[论文解读] Heart Rate Variability: Measures and Models

Malvin C. Teich, Steven B. Lowen+3 more|arXiv (Cornell University)|Jun 7, 2012

Complex Systems and Time Series Analysis参考文献 69被引用 72

一句话总结

本文评估了16种心率变异性（HRV）度量方法，用于分类正常与心力衰竭受试者，结果表明，尺度依赖性度量——尤其是约32个心跳间隔的小波变换标准差及其频谱等效量——优于尺度无关度量，仅需数分钟的ECG数据即可实现高精度分类。研究进一步证实了人类心跳动力学的随机本质，并提出了一种点过程模型，可准确模拟健康与病理状态下的HRV。

ABSTRACT

We focus on various measures of the fluctuations of the sequence of intervals between beats of the human heart, and how such fluctuations can be used to assess the presence or likelihood of cardiovascular disease. We examine sixteen such measures and their suitability for correctly classifying heartbeat records of various lengths as normal or revealing the presence of cardiac dysfunction, particularly congestive heart failure. Using receiver-operating-characteristic analysis we demonstrate that scale-dependent measures prove substantially superior to scale-independent ones. The wavelet-transform standard deviation at a scale near 32 heartbeat intervals, and its spectral counterpart near 1/32 cycles/interval, turn out to provide reliable results using heartbeat records just minutes long. We further establish for all subjects that the human heartbeat has an underlying stochastic origin rather than arising from a chaotic attractor. Finally, we develop a mathematical point process that emulates the human heartbeat time series for both normal subjects and heart-failure patients.

研究动机与目标

• 识别最有效的HRV度量方法，以区分正常心脏功能与充血性心力衰竭。
• 评估尺度依赖性与尺度无关HRV度量在分类短ECG记录方面的性能。
• 确定人类心跳动力学是否源于随机过程或混沌吸引子。
• 开发一种点过程模型，以准确模拟健康个体与心力衰竭患者中的HRV模式。

提出的方法

• 本研究使用受试者工作特征（ROC）分析评估16种HRV度量方法，以比较分类准确性。
• 计算并比较了尺度依赖性度量（如约32个心跳间隔的小波变换标准差）与尺度无关度量。
• 应用谱分析以确定最优尺度的频谱等效量，约为每间隔1/32周期。
• 开发了一种随机点过程模型，用于模拟心跳时间序列，分别针对正常与心力衰竭受试者进行校准。
• 使用ROC分析评估不同记录长度下每种HRV度量的判别能力。
• 通过统计与基于相关性的方法检验原假设：心跳动力学源于混沌吸引子。

实验结果

研究问题

• RQ1 哪些HRV度量方法能最可靠地将短ECG记录分类为正常或心力衰竭？
• RQ2 尺度依赖性HRV度量是否在检测心脏功能障碍方面优于尺度无关度量？
• RQ3 人类心跳更宜被描述为随机过程，还是源于混沌吸引子？
• RQ4 单一的点过程模型能否准确模拟健康与心力衰竭人群中的HRV？
• RQ5 在最小数据量下，HRV分析的最佳时间尺度为何，以实现最高分类准确性？

主要发现

• 约32个心跳间隔的小波变换标准差表现出优于所有其他测试HRV度量的分类性能。
• 该度量的频谱等效量（约每间隔1/32周期）同样在数据量极少时提供了高度可靠的分类结果。
• 尺度依赖性HRV度量在区分正常与心力衰竭受试者方面显著优于尺度无关度量。
• 研究未发现支持人类心跳起源于混沌的证据；相反，其动力学最宜由随机过程解释。
• 成功开发了一种点过程模型，可准确模拟健康与心力衰竭患者中的HRV模式。
• 仅需数分钟ECG数据即可实现高分类准确率，凸显了尺度依赖性HRV度量的临床潜力。