介绍gydF4y2Ba

由于精神疾病的人数的增加,各种精神卫生保健疗法(如心理疗法,数字疗法,和冥想)被广泛用于提高情绪健康gydF4y2Ba1gydF4y2Ba。在过去的几十年里,正念冥想吸引了太多的关注,因为它的好处,如情绪调节,增加了意识,提高认知能力gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3gydF4y2Ba,gydF4y2Ba4gydF4y2Ba,它一直是临床上用于减少慢性疼痛、睡眠障碍、焦虑、痛苦和抑郁gydF4y2Ba5gydF4y2Ba,gydF4y2Ba6gydF4y2Ba,gydF4y2Ba7gydF4y2Ba。许多神经科学研究调查冥想期间大脑的变化gydF4y2Ba2gydF4y2Ba,激活大脑的几个区域,如额极皮层,感觉皮层,脑岛,海马体,前扣带皮层,mid-cingulate皮层,眼窝前额皮质,已被观察到gydF4y2Ba8gydF4y2Ba。这些大脑区域相关meta-awareness、身体意识、记忆过程和情绪调节。岛和mid-cingulate皮质扮演中心角色在中央自主网络,控制副交感神经和交感神经的活动gydF4y2Ba9gydF4y2Ba。通过这种神经通路,似乎身体放松冥想期间诱导。gydF4y2Ba

通过可穿戴技术为基础的疗法,生物反馈设备了gydF4y2Ba10gydF4y2Ba。生物反馈设备帮助用户进行治疗协议(例如,冥想)通过生理信号的反馈。Electroencephalogram-based neurofeedback训练是一个代表性的生物反馈疗法,用于治疗各种精神障碍,如失眠、焦虑、抑郁,和上瘾gydF4y2Ba11gydF4y2Ba。另一方面,冥想electroencephalogram-based数字提出了加强注意和工作记忆gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba。虽然neurofeedback治疗显示了各种临床疗效,脑电图传感器是不方便。最近,一个名为皮肤交感神经活动的新形态了动物观察交感神经的活动gydF4y2Ba14gydF4y2Ba,gydF4y2Ba15gydF4y2Ba。它可以简单地记录从高频组件(500 - 1000赫兹)的模拟心电图(ECG),但很容易受到运动构件由于其弱振幅gydF4y2Ba16gydF4y2Ba,gydF4y2Ba17gydF4y2Ba。因为它是容易衡量ECG信号信噪比高的在日常生活中,心率变异性(HRV)的生物反馈训练是关注gydF4y2Ba18gydF4y2Ba,gydF4y2Ba19gydF4y2Ba。在这项研究中,我们提出一个单一铅ECG-based HRV分析算法探讨迷走神经和交感神经的变化音调在冥想中(见图。gydF4y2Ba1gydF4y2Ba)。gydF4y2Ba

图1gydF4y2Ba
图1gydF4y2Ba

冥想和单一铅心电图。gydF4y2Ba

全尺寸图像gydF4y2Ba

心电图基础心肺耦合分析和HRV分析被用来评估精神疾病。心肺耦合分析措施之间的同步心跳间隔和呼吸通过使用光谱相干,交叉熵和相位锁定值(PLV)gydF4y2Ba20.gydF4y2Ba,gydF4y2Ba21gydF4y2Ba,gydF4y2Ba22gydF4y2Ba。这种同步的现象称为呼吸性窦性心律不齐(RSA)的调制传出副交感神经引起的压力反射(动脉压力反射、肺牵张反射,班布里奇反射)在灵感阶段gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba,gydF4y2Ba25gydF4y2Ba,gydF4y2Ba26gydF4y2Ba。RSA是受潮汐影响体积和呼吸速率(RR)gydF4y2Ba27gydF4y2Ba,gydF4y2Ba28gydF4y2Ba,gydF4y2Ba29日gydF4y2Ba,它的数量反映了睡眠质量和呼吸暂停gydF4y2Ba20.gydF4y2Ba,gydF4y2Ba22gydF4y2Ba。捕捉其他神经生理学变化,HRV广泛应用,其频率分析反映了迷走神经和交感神经之间的平衡。前者展示了一个快速响应,后者占主导地位的低频带HRV,似乎是独立于压力gydF4y2Ba30.gydF4y2Ba。gydF4y2Ba

冥想(或放松)训练导致副交感神经激活和抑制交感神经,它是由几种形式,如肌肉交感神经活动gydF4y2Ba31日gydF4y2Ba、功能核磁共振成像gydF4y2Ba2gydF4y2Ba,脑电图gydF4y2Ba32gydF4y2Ba。一些冥想HRV研究也报道高频功率的增加gydF4y2Ba32gydF4y2Ba,gydF4y2Ba33gydF4y2Ba,gydF4y2Ba34gydF4y2Ba,gydF4y2Ba35gydF4y2Ba,这表明迷走神经的语气,但其他研究显示了相反的结果gydF4y2Ba36gydF4y2Ba,gydF4y2Ba37gydF4y2Ba,gydF4y2Ba38gydF4y2Ba,gydF4y2Ba39gydF4y2Ba,gydF4y2Ba40gydF4y2Ba。这些相互矛盾的结果似乎是由于RSA的影响。当RR < 0.15赫兹,RSA组件从高低频区域,然后是低收入和高频权力可以高估和低估,分别gydF4y2Ba28gydF4y2Ba。因此,个人的RR的波动导致重大变化HRV分析gydF4y2Ba41gydF4y2Ba,也没有报告识别心脏交感神经抑制在冥想。gydF4y2Ba

RSA分离效果和其他自主神经系统活动在HRV分析中,利用各种分解算法,如独立分量分析gydF4y2Ba42gydF4y2Ba自适应噪声消除器gydF4y2Ba43gydF4y2Ba利用外源输入模型、自回归移动平均(ARMAx)gydF4y2Ba44gydF4y2Ba和子空间正交投影(OSP)gydF4y2Ba45gydF4y2Ba,gydF4y2Ba46gydF4y2Ba。自适应噪声消除器、ARMAx OSP共享相同的算法结构,与百表现出最好的性能gydF4y2Ba45gydF4y2Ba。虽然这些算法显著提高HRV的可靠性,他们认为RSA组件之间的线性关系和呼吸信号,而在现实的关系是非线性的gydF4y2Ba47gydF4y2Ba。作为替代,陷波滤波器,高斯钟形(高斯),但它认为,瞬时RR是恒定的gydF4y2Ba48gydF4y2Ba。在这项研究中,为了克服非线性和非平稳的RSA,我们提出了一个新颖的HRV血流速度图分解算法,和新HRV指标量化迷走神经和交感神经的音调在冥想中(见图。gydF4y2Ba2gydF4y2Ba)。gydF4y2Ba

