心電圖和光電容積脈搏波計算心率變異性的比較研究

【作　者】王步青，柴曉珂，張政波，王衛東

1 解放軍總醫院醫學工程保障中心，北京市，100853

2 解放軍醫學院，北京市，100853

心電圖和光電容積脈搏波計算心率變異性的比較研究

【作者】王步青1，柴曉珂2，張政波1，王衛東1

1 解放軍總醫院醫學工程保障中心，北京市，100853

2 解放軍醫學院，北京市，100853

采集46名健康成年人自主呼吸狀態下的同步心電和光電容積脈搏波信號，從心電圖中提取心跳間期，從光電容積脈搏波中提取脈搏間期，分別計算心率變異性。脈搏間期的提取采用了二階差分極大值法、主波波峰法和切線法這三種不同的特征點識別算法。結果顯示基于光電容積脈搏波的三種不同特征點識別算法獲得的心率變異性結果與使用心電獲得的心率變異性結果高度相關。Bland-Altman圖顯示主波波峰法的計算結果較其它兩種方法的結果的相對偏倚值的標準差最小，一致性限外的奇異點最少。

自主呼吸；心電圖；光電容積脈搏波；心率變異性

0　引言

心率變異性(Heart Rate Variability，HRV) 通過分析逐次心動周期的時間差別，獲得反映植物性神經系統活動的指標[1]。通過計算頻域的HRV參數，可以無創性地對個體的交感神經和迷走神經的張力、兩者的均衡性及其對心血管活動的影響進行評估。迷走神經興奮時，HRV幅度大，而迷走神經功能受損時，HRV幅度小。生理實驗已證明：正常人的HRV較大，而患有冠心病、各類心律失常、充血性心力衰竭、高血壓、糖尿病等病人的HRV則明顯地減小。目前，HRV分析在科研和臨床的應用研究非常廣泛，幾乎包含了所有心血管疾病以及糖尿病等很多非心血管疾病，已成為心電信息學中十分熱門的課題。

光電容積脈搏描記術 (PhotoPlethysmoGraphy，PPG)是19世紀30年代由Hertzman發明的，是一種借助光電手段在組織中檢測血液容積變化的無創檢測方法[2]。光電容積脈搏波利用光電探測器對透射光或散射光進行探測，獲得的脈搏血流容積變化波形。光電容積脈搏波呈現的脈動性變化，與心臟搏動相關，它同時反映了血氧飽和度、心輸出量、外周循環阻力、動脈順應性等心血管系統相關的狀態信息[3]。此外測量PPG波形不需要復雜而昂貴的儀器設備，且操作簡便、性能穩定、具有無創和適應性強等諸多優點，在臨床監護和移動生理參數監測等領域獲得了廣泛應用。

早在1986年，Altemeyer等就開展了用PPG信號的脈率來代替心率的研究，研究結果顯示二者具有較好的一致性[4]。之后Lindberg、Nakajima、Atlasz等也開展了類似的實驗研究，均得到二者一致性的結論[5-7]。若脈率間期可以代替心跳間期進行HRV分析，則可以使測量儀器的成本和復雜性以及操作人員的專業性大大降低，從而在臨床監護、生物反饋、自主神經系統狀態評價等方面獲得廣泛的應用。典型的實驗研究有：Chang對10個健康男性的靜坐休息實驗；Giardino等對16個健康受試者的靜坐休息實驗和對10個健康受試者的靜坐壓力測試實驗；Lu對10個健康人的平躺實驗。之前的研究為了保證采集數據的噪聲干擾小、畸變小均采用了無心血管系統、循環系統疾病的健康成年人靜坐或平躺的穩態數據，存在的問題是這些研究普遍存在受試者樣本數量少，脈率間期計算方法不統一，一致性分析方法單一的問題，導致增大了隨機誤差、缺乏統一的比較標準和完整的一致性評價體系，完整的“一致性” 評價需要包括數據的集中趨勢、離散趨勢以及相關性分析[8]。

本研究分析了46個健康成年受試者在靜坐狀態下自主呼吸過程中的同步心電信號和光電容積脈搏波信號數據，研究了通過脈搏波獲取的心率變異性分析結果與心電獲取的心率變異性分析結果之間是否存在顯著性差異。在脈搏波特征點識別方面，系統比較了三種常用脈搏波特征點提取算法的性能：二階差分極大值法，主波波峰法和切線交點法。由于心率變異性頻域方法能夠定量評價自主神經系統活性和均衡性，本文在心率變異性分析方面，選取了常用的頻域分析指標，包括總功率(TP)、低頻功率(LF)、高頻功率(HF)、標準化高頻功率(HFnorm)和低、高頻功率比(LF/HF)等，系統研究了上述三種算法在心率變異性頻域指標估算方面的性能。

