RU2465822C2 - Method for studying daily monitoring curves of human blood pressure - Google Patents
Method for studying daily monitoring curves of human blood pressure Download PDFInfo
- Publication number
- RU2465822C2 RU2465822C2 RU2010147413/14A RU2010147413A RU2465822C2 RU 2465822 C2 RU2465822 C2 RU 2465822C2 RU 2010147413/14 A RU2010147413/14 A RU 2010147413/14A RU 2010147413 A RU2010147413 A RU 2010147413A RU 2465822 C2 RU2465822 C2 RU 2465822C2
- Authority
- RU
- Russia
- Prior art keywords
- blood pressure
- wavelet
- formula
- curve
- frequency ranges
- Prior art date
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
Description
Изобретение относится к медицине, а именно к кардиологии, нормальной физиологии, патологической физиологии.The invention relates to medicine, namely to cardiology, normal physiology, pathological physiology.
Известен способ изучения результатов СМАД с использованием стандартных показателей АД, незначительно расширяя диапазон применением статистических методик (расчет средеквадратичного отклонения, остатков регрессии), или анализом во временной области (индекс площади в различных вариантах) [Ивашкин Т.В. и др., 2001; Stamler J. и др., 2003; Курина Н.Н. и др., 2004; Кутырина И.М. и др.; 2004 Соловьева Н.В. и др., 2006; Андреев П.В. 2007]. Спектральный анализ встречается достаточно редко, что связано с рядом причин, связанных с особенностью регистрации сигнала: небольшое количество отсчетов, большое количество пропусков, неравномерная частота дискретизации.There is a method of studying the results of ABPM using standard indicators of blood pressure, slightly expanding the range using statistical methods (calculation of standard deviation, residual regression), or analysis in the time domain (area index in various versions) [Ivashkin T.V. et al., 2001; Stamler J. et al., 2003; Kurina N.N. et al., 2004; Kutyrina I.M. and etc.; 2004 Solovieva N.V. et al., 2006; Andreev P.V. 2007]. Spectral analysis is quite rare, which is associated with a number of reasons related to the peculiarity of signal registration: a small number of samples, a large number of gaps, and an uneven sampling frequency.
Наиболее близкой к предлагаемому нами способу является способ применения вейвлет-преобразования для анализа вариабельности сердечного ритма детей (RU №2241374, МПК A61B 5/0452, 5/02, 10.12.2004). Данный способ заключается в том, что исходная кривая вариабельности сердечного ритма подвергается непрерывному вейвлет-преобразованию с последующей обработкой матрицы коэффициентов вейвлет-преобразования с целью выявления динамики вейвлетной плотности мощности в физиологически значимых диапазонах. Недостатком данного способа является в первую очередь невозможность динамического выделения физиологически значимых диапазонов. Иными словами, разделение единого спектра сигнала на поддиапазоны осуществляет по заранее фиксированным значениям, без учета изменения структуры самого сигнала.Closest to our proposed method is a method of applying wavelet transform to analyze heart rate variability in children (RU No. 2241374, IPC A61B 5/0452, 5/02, 10.12.2004). This method consists in the fact that the initial heart rate variability curve undergoes continuous wavelet transform with subsequent processing of the matrix of wavelet transform coefficients in order to detect the dynamics of the wavelet power density in physiologically significant ranges. The disadvantage of this method is primarily the impossibility of the dynamic allocation of physiologically significant ranges. In other words, the separation of a single signal spectrum into subbands is carried out according to pre-fixed values, without taking into account changes in the structure of the signal itself.
Задачей предлагаемого изобретения является улучшение оценки состояния вегетативной регуляции вариабельности сердечного ритма человека.The task of the invention is to improve the assessment of the state of the autonomic regulation of human heart rate variability.
Технический результат заключается в увеличении точности и информативности способа исследования результатов СМАД человека.The technical result consists in increasing the accuracy and informativeness of the method for studying the results of human ABP.
