[论文解读] Decomposition of Heartbeat Time Series: Scaling Analysis of the Sign Sequence

Yosef Ashkenazy, Plamen Ch. Ivanov+5 more|arXiv (Cornell University)|Feb 27, 2001

Complex Systems and Time Series Analysis参考文献 5被引用 15

一句话总结

本文提出通过分析RR间期增量的符号序列——即对心率的正向或负向变化分别赋值为+1或-1——作为一种稳健且抗异常值的方法，以保留并揭示心脏动力学的标度特性。该符号序列保留了原始RR序列的关键长程反相关模式，并在β-阻滞剂作用下表现出增强的短程反相关性，表明其对自主神经调节具有敏感性。

ABSTRACT

The cardiac interbeat (RR) increment time series can be decomposed into two sub-sequences: a magnitude series and a sign series. We show that the sign sequence, a simple binary representation of the original RR series, retains fundamental scaling properties of the original series, is robust with respect to outliers, and may provide useful information about neuroautonomic control mechanisms.

研究动机与目标

• 探究RR间期增量的符号序列是否能保留原始心搏时间序列的标度特性。
• 评估符号序列在面对早搏或心电图记录中噪声等异常值时的稳健性。
• 探讨符号序列是否能检测到自主神经调节的变化，尤其是β-阻滞剂作用下的变化。
• 比较符号序列与原始RR间期序列在区分健康与病理状态方面的诊断效用。

提出的方法

• 将RR间期时间序列转换为增量序列：ΔRR_i = RR_{i+1} - RR_i。
• 将增量序列分解为两部分：幅度（m_i = |ΔRR_i|）和符号（s_i = sign(ΔRR_i)，零值视为+1）。
• 通过减去各自均值对符号序列和幅度序列进行去趋势处理，以避免引入人为趋势。
• 对积分后的符号序列和幅度序列应用二阶去趋势波动分析（DFA），以计算标度指数α。
• 通过波动函数 F(n) ∝ n^α 在不同时间尺度n下计算标度指数。
• 使用含脉冲的置换数据对方法进行验证，并与原始长程相关序列比较，以测试其稳健性。

实验结果

研究问题

• RQ1 RR间期增量的符号序列是否能保留原始心搏时间序列的长程标度特性？
• RQ2 异常值（如早搏、噪声）的存在如何影响原始序列与符号序列中标度指数的估计？
• RQ3 β-阻滞剂是否改变了符号序列的短程标度行为？若改变，其与原始RR序列相比如何？
• RQ4 符号序列是否能提供优于或等同于原始RR序列的健康与心力衰竭患者之间的诊断分离效果？
• RQ5 符号序列在多大程度上反映了自主神经调节，特别是交感与副交感神经活动之间的平衡？

主要发现

• 符号序列保留了原始RR增量序列的关键长程反相关特性，其标度指数与完整序列一致。
• 符号序列对异常值具有稳健性：即使在16384点的置换序列中存在5个脉冲（10倍标准差），标度指数仍保持不变。
• β-阻滞剂使原始RR序列及其符号序列的短程反相关性增强，表现为短程标度指数α_short（7 < n < 16次心跳）下降。
• 在5名健康受试者的14个记录中，β-阻滞剂导致原始RR序列与符号序列的α_short系统性下降，平均值从约0.8降至约0.6。
• 符号序列在区分健康与病理状态方面提供了等效或更优的分离效果，表明其具有诊断潜力。
• 符号序列反映了自主神经动力学，其短程标度变化与交感-副交感神经相互作用密切相关。