1　對象和方法

1.1實驗方案

本文數據來自于我單位之前開展的漸進性引導呼吸實驗中的ECG和PPG信號。參加實驗的46名健康成年受試者，平均年齡(27.6±6.8)歲，均無心血管及循環系統疾病，該實驗使用Biopac MP150多生理參數采集系統同步采集心電、呼吸、光電容積脈搏波信號等生理參數，采樣率為1 000 Hz。實驗過程為：受試者靜坐在舒適的椅子上休息10 min后，進行呼吸率依次為[自主呼吸—14次/min—12.5次/min—11次/min—9.5次/min—8次/min—7次/min—自主呼吸]的引導呼吸，每個引導呼吸階段持續3 min，引導呼吸的吸呼比為1:2。本研究采用初始階段3 min的自主呼吸下的心電信號和光電容積脈搏波信號。提取每個受試者的去掉前、后各15 s的數據，取中間的2.5 min的數據進行分析。

1.2數據分析

1.2.1脈搏波基點識別算法

ECG波形中連續兩個R波間的時間定義為R wave to R wave Interval，表示為RRI。脈搏波中連續兩個特征基點間的時間定義為Pulse to Pusle Interval，表示為PPI。脈搏波特征基點的位置取決于脈搏波基點的定義，有三種常用的定義脈搏波基點的方法：

(1) 二階差分極大值法 在脈搏波上升時段，尋找二階差分的極大值點[9]，(圖1自上而下，第一個圖為ECG，第二個圖為PPG的二階差分，第三和第四個圖為PPG)，如圖1中PPG信號上的2號標示點，由此方法得出的脈率間期記為PPI1。

(2) 主波波峰法 脈搏波主波的極大值點[10]，如圖1中PPG信號上的3號標示點。由此方法得出的脈率間期記為PPI2。

(3) 切線交點法 脈搏波上升時段內斜率最大點的切線與基線的交點[11]，如圖1中的PPG信號上的1號標示點，由此方法得出的脈率間期記為PPI3。

圖1　脈搏波基準點的三種定義方法Fig.1　Three kinds of definition method of reference point of pulse wave

1.2.2心電特征點識別算法

通過基于二階差分極小值的QRS波識別算法提取R-R間期序列[12]。該算法經過30個健康成人的心電數據文件、25個MIT-BIH Arrhythmia數據庫文件(文件號為100-124)和心電模擬器(型號為：METRON PS-420)的心率分別從30次/min～240次/min的模擬心電信號驗證，R波檢出率為100%，干擾主要是類似于R波波形的高頻大幅尖波。通過比較瞬時R-R間期是否在R-R間期均值的0.75倍和1.25倍之間的經驗公式法，可有效識別錯檢的R波，保證檢測結果的準確性。

圖2　自主呼吸下的RRI與PPI1曲線Fig.2　The waveforms of RRI and PPI1 under spontaneous breathing

圖3　自主呼吸下的PPI1、PPI2和PPI3曲線Fig.3　The waveforms of PPI1，PPI2 and PPI3 under spontaneous breathing

圖2為自主呼吸下的某受試者2.5 min的RRI與PPI1的間期序列曲線，圖3為PPI1、PPI2和PPI3的間期序列曲線。

1.2.3基于AR模型的心率變異性分析

(1) AR模型

AR模型由于具有良好的譜分辨率而被廣泛采用于心率變異性頻域分析。在AR模型的分析方法中，假定所觀測的數據x(n)是由均方差為σ2的零均值白噪聲序列w(n)激勵一個全極點的線性時不變離散時間系統H(z)得到的，可用差分方程(1) 表示信號：

其中， p是模型的階數，aj是系數，該模型記為AR(p)，它的系統轉移函數為式（2）：

則x(n)的功率譜可表示為式（3）

(2) HRV頻域分析

常用的短程（2～5 min的心電數據）的HRV的功率譜參數如表1所示，這些參數反映了自主神經系統的活性和均衡性。TP反映了自主神經系統總的活動性，HF反映了迷走神經的活動性，LF主要反映了交感神經的活動性， LFnorm反映交感神經活動的相對值，HFnorm反映迷走神經活動的相對值，LF/HF是二者均衡性的量化。

表1　常用的短程HRV功率譜分析指標Tab.1　Commonly used short-range HRV power spectrum analysis indicators

