本發(fā)明涉及一種量化心肺系統(tǒng)交互作用的分析方法，具體是涉及一種將心臟、血管、呼吸系統(tǒng)的監(jiān)測數(shù)據(jù)借由頻譜分析方法和信息學(xué)分析方法來量化心肺交互作用的方法。

背景技術(shù)：

心肺交互作用通常也稱為心肺耦合，是指心血管循環(huán)系統(tǒng)與呼吸系統(tǒng)之間的協(xié)調(diào)機制及其相互作用。在睡眠過程中，人體循環(huán)穩(wěn)態(tài)的維持主要依靠呼吸系統(tǒng)和心血管系統(tǒng)的協(xié)調(diào)工作：呼吸系統(tǒng)保證氧氣交換，心血管系統(tǒng)則保證血液運輸。這兩大系統(tǒng)間存在明顯的交互作用，呼吸運動加深變慢能通過心血管反射系統(tǒng)增加心率變異性、增加靜脈回流，增加血氧飽和度、降低外周阻力等。心肺系統(tǒng)間耦合涉及到中樞神經(jīng)系統(tǒng)、壓力感受器以及血液動力學(xué)變化，其蘊含的生理信息可以用來辨識人體健康狀態(tài)，也可以用于評估自主神經(jīng)系統(tǒng)功能，用于睡眠質(zhì)量定量測量和睡眠呼吸事件的檢測等。

目前研究人體睡眠循環(huán)穩(wěn)態(tài)，較多的是采用單一生理參數(shù)研究某個系統(tǒng)的變化。如對單導(dǎo)聯(lián)心電信號進行心率變異性分析研究心血管自主神經(jīng)調(diào)節(jié)功能狀態(tài)，監(jiān)控呼吸氣流信號評估睡眠呼吸紊亂研究呼吸系統(tǒng)節(jié)律性。但是，人體是一個復(fù)雜的聯(lián)合系統(tǒng)，這種單變量的分析方法往往不能反映系統(tǒng)之間重要的內(nèi)在聯(lián)系，不能準確全面地描述各系統(tǒng)的功能狀態(tài)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對上述存在問題和不足，提供一種量化心肺系統(tǒng)交互作用的分析方法，該方法基于睡眠狀態(tài)下同步采集人體的體表心電信號、脈搏波信號及呼吸氣流信號，提取得到4種時間序列，采用多變量的頻域和信息學(xué)分析方法量化心肺交互作用強度和作用方向。

本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

本發(fā)明所述的量化心肺系統(tǒng)交互作用的分析方法，其特點是包括以下步驟：

1）采集受試者夜間睡眠7小時的體表心電信號、呼吸氣流信號及食指末端的脈搏波信號，并根據(jù)R&K標準進行睡眠分期標記：REM（快動眼睡眠期），NREM（非快動眼睡眠期）；

2）對采集的體表心電信號逐拍提取RR間期序列{RRi，i=1,2,3，…，N}，對采集的脈搏波信號逐拍提取PP間期序列{PPi，i=1,2,3，…，N}，對采集的呼吸氣流信號逐拍提取RA間期序列{RAi，i=1,2,3，…，N}，并根據(jù)同步的體表心電信號和脈搏波信號，計算脈搏波傳導(dǎo)時間PTT序列{PTTi，i=1,2,3，…，N}；

3）同步截取上述4種時間序列在REM或NREM睡眠狀態(tài)下的連續(xù)5分鐘片段序列；

4）從截取的4種時間序列的連續(xù)5分鐘片段序列中提取2個特征參數(shù)，作為受試者不同睡眠深度下的心血管及肺系統(tǒng)的功能變化的判斷指標；

5）將截取的4種時間序列的連續(xù)5分鐘片段序列進行特定配對，并提取1個特征參數(shù)，作為受試者夜間睡眠的心血管及肺系統(tǒng)交互作用的判斷指標；

6）建立神經(jīng)網(wǎng)絡(luò)心肺系統(tǒng)交互作用評估模型，將上述提取的3個特征參數(shù)作為神經(jīng)輸入矢量，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，確定神經(jīng)網(wǎng)絡(luò)參數(shù)；

