專利名稱：基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及基于心率變異性(heart rate variability, HRV)非線性特性的充盈性心衰(Congestive Heart Failure, CHF)自動(dòng)診斷方法.
背景技術(shù)：
充盈性心衰(Congestive Heart Failure, CHF)幾乎是各種心血管疾病的主要并發(fā)癥和最終歸途。目前，對(duì)CHF臨床診斷主要有兩種方法一Framingham及Boston標(biāo)準(zhǔn)。其中Framingham標(biāo)準(zhǔn)主要是依據(jù)流行病學(xué)調(diào)查結(jié)果得出的，沒(méi)有心血管動(dòng)力學(xué)參數(shù)的檢測(cè)，使用該標(biāo)準(zhǔn)有一部分心力衰竭將被漏診，因此，僅僅運(yùn)用Framingham標(biāo)準(zhǔn)診斷CHF并不可靠。而B(niǎo)oston標(biāo)準(zhǔn)將病史、體征及胸部X線檢查進(jìn)行綜合，以血流動(dòng)力學(xué)檢測(cè)作為依據(jù)，故該標(biāo)準(zhǔn)相對(duì)Framingham標(biāo)準(zhǔn)更為可靠。但是Boston標(biāo)準(zhǔn)的實(shí)施較為復(fù)雜,需要各種測(cè)試、 檢查和醫(yī)生的經(jīng)驗(yàn)判斷，診斷所需時(shí)間也相對(duì)較長(zhǎng)。作為ー種無(wú)創(chuàng)檢測(cè)手段，心率變異性(heart rate variability, HRV)由于能反映心臟動(dòng)カ系統(tǒng)的諸多本質(zhì)動(dòng)力學(xué)特性,而受到廣泛關(guān)注。如能建立僅僅基于HRV的CHF診斷方法與模型，必將在臨床上為CHF診斷提供更為簡(jiǎn)便、快捷、準(zhǔn)確的診斷途徑。

發(fā)明內(nèi)容
本發(fā)明的目的是在于提供一種充盈性心衰(Congestive Heart Failure, CHF)的自動(dòng)診斷方法，僅僅基于日常活動(dòng)狀態(tài)(不限定必須平躺或者靜坐)下體表無(wú)創(chuàng)采集心電圖(ECG)信號(hào)，經(jīng)提取逐拍心跳間期(RR間期)構(gòu)成心率變異性(heart ratevariability, HRV)序列，通過(guò)對(duì)其敏感特征參數(shù)(包括線性與非線性)的提取，然后通過(guò)確定的人工神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)可靠的CHF的自動(dòng)診斷。本發(fā)明的目的是這樣實(shí)現(xiàn)的對(duì)于體表無(wú)創(chuàng)采集到的ECG信號(hào)，提取其逐拍RR間期構(gòu)成HRV序列{RRi I ^ i < N}，并對(duì)該序列進(jìn)行三個(gè)敏感特征參數(shù)的提取，包括對(duì)于原始序列{RRJ的増量序列{ Δ RRi: I < i く N-1}，計(jì)算粗?；叨?下的樣本熵(sample entropy in scale4, SE4);對(duì)于原始序列{RRJ的等概率符號(hào)化序列{si:l彡i彡N}，計(jì)算正向、逆向序列中4位符號(hào)字的分布差異熵(difference entropy in scale 4，DE4);對(duì)于原始序列(RRi}計(jì)算標(biāo)準(zhǔn)差(standard deviation, SD)。三個(gè)敏感參數(shù)從不同的側(cè)面反映了 HRV的動(dòng)力學(xué)特性，與心臟的健康狀況有著密切的關(guān)聯(lián)，因此將三個(gè)敏感參數(shù)，經(jīng)過(guò)預(yù)處理后，作為人工神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)ー個(gè)確定的人工神經(jīng)網(wǎng)絡(luò)模型，獲得CHF自動(dòng)診斷的結(jié)果。本發(fā)明的核心包括敏感特征參數(shù)提取和人工神經(jīng)網(wǎng)絡(luò)兩大部分。進(jìn)ー步，本發(fā)明中所述的增量序列{ Δ RRJ粗?；叨?下的樣本熵SE4計(jì)算，包括下列步驟對(duì){ Δ RRJ進(jìn)行尺度4的粗?；玫叫蛄衶yj ；
對(duì)序列{yj}分別做2維、3維嵌入，得到矢量序列{B(2) (i)}、{B (i)}；分別計(jì)算2維嵌入和3維嵌入下，兩矢量相同的概率C2 (r)、C3 (r)；依據(jù)C2(r)、C3(r)計(jì)算序列{yj的樣本熵值，即得原始序列的SE4。進(jìn)ー步，本發(fā)明中所述的原始序列{RRJ等概率符號(hào)化后正向、逆向序列中4位符號(hào)字的分布差異熵DE4計(jì)算，包括下列步驟4. I)對(duì)原始序列{RRJ按升序(或降序)排列得到序列{ui I ^ i彡N}，并取得序列IuJ中的3個(gè)四等分位點(diǎn)值(B卩25%、50%、75%分位點(diǎn))；
權(quán)利要求
1.一種基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法，其特征是，包括下列步驟 .1)對(duì)于采集到的體表心電圖，提取其逐拍心跳間期構(gòu)成代表心率變異性的序列IRRi: I≤i≤N}，并對(duì)該序列進(jìn)行三個(gè)敏感特征參數(shù)的提?。? .2)對(duì)步驟I)中得到的三個(gè)敏感特征參數(shù)，輸入設(shè)定的人工神經(jīng)網(wǎng)絡(luò)模型，獲得充盈性心衰診斷的結(jié)果。
