通过心率变化对两个与姿势相关的不同自主性配置的个体识别

科学领域:

• 心血管生理学心血管生理学
• 自主神经系统的调节规则
• 生物医学信号处理

背景情况:

• 心率变化 (HRV) 功率谱分析估计了影响鼻节活动的交感血管平衡.
• 以前试图从个体基础上从光谱变量中识别生理条件的尝试是有限的.
• 了解自主特征对于个性化生理评估至关重要.

研究的目的:

• 开发一种基于短期HRV的方法来识别个人自主配置文件.
• 评估光谱和预测分析在区分与姿势相关的生理状态方面的能力.
• 为个人自主状态评估建立一种非侵入性方法.

主要方法:

• 从躺着和直立的350名正常受试者的短心电图段 (200-500个周期) 中提取了10个光谱变量.
• 使用线性预测方法,从光谱变量中估计正常化激活指数.
• 采用训练/测试集方法,共使用700个模式进行验证.

主要成果:

• 一个规范化的激活指数有效地集中了来自光谱HRV变量的信息.
• 该方法在识别个体体位 (卧底 vs 直立) 方面达到大约84%的准确性.
• 与姿势相关的个体自主特征被高准确度识别出来.

结论:

• 频谱方法与预测分析相结合,揭示了短RR间隔系列中固有的信息.
• 这种方法使得与姿势变化相关的不同自主特征的个体识别成为可能.
• 这些发现支持了精确的,基于个人的自治状态监测的潜力.