基于近似熵的不同狀態(tài)心電信號(hào)的分析

【作 者】焦方惠，郭永新，焦青

1 山東省泰安市寧陽縣第一人民醫(yī)院心電圖室，山東，泰安，271400

2 山東泰山醫(yī)學(xué)院，山東，泰安，271016

0 引言

心血管疾病是當(dāng)今危害人類健康的主要疾病之一。我國心血管疾病發(fā)病率很高，而且呈逐年遞增的趨勢，其中心源性猝死在中老年人中發(fā)生的比例可達(dá)到56%～80%[1]，研究表明，心源性猝死中多數(shù)為室性期前收縮引起的室性心動(dòng)過速(ventricular tachycardia,VT)繼發(fā)心律失常(ventricular fibrillation,VF)而死亡[2]。因此，如何運(yùn)用可靠的檢測手段來識(shí)別和篩選高?；颊撸焖俚貐^(qū)別VT與VF患者，從而進(jìn)行積極的治療與處理，在未誘發(fā)心律失常之前對(duì)患者進(jìn)行干預(yù)，具有重要的臨床價(jià)值。

心電信號(hào)具有混沌性，即心電信號(hào)是出于周期性和隨機(jī)性之間的一種信號(hào)，因此采用非線性混沌指標(biāo)對(duì)心電信號(hào)進(jìn)行刻畫。在眾多反映心電信號(hào)混沌性變化的指標(biāo)中，近似熵是一種可對(duì)時(shí)間序列的不規(guī)則性、復(fù)雜性進(jìn)行測度的計(jì)算方法，是由Pincus于二十世紀(jì)九十年代提出的[3]。它包含著時(shí)間順序信息，實(shí)質(zhì)上是時(shí)間新模式的發(fā)生率隨著嵌入維數(shù)而改變的情況，反映了數(shù)據(jù)的結(jié)構(gòu)復(fù)雜性。對(duì)于非線性時(shí)間序列，它并不企圖完全重構(gòu)吸引子，而是從統(tǒng)計(jì)學(xué)的角度來區(qū)別各種過程，因此可以使用較短的數(shù)據(jù)來進(jìn)行估測。

近似熵在心電研究中有許多應(yīng)用，如可利用它進(jìn)行冠心病患者的心率調(diào)制機(jī)制評(píng)價(jià)[4]，及心律失?；颊哌M(jìn)行電子除顫后的效果評(píng)價(jià)[5]。另外，水浸應(yīng)激狀態(tài)下的大鼠會(huì)出現(xiàn)RR間期時(shí)間序列的ApEn上升[6]，可反映出自主神經(jīng)系統(tǒng)的調(diào)制狀況。因此，使用近似熵對(duì)正常、VT和VF下的心電信號(hào)進(jìn)行分析，可能會(huì)有助于這三種狀態(tài)下心電信號(hào)的辨別。本研究擬分別提取正常、VT和VF下的心電信號(hào)的RR間期，計(jì)算其近似熵，并進(jìn)行方差分析，以觀察近似熵在不同心臟狀態(tài)下的表現(xiàn)。

1 方法

1.1 近似熵

對(duì)于原始時(shí)間序列x(1),x(2),…x(N)，共N點(diǎn)，以時(shí)間延遲τ進(jìn)行重建m維相空間，得到一組m維矢量[3]：

其中i取從1到N-m+1的值。定義u(i)與u(j)之間的距離d[u(i),u(j)]為兩者對(duì)應(yīng)元素中差值最大的一個(gè)，

對(duì)于給定的閾值r，統(tǒng)計(jì)對(duì)應(yīng)每一個(gè)i值的d[u(i),u(j)]小于r的數(shù)目，并求該數(shù)目值與距離總數(shù)N-m的比值，記作(r)，有：

