论文部分内容阅读
心血管疾病致残率、死亡率很高，是危害人类健康的严重疾病，大量研究表明，心率变异性（Heart Rate Variability，HRV）是预测心血管疾病的重要参数，对于心血管及并发疾病的早期与预测，具有重要的意义。但HRV在应用过程中，特别是在24小时动态监测的应用中存在很大的困难。影响HRV的因素有很多，包括年龄、性别、烟酒史、运动状态、生理周期、情绪等等。其中，运动、生理周期与情绪的影响最大，传统的HRV分析没有考虑这些情景状态造成的影响，所以难以得到准确的结果。 本文设计并实现了有情景的HRV监测系统，能够记录并分析24小时的心率变异性。系统引入了情景分析，针对运动、生理周期和情绪情景对HRV的影响做了详细的研究。在HRV监测中考虑运动、生理周期、情绪等情景信息，一方面有利于排除这些情景信息对HRV计算造成的差异，提高HRV分析结果的可靠性;另一方面丰富了HRV的评估内容，有利于寻找不同情景下的新的诊断指标。论文的主要工作包括以下方面: 第一，设计并实现了有情景的HRV监测系统。监测系统根据不同的应用场景分为离线监测系统和实时监测系统。传感器节点能够采集用户的生理信号（心电图信号）、情景信息（三轴加速度、时间信息），并完成数据的预处理（包括ECG信号去噪、R波检测与实时运动强度计算）。在离线监测系统中，传感器节点将数据储存在SD卡中，用户通过按键与液晶屏控制节点和查看数据。形成的数据文件可以在PC端服务器进行深入处理，并形成报告。在实时监测系统中，传感器节点通过蓝牙将实时数据及预处理结果组包发送至手机端软件，用户通过手机端控制传感器节点的工作:一、接收并显示传感器节点发送的数据;二、发送数据至PC端服务器。系统在服务器端对生理信号和情景信息进行融合，计算并分析不同情景状态下的HRV特征。 第二，分析了运动情景对HRV的影响。系统利用加速度信号获得实时运动强度，并利用运动强度对信号进行分段处理。本文分析了不同运动强度下HRV的分布特征，建立运动强度与NN间隙分布的模型，并依据模型进行NN间隙信号异常点检测。通过不同运动情景下的HRV分析能够有效地去除HRV中由运动引入的干扰。 第三，分析生理周期情景对HRV的影响。基于本文设计的系统，合理设计实验，通过融合运动强度与时间信息，确定实验对象的昼夜清醒与睡眠的生理周期。在排除运动情景影响后，分析夜间睡眠与白天清醒的生理周期节律对HRV指标的影响，并对心血管疾病患者与健康实验对象在不同生理周期下HRV的差异进行研究。通过不同生理周期情景下的HRV分析，发现了心血管疾病患者与健康人各HRV指标随生理周期变化的特征，实验证明了融合生理周期情景的HRV分析能够更准确地评估心血管系统的健康状况，并可依此提出新的评估与诊断指标。 第四，分析情绪情景对HRV的影响。采用德国奥斯堡大学情感数据库的数据，分析了情感对几种通用的HRV指标的影响，并对影响最明显的指标进行分析，说明不同的情绪会导致HRV某些通用指标发生明显变化，在利用HRV评估健康状况时，需要考虑情绪情景的影响。设计实验，分析了不同运动强度下情绪对HRV和谐的影响，阐明了利用HRV和谐评估身心健康状况时需要去除运动带来的干扰。