图2gydF4y2Ba
图2gydF4y2Ba

该方法的总体结构。gydF4y2Ba

全尺寸图像gydF4y2Ba

该方法中所描述的“gydF4y2Ba材料和方法gydF4y2Ba”一节。我们比较使用模拟分解算法的性能,并观察迷走神经和交感神经的变化音调在冥想中通过真正的心电图数据”gydF4y2Ba结果gydF4y2Ba”一节。在“gydF4y2Ba讨论gydF4y2Ba”部分,结果进行了讨论。gydF4y2Ba

材料和方法gydF4y2Ba

自HRV反映自主神经系统的平衡,HRV分析是经常用来评估压力和精神疾病。HRV分析的第一步是在心电图QRS检测。在这项研究中,我们带通滤波的心电图0.5 -50 Hz的3 rd-order巴特沃斯,我们采用Pan-Tompkins算法来检测R-peaks心电图gydF4y2Ba49gydF4y2Ba。之间的时间间隔连续R-peaks (RRI)积累一个预定义的时间窗口。在这项研究中,我们采用了一个5分钟的时间窗口对短期HRV分析。检测异位搏动和不正确的山峰,我们计算了gydF4y2BakgydF4y2Bath导数的瞬时心率(HR)gydF4y2Ba50gydF4y2Ba如下:gydF4y2Ba

$ ${人力资源\ mathrm {^ {\ '}}} _ {k} = 2左| \ \压裂{{R} _ {k - 1} 2 {R} _ {k} + {R} _ {k + 1}} {{R} _ {k - 1} - {R} _ {k}) ({R} _ {k - 1} - {R} _ {k + 1}) ({R} _ {k} - {R} _ {k + 1})} \ | $ $gydF4y2Ba
(1)gydF4y2Ba

在哪里gydF4y2BaRgydF4y2BakgydF4y2Ba是gydF4y2BakgydF4y2Bath R-peak。当一个gydF4y2Ba人力资源的gydF4y2BakgydF4y2Ba大于一个预定义的阈值,gydF4y2BaRgydF4y2BakgydF4y2Ba被排除在HRV分析,纠正R-peaks被人类专家双重检查。因为RRI在不规则采样时间点(心跳),RRI必须被转换成一个均匀采样时间序列进行频率分析。RRI的均匀采样信号,称为血流速度图,是使用三次样条插值重建的,我们重新取样的血流速度图4赫兹,如先前的研究gydF4y2Ba44gydF4y2Ba,gydF4y2Ba45gydF4y2Ba,gydF4y2Ba46gydF4y2Ba。精确的HRV分析,有必要区分心脏迷走神经张力调节,呼吸和其他自主神经系统活动。因此,我们认为原来的血流速度图gydF4y2BaxgydF4y2Ba生gydF4y2Ba如下:gydF4y2Ba

$ $间{生}= {\ mathbf {x}} _ {RSA} + {\ mathbf {x}} _ {R - f} $ $gydF4y2Ba
(2)gydF4y2Ba

在哪里gydF4y2BaxgydF4y2BaRSAgydF4y2Ba和gydF4y2BaxgydF4y2BaR-fgydF4y2Ba分别是RSA和RSA-free血流速度图。gydF4y2BaxgydF4y2BaR-fgydF4y2Ba通过删除gydF4y2BaxgydF4y2BaRSAgydF4y2Ba从gydF4y2BaxgydF4y2Ba生gydF4y2Ba。血流速度图分解算法将在下一小节中描述。在这项研究中,因为我们专注于血流速度图分解算法,我们只采用频域HRV指标。gydF4y2Ba

ECG-derived呼吸gydF4y2Ba

测量呼吸信号,利用各种传感器,压力传感器和热敏电阻等。这些传感器提供准确的信息,但都是昂贵和不便穿。作为替代,一些算法来估计呼吸信号从生物医学信号,如photoplethysmogram和ECGgydF4y2Ba51gydF4y2Ba,gydF4y2Ba52gydF4y2Ba,gydF4y2Ba53gydF4y2Ba,gydF4y2Ba54gydF4y2Ba。在这项研究中,我们使用一个ECG-derived呼吸(EDR)算法捕捉电阻抗的变化,根据胸部扩张心脏向量。这里,我们简要回顾4常用功能算法:EDRgydF4y2Ba一个gydF4y2Ba(非线性波振幅),EDRgydF4y2BaQRgydF4y2Ba(q r斜率)功能gydF4y2BaRSgydF4y2Ba斜率(r)和EDRgydF4y2Ba老gydF4y2Ba(斜率范围)。每个功能算法使用respiration-related样本r (i)在第i个心跳如下:gydF4y2Ba

  • 功能gydF4y2Ba一个gydF4y2Bar:gydF4y2Ba一个gydF4y2Ba(gydF4y2Ba我gydF4y2Ba)= R-peak振幅gydF4y2Ba

  • 功能gydF4y2BaQRgydF4y2Bar:gydF4y2BaQRgydF4y2Ba(gydF4y2Ba我gydF4y2Ba在q r波)=陡上升斜率gydF4y2Ba

  • 功能gydF4y2BaRSgydF4y2Bar:gydF4y2BaRSgydF4y2Ba(gydF4y2Ba我gydF4y2Ba)= r波最陡下降斜率gydF4y2Ba

  • 功能gydF4y2Ba老gydF4y2Bar:gydF4y2Ba老gydF4y2Ba(gydF4y2Ba我gydF4y2Ba)= rgydF4y2BaQRgydF4y2Ba(gydF4y2Ba我gydF4y2Ba)−rgydF4y2BaRSgydF4y2Ba(gydF4y2Ba我gydF4y2Ba)gydF4y2Ba

通过插值respiration-related样本,EDR信号生成。整个过程详细说明gydF4y2Ba51gydF4y2Ba。gydF4y2Ba

血流速度图分解gydF4y2Ba

之前的算法gydF4y2Ba

分解原始血流速度图gydF4y2BaxgydF4y2Ba生gydF4y2Ba成gydF4y2BaxgydF4y2BaRSAgydF4y2Ba和gydF4y2BaxgydF4y2BaR-fgydF4y2Ba,提出了不同的算法,如高斯,ARMAx和百。ARMAx和OSP算法假设gydF4y2BaxgydF4y2BaRSAgydF4y2Ba如下:gydF4y2Ba

$ $ \眉题{\ user2 {x}} _ {RSA} = RESP \离开({RESP ^ {T} \ cdot RESP} \右)^ {{- {1}}}RESP \ cdot {\ mathbf {x}} _{生}$ $gydF4y2Ba
(3)gydF4y2Ba