近似熵的數(shù)值大小反映系統(tǒng)復(fù)雜性的高低。ApEn數(shù)值越大，說明系統(tǒng)越趨近于隨機(jī)狀態(tài)，其復(fù)雜性增大，規(guī)律性減少，包含頻率成分越豐富。ApEn數(shù)值越低，則信號(hào)越趨于周期性，復(fù)雜性降低，意味著隨機(jī)性降低和規(guī)律性的增加，即混沌性的降低?；煦缧缘慕档鸵馕吨β首V頻帶變窄。

1.2 數(shù)據(jù)處理

本研究所采用的數(shù)據(jù)來自于PhysioNet[7]網(wǎng)站上的數(shù)據(jù)庫群(PhysioBank)，正常人心電信號(hào)取自MITBIH Normal Sinus Rhythm Database(MIT-BIH NSR數(shù)據(jù)庫)，心動(dòng)過速心電信號(hào)取自Creighton University Ventricular Tachyarrhythmia Database(CUVT數(shù)據(jù)庫)，心律失常心電信號(hào)來自MIT-BIH Arrhythmia Database數(shù)據(jù)庫(MIT-BIH Arrhythmia數(shù)據(jù)庫)[8]，從MIT-BIH NSR、CUVT及MIT-BIH Arrhythmia數(shù)據(jù)庫中分別提取了18個(gè)成年人的信號(hào)，對(duì)數(shù)據(jù)庫中的R波標(biāo)記進(jìn)行手工檢查，排除野點(diǎn)(outlier)后提取這些心電信號(hào)的RR間期時(shí)間序列，按照前述近似熵公式進(jìn)行計(jì)算，選取嵌入維數(shù)為2，閾值設(shè)為時(shí)間序列標(biāo)準(zhǔn)差的0.15倍，并對(duì)三組數(shù)據(jù)進(jìn)行方差分析。

2 結(jié)果

圖1所示為正常心率(NSR)、心動(dòng)過速(VT)及心律失常(VF)狀態(tài)下一個(gè)選取者的RR間期時(shí)間序列，可以看出三種狀態(tài)下的RR間期分布有差異。

圖1 正常心率(NSR)、心動(dòng)過速(VT)及心律失常(VF)的心電RR間期時(shí)間序列Fig.1 The RR interval time series of the three state of NSR,VT and VF

表1列出了各組ApEn的均值與標(biāo)準(zhǔn)差。圖2為NSR、VT及VF狀態(tài)下的ApEn的方差分析結(jié)果，可以看出三組間的ApEn數(shù)值存在顯著差異(F=19.92，P<0.0001)。

表1 NSR、VT及VF狀態(tài)下的RR間期的ApEn數(shù)值Tab.1 The ApEn values of RR interval time series of the state of NSR,VT and VF

圖2 NSR、VT及VF狀態(tài)下RR間期的ApEn比較Fig.2 ApEn of RR interval series of NSR,VT and VF

3 討論

近似熵的意義為一個(gè)時(shí)間序列中相同模式重復(fù)出現(xiàn)的幾率大小[9]，其數(shù)值大小反映系統(tǒng)復(fù)雜性的高低。ApEn數(shù)值越低，信號(hào)越趨于周期性，復(fù)雜性降低，意味著隨機(jī)性降低和規(guī)律性的增加，即混沌性的降低。本研究中的ApEn數(shù)值在正常心率、心動(dòng)過速及心律失常不同狀態(tài)下具有顯著的差異，從正常組到心動(dòng)過速組再到心律失常組RR間期ApEn的數(shù)值逐次顯著升高，反映出心動(dòng)過速與心律失常患者心電信號(hào)RR間期的不規(guī)律性增加，復(fù)雜度上升。一項(xiàng)近期研究采用近似熵來表示心率變異性二值信號(hào)的規(guī)律性，從而反映自主神經(jīng)系統(tǒng)的調(diào)制狀況，繼而可以對(duì)心率變異性的模式進(jìn)行辨別[10]。我們的結(jié)果支持該項(xiàng)研究，從另一角度說明了近似熵是一個(gè)可以區(qū)分不同心臟狀態(tài)的指標(biāo)。