2.根據(jù)權(quán)利要求I所述的基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法，其特征是，所述步驟I)中，三個(gè)敏感特征參數(shù)的提取，包括 對(duì)于原始序列{RRi: I≤i≤N}的増量序列{ Λ RRi: I≤i≤N-Il，計(jì)算粗?；叨?下的樣本熵SE4 ； 對(duì)于原始序列(RRi: I≤i≤N}的等概率符號(hào)化序列Isi: I≤i≤N}，計(jì)算正向、逆向序列中4位符號(hào)字的分布差異熵DE4 ； 對(duì)于原始序列{RRJ計(jì)算標(biāo)準(zhǔn)差SD。
3.根據(jù)權(quán)利要求2所述的基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法，其特征是，其中所述的增量序列{ARRJ粗?；叨?下的樣本熵SE4計(jì)算包括下列步驟 .3. I)對(duì){ARRJ進(jìn)行尺度4的粗?；玫叫蛄衶yj ； .3. 2)對(duì)序列{yj}分別做2維、3維嵌入，得到矢量序列{B(2)(i)}、{B(3)(i)}； .3.3)分別計(jì)算2維嵌入和3維嵌入下，兩矢量相同的概率C2 (r)、C3 (r)； .3.4)依據(jù)C2 (r)、C3 (r)計(jì)算序列{yj的樣本熵值，即得原始序列的SE4。
4.根據(jù)權(quán)利要求2所述的基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法，其特征是，其中所述的原始序列{RRJ等概率符號(hào)化后正向、逆向序列中4位符號(hào)字的分布差異熵DE4計(jì)算包括下列步驟 .4.1)對(duì)原始序列{RRJ按升序/降序排列得到序列{ui: I≤i≤N}，并取得序列IuJ中的3個(gè)四等分位點(diǎn)值； .4.2)以3個(gè)等分位點(diǎn)的取值為閾值對(duì){RRJ進(jìn)行符號(hào)化，構(gòu)成符號(hào)序列Isi:1 ≤i ≤N}； .4.3)將符號(hào)序列{Si}分別沿正向、逆向按維數(shù)4、延遲I構(gòu)成符號(hào)字序列Ifffi: I ≤i ≤N-3}、Iffbi: I ≤ i≤ N-3}； .4.4)在序列{WfJ和IffbJ中，統(tǒng)計(jì)各4位符號(hào)字的概率分布，記為Pf ( λ )和Pb ( λ )，并計(jì)算兩者的歸ー化差異Pd(A)； .4.5)計(jì)算Pd( λ )的信息熵即為差異分布熵DE4。
5.根據(jù)權(quán)利要求I所述的基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法，其特征是所述步驟2)中，人工神經(jīng)網(wǎng)絡(luò)模型包括預(yù)處理単元和多參數(shù)非線性運(yùn)算單元。
6.根據(jù)權(quán)利要求5所述的基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法，其特征是，其中所述的預(yù)處理單元對(duì)步驟I)提取的三個(gè)敏感參數(shù)粗?；叨?下的樣本熵、正向、逆向序列中4位符號(hào)字的分布差異熵以及標(biāo)準(zhǔn)差，分別按下式進(jìn)行預(yù)處理
7.根據(jù)權(quán)利要求5所述的基于心率變異性非線性特性的充盈性心衰自動(dòng)診斷方法，其特征是，其中所述的多參數(shù)非線性運(yùn)算單元由ー個(gè)結(jié)構(gòu)為3-2-1的網(wǎng)絡(luò)實(shí)現(xiàn)O =f (LffXf (IffX I+Bl) +B2)的運(yùn)算，其輸入層到隱層的權(quán)值、隱層到輸出層的權(quán)值、輸入層到隱層的偏置矩陣、隱層到輸出層偏置矩陣、傳遞函數(shù)分別為[
全文摘要
本發(fā)明提供一種基于心率變異性(heart rate variability，HRV)非線性特性的充盈性心衰(congestive heart failure,CHF)自動(dòng)診斷方法，步驟包括1)對(duì)于采集到的體表心電圖信號(hào)，提取其逐拍心跳間期構(gòu)成心率變異性序列，并對(duì)該序列進(jìn)行三個(gè)敏感特征參數(shù)(包括線性與非線性)的提??；2)步驟1中得到的三個(gè)敏感特征參數(shù)，經(jīng)過(guò)預(yù)處理后，作為人工神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)一個(gè)確定的人工神經(jīng)網(wǎng)絡(luò)模型，獲得CHF自動(dòng)診斷的結(jié)果。本方法用體表無(wú)創(chuàng)采集的HRV實(shí)現(xiàn)了CHF的自動(dòng)診斷，并對(duì)受測(cè)試者的狀態(tài)不做嚴(yán)格地限制(不要求平躺或安靜)，在日常生活中采集的數(shù)據(jù)，只要采集時(shí)間達(dá)到4小時(shí)，即可以適用于本方法，經(jīng)實(shí)際數(shù)據(jù)測(cè)試，診斷效果很好。
文檔編號(hào)A61B5/024GK102670190SQ20121015900
公開(kāi)日2012年9月19日 申請(qǐng)日期2012年5月21日 優(yōu)先權(quán)日2012年5月21日
發(fā)明者何正大, 侯鳳貞, 寧新寶, 莊建軍, 陳穎, 黃曉林 申請(qǐng)人:中國(guó)藥科大學(xué), 南京大學(xué)