[發明專利]基于心率變異性非線性特性的充盈性心衰自動診斷方法

無效

• 申請號: 201210159006.4
• 申請日: 2012-05-21
• 公開（公告）號: CN102670190A
• 公開（公告）日: 2012-09-19
• 發明（設計）人: 侯鳳貞;黃曉林;寧新寶;何正大;莊建軍;陳穎
• 申請（專利權）人: 南京大學;中國藥科大學
• 主分類號: A61B5/024
• 分類號: A61B5/024;A61B5/0452;G06N3/02
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 湯志武

技術領域

本發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）自動診斷方法.

背景技術

充盈性心衰（Congestive?Heart?Failure,CHF）幾乎是各種心血管疾病的主要并發癥和最終歸途。目前，對CHF臨床診斷主要有兩種方法—Framingham及Boston標準。其中Framingham標準主要是依據流行病學調查結果得出的，沒有心血管動力學參數的檢測，使用該標準有一部分心力衰竭將被漏診，因此，僅僅運用Framingham標準診斷CHF并不可靠。而Boston標準將病史、體征及胸部X線檢查進行綜合，以血流動力學檢測作為依據，故該標準相對Framingham標準更為可靠。但是Boston標準的實施較為復雜，需要各種測試、檢查和醫生的經驗判斷，診斷所需時間也相對較長。作為一種無創檢測手段，心率變異性（heart?rate?variability,HRV）由于能反映心臟動力系統的諸多本質動力學特性，而受到廣泛關注。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診斷提供更為簡便、快捷、準確的診斷途徑。

發明內容

本發明的目的是在于提供一種充盈性心衰（Congestive?Heart?Failure,CHF）的自動診斷方法，僅僅基于日常活動狀態（不限定必須平躺或者靜坐）下體表無創采集心電圖（ECG）信號，經提取逐拍心跳間期（RR間期）構成心率變異性（heart?rate?variability,HRV）序列，通過對其敏感特征參數（包括線性與非線性）的提取，然后通過確定的人工神經網絡模型，實現可靠的CHF的自動診斷。

本發明的目的是這樣實現的：

對于體表無創采集到的ECG信號，提取其逐拍RR間期構成HRV序列{RR_i:1≤i≤N}，并對該序列進行三個敏感特征參數的提取，包括：對于原始序列{RR_i}的增量序列{ΔRR_i:1≤i≤N-1}，計算粗粒化尺度4下的樣本熵（sample?entropy?in?scale?4,SE4）；對于原始序列{RR_i}的等概率符號化序列{s_i:1≤i≤N}，計算正向、逆向序列中4位符號字的分布差異熵（difference?entropy?in?scale?4,DE4）；對于原始序列{RR_i}計算標準差（standard?deviation,SD）。

三個敏感參數從不同的側面反映了HRV的動力學特性，與心臟的健康狀況有著密切的關聯，因此將三個敏感參數，經過預處理后，作為人工神經網絡的輸入，通過一個確定的人工神經網絡模型，獲得CHF自動診斷的結果。本發明的核心包括敏感特征參數提取和人工神經網絡兩大部分。

進一步，本發明中所述的增量序列{ΔRR_i}粗粒化尺度4下的樣本熵SE4計算，包括下列步驟：

對{ΔRR_i}進行尺度4的粗粒化得到序列{y_j}；

對序列{y_j}分別做2維、3維嵌入，得到矢量序列{B⁽²⁾(i)}、{B⁽³⁾(i)}；

分別計算2維嵌入和3維嵌入下，兩矢量相同的概率C²(r)、C³(r)；

依據C²(r)、C³(r)計算序列{y_j}的樣本熵值，即得原始序列的SE4。

進一步，本發明中所述的原始序列{RR_i}等概率符號化后正向、逆向序列中4位符號字的分布差異熵DE4計算，包括下列步驟：

4.1）對原始序列{RR_i}按升序（或降序）排列得到序列{u_i:1≤i≤N}，并取得序列{u_i}中的3個四等分位點值（即25%、50%、75%分位點）；

4.2）以3個等分位點的取值為閾值對{RR_i}進行符號化，構成符號序列{s_i：1≤i≤N}；