7）利用訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)對受試者進行心肺功能評估。

其中，所述步驟2）中的脈搏波傳導(dǎo)時間PTT序列為同一心動周期的心電R波到脈搏波上升沿一階導(dǎo)數(shù)最大值的時間差。

所述步驟5）中將截取的4種時間序列的連續(xù)5分鐘片段序列進行特定配對的配對方式如下：

a、RR間期序列與RA間期序列；b、PP間期序列與RA間期序列；c、PTT序列與RA間期序列。

所述步驟4）中提取的2個特征參數(shù)：

第一個特征參數(shù)為：計算REM和NREM兩種睡眠狀態(tài)下的4種時間序列的低頻帶香農(nóng)熵ShEnL；

所述低頻帶香農(nóng)熵ShEnL的計算方法是：將REM或NREM睡眠狀態(tài)下同步截取的4種時間序列的連續(xù)5分鐘片段序列通過通帶帶寬為0.04Hz～0.15Hz的濾波器，獲取低頻帶序列，再計算香農(nóng)熵ShEn，即得到該睡眠狀態(tài)下的低頻帶香農(nóng)熵ShEnL；

第二個特征參數(shù)為: 計算REM和NREM兩種睡眠狀態(tài)下的4種時間序列的高頻帶香農(nóng)熵ShEnH；

所述高頻帶香農(nóng)熵ShEnH的計算方法是：將REM或NREM睡眠狀態(tài)下同步截取的4種時間序列的連續(xù)5分鐘片段序列通過通帶帶寬為0.15Hz～0.4Hz的濾波器，獲取高頻帶序列，再計算香農(nóng)熵ShEn，即得到該睡眠狀態(tài)下的高頻帶香農(nóng)熵ShEnH。

所述步驟5）中提取的1個特征參數(shù)為：計算REM和NREM兩種睡眠狀態(tài)下特定配對序列間的傳遞熵TE；

所述傳遞熵TE包括：

TEa1：REM或NREM睡眠狀態(tài)下同步5分鐘RR間期序列到RA間期序列的傳遞熵TE；

TEa2：REM或NREM睡眠狀態(tài)下同步5分鐘RA間期序列到RR間期序列的傳遞熵TE；

TEb1：REM或NREM睡眠狀態(tài)下同步5分鐘PP間期序列到RA間期序列的傳遞熵TE；

TEb2：REM或NREM睡眠狀態(tài)下同步5分鐘RA間期序列到PP間期序列的傳遞熵TE；

TEc1：REM或NREM睡眠狀態(tài)下同步5分鐘PTT序列到RA間期序列的傳遞熵TE；

TEc2：REM或NREM睡眠狀態(tài)下同步5分鐘RA間期序列到PTT序列的傳遞熵TE。

所述步驟6）中神經(jīng)網(wǎng)絡(luò)心肺系統(tǒng)交互作用評估模型的構(gòu)建是：

構(gòu)建3-N-1三層的神經(jīng)網(wǎng)絡(luò)，即輸入層為3個神經(jīng)元，輸出層為1個神經(jīng)元，中間層為N個神經(jīng)元，其中N可調(diào)；

所述輸入層的3個神經(jīng)元為：低頻帶香農(nóng)熵ShEnL、高頻帶香農(nóng)熵ShEnH和傳遞熵TE；

所述神經(jīng)網(wǎng)絡(luò)的構(gòu)建步驟如下：

a1：輸入訓(xùn)練樣本的3個特征參數(shù)，中間層神經(jīng)元從1開始，檢查比較輸出誤差與期望誤差；

a2：若輸出誤差沒有達到期望誤差，神經(jīng)網(wǎng)絡(luò)中間層神經(jīng)元個數(shù)自動增加1，重復(fù)此過程直到訓(xùn)練得到期望誤差為止；

其中，可通過大樣本和最大梯度法確定神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)和閾值。

所述步驟7）中對受試者進行心肺功能評估的方法是：將受試者的REM和NREM兩種睡眠狀態(tài)下的低頻帶香農(nóng)熵ShEnL、高頻帶香農(nóng)熵ShEnH和傳遞熵TE的特征值輸入到訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)中，獲得受試者心肺交互作用的功能分級，所述神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元的輸出采用“1,2,3”代表受試者的心肺功能狀態(tài)，其中“1”代表心肺功能為I級，代表受試者發(fā)生氣促、胸悶、胸痛的突發(fā)事件概率高；“2”代表心肺功能為II級，代表受試者發(fā)生氣促、胸悶、胸痛的突發(fā)事件概率低；“3”代表心肺功能為III級，代表受試者基本不發(fā)生氣促、胸悶、胸痛的突發(fā)事件。