基于ApEn的計(jì)算過程，可看出它有下述特點(diǎn)。第一，因?yàn)榭顾矐B(tài)干擾產(chǎn)生的數(shù)據(jù)(即野點(diǎn))與相鄰點(diǎn)聯(lián)成的二或三點(diǎn)線段與第i個(gè)數(shù)據(jù)x(i)的距離必定較大，因而在閾值檢測中會(huì)被去除，所以ApEn有較好的抗瞬態(tài)大干擾的能力。第二，由于簡單的統(tǒng)計(jì)參數(shù)(如均值、方差、標(biāo)準(zhǔn)差等)丟失了數(shù)據(jù)蘊(yùn)含在時(shí)間順序中的信息，而ApEn則包含時(shí)間模式的信息，它反映時(shí)間新模式發(fā)生率隨維數(shù)而增減的情況，因而ApEn可反映數(shù)據(jù)結(jié)構(gòu)上的復(fù)雜性。第三，由于ApEn并不企圖描述或重建吸引子的全貌，而只從統(tǒng)計(jì)角度區(qū)別各種過程。重建吸引子來描述全面的非線性性質(zhì)需要較多數(shù)據(jù)來估計(jì)。因此ApEn僅需要較短的數(shù)據(jù)即可較準(zhǔn)確地分析信號(hào)的復(fù)雜度。

由于上述優(yōu)勢，近似熵在心電信號(hào)分析方面得到了越來越廣泛的應(yīng)用。后續(xù)研究可以繼續(xù)挖掘近似熵在反映不同心電狀態(tài)動(dòng)態(tài)轉(zhuǎn)換過程中的作用，或者結(jié)合其他非線性指標(biāo)對(duì)心電信號(hào)的混沌特性進(jìn)行深入描述，必將有助于心臟疾病的臨床診斷與治療方案的確定。

[1]Spector PS.Diagnosis and management of sudden cardiac death [J].Heart.2005,91(3): 408-413.

[2]賈邢倩,王鳳秀 努爾巴合提.動(dòng)態(tài)心電圖證實(shí)心源性猝死2例[J].臨床心血管病雜志,2010,26(12): 960.

[3]Pincus SM.Approximate entropy as a measure of system complexity [J].Proc.Nati.Acad.Sci.USA.1991,88: 2297-2301.

[4]黃國建,鐘燕,徐安,等.冠心病患者RR間期序列的近似熵分析[J].臨床心電學(xué)雜志,2004,13 (1):23-25.

[5]Endoh H,Hida S,Oohashi S,Hayashi Y et al.Prompt prediction of successful defibrillation from 1-s ventricular fibrillation waveform in patients with out-of-hospital sudden cardiac arrest [J].J Anesth.2011; 25(1): 34-41.

[6]郭永新,焦青,郭姝,等.大鼠水浸應(yīng)激過程中心電信號(hào)的非線性特性與自主神經(jīng)調(diào)制狀況研究[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2009,22(2): 98-101.

[7]Moody GB,Mark RG,Goldberger et al.Physionet: a web-based resource for the study of physiologic signals[J].IEEE Engineering in medicine and biology.2001,20(3): 70-75.

[8]Goldberger AL,Amaral LAN,Glass L,et al.PhysioBank,PhysioToolkit,and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals [J].Circulation,2000,101(23):e215-e220.

[9]Fell J,Mann K,Roschke J et al.Nonlinear analysis of continuous ECG during sleep II.Dynamical measures[J].Biological Cybernetics,2000,82: 485-491.

[10]Cysarz D,Van Leeuwen P,Edelh user F et al.Binary symbolic dynamics classifies heart rate variability patterns linked to autonomic modulations [EB/oL].http:// www.ncbi.nlm.nih.gov/pubmed/21570680.