在哪里gydF4y2Ba分别地gydF4y2Ba是一个呼吸基础矩阵。轨迹矩阵gydF4y2Ba46gydF4y2Ba或小波系数gydF4y2Ba45gydF4y2Ba功能的运用gydF4y2Ba分别地gydF4y2Ba矩阵。在这项研究中,采用轨迹矩阵gydF4y2Ba分别地gydF4y2Ba。我们分配3 s ARMAx滞后轨迹矩阵的大小,而OSP的滞后大小设置为最小描述长度之间的最小值和Akaike信息标准,最大延迟10年代。估计的RSA-free血流速度图如下:gydF4y2Ba

$ ${\眉题{{\ varvec {x}}}} _ {R-f} = {{\ varvec {x}}} _{生}-{\眉题{{\ varvec {x}}}} _ {RSA} $ $gydF4y2Ba
(4)gydF4y2Ba

OSP ARMAx和描述gydF4y2Ba44gydF4y2Ba,gydF4y2Ba45gydF4y2Ba,gydF4y2Ba46gydF4y2Ba在细节。作为另一个血流速度图分解算法,与高斯钟形凹口滤波器(高斯)提出。它的平方频率响应:gydF4y2Ba

$ ${\左| H \左({e} ^ {j \ω},θ\ \)\右|}^{2}α= \ \ cdot \离开(1 - {e} ^{β- \ \ cdot{(ω\ \θ/ fs)} ^{2}} \右)$ $gydF4y2Ba
(5)gydF4y2Ba

在哪里gydF4y2BaθgydF4y2Ba代表了陷波频率和对应于平均RR。gydF4y2BaαgydF4y2Ba和gydF4y2BaβgydF4y2Ba拟合参数,它可以从光谱计算的gydF4y2BaxgydF4y2Ba生gydF4y2Ba通过使用最小二乘法。将过滤后的信号gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {R-f} \)gydF4y2Ba,gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {RSA} \)gydF4y2Ba是通过减去gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {R-f} \)gydF4y2Ba从gydF4y2BaxgydF4y2Ba生gydF4y2Ba。高斯的整体过程中描述gydF4y2Ba48gydF4y2Ba。gydF4y2Ba

算法gydF4y2Ba

基于频率之间的同步gydF4y2BaxgydF4y2BaRSAgydF4y2Ba和瞬时RR,我们设计了一个新颖的血流速度图分解算法。因为它有一个零相位响应,我们称之为零相位线增强器(ZLE)。ZLE可以解释为一个没有相位失真的自适应滤波器gydF4y2Ba55gydF4y2Ba。如无花果所示。gydF4y2Ba3gydF4y2Ba,ZLE两部分:(a)瞬时RR估计和(b)时变forward-backward IIR陷波滤波。估计瞬时RR,我们采用平滑伪EDR功能信号的能量分布gydF4y2Ba56gydF4y2Ba,gydF4y2Ba57gydF4y2Ba如下:gydF4y2Ba

左$ $ \ω\ [k, n \] = \ sum_ {m = - n} ^ {n}左g \ n \[右]v \ [m \]离开EDR \离开[n + \压裂{m}{2} \右]{EDR} ^{*}左\ [n - \压裂{m}{2} \右]{e} ^{\压裂{j2 \π公里}{n}} $ $gydF4y2Ba
(6)gydF4y2Ba

N代表的长度EDR (N = 5分钟60∙∙4赫兹)。gydF4y2BaggydF4y2Ba[]和gydF4y2BavgydF4y2Ba[]分别是时间和频率的窗户;Kaiser窗(γ= 20)是用于gydF4y2BaggydF4y2Ba[]和gydF4y2BavgydF4y2Ba[]。从时频表示gydF4y2BaωgydF4y2Ba(gydF4y2BakgydF4y2Ba,gydF4y2BangydF4y2Ba),我们估计瞬时RRgydF4y2BaθgydF4y2Ba(gydF4y2BangydF4y2Ba)通过使用递归算法来减少离群值的问题。频率之间的最大值点垃圾箱附近gydF4y2BaθgydF4y2Ba(gydF4y2BangydF4y2Ba1)被分配到gydF4y2BaθgydF4y2Ba(gydF4y2BangydF4y2Ba),如算法1所示。gydF4y2Ba

图3gydF4y2Ba
图3gydF4y2Ba

血流速度图分解ZLE的过程。ZLE由(gydF4y2Ba一个gydF4y2Ba)瞬时RRgydF4y2BaθgydF4y2Ba(gydF4y2BangydF4y2Ba估计和(gydF4y2BabgydF4y2Ba)时变forward-backward IIR陷波滤波。gydF4y2Ba

全尺寸图像gydF4y2Ba
图一个gydF4y2Ba

的频率分量gydF4y2BaxgydF4y2Ba生gydF4y2Ba对应于瞬时RRgydF4y2BaθgydF4y2Ba(gydF4y2BangydF4y2Ba)将gydF4y2BaxgydF4y2BaRSAgydF4y2Ba,ZLE删除gydF4y2BaxgydF4y2BaRSAgydF4y2Ba通过一个可调的IIR陷波滤波器gydF4y2Ba58gydF4y2Ba如下:gydF4y2Ba

$ $ H \离开θ(z, \ [n] \右)= \压裂{1 + r}{2} \压裂{1 - 2 \ mathit{因为}\离开(左\θ\ n \[右]/ fs \右){z} ^ {1} + {z} ^ {2}} {1 - (1 + r) \ mathit{因为}\离开θ(\ [n] / fs \右){z} ^ {1} + r {z} ^ {2}} $ $gydF4y2Ba
(7)gydF4y2Ba

在哪里gydF4y2BargydF4y2Ba是pole-zero收缩的因素,它决定了阻带。当gydF4y2BargydF4y2Ba更接近于1,陷波滤波器的频率响应变得狭窄。我们设置gydF4y2BargydF4y2Ba到0.93,然后停止的gydF4y2BaHgydF4y2Ba(gydF4y2BazgydF4y2Ba,gydF4y2BaθgydF4y2Ba(gydF4y2BangydF4y2Ba])是0.047赫兹。如无花果所示。gydF4y2Ba3gydF4y2Ba,时变forward-backward IIR陷波滤波四个顺序执行步骤:1-forward IIR陷波滤波,第2次逆转,3-backward IIR陷波滤波,和四次逆转。z域中的零相位响应可以解释如下:gydF4y2Ba