本發(fā)明與現(xiàn)有技術(shù)相比，具有如下有益效果：

本發(fā)明利用多變量時間序列分析技術(shù)來分析心肺耦合，對心動周期，呼吸，血壓等多個變量采用頻域和信息學(xué)的分析方法進行分析，很好地彌補了單變量的分析不足，從而更精確更全面地量化心肺系統(tǒng)間的復(fù)雜的調(diào)節(jié)機制，而且這不僅量化心肺交互作用的耦合強度，還能對心肺交互作用的方向進行判斷，對機體健康狀態(tài)相關(guān)的生理病理信息描述更加詳細精確，對心肺耦合分析評價自主神經(jīng)系統(tǒng)功能、定量評價睡眠質(zhì)量及檢測睡眠呼吸事件等具有極大的幫助。

下面結(jié)合附圖對本發(fā)明作進一步的說明。

附圖說明

圖1是本發(fā)明的系統(tǒng)框圖。

圖2是本發(fā)明的實驗流程框圖。

圖3是本發(fā)明實驗提取心電、脈搏波、呼吸信號序列的示意圖。

圖4是本發(fā)明脈搏傳導(dǎo)時間的計算方法表示圖。

圖5是本發(fā)明神經(jīng)網(wǎng)絡(luò)的原理結(jié)構(gòu)圖。

具體實施方式

如圖1和圖2所示，本發(fā)明所述的量化心肺系統(tǒng)交互作用的分析方法，包括以下步驟：

1）利用多導(dǎo)生理記錄儀采集受試者夜間睡眠7小時的體表心電信號、呼吸氣流信號及食指末端的脈搏波信號，并根據(jù)R&K標準進行睡眠分期標記：REM（快動眼睡眠期），NREM（非快動眼睡眠期）；

2）如圖3所示，對采集的體表心電信號逐拍提取RR間期序列{RRi，i=1,2,3，…，N}，對采集的脈搏波信號逐拍提取PP間期序列{PPi，i=1,2,3，…，N}，對采集的呼吸氣流信號逐拍提取RA間期序列{RAi，i=1,2,3，…，N}；并根據(jù)同步的體表心電信號和脈搏波信號，計算脈搏波傳導(dǎo)時間PTT序列{PTTi，i=1,2,3，…，N}，所述的脈搏波傳導(dǎo)時間PTT序列為同一心動周期的心電R波到脈搏波上升沿一階導(dǎo)數(shù)最大值的時間差，如圖4所示是本發(fā)明脈搏波傳導(dǎo)時間的計算方法；

3）同步截取上述4種時間序列在相同睡眠狀態(tài)下（即REM或NREM睡眠狀態(tài)）的連續(xù)5分鐘片段序列，構(gòu)成同步分段矩陣 {RRij}，{PPij}，{PTTij}，{RAij}，其中i=0代表“快動眼睡眠期”，i=1代表“非快動眼睡眠期”，j = 1,2,3，…N ，且分段矩陣中相對應(yīng)每一列代表同步截取RR，PP，PTT，RA的5分鐘長度的時間序列；

4）從截取的4種時間序列的連續(xù)5分鐘片段序列中提取2個特征參數(shù)，作為受試者不同睡眠深度下的心血管及肺系統(tǒng)的功能變化的判斷指標；其具體步驟如下：

a1：對分段矩陣{RRij}，{PPij}，{PTTij}，{RAij}（其中i=0代表“快動眼睡眠期”，i=1代表“非快動眼睡眠期”，j = 1,2,3，…N）中的每一列5分鐘序列通過通帶帶寬為0.04Hz～0.15Hz的濾波器，獲取低頻帶序列；

a2：再計算低頻帶序列的香農(nóng)熵ShEn，得到作為第一個特征參數(shù)的低頻帶香農(nóng)熵ShEnL；

a3：同時將所述的4種5分鐘序列片段通過通帶帶寬為0.15Hz～0.4Hz的濾波器，獲取高頻帶序列；

a4：再計算高頻帶序列的香農(nóng)熵ShEn，得到作為第二個特征參數(shù)的高頻帶香農(nóng)熵ShEnH；

具體的按照以下公式計算上述香農(nóng)熵ShEn：

，i=1,2，…，n，代表隨機變量中某一特定值時的發(fā)生概率；X是5分鐘序列；

5）將截取的4種時間序列的連續(xù)5分鐘片段序列進行特定配對，并提取1個特征參數(shù)，作為受試者夜間睡眠的心血管及肺系統(tǒng)交互作用的判斷指標；其中，特定配對的配對方式為：a、RR間期序列與RA間期序列；b、PP間期序列與RA間期序列；c、PTT序列與RA間期序列；