Технический результат достигается тем, что способ исследования СМАД человека, включает регистрацию показателей АД и дальнейший ее спектральный анализ методом непрерывного вейвлет-преобразования, в котором определяют мощность частоты динамики а в момент времени b по формулеThe technical result is achieved by the fact that the method for studying human BPM includes recording blood pressure indicators and its further spectral analysis by the method of continuous wavelet transform, in which the power of the frequency of the dynamics a at time b is determined by the formula
где W(a,b) - коэффициент вейвлетного преобразования; f(t) - анализируемая функция; ψ((t-b)/a) - анализирующий вейвлет;where W (a, b) is the wavelet transform coefficient; f (t) is the analyzed function; ψ ((t-b) / a) - analyzing wavelet;
построение на основе матрицы вейвлетных коэффициентов скейлограмм на отрезке [bi, bj] по формуламbuilding on the basis of the matrix of wavelet coefficients of scaleograms on the segment [b i , b j ] according to the formulas
i, j<N, j<i,i, j <N, j <i,
где V(a1) - скейлограмма сигнала; N - количество коэффициентов; ai - масштаб вейвлетного преобразования;where V (a 1 ) is the signal scaleogram; N is the number of coefficients; a i is the scale of the wavelet transform;
выделение на скейлограммах физиологически значимых частотных диапазонов, согласно изобретению выделение на скейлограммах физиологических значимых частотных диапазонов осуществляется исходя из расстояний между соседними локальными минимумами на кривой скейлограммы по формулеthe selection of physiologically significant frequency ranges on the skylograms, according to the invention, the selection of physiologically significant frequency ranges on the skylograms is based on the distances between adjacent local minima on the curveogram according to the formula
где Δа - физиологически значимый диапазон,where Δa is a physiologically significant range,
am, an - соседние локальные минимумы на кривой скейлограммы;a m , a n - neighboring local minima on the curve of the scaleogram;
определение значения вейвлетной плотности мощности (ВПМ) U в каждом из частотных диапазонов 
определение изменения вейвлетной плотности мощности во времени как U(t);determination of the change in wavelet power density in time as U (t);
определение изменения частотных диапазонов во времени как Δa(t);determining the change in frequency ranges over time as Δa (t);
определение значения удельной вейвлетной плотности мощности U' во времени по формулеdetermination of the value of the specific wavelet power density U 'in time by the formula
которая отражает динамику изменения АД.which reflects the dynamics of changes in blood pressure.
Скейлограммы («энергетические» диаграммы) строятся на основе матрицы вейвлет-коэффициентов, заданных как среднее квадратов коэффициентов W(a, b) при фиксированном параметре а на отрезке [bi, bj]. Являясь функцией масштаба, скейлограмма отражает ту же информацию, что и спектральная плотность мощности Фурье, являющаяся функцией от частоты. Как известно, вейвлет-преобразование имеет преимущество, прежде всего, за счет свойства частотно-временной локализации вейвлетов. Вейвлет-преобразование, представляющее собой временную развертку спектра, позволяет получить и более локализованную во времени энергетическую информацию. Энергетические диаграммы (скейлограммы) строятся на кратковременных (порядка 2-3 измерений) отрезках, что позволяет отслеживать временную динамику процесса.Scaleograms (“energy” diagrams) are constructed on the basis of a matrix of wavelet coefficients defined as the average of the squares of the coefficients W (a, b) for a fixed parameter a on the interval [b i , b j ]. As a function of scale, the scaleogram reflects the same information as the spectral density of the Fourier power, which is a function of frequency. As is known, wavelet transform has an advantage, first of all, due to the property of the time-frequency localization of wavelets. The wavelet transform, which is a temporary sweep of the spectrum, allows one to obtain more localized energy information in time. Energy diagrams (scaleograms) are built on short-term (about 2-3 measurements) segments, which allows you to track the temporal dynamics of the process.
На скейлограммах выделяют локальные спектры и физиологически значимые частотные диапазоны Δа, которые рассчитывают исходя из расстояний между локальными минимумами am, an, связанными с различными типами механизмов регуляции АД человека. При этом при выявлении трех наиболее значимых диапазонов определяются два наиболее выраженных минимума, при четырех - три и т.д.…Local spectra and physiologically significant frequency ranges Δа, which are calculated on the basis of the distances between local minima a m , a n associated with various types of mechanisms for regulating human blood pressure, are distinguished on the skylograms. Moreover, when identifying the three most significant ranges, the two most pronounced minimums are determined, with four - three, etc. ...