我們對46個受試者的自主呼吸狀態下的3 min的ECG和PPG信號，分析前去掉前后各15 s的數據，確保受試者處于平穩自主呼吸狀態。2.5 min心電數據經過人工檢查，確保沒有嚴重干擾和異位心搏。分別從ECG獲得RR間期，從PPG獲得PP間期PPI1、PPI2和PPI3。為進行HRV頻域參數分析，我們對上述RR間期和PP間期序列做了4 Hz的三次樣條重采樣處理以獲得均勻采樣的時間序列，然后采用平滑先驗原理[13]將超低頻的趨勢項成分去掉，提取512點的數據做基于Burg算法的19階AR模型功率譜估計，得到HRV的頻域參數（RRI、PPI1、PPI2、PPI3的心率變異性參數分別用HRV、HRV1、HRV2、HRV3表示）。

1.3統計分析

使用pearson相關系數來定量心率變異性參數HRV（使用RRI計算）分別與HRV1，HRV2，和HRV3（使用PPI1，PPI2和PPI3計算）的線性程度。由于相關系數不能同時兼顧隨機誤差與系統誤差，用它來評價一致性具有片面性。Bland-Altman圖方法是美國臨床和實驗室標準協會推薦的評價兩種測量方法一致性的幾何圖形法[14]，同時它也可定量獲得離散觀測數據的集中趨勢和離散趨勢。因此，我們選擇相關系數結合Bland-Altman圖的方法來完整地對測量結果的一致性進行評價。使用SPSS17.0 做基于相關系數的統計分析，使用Matlab2007做Bland-Altman分布圖。

2　頻域分析結果

通過RRI和不同特征點識別算法的PPI獲得HRV頻域分析結果如表2所示，由表中的數據可以看到：基于PPG信號的三種方法計算得到的功率譜參數TP、LF、HF、HFnorm均大于基于ECG得到的結果，而LF/HF小于ECG的結果；三種基于PPG方法計算得到的心率變異性的功率譜參數與基于ECG得到的結果的相關系數均顯著大于0.98（P＜0.01）：

通過RRI和三種基于PPG方法的PPI獲得的HRV參數的Bland-Altman的一致性界限的結果見表3，三種方法中，PPI2計算得到的TP、LF、HF、LF/HF的Bland-Altman法中的相對于偏倚值（Bias）的標準差（1.96SD）最小。

表2　46名健康成年受試者的頻域心率變異性計算結果Tab.2　Measurement of ECG and PPG in 46 healthy subjects

表3　RRI和三種PPI的心率變異性的Bland-Altman一致性結果Tab.3　Measurement of ECG and PPG in consistency results for Bland-Altman

3　結論

本文分析引導呼吸過程中的46個健康成人靜坐自主呼吸時的同步心電和光電容積脈搏波信號的心率變異性參數，對光電容積脈搏波信號采用三種常用的脈搏波基點分析方法：①二階差分極大值法；②主波波峰法；③切線交點法，獲得對應的脈率間期PPI。結果顯示：基于PPG信號的三種方法計算得到的功率譜參數TP、LF、HF、HF norm均大于基于ECG得到的結果，而LF/HF小于ECG的結果，這個結果與文獻[15-18]一致。基于PPG的參數LF/HF的較小，可能是由于呼吸引起胸阻抗的變化后，會導致外周循環阻力的變化，導致PPG波形和特征點的改變，引起脈率的變化；同時由于神經系統的調節作用，呼吸運動會通過呼吸性竇性心率不齊（RSA）作用于心率，導致PPG受到呼吸信號的雙重調制，使得HF增大的更多，而產生PPG信號的 LF/HF小于心電信號的LF/HF的實驗結果[19]。

此外，本研究發現：基于PPG信號和ECG信號得到的HRV計算結果差異性的一個重要影響因素是呼吸運動。可以由圖2看到在呼吸相位的轉換期即：吸氣末和呼吸末，RRI與PPI1的差異變大，其它時間兩者的跟隨性很好。由于基點選擇方法的差異，圖3三個間期在呼吸的影響下，尤其是在呼吸動作的變化時刻有著明顯變化。理論上，PPG信號的任何一點都可以作為基準點，選擇有特征的特定的基準點可以使計算方法簡化，PPG信號容易受外界環境的干擾而發生畸變，導致測量的PPI不準確，因此綜合評價各種外界干擾對波形基準點的影響，選擇合適的基準點仍然是研究的主題。三種方法定義不同，適用范圍存在一定的差異性。對于特定的應用，不同的方法會得到不同的結果，通過對比可以確定哪種方法具有相對優越性。表3表明，對于三種計算方法，PPI2計算得到的TP、LF、HF、LF/HF的Bland-Altman法中的相對于偏倚值的標準差最小，95%一致性區間外的奇異點更少，因此認為基于主波波峰極大值的PPI2間期與RR間期具有更好的一致性，可優先選擇用于替代自主呼吸狀態下的健康成年受試者的HRV分析。

[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[T]. Europ Heart J, 1996, 17:354-381.