$ $ F (z) = H \左左(z,θ\ \ n \[右]\)\ cdot {X} _{生}(z) $ $gydF4y2Ba
(8)gydF4y2Ba
$ $ P \左(z \右)= {H} ^{*} \左左(z,θ\ \ [n \右]\)\ cdot {{X} ^{*}} _{生}(z) $ $gydF4y2Ba
(9)gydF4y2Ba
$ $ B \左(z \右)= H \左左(z,θ\ \ [n \右]\)\ cdot {H} ^{*} \左左(z,θ\ \ [n \右]\)\ cdot {{X} ^{*}} _{生}(z) $ $gydF4y2Ba
(10)gydF4y2Ba
$ $ ={\左| H \左左(z,θ\ \ [n \右]\)\右|}^ {2}\ cdot {{X} ^{*}} _{生}(z) $ $gydF4y2Ba
$ ${\眉题{X}} _ {R-f} (z) ={\左| H \左左(z,θ\ \ n \[右]\)\右|}^ {2}\ cdot {X} _{生}(z) $ $gydF4y2Ba
(11)gydF4y2Ba

F (z)和B (z)的意思是向前,backward-filtered信号,分别。F P (z)代表了时间反演(z)。滤波器的输出是估计RSA-free血流速度图gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {R-f} \)gydF4y2Ba估计,RSA血流速度图如下:gydF4y2Ba

$ ${\眉题{x}} _ {RSA} = {x} _{生}-{\眉题{x}} _ {R-f} $ $gydF4y2Ba
(12)gydF4y2Ba

RSA指数gydF4y2Ba

RSA被用作衡量心脏迷走神经的功能。RSA可以量化心肺耦合分析。在这项研究中,我们利用PLVgydF4y2Ba22gydF4y2Ba,gydF4y2Ba39gydF4y2Ba,gydF4y2Ba59gydF4y2Ba。PLV是广泛用于测量两个信号之间的相互作用的一个阶段,定义如下:gydF4y2Ba

$ $ PLV左| = \ \压裂{1}{N} \ sum_ {N = 1} ^ {N} {e} ^ {j [{\ varphi} _{1} \离开(N \右)——{\ varphi} _ {2} (N)]} \ | $ $gydF4y2Ba
(13)gydF4y2Ba

在哪里gydF4y2BaφgydF4y2Ba1gydF4y2Ba(n)和gydF4y2BaφgydF4y2Ba2gydF4y2Ba(n)的代表阶段呼吸信号(或功能)和血流速度图gydF4y2BaxgydF4y2Ba生gydF4y2Ba,分别。计算阶段由希尔伯特变换。为RSA的另一项措施,RSA (RSA的程度gydF4y2BaEgydF4y2Ba)gydF4y2Ba27gydF4y2Ba,gydF4y2Ba39gydF4y2Ba,gydF4y2Ba60gydF4y2Ba的中值计算RRI变异(最长RRI-shortest RRI)在每一个呼吸周期如下:gydF4y2Ba

$ $ {RSA} _ {E} =地中海\离开({Var} _ {RRI} \右)$ $gydF4y2Ba
(14)gydF4y2Ba
$ $ {Var} _ {RRI} = \左\ {\ mathrm{马克斯}\离开({RRI} ^ {k} \右)- \ mathrm{分钟}\离开({RRI} ^ {k} \) \右| k = \ mathrm{1,2}, \点,k \} $ $gydF4y2Ba
(15)gydF4y2Ba

在哪里gydF4y2BaRRIgydF4y2BakgydF4y2Ba代表的子集gydF4y2BaRRIgydF4y2Ba年代在gydF4y2BakgydF4y2Bath呼吸循环。最大和最小最大和最小的函数,分别。gydF4y2BaKgydF4y2Ba表示数量的呼吸的时间窗口(5分钟)。因为RSAgydF4y2BaEgydF4y2Ba基于RRI, RSA的单位吗gydF4y2BaEgydF4y2Ba是女士。gydF4y2Ba

HRV指标gydF4y2Ba

HRV分析的功率谱gydF4y2BaxgydF4y2Ba生gydF4y2Ba是划分为低频(0.04 - -0.15赫兹)和高频(0.15 -0.4赫兹)乐队,和每个频带能量称为低频(低频)和高频(高频)gydF4y2Ba61年gydF4y2Ba。高频被视为一个索引对迷走神经的语气,和低频反映交感神经和迷走神经的音调。量化同情的语气,通常采用低频/高频。因为这些HRV指标不足以覆盖上述RSA的问题,有必要同时使用功率谱gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {R-f} \)gydF4y2Ba和gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {RSA} \)gydF4y2Ba;下标gydF4y2BaR-fgydF4y2Ba和gydF4y2BaRSAgydF4y2Ba被用来区分每个频带能量(gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {R-f} \)gydF4y2Ba:如果gydF4y2BaR-fgydF4y2Ba和高频gydF4y2BaR-fgydF4y2Ba,gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {RSA} \)gydF4y2Ba:如果gydF4y2BaRSAgydF4y2Ba和高频gydF4y2BaRSAgydF4y2Ba)。评估sympathovagal平衡,瓦伦而言等人设计的某人一个HRV指标gydF4y2BaUgydF4y2Ba基于分离乐队的权力gydF4y2Ba46gydF4y2Ba如下:gydF4y2Ba

$ ${\文本{…}}_{{\文本{你}}}={\文本{低频}}_ {R - f} / \离开({{\文本{低频}}_ {RSA} +{\文本{高频}}_ {RSA}} \右)$ $gydF4y2Ba
(16)gydF4y2Ba

自gydF4y2BaxgydF4y2BaRSAgydF4y2Ba和高频gydF4y2BaR-fgydF4y2Ba但如果纯粹表明迷走神经的基调gydF4y2BaR-fgydF4y2Ba迷走神经和交感神经有关音调,我们提出了新的HRV指标与迷走神经(Eq。gydF4y2Ba17gydF4y2Ba)和同情(Eq。gydF4y2Ba18gydF4y2Ba)音调如下:gydF4y2Ba

$ ${\文本{IDX}} _{{{文本\{机构}}}}={\文本{高频}}_ {R - f} +{\文本{低频}}_ {RSA} +{\文本{高频}}_ {RSA} $ $gydF4y2Ba
(17)gydF4y2Ba
$ ${\文本{IDX}} _{{{文本\{系统网络体系结构(SNA)}}}} ={\文本{低频}}_ {R - f} / \离开({{\文本{高频}}_ {R - f} +{\文本{低频}}_ {RSA} +{\文本{高频}}_ {RSA}} \右)$ $gydF4y2Ba
(18)gydF4y2Ba

