠呼吸事件檢測。結(jié)果：在進(jìn)性引導(dǎo)呼吸過程中,脈搏波傳導(dǎo)時間的基線從197.2±7.6增加到201.7±7.4,PTT的延長與血壓變化呈負(fù)相關(guān)關(guān)系,該結(jié)果與實際采集的血壓變化(收縮壓從124.46±12.79到117.93±13.42)的結(jié)果一致,且引導(dǎo)呼吸開始前與引導(dǎo)呼吸結(jié)束后的血壓之間的差異有統(tǒng)計學(xué)意義(p0.05)。同時隨著呼吸的減慢加深,基于AR模型的功率譜分析計算得到的呼吸性類性心律不齊(RSA, Respiration sinus arrhythmia)參數(shù)也逐漸增大。漸進(jìn)性引導(dǎo)呼吸下的心肺耦合分析得到的心肺耦合值也隨著呼吸率降低而增大,引導(dǎo)呼吸結(jié)束后的心肺耦合值1348109.69明顯大于引導(dǎo)呼吸開始前的心肺耦合值109105.77。對Fantasia數(shù)據(jù)庫的心電和呼吸數(shù)據(jù)進(jìn)行心肺耦合分析得到各個頻段的心肺耦合值,結(jié)果顯示增強(qiáng)的EDR信號得出的各頻段中最大峰值和對應(yīng)的頻率分布,與原始EDR信號分析得到的分布相比更接近基于真實呼吸得到的結(jié)果。對睡眠呼吸暫停綜合癥數(shù)據(jù)庫(Apnea ECG Database)的數(shù)據(jù)用增強(qiáng)的EDR序列和RR間期序列進(jìn)行心肺耦合分析,根據(jù)各個頻帶的心肺耦合值得出的睡眠呼吸暫停事件的標(biāo)示結(jié)果與依據(jù)真實呼吸的標(biāo)示相一致。結(jié)論：結(jié)果表明漸進(jìn)性引導(dǎo)呼吸通過心血管反射調(diào)節(jié),可以起到延長脈搏波傳導(dǎo)時間,降低系統(tǒng)血壓的作用,同時呼吸性竇性心律不齊也增大,通過分析漸進(jìn)性引導(dǎo)呼吸過程中的心肺耦合指標(biāo),也表明引導(dǎo)呼吸對心肺生理協(xié)調(diào)性產(chǎn)生了有益的調(diào)節(jié)。對Fantasia數(shù)據(jù)庫的心電和呼吸數(shù)據(jù)進(jìn)行的分析,也驗證了自適應(yīng)濾波增強(qiáng)EDR信號用于心肺耦合分析,與原始EDR信號相比更為準(zhǔn)確。對睡眠呼吸暫停綜合征患者夜間睡眠的數(shù)據(jù),基于增強(qiáng)的EDR信號和RR間期序列進(jìn)行心肺耦合分析得到不同頻段的心肺耦合值,用各個頻帶的心肺耦合值和它們之間的比例等其他與睡眠信息相關(guān)的參數(shù),來進(jìn)行睡眠分期和睡眠呼吸事件的檢測,能得到與依據(jù)真實呼吸的標(biāo)示相一致的結(jié)果。討論：基于自適應(yīng)濾波來增強(qiáng)EDR信號,這種方法針對不同年齡段的樣本或是睡眠呼吸障礙患者是否都能有效提高心肺耦合分析的準(zhǔn)確性,有待于進(jìn)行大樣本的分析驗證,而基于增強(qiáng)的EDR信號得到的心肺耦合值進(jìn)行睡眠呼吸事件和睡眠分期的判別閡值,是否與基于真實呼吸或原始EDR的心肺耦合分析的判別標(biāo)準(zhǔn)是一致的.也有待于進(jìn)一步探索。
【關(guān)鍵詞】：心肺耦合 呼吸 脈搏波傳導(dǎo)時間 心率變異性 自適應(yīng)濾波
【學(xué)位授予單位】：中國人民解放軍醫(yī)學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R33
【目錄】：

• 中文摘要6-8
• Abstract8-10
• 前言10-12
• 第一章 心肺耦合分析方法研究進(jìn)展12-15
• 1.1 心血管和心肺系統(tǒng)交互作用的生理基礎(chǔ)12-13
• 1.2 國內(nèi)外心肺耦合分析技術(shù)的現(xiàn)狀13-15
• 第二章 心肺耦合現(xiàn)象研究-呼吸對心血管參數(shù)的調(diào)節(jié)作用15-34
• 2.1 漸進(jìn)性引導(dǎo)呼吸實驗15-17
• 2.2 漸進(jìn)性引導(dǎo)呼吸下的脈搏波傳導(dǎo)時間及血壓變化17-25
• 2.2.1 漸進(jìn)性引導(dǎo)呼吸下的脈搏波傳導(dǎo)時間變異性17-23
• 2.2.2 漸進(jìn)性引導(dǎo)呼吸下的血壓變化23-25
• 2.3 漸進(jìn)性引導(dǎo)呼吸下的心率變異性分析25-34
• 2.3.1 心率變異性自回歸模型分析中確定階數(shù)的方法25-33
• 2.3.2 漸進(jìn)性引導(dǎo)呼吸下的呼吸性竇性心律不齊變化33-34
• 第三章 心肺耦合分析34-59
• 3.1 漸進(jìn)性引導(dǎo)呼吸下的心肺耦合分析35-38
• 3.1.1 基于互功率譜和相干性的心肺耦合分析方法35-36
• 3.1.2 漸進(jìn)性引導(dǎo)呼吸過程中的心肺耦合變化36-38
• 3.2 基于單導(dǎo)ECG的心肺耦合分析技術(shù)38-46
• 3.2.1 從ECG中提取呼吸信號EDR的方法38-40
• 3.2.2 對EDR進(jìn)行自適應(yīng)濾波的方法40-41
• 3.2.3 基于自適應(yīng)濾波增強(qiáng)的EDR的心肺耦合分析41-46
• 3.3 睡眠呼吸暫�；颊叩男姆务詈戏治�46-59
• 3.3.1 基于自適應(yīng)濾波增強(qiáng)的EDR計算睡眠心肺耦合指標(biāo)46-51
• 3.3.2 基于心肺耦合進(jìn)行睡眠分期及睡眠呼吸事件檢測51-59
• 總結(jié)59-61
• 參考文獻(xiàn)61-67
• 文獻(xiàn)綜述67-88
• 參考文獻(xiàn)80-88
• 攻讀學(xué)位期間發(fā)表文章情況88-89
• 致謝89

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 孫聰聰;張政波;王步青;劉洪運;昂清;王衛(wèi)東;;呼吸性竇性心律不齊定量分析研究進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年06期

  本文關(guān)鍵詞：心肺耦合分析研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：415638