[2] Herzman A, Spielman C. Observations on the finger volume pulse recorded photoelectrically[J]. Am J Physiol, 1937, (119):334-335.

[3] Korpas D, Harlek J, Dolezal L, et al. Parameters describing the pulse wave[J]. Physiol Res, 2009, 58(4): 473-479,

[4] Altemeyer KH, Mayer J, Berg-Seiter S, et al. Pulse oximetry as acontinuous noninvasive monitoring procedure. Comparison of 2 instruments(in German)[J]. Anaesthesist,1986,35:43-45.

[6] Nakajima K, Tamura T, Miike H. Monitoring of heart and respiratory rates by photoplethysmography using a digital filtering technique[J]. Med Eng Phys, 1996, 18: 365-372.

[7] Atlasz T, Kellenyi L, Kovacs P, et al. The application of surface plethysmography for heart rate variability analysis after GSM radiofrequency exposure[J]. J Biochem Biophys Methods, 2006,69:233-236.

[8] 盛驟. 概率論與數理統計[M]. 北京: 高等教育出版社, 2008.

[9] Mitchell GF, Pfeffer MA, Finn PV, et al. Comparison of techniques for measuring pulse-wave velocity in the rat[J]. Appl Physiol,1982: 203-210.

[10] Yu CX, He W, Xiao DP. Noninvasive measurement and evaluation of arterial stiffness[C]. IEEE EMBS, 2005, 5483-5485.

[11] Chiu YC, Arand PW, Shroff SG, et al. Determination of pulse wave velocities with computerized algorithms[J]. Am. Heart J, 1991(121): 1460-1470.

[12] 王步青, 王衛東. 基于LabVIEW的虛擬心電分析儀中的R波檢測算法研究[J]. 科學技術與工程, 2006, (6): 3401-3404.

[13] Tarvainen MP, Ranta-Aho PO, Karjalainen PA. An advanced detrending method with application to HRV analysis[J]. 2002, 49(2): 172-175.

[14] Bland JM, Alman DG. Statistical methods for assessing agreement between two methods of clinical measurement[J]. Int J Nurs Stud, 2010, 47: 931-936.

[15] Selvaraj N, Jaryal AK, Santhosh J, et al. Assessment of heart rate variability derived from finger-tip photoplethysmography as compared to electrocardiography[J]. J Med Eng Technol, 2008, 32: 479-484.

[16]Charlot K, Cornolo J, Brugniaux JV, et al. Interchangeability between heart rate and photoplethysmography variabilities during sympathetic stimulations[J]. Physiol Meas, 2008, (30): 1357-1369.

[17] Lu G, Yang F, Taylor JA et al.A comparison of photoplethysmography and ECG recording to analyse heart rate variability in healthy subjects[J]. J Med Eng Technol, 2009, (33): 634-641.

[18] Gil E, Orini M, Bail on R, et al. Photoplethysmography pulse rate variability as a surrogate measurement of heart rate variability during non-stationary conditions[J]. Physiol Meas, 2010, (31): 1271-1290.

[19] Karlen W, Brouse CJ, Cooke E,et al. Respiratory rate estimation using respiratory sinus arrhythmia from photoplethysmography[C]. IEEE EMBS, 2011, 1201-1204.

The Study of the Measurement of Heart Rate Variability Using ECG and Photoplethysmographic Signal

【 Writers 】WANG Buqing1, CHAI Xiaoke2, ZHANG Zhengbo1, WANG Weidong1
1 The Medical Engineering Support Center of Chinese PLA General Hospital, Beijing, 100853
2 Chinese PLA Postgraduate Medical School, Beijing, 100853

In comparison with the measurement of heart rate variability from ECG and from photoplethysmographic signal from 46 healthy adults in their spontaneous breathing state. The beat-to-beat intervals in ECG and pulse-to-pulse intervals in photoplethysmographic signal are extracted，and then the parameters of heart rate variability are calculated. Three kinds of algorithms are chosen to get the pulse-to-pulse intervals, which are the intervals of maximum of second derivative，the maximum of PPG signal and the tangent intersection. The results show that the correlation coefficients of the HRV parameters in the two calculation methods are highly correlated. The Bland-Altman scattered plots show the relative bias results from the algorithm of the maximum of PPG signal are smallest and singular points that deviate from the consistent limits are the least compared with the other two algorithms.

spontaneous breathing, ECG, photoplethysmographic signal, heart rate variability

TH776；TP274

A

10.3969/j.issn.1671-7104.2015.04.004

1671-7104(2015)04-0249-04

2015-04-21

北京市自然基金資助項目(3122034)；國家科技支撐計劃課題（2013BAI03B05）

王衛東，E-mail: wangwd301@126.com