我们使用韦尔奇的方法计算功率谱。gydF4y2Ba

模拟gydF4y2Ba

比较血流速度图分解算法,我们设计了一个模拟血流速度图gydF4y2Ba\ ({\ widetilde {{\ varvec {x}}}} _{生}\)gydF4y2Ba。首先,涵盖各种情况下,我们考虑三种呼吸类型如下:gydF4y2Ba

$ $ \ widetilde {EDR} = \ mathrm{因为}(2 \π\ psi (n)) $ $gydF4y2Ba
(19)gydF4y2Ba
$ $ RR = \点{\ psi} \离开(n \右)= \ \{\开始{数组}{cc} \ textcircled{1} &常数\ \ \ textcircled {2} & \ cdot n + b \ \ \ textcircled {3} & \ cdot \ mathrm{因为}\离开(2ω\π\ n \右)+ b \结束数组{}\ $ $gydF4y2Ba
(20)gydF4y2Ba

在哪里gydF4y2Ba\(\点{\ psi} \左(n \) \)gydF4y2Ba的导数,gydF4y2Ba\ \(ψ(n) \)gydF4y2Ba是模拟的RR。gydF4y2Ba①gydF4y2Ba,gydF4y2Ba②gydF4y2Ba,gydF4y2Ba③gydF4y2Ba代表一个正弦波的频率(0.15赫兹),线性啁啾(0.04 -0.4赫兹),正弦频率调制信号(0.04 -0.4赫兹)。因为不仅频率还血流速度图的振幅调制的RRgydF4y2Ba27gydF4y2Ba,gydF4y2Ba28gydF4y2Ba,gydF4y2Ba29日gydF4y2Ba,我们设计了一个振幅调制函数的模拟RSA组件gydF4y2Ba\ ({\ widetilde {{\ varvec {x}}}} _ {RSA} \)gydF4y2Ba。具体地说,因为血流速度图的振幅对RRgydF4y2Ba29日gydF4y2Ba是向右倾斜,我们利用伽马分布函数的振幅调制函数gydF4y2Ba米gydF4y2Ba()如下:gydF4y2Ba

$ $ {\ widetilde {x}} _ {RSA} (n) = m(\点{\ psi} (n)) \ cdot \ mathrm{因为}(2 \π\ psi (n)) $ $gydF4y2Ba
(21)gydF4y2Ba
$ $ m \左(f \右)=伽马\离开(\α,β\ \右)={\β}^{\α}{(f)} ^{\α1}{e} ^{β- f \ cdot \} / \伽马(\α)$ $gydF4y2Ba
(22)gydF4y2Ba

Г(gydF4y2BaαgydF4y2Ba)是γ函数。gydF4y2BaαgydF4y2Ba和gydF4y2BaβgydF4y2Ba形状和速度参数(gydF4y2BaαgydF4y2Ba= 2,gydF4y2BaβgydF4y2Ba= 15)。注意,当gydF4y2Ba\(\点{\ psi} \左(n \) \)gydF4y2Ba是恒定的振幅调制函数gydF4y2Ba米gydF4y2Ba()成为常数。另一方面,随着模拟RSA-free血流速度图gydF4y2Ba\ (\ widetilde {{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba,我们采用高斯白噪声如下:gydF4y2Ba

$ $ {\ widetilde {x}} _ {R-f} = wGn \离开({\σ}^{2}\右)$ $gydF4y2Ba
(23)gydF4y2Ba

在哪里gydF4y2Ba\({\σ}^ {2}\)gydF4y2Ba高斯白噪声的方差。我们调整gydF4y2Ba\({\σ}^ {2}\)gydF4y2Ba这样的功率比gydF4y2Ba\ (\ widetilde {{\ varvec {x}}} \)gydF4y2BaRSAgydF4y2Ba和gydF4y2Ba\ (\ widetilde {{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba是相等的(0分贝),然后模拟血流速度图吗gydF4y2Ba\ (\ widetilde {{\ varvec {x}}} \)gydF4y2Ba生gydF4y2Ba是由他们的总和。gydF4y2Ba

$ $ {\ widetilde {{\ varvec {x}}}} _{生}= {\ widetilde {{\ varvec {x}}}} _ {RSA} + {\ widetilde {{\ varvec {x}}}} _ {R-f} $ $gydF4y2Ba
(24)gydF4y2Ba

比较严格,我们进行了蒙特卡罗模拟1000个独立的模拟。gydF4y2Ba

数据库gydF4y2Ba

调查HRV指标的变化根据血流速度图分解算法在冥想中,我们利用两个真正的心电图数据库:正念冥想数据和WESAD数据。gydF4y2Ba

正念冥想数据gydF4y2Ba

我们收集了单一铅心电和呼吸信号从男8例,女8例受试者(= 28.5±4.2岁)在正念冥想。所有受试者新手冥想者曾从事冥想中1 - 2次。所有科目休息10分钟,然后执行正念冥想了40分钟冥想老师的指导下。正念冥想期间,受试者被引导来维持呼吸和感觉没有判断的意识。呼吸的速度没有限制。所有科目闭上他们的眼睛和保持坐姿尽量减少运动心电图的工件。他们完成了一个视觉模拟量表(血管)的压力,紧张,和正念冥想前后的浓度。每个由一块可穿戴心电图心电图测量(EP200,生命科学技术gydF4y2Ba®gydF4y2Ba首尔,韩国),采样率为250 Hz。参考呼吸信号被记录呼吸换能器(RSPEC-R BiopacgydF4y2Ba®gydF4y2Ba美国加利佛尼亚),采样率为250 Hz。我们使用的参考评价功能和呼吸信号测量生命体征和RSA指标,我们采用EDR血流速度图的分解算法。从所有受试者知情同意了,韩国的机构审查委员会科学技术研究所(KIST)批准所有程序在这个研究(KIST - 2019 - 015, 7月。19日,2019)。知情同意是获得所有的参与者在实验之前,和所有实验严格按照KIST伦理准则和《赫尔辛基宣言》。gydF4y2Ba

WESAD数据gydF4y2Ba

我们使用开源数据(WESAD,可穿戴的压力和影响检测)来验证该方法在公共领域。这个数据集包含15个主题的ecg(= 27.5±2.4岁),和它的采样率为700 Hz。实验协议由四个不同的情感状态(中性、压力、娱乐,冥想),并且每个情感被映射到一个二维情感空间(觉醒和价)通过使用自我报告(山姆,自我评估人体模型)。WESAD数据详细描述gydF4y2Ba62年gydF4y2Ba。gydF4y2Ba