而且，所述提取的1個特征參數(shù)為：特定配對序列間的傳遞熵TE；其中，計算REM和NREM兩種睡眠狀態(tài)下特定配對序列間的傳遞熵TE包括：

TEa1：REM或NREM睡眠狀態(tài)下同步5分鐘RR間期序列到RA間期序列的傳遞熵TE；

TEa2：REM或NREM睡眠狀態(tài)下同步5分鐘RA間期序列到RR間期序列的傳遞熵TE；

TEb1：REM或NREM睡眠狀態(tài)下同步5分鐘PP間期序列到RA間期序列的傳遞熵TE；

TEb2：REM或NREM睡眠狀態(tài)下同步5分鐘RA間期序列到PP間期序列的傳遞熵TE；

TEc1：REM或NREM睡眠狀態(tài)下同步5分鐘PTT序列到RA間期序列的傳遞熵TE；

TEc2：REM或NREM睡眠狀態(tài)下同步5分鐘RA間期序列到PTT序列的傳遞熵TE；

具體的按照以下公式計算x到y(tǒng)的傳遞熵TE：

，i=1,2，…，n，其中表示狀態(tài)到狀態(tài)的轉(zhuǎn)移概率；表示狀態(tài)到狀態(tài)的條件概率；表示狀態(tài)到狀態(tài)的條件概率；x和y是特定配對的5分鐘序列；

6）如圖5所示，建立神經(jīng)網(wǎng)絡(luò)心肺系統(tǒng)交互作用評估模型，將上述提取的3個特征參數(shù)作為神經(jīng)輸入矢量，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，確定神經(jīng)網(wǎng)絡(luò)參數(shù)；其中，神經(jīng)網(wǎng)絡(luò)心肺系統(tǒng)交互作用評估模型的構(gòu)建是：

構(gòu)建3-N-1三層的神經(jīng)網(wǎng)絡(luò)，即輸入層為3個神經(jīng)元，輸出層為1個神經(jīng)元，中間層為N個神經(jīng)元，其中N可調(diào)；

所述輸入層的3個神經(jīng)元為：低頻帶香農(nóng)熵ShEnL、高頻帶香農(nóng)熵ShEnH和傳遞熵TE；

所述神經(jīng)網(wǎng)絡(luò)的構(gòu)建步驟如下：

a1：輸入訓(xùn)練樣本的3個特征參數(shù)，中間層神經(jīng)元從1開始，檢查比較輸出誤差與期望誤差；

a2：若輸出誤差沒有達到期望誤差，神經(jīng)網(wǎng)絡(luò)中間層神經(jīng)元個數(shù)自動增加1，重復(fù)此過程直到訓(xùn)練得到期望誤差為止；

其中，可通過大樣本和最大梯度法確定神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)和閾值。

7）利用訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)對受試者進行心肺功能評估，其方法是：將受試者的REM和NREM兩種睡眠狀態(tài)下的低頻帶香農(nóng)熵ShEnL、高頻帶香農(nóng)熵ShEnH和傳遞熵TE的特征值輸入到訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)中，獲得受試者心肺交互作用的功能分級，所述神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元的輸出采用“1,2,3”代表受試者的心肺功能狀態(tài)，其中“1”代表心肺功能為I級，代表受試者發(fā)生氣促、胸悶、胸痛的突發(fā)事件概率高；“2”代表心肺功能為II級，代表受試者發(fā)生氣促、胸悶、胸痛的突發(fā)事件概率低；“3”代表心肺功能為III級，代表受試者基本不發(fā)生氣促、胸悶、胸痛的突發(fā)事件。

通過本發(fā)明提出的量化心肺交互作用的分析方法，具有如下有益的效果：利用多變量時間序列分析技術(shù)來分析心肺耦合，對心動周期，呼吸，血壓等多個變量采用頻域和信息學(xué)的分析方法進行分析，可以彌補單變量的分析不足，更精確更全面的量化心肺系統(tǒng)間的復(fù)雜的調(diào)節(jié)機制。這不僅量化心肺交互作用的耦合強度，還能對心肺交互作用得方向進行判斷，對機體健康狀態(tài)相關(guān)的生理病理信息描述更加詳細精確，對心肺耦合分析評價自主神經(jīng)系統(tǒng)功能、定量評價睡眠質(zhì)量、檢測睡眠呼吸事件等具有極大的幫助。

本發(fā)明是通過實施例來描述的，但并不對本發(fā)明構(gòu)成限制，參照本發(fā)明的描述，所公開的實施例的其他變化，如對于本領(lǐng)域的專業(yè)人士是容易想到的，這樣的變化應(yīng)該屬于本發(fā)明權(quán)利要求限定的范圍之內(nèi)。