Суммарное значение вейвлетной плотности мощности U отражает суммарную активность нервного центра и определяется в каждом из частотных диапазонов 
Удельная вейвлетная плотность мощности U' характеризует удельную выраженность активности нервного центра и отражает процессы оптимизации динамики АД. Выделение физиологически значимых диапазонов между локальными минимумами на кривой скейлограммы, связанных с различными типами механизмов регуляции АД, и оценка данного параметра позволяют выявить даже слабые по силе воздействия на АД на различных этапах онтогенеза, в норме и патологии, как в покое, так и при переходных процессах, что качественным образом повышает информативность и точность способа оценки СМАД человека.The specific wavelet power density U 'characterizes the specific severity of the activity of the nerve center and reflects the processes of optimizing the dynamics of blood pressure. Isolation of physiologically significant ranges between local minima on the curveogram curve associated with various types of mechanisms of blood pressure regulation, and assessment of this parameter make it possible to identify even weak effects on blood pressure at various stages of ontogenesis, in normal and pathological conditions, both at rest and during transition processes, which in a qualitative way increases the information content and accuracy of the method for assessing human BPP.
На фиг.1 изображены скейлограммы четырех последовательных отрезков кривой СМАД; на фиг.2 изображено адаптивное разделение спектра (скейлограммы) участка кривой АД на частотные диапазоны, исходя из структуры локальных минимумов.Figure 1 shows the skylograms of four consecutive segments of the ABPM curve; figure 2 shows the adaptive separation of the spectrum (scaleogram) of the portion of the blood pressure curve into frequency ranges, based on the structure of local minima.
Клинический пример.Clinical example.
Испытуемый Ш., 24 года. Рост 173 см, вес 68 кг. Регистрация артериального давления в течение 22 часов. Шаг измерения 5 минут. Среднее значение систолического АД днем 134 мм, среднее значение диастолического АД днем 86 мм, среднее значения систолического АД ночью 105 мм, среднее значение диастолического АД ночью 67 мм. Индекс времени 1%, индекс измерений 0%, степень ночного снижения 23%.Subject Sh., 24 years old. Height 173 cm, weight 68 kg. Registration of arterial pressure within 22 hours. Measurement step 5 minutes. The average value of systolic blood pressure in the daytime is 134 mm, the average value of diastolic blood pressure in the daytime is 86 mm, the average value of systolic blood pressure in the night is 105 mm, and the average value of diastolic blood pressure in the night is 67 mm.
Вейвлет-преобразование: непрерывное вейвлет-преобразование, вейвлет morlet, максимальный масштаб 64, временное усреднение при построении скейлограмм - два измерения артериального давления. Результаты эксперимента приведены на фиг.1 и 2. Значения ВПМ рассчитываются в частотных диапазонах между минимумами на каждой скейлограмме.Wavelet transform: continuous wavelet transform, morlet wavelet, maximum scale 64, time averaging when building scaleograms - two measurements of blood pressure. The experimental results are shown in figures 1 and 2. The values of the VPM are calculated in the frequency ranges between the minima on each scaleogram.
Данные, приведенные на фиг.1, получены за счет локализованного спектрального анализа, свидетельствуют об изменениях частотных составляющих ВСР и показывают вклад различных частот в общую картину ВСР.The data shown in figure 1, obtained by localized spectral analysis, indicate changes in the frequency components of HRV and show the contribution of different frequencies to the overall picture of HRV.
Claims (1)
где W(a,b) - коэффициент вейвлетного преобразования;
f(t) - анализируемая функция;
ψ((t-b)/a) - анализирующий вейвлет;
построение на основе вейвлетных коэффициентов скейлограмм на отрезке [bi, bj] по формуле
где V(a1) - скейлограмма сигнала;
N - количество коэффициентов;
a1 - масштаб вейвлетного преобразования;
выделение на скейлограммах физиологически значимых частотных диапазонов, отличающийся тем, что выделение на скейлограммах физиологически значимых частотных диапазонов осуществляется, исходя из расстояний между соседними локальными минимумами на кривой скейлограммы по формуле
Δa=am-an,
где Δa - физиологически значимый диапазон;
am, an - соседние локальные минимумы на кривой скейлограммы;
определение значения вейвлетной плотности мощности U в каждом из частотных диапазонов Δa=[am, an] осуществляется по формуле
определение изменения вейвлетной плотности мощности во времени как U(t);
определение изменения частотных диапазонов во времени как Δa(t);
определение значения удельной вейвлетной плотности мощности U' во времени по формуле