统计评估gydF4y2Ba

因为高斯白噪声的模拟执行,使用方差分析和t检验比较血流速度图分解算法。在实际数据的情况下(正念冥想和WESAD数据),非参数统计检验是利用因为受试者的数量并不大。具体来说,魏克森讯号等级测试时采用两组样本大小相同,否则和Mann-Whitney U测试使用。我们定义p < 0.000005,具有统计学意义。描述分布,我们利用一个箱线图,顶部和底部框代表75和25百分位数,和中心,和底部行代表50,90,和第十百分位数,分别。gydF4y2Ba

结果gydF4y2Ba

模拟gydF4y2Ba

为每个模拟类型(RR:常数、线性函数和正弦函数),我们计算皮尔逊相关系数和均方根误差(RMSE)之间gydF4y2Ba\ (\ widetilde {{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba和gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba血流速度图的分解算法(ARMAx高斯,OSP和ZLE)。图gydF4y2Ba4gydF4y2Ba描述了箱形图的相关系数和rms ((a):一个正弦波,(b):线性啁啾,和(c):正弦频率调制信号)。为每个模拟类型,我们与Bonferroni调整进行了单向方差分析比较四个算法(ARMAx高斯,OSP和ZLE),和显著差异(p < 0.000005)观察的皮尔森相关系数和rms仿真类型。两两比较,事后测试用配对t进行测试,和所有算法比较有明显差异(p < 0.000005)。OSP显示RMSE最低和最高时相关系数模拟RR常数(见图。gydF4y2Ba4gydF4y2Ba),但是ZLE RMSE最低和最高相关系数为其他RR类型(见图。gydF4y2Ba4gydF4y2Bab, c)。值得注意的是,ZLE是健壮的瞬时RR的波动,但对比地高斯并不适用于时变RR。gydF4y2Ba

图4gydF4y2Ba
图4gydF4y2Ba

之间的相关系数和RMSE模拟gydF4y2Ba\ ({\ widetilde {{\ varvec {x}}}} _ {R-f} \)gydF4y2Ba和过滤gydF4y2Ba\({\眉题{{\ varvec {x}}}} _ {R-f} \)gydF4y2Ba(模拟RR:(gydF4y2Ba一个gydF4y2Ba)不变,(gydF4y2BabgydF4y2Ba)线性函数,(gydF4y2BacgydF4y2Ba)正弦函数)。gydF4y2Ba

全尺寸图像gydF4y2Ba

功能评价gydF4y2Ba

我们评估上述EDR (EDR功能的性能gydF4y2Ba一个gydF4y2Ba,功能gydF4y2BaQRgydF4y2Ba,功能gydF4y2BaRSgydF4y2Ba,功能gydF4y2Ba老gydF4y2Ba)通过使用引用呼吸信号的正念冥想数据。因为有功能和参考呼吸信号之间的相位差,我们利用两个措施,没有显著受到相位差的影响。一个是PLV每个功能和参考之间的呼吸信号,另一个是RRs之间的平均绝对误差(MAE)计算每个功能和呼吸信号的引用。PLV和美反映了相似的阶段和RR估计的准确性,分别。如表所示gydF4y2Ba1gydF4y2Ba,功能gydF4y2Ba老gydF4y2Ba显示最佳的性能在较早的研究gydF4y2Ba51gydF4y2Ba,所以我们使用功能gydF4y2Ba老gydF4y2Ba在接下来的分析。gydF4y2Ba

表1功能评估。gydF4y2Ba
全尺寸表gydF4y2Ba

正念冥想数据gydF4y2Ba

应用血流速度图分解算法之前,我们观察到正念冥想的效果通过各种措施:血管压力,RSA指标,和生命体征。首先,我们确认后减压冥想通过血管压力(5.35±1.77→2.47±1.01)。第二,我们计算了生命体征和RSA指数5分钟的间隔,和他们的盒子情节图中描述。gydF4y2Ba5gydF4y2Ba。水平线表示中位数(a)人力资源的价值,(b) RR, RSA (c)gydF4y2BaEgydF4y2Ba,(d) PLV。作为冥想的进展,生命体征(人力资源和RR)下降,和RSAgydF4y2BaEgydF4y2Ba和PLV增加。评估人力资源的变化,RR, RSAgydF4y2BaEgydF4y2BaPLV,我们对这些指标进行统计检验的休息和冥想阶段之间Mann-Whitney U测试。统计上显著的差异(p < 0.000005)中观察到的瞬时RR和RSAgydF4y2BaEgydF4y2Ba。对于每一个血流速度图分解算法(ARMAx、百和ZLE),我们计算皮尔逊相关系数之间gydF4y2BaxgydF4y2Ba生gydF4y2Ba和gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba,他们的箱形图和中间值图所示。gydF4y2Ba6gydF4y2Ba(绿框和虚线:高斯,蓝色盒子和虚线:ARMAx,黄色框和破折号虚线:百,和红色的盒子和实线:ZLE)。相关系数表明,更高gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba是少过滤或扭曲。gydF4y2Ba

图5gydF4y2Ba
图5gydF4y2Ba

生命体征(人力资源和RR)和RSA指数(RSAgydF4y2BaEgydF4y2Ba正念冥想和PLV)。框块(gydF4y2Ba一个gydF4y2Ba人力资源,gydF4y2BabgydF4y2Ba)RR (gydF4y2BacgydF4y2BaRSA)gydF4y2BaEgydF4y2Ba,(gydF4y2BadgydF4y2Ba)PLV。gydF4y2Ba

全尺寸图像gydF4y2Ba
图6gydF4y2Ba
图6gydF4y2Ba

生的血流速度图之间的相关系数(gydF4y2BaxgydF4y2Ba生gydF4y2Ba),每个RSA-free血流速度图(gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba);gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba高斯(绿框和虚线);gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba的ARMAx(蓝色框和虚线);gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba百(黄色框和dash-dotted线);gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2BaZLE(红框和实线)。gydF4y2Ba

