[論文レビュー] Heart Rate Variability Analysis Using Threshold of Wavelet Package Coefficients

G. Kheder, Abdennacer Kachouri+2 more|ArXiv.org|Dec 11, 2009

Heart Rate Variability and Autonomic Control参考文献 12被引用数 10

ひとこと要約

本稿では、ウェーブレットパケット係数の適応的しきい値処理を用いた心拍変動（HRV）解析のための新規特徴抽出手法を提案する。db4母波ettoを用いた6レベルのウェーブレットパケット分解により、12のサブバンドにわたり低周波（LF）帯と高周波（HF）帯を分離し、HRV信号の正確な時間周波数表現を実現する。この手法により自律神経系の評価が向上し、分散分析（ANOVA）の結果、抽出された特徴量が生理的状態を区別する上で統計的に有意であることが確認された。

ABSTRACT

In this paper, a new efficient feature extraction method based on the adaptive threshold of wavelet package coefficients is presented. This paper especially deals with the assessment of autonomic nervous system using the background variation of the signal Heart Rate Variability HRV extracted from the wavelet package coefficients. The application of a wavelet package transform allows us to obtain a time-frequency representation of the signal, which provides better insight in the frequency distribution of the signal with time. A 6 level decomposition of HRV was achieved with db4 as mother wavelet, and the above two bands LF and HF were combined in 12 specialized frequencies sub-bands obtained in wavelet package transform. Features extracted from these coefficients can efficiently represent the characteristics of the original signal. ANOVA statistical test is used for the evaluation of proposed algorithm.

研究の動機と目的

• ウェーブレットパケット変換を用いたHRV解析のための効率的な特徴抽出手法の開発を目的とする。
• HRV信号の時間周波数分解能を向上させ、自律神経系活動のより良い評価を実現することを目的とする。
• ウェーブレットパケット係数に適応的しきい値処理を適用し、生理的信号特性の特徴表現を強化することを目的とする。
• 分散分析（ANOVA）を用いて統計的検定により抽出特徴量の区別力の検証を行うこと。

提案手法

• HRV信号に対してdb4母波ettoを用いた6レベルのウェーブレットパケット分解を実行する。
• 分解により12の専用周波数サブバンドが生成され、自律神経調節に関連するLF帯とHF帯に重点を置く。
• ウェーブレットパケット係数に適応的しきい値処理を適用し、ノイズを低減するとともに生理的関連成分を保持する。
• しきい値処理を施した係数から特徴量を抽出し、元のHRV信号の時間周波数特性を表現する。
• この手法により、時間領域および周波数領域における信号エネルギー分布の詳細な分析が可能になる。
• 抽出特徴量の生理的状態間での統計的有意性を検証するために分散分析（ANOVA）を用いる。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレットパケット係数の適応的しきい値処理は、自律神経系評価のためのHRV信号特徴表現を向上させることができるか？
• RQ2 ウェーブレットパケット分解の時間周波数分解能は、従来の手法と比較してHRV解析をどのように向上させるか？
• RQ3 サブバンド選択（LFおよびHF）が抽出特徴量の区別力に与える影響は何か？
• RQ4 しきい値処理を施したウェーブレットパケット係数は、HRV信号の生理的特性をどの程度保持しているか？
• RQ5 分散分析（ANOVA）による検証により、提案された特徴セットが生理的状態を区別する上で統計的に有意であるか？

主な発見

• 6レベルの分解とdb4母波ettoを用いたウェーブレットパケット変換は、HRV信号の時間周波数ダイナミクスを効果的に捉えることができる。
• ウェーブレットパケット係数に対する適応的しきい値処理は、ノイズを顕著に低減するとともに、生理的関連信号成分を保持する。
• LF帯とHF帯から導出された12のサブバンドは、自律神経系活動の詳細な表現を提供する。
• 分散分析（ANOVA）による統計的評価により、抽出特徴量が生理的状態間で顕著に区別可能であることが確認された。
• 特に自律神経張力の一時的変化を解像する点で、従来のHRV解析手法と比較して特徴表現が向上していることが示された。