首页 > 文献资料
-
以短时心率变异性反映充血性心力衰竭患者自主神经活动的改变
基于短时心率变异性(H RV)分析,探讨充血性心力衰竭(CHF)患者自主神经活动的变化和影响.选用THEW数据库中正常人子数据库作为正常对照组(n=189),对于PhysioNet中两个CHF子数据库的样本(n=44),按照NYHA等级,将NYHAⅠ-Ⅱ级划分轻度CHF组(n=12),NYHAⅢ-Ⅳ级为重度CHF组(n=32).对每一个Holter记录选取日间和夜间安静态各5 min的RR间期(RRI)序列,分别进行时域、基于AR模型的频域和去趋势波动(DFA)分析.在正常组、轻度CHF组和重度CHF组等三组中,CHF患者日间的短时分形尺度指数((α1)d)两两比较均有显著性差异,并存在下降趋势(依次分别为1.35±0.21、1.03±0.29和0.81 ±0.29),反映心率动力学从分形特性转向更随机化的结构.同时,日间HFn((HFn)d)在三组间的两两比较中均存在显著性差异,并存在上升趋势(依次分别为23.89%±12.78%、37.22%±11.24%和56.30%±15.28%),表明CHF导致交感神经和迷走神经交互作用趋于消失.利用夜间RRI(RRIn),(HFn)d和(α1)d等3个指标进行Fisher线性判别,区分正常人和CHF患者的灵敏性和特异性分别为90.91%和92.06%,而区分轻度和重度CHF患者的灵敏性和特异性分别为84.38%和100%.所进行的研究将HRV非线性方法与传统方法相结合评估自主神经状态,为监测CHF病情或观察治疗效果等潜在的临床应用提供了依据.
关键词: 心率变异性 充血性心力衰竭 去趋势波动分析(DFA) 自主神经系统 -
基于去趋势波动分析(DFA)的脑卒中后抑郁症静息脑电特征提取与识别
为考察脑卒中后抑郁症(PSD)患者静息态脑电(EEG)特异性,通过去趋势波动分析(DFA),提取16导联EEG信号波动函数F(s)和区间长度s函数关系在双对数坐标中线性拟合斜率之标度指数α值,作为EEG信号的长程幂函数相关性特征参数.将3类人群(健康正常组10人、脑卒中后无抑郁症组4人、脑卒中后抑郁症组7人)的16导联EEG信号α值作为样本进行独立样本t检验,结果显示,健康人与脑卒中患者在顶叶、颞叶以及枕叶处α值存在显著性差异(P<0.05);利用支持向量机(SVM)分类器,将EEG信号DFA的α值放入16维特征空间在脑卒中患者组(含抑郁症与无抑郁症)内进行模式识别,可获得高90.9%的分类正确率,有望为临床PSD提供客观有效的辅助诊断新手段.