全尺寸图像gydF4y2Ba

我们计算功率谱的血流速度图,并计算HRV指标。图gydF4y2Ba7gydF4y2Ba显示盒阴谋和拟议的HRV指标值中位数:(一)IDXgydF4y2Ba机构gydF4y2Ba和(b) IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba。框和线条代表(a) IDXgydF4y2Ba机构gydF4y2Ba和(b) IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba年代的高斯(绿框和虚线),ARMAx(蓝色框和虚线),OSP(黄色框和dash-dotted线),ZLE(红色框和实线)。HRV指标评估的趋势,我们将每个记录(50分钟)分成1休息阶段和4相等长度的冥想阶段(10分钟),然后比较了休息和每个冥想阶段通过使用Wilcoxon签署的两个示例等级测试(见表gydF4y2Ba2gydF4y2Ba)。表gydF4y2Ba2gydF4y2Ba描述了HRV指标的平均值和标准偏差。高频和IDXgydF4y2Ba机构gydF4y2Ba是迷走神经的基调的HRV指标和其他指标(低频/高频,某人gydF4y2BaUgydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba)表示同情的语气。在HFs中观察没有明显的统计学差异,但所有IDXgydF4y2Ba机构gydF4y2Ba年代的ZLE冥想期间明显增加(p < 0.000005)。不像ZLE IDXgydF4y2Ba机构gydF4y2Ba年代以前的血流速度图分解算法没有显著减少在20 - 30分钟。HRV指标与同情的语气,原始的低频/高频转速图表(gydF4y2BaxgydF4y2Ba生gydF4y2Ba在30 - 50分钟)显著增加,这似乎是由于RSA,但所有gydF4y2BaUgydF4y2Ba年代和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba年代的ZLE明显减少(见图。gydF4y2Ba7gydF4y2Ba;表gydF4y2Ba2gydF4y2Ba)。尽管如此,40分钟后,所有gydF4y2BaUgydF4y2Ba年代和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba年代的算法除了高斯明显减少,但在大多数某人观察没有明显的统计学差异gydF4y2BaUgydF4y2Ba年代和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba年代以前的血流速度图分解算法(ARMAx高斯,OSP)。gydF4y2Ba

图7gydF4y2Ba
图7gydF4y2Ba

的变化提出了HRV指标(gydF4y2Ba一个gydF4y2Ba):IDXgydF4y2Ba机构gydF4y2Ba和(gydF4y2BabgydF4y2Ba):IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba在正念冥想)。高斯(绿框和虚线);ARMAx(蓝色框和虚线);OSP(黄色框dash-dotted线);ZLE(红色框和实线)。gydF4y2Ba

全尺寸图像gydF4y2Ba
表2的HRV指标平均值±标准偏差(高频,IDXgydF4y2Ba机构gydF4y2Ba低频/高频gydF4y2BaUgydF4y2Ba,IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba)。gydF4y2Ba
全尺寸表gydF4y2Ba

WESAD数据gydF4y2Ba

WESAD数据包含ecg 4情感状态:中性,压力,娱乐,和冥想。山姆自我报告表明,唤起最低得分(2.3±1.4)发生在冥想状态。如无花果所示。gydF4y2Ba8gydF4y2BaRSA指数(RSAgydF4y2BaEgydF4y2Ba和PLV)和生命体征(人力资源和RR)最高和最低值的冥想状态,分别。人力资源、RR RSAgydF4y2BaEgydF4y2BaPLV,我们进行统计检验中性和冥想状态之间通过Mann-Whitney U测试。统计上显著的差异(p < 0.000005),观察比较,除了人力资源。这类似于前面的分段的结果。图gydF4y2Ba9gydF4y2Ba描述了盒阴谋和拟议的HRV指标值中位数:(一)IDXgydF4y2Ba机构gydF4y2Ba和(b) IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba。框和线条描绘IDXgydF4y2Ba机构gydF4y2Ba和(b) IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba年代的高斯(绿框和虚线),ARMAx(蓝色框和虚线),OSP(黄色框和dash-dotted线),ZLE(红色框和实线)。我们评估中性之间的变化和其他情绪的HRV指标使用Mann-Whitney U测试。平均值和标准偏差的HRV指标如表所示gydF4y2Ba3gydF4y2Ba。在HFs中观察没有明显的统计学差异,但IDXgydF4y2Ba机构gydF4y2BaARMAx和ZLE冥想期间明显增加,与RSA指数。类似于前面的小节,结果gydF4y2BaUgydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2BaZLE显著(p < 0.000005)降低在冥想期间,但在某人观察没有明显的统计学差异gydF4y2BaUgydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba其他分解算法(高斯ARMAx和百图所示。gydF4y2Ba9gydF4y2Ba和表gydF4y2Ba3gydF4y2Ba。gydF4y2Ba

图8gydF4y2Ba
图8gydF4y2Ba

生命体征(人力资源和RR)和RSA指数(RSAgydF4y2BaEgydF4y2Ba和PLV) 4情感状态。框块(gydF4y2Ba一个gydF4y2Ba人力资源,gydF4y2BabgydF4y2Ba)瞬时RR (gydF4y2BacgydF4y2BaRSA)gydF4y2BaEgydF4y2Ba,(gydF4y2BadgydF4y2Ba)PLV。gydF4y2Ba

全尺寸图像gydF4y2Ba
图9gydF4y2Ba
图9gydF4y2Ba

HRV指标的变化(gydF4y2Ba一个gydF4y2Ba):IDXgydF4y2Ba机构gydF4y2Ba和(gydF4y2BabgydF4y2Ba):IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba根据4)血流速度图分解算法的情感状态。高斯(绿框和虚线);ARMAx(蓝色框和虚线);OSP(黄色框dash-dotted线);ZLE(红色框和实线)。gydF4y2Ba

全尺寸图像gydF4y2Ba
表3均值±标准差的HRV指标(高频,IDXgydF4y2Ba机构gydF4y2Ba低频/高频gydF4y2BaUgydF4y2Ba,IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba)。gydF4y2Ba
全尺寸表gydF4y2Ba

讨论gydF4y2Ba

HRV的血流速度图由各种振荡引起的心脏和大脑之间的复杂交互作用。特别是,RSA常常引起的振荡形式的大多数原始血流速度图gydF4y2BaxgydF4y2Ba生gydF4y2Ba。自主神经系统活动的精确量化,需要将原始的血流速度图分解成RSA和RSA-free血流速度图。在这项研究中,我们提出了新颖的血流速度图分解算法(ZLE)和新的HRV指标(IDXgydF4y2Ba机构gydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba)。我们通过仿真评估了该方法的性能,正念冥想数据和WESAD数据。gydF4y2Ba

RSA,心跳间隔和呼吸之间的同步性,反映了心脏迷走神经的控制。量化RSA,我们采用PLV和RSAgydF4y2BaEgydF4y2Ba。虽然RSAgydF4y2BaEgydF4y2Ba和PLV捕获不同的特性(交互和RRI变异阶段),这些指标在冥想中增加(参见无花果。gydF4y2Ba6gydF4y2Ba,gydF4y2Ba9gydF4y2Ba在先前的研究中gydF4y2Ba39gydF4y2Ba,这表明副交感神经激活。HRV分析,所有IDXgydF4y2Ba机构gydF4y2Ba年代的ZLE HFs中增加对比(见表gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3gydF4y2Ba),IDXgydF4y2Ba机构gydF4y2Ba似乎比高频确定副交感神经激活。gydF4y2Ba

