心肺耦合分析研究.pdf

1、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)之間內在的協(xié)調機制及其相互作用[1]。相對于單變量分析技術如心率變異性分析(Heart RateVariability: HRV)技術等，心肺耦合分析能反映心肺系統(tǒng)之間的作用關系和耦合強度，可以為人體健康狀態(tài)的量化表達提供一個新的視角。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度的方法。
　　方法:首先設計漸進性引導呼吸實驗，受試者跟隨設定好的呼吸引

2、導模板和引導音樂進行漸進性低頻節(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行分析，用經驗模態(tài)分解的方法提取脈搏波傳導時間(pulse transit time，PTT)的基線成分和幅度成分，分析其在漸進性引導呼吸過程中的變化規(guī)律，并對各個引導呼吸率下的收縮壓、舒張壓和平均壓進行統(tǒng)計分析;之后基于AR模型的頻域方法分析引導呼吸過程中的心率變異性，其中

3、用最終預測誤差最小準則來計算AR模型最佳階數(shù)，并對殘差序列進行白化檢測來驗證選擇的最佳階數(shù)的合理性;最后為量化漸進性引導呼吸過程中的心肺協(xié)調性，采用基于相干性和互功率譜的心肺耦合分析方法進行計算。
　　由于同時測量心電和呼吸信號進行心肺耦合分析并不方便，為提高基于心電中導出的呼吸信號(ECG-Dirived Respiration，EDR)與心電的RR間期信號進行心肺耦合分析的準確性，對原始EDR信號進行自適應濾波獲得增強的EDR

4、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)來驗證自適應濾波對于提高基于單導ECG的心肺耦合分析的準確性是否有效，先求得增強的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各個頻段的最大心肺耦合值及其相應的頻率，與直接使用真實呼吸和原始EDR信號進行心肺耦合分析獲得的各個頻段的結果進行比較。最后對睡眠呼吸暫停綜合癥數(shù)據(jù)庫(Apnea ECG Database

5、)整夜的睡眠心電數(shù)據(jù)進行心肺耦合分析，基于各個頻段的心肺耦合值進行睡眠分期和睡眠呼吸事件檢測。
　　結果:在進性引導呼吸過程中，脈搏波傳導時間的基線從197.2±7.6增加到201.7±7.4，PTT的延長與血壓變化呈負相關關系，該結果與實際采集的血壓變化（收縮壓從124.46±12.79到117.93±13.42）的結果一致，且引導呼吸開始前與引導呼吸結束后的血壓之間的差異有統(tǒng)計學意義(p＜0.05)。同時隨著呼吸的減慢加深，基

6、于AR模型的功率譜分析計算得到的呼吸性竇性心律不齊(RSA，Respiration sinus arrhythmia)參數(shù)也逐漸增大。漸進性引導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，引導呼吸結束后的心肺耦合值1348109.69明顯大于引導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)進行心肺耦合分析得到各個頻段的心肺耦合值，結果顯示增強的EDR信號得出的各頻段中最大峰值和對應的

7、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)用增強的EDR序列和RR間期序列進行心肺耦合分析，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示結果與依據(jù)真實呼吸的標示相一致。
　　結論:結果表明漸進性引導呼吸通過心血管反射調節(jié)，可以起到延長脈搏波傳導時間，降低系統(tǒng)血壓的作用，同時呼吸性竇性心律不齊也增大，通過分析漸進性引導呼吸

8、過程中的心肺耦合指標，也表明引導呼吸對心肺生理協(xié)調性產生了有益的調節(jié)。對Fantasia數(shù)據(jù)庫的心電和呼吸數(shù)據(jù)進行的分析，也驗證了自適應濾波增強EDR信號用于心肺耦合分析，與原始EDR信號相比更為準確。對睡眠呼吸暫停綜合征患者夜間睡眠的數(shù)據(jù)，基于增強的EDR信號和RR間期序列進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的參數(shù)，來進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