交感神经抑制在冥想中不仅通过文学,也支持了实验分析。冥想和呼吸缓慢呼吸已报告改善肺气体交换性能gydF4y2Ba63年gydF4y2Ba和降低血压gydF4y2Ba64年gydF4y2Ba,皮肤电反应gydF4y2Ba65年gydF4y2Ba和肌肉交感神经活动gydF4y2Ba66年gydF4y2Ba,gydF4y2Ba67年gydF4y2Ba,gydF4y2Ba68年gydF4y2Ba。减少生命体征(人力资源和RR)和自我评定成绩(压力和冲动)也观察到在冥想中在我们的实验中,如无花果所示。gydF4y2Ba6gydF4y2Ba和gydF4y2Ba9gydF4y2Ba。尽管证据表明交感神经抑制,古典的低频/高频HRV冥想期间明显增加gydF4y2Ba35gydF4y2Ba,gydF4y2Ba36gydF4y2Ba,gydF4y2Ba37gydF4y2Ba,gydF4y2Ba38gydF4y2Ba,gydF4y2Ba39gydF4y2Ba,gydF4y2Ba40gydF4y2Ba(见表gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3gydF4y2Ba);这似乎是由于RSA的影响。取消RSA的干扰,c·瓦伦而言等人建议某人gydF4y2BaUgydF4y2Ba46gydF4y2Ba我们提出IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba。虽然某人gydF4y2BaUgydF4y2Ba(如果gydF4y2BaR-fgydF4y2Ba/(低频gydF4y2BaRSAgydF4y2Ba+高频gydF4y2BaRSAgydF4y2Ba)IDX相似gydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba(如果gydF4y2BaR-fgydF4y2Ba/(低频gydF4y2BaRSAgydF4y2Ba+高频gydF4y2BaRSAgydF4y2Ba+高频gydF4y2BaR-fgydF4y2Ba)),IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba包括RSA-free迷走神经的语气(高频信息gydF4y2BaR-fgydF4y2Ba)。由于RSA是不足以代表整个心脏迷走神经的基调gydF4y2Ba69年gydF4y2Ba,该IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba可以被认为是一个更合理的指数量化同情的语气。在真正的冥想数据,gydF4y2BaUgydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2BaZLE成功地确定了交感神经抑制,这可能是第一个报告识别心脏交感神经抑制在冥想。因此,某人gydF4y2BaUgydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba似乎比古典音乐更可靠识别交感神经抑制低频/高频。gydF4y2Ba

ARMAx OSP共享相同的方案,发现权向量(w = (gydF4y2Ba分别地gydF4y2BaTgydF4y2Ba∙职责gydF4y2Ba)gydF4y2Ba−1gydF4y2BaRESP∙XgydF4y2Ba),减去gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaRSAgydF4y2Ba从最初的血流速度图gydF4y2BaxgydF4y2Ba生gydF4y2Ba45gydF4y2Ba。当gydF4y2Ba分别地gydF4y2Ba的轨迹矩阵功能,ARMAx和百可以解释为与最小二乘自适应噪声消除器解决方案;然后,功能和RSA组件(gydF4y2BaxgydF4y2BaRSAgydF4y2Ba)可以被视为噪声参考信号和真正的噪声,分别。算法的性能是由一个线性相关性gydF4y2BaxgydF4y2BaRSAgydF4y2Ba和功能gydF4y2Ba70年gydF4y2Ba,但他们真正的关系是非线性的gydF4y2Ba47gydF4y2Ba。具体地说,最初的血流速度图的振幅和频率调制的RR和潮汐卷gydF4y2Ba27gydF4y2Ba,gydF4y2Ba28gydF4y2Ba,gydF4y2Ba29日gydF4y2Ba不能表达的,这种调节功能的一个线性变换。作为替代,高斯提出,假设节奏的呼吸gydF4y2Ba48gydF4y2Ba,但瞬时RR通常随时间变化。模拟,先前的分解算法(ARMAx高斯,百RR常数时表现良好,但在时变RR他们的表现是不够的。然而,ZLE强劲的波动模拟RR(见图。gydF4y2Ba4gydF4y2Ba)。注意,RR呼吸冥想期间经常发生突然变化。事实上,HRV指标(IDXgydF4y2Ba机构gydF4y2Ba,某人gydF4y2BaUgydF4y2Ba,IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba)ZLE当然确定副交感神经激活和交感神经抑制在冥想时在某些IDX观察没有明显的统计学差异gydF4y2Ba机构gydF4y2Ba和大多数IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2BaARMAx和百(见表gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3gydF4y2Ba)。因此,ZLE似乎是最可靠的RR动态改变时血流速度图分解算法。gydF4y2Ba

尽管承诺的性能提出ZLE与HRV指标,他们有局限性。首先,如果某些振荡RSA-free血流速度图(gydF4y2BaxgydF4y2BaR-fgydF4y2Ba)与陷波滤波器的阻带在频域,那么相应的振动将会抑制。可以观察到这种过滤损失之间的相关系数gydF4y2BaxgydF4y2Ba生gydF4y2Ba和gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2BaRSA的影响小的时候(例如,静息状态)。如无花果所示。gydF4y2Ba6gydF4y2Ba,失去ZLE似乎微不足道。其次,该方法不确定交感激活。在压力状态下,交感神经激活,但没有一个某人gydF4y2BaUgydF4y2Ba年代或IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba年代显著增加。在未来的工作中,我们计划提前压力评估的方法。gydF4y2Ba

结论gydF4y2Ba

精确评估自主神经系统活动,我们提出了一个新颖的血流速度图分解算法(ZLE)和新的HRV指标(IDXgydF4y2Ba机构gydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba)。ZLE清晰地分解gydF4y2BaxgydF4y2Ba生gydF4y2Ba成gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaRSAgydF4y2Ba和gydF4y2Ba\(\眉题{{\ varvec {x}}} \)gydF4y2BaR-fgydF4y2Ba,IDXgydF4y2Ba机构gydF4y2Ba和IDXgydF4y2Ba系统网络体系结构(SNA)gydF4y2Ba分别确定副交感神经激活和交感神经抑制在冥想中。本研究可能是第一个报告识别心脏交感神经抑制在冥想(或缓慢呼吸)。尽管ZLE仍然的重叠问题,ZLE是比以前更健壮的血流速度图分解算法(高斯,ARMAx OSP)当RR动态波动。由于该方法只需要单一铅心电图,我们预计它将用于各个领域,比如物联网医疗(IoMT)、数字医疗、数字冥想,和数字疗法。gydF4y2Ba