U'=U(t)/Δa(t). A method for studying the results of daily monitoring of a person’s blood pressure, which consists in registering a blood pressure curve during the day and its spectral analysis using the continuous wavelet transform method, which includes determining the frequency power of the blood pressure curve a at time b using the formula
where W (a, b) is the wavelet transform coefficient;
f (t) is the analyzed function;
ψ ((tb) / a) - analyzing wavelet;
building on the basis of wavelet coefficients of scaleograms on the segment [b i , b j ] according to the formula
where V (a 1 ) is the signal scaleogram;
N is the number of coefficients;
a 1 is the scale of the wavelet transform;
the selection of physiologically significant frequency ranges on the skylograms, characterized in that the selection of physiologically significant frequency ranges on the skylograms is based on the distances between adjacent local minima on the curveogram by the formula
Δa = a m -a n ,
where Δa is a physiologically significant range;
a m , a n - neighboring local minima on the curve of the scaleogram;
determination of the value of the wavelet power density U in each of the frequency ranges Δa = [a m , a n ] is carried out according to the formula
determination of the change in wavelet power density in time as U (t);
determining the change in frequency ranges over time as Δa (t);
determination of the value of the specific wavelet power density U 'in time by the formula
U '= U (t) / Δa (t).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2010147413/14A RU2465822C2 (en) | 2010-11-19 | 2010-11-19 | Method for studying daily monitoring curves of human blood pressure |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2010147413/14A RU2465822C2 (en) | 2010-11-19 | 2010-11-19 | Method for studying daily monitoring curves of human blood pressure |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2010147413A RU2010147413A (en) | 2012-05-27 |
| RU2465822C2 true RU2465822C2 (en) | 2012-11-10 |
Family
ID=46231388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2010147413/14A RU2465822C2 (en) | 2010-11-19 | 2010-11-19 | Method for studying daily monitoring curves of human blood pressure |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2465822C2 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2328973C1 (en) * | 2007-01-24 | 2008-07-20 | Государственное образовательное учреждения высшего профессионального образования "Воронежский государственный университет" | Method of human microcirculation channel regulation analysis |
| EP2067437A1 (en) * | 2001-06-22 | 2009-06-10 | Nellcor Puritan Bennett Ireland | Wavelet-based analysis of pulse oximetry signals |
-
2010
- 2010-11-19 RU RU2010147413/14A patent/RU2465822C2/en not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2067437A1 (en) * | 2001-06-22 | 2009-06-10 | Nellcor Puritan Bennett Ireland | Wavelet-based analysis of pulse oximetry signals |
| RU2328973C1 (en) * | 2007-01-24 | 2008-07-20 | Государственное образовательное учреждения высшего профессионального образования "Воронежский государственный университет" | Method of human microcirculation channel regulation analysis |
Non-Patent Citations (2)
| Title |
|---|
| АСТАФЬЕВА Н.М. Вейвлет-анализ: основы теории и примеры применения, Успехи физических наук, 1996, №11, с.1146-1170. * |
| ДУМСКИЙ Д.В. Вейвлет-анализ в исследовании динамики артериального кровяного давления, Нелинейные дни в Саратове для молодых, 2004, с.94. * |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2010147413A (en) | 2012-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2707650C2 (en) | Biological data processing | |
| Eyre et al. | The influence of age and weight status on cardiac autonomic control in healthy children: a review | |
| US20180310879A1 (en) | Psychological acute stress measurement using a wireless sensor | |
| Alcaraz et al. | Optimal parameters study for sample entropy-based atrial fibrillation organization analysis | |
| García-González et al. | Differences in QRS locations due to ECG lead: relationship with breathing | |
| Herzig et al. | Reproducibility of heart rate variability is parameter and sleep stage dependent | |
| Kristiansen et al. | Comparison of two systems for long-term heart rate variability monitoring in free-living conditions-a pilot study | |
| US8909328B2 (en) | System and method for quantitatively assessing diabetic cardiac autonomic neuropathy in type I diabetic biological subject | |
| US10420499B2 (en) | Method and system of detecting seizures | |
| WO2020006845A1 (en) | Health reserve evaluation method, and device and application thereof | |
| US20080051669A1 (en) | Diagnosis of sleep apnea | |
| WO2005069740A2 (en) | Method and system for cardiovascular system diagnosis | |
| EP2854620A1 (en) | Narrow band feature extraction from cardiac signals | |
| US7092751B2 (en) | Detection of atrial arrhythmia | |
| JP2010540124A (en) | Apnea / hypopnea index derived from ECG | |
| Arai et al. | Relationships between QT interval and heart rate variability at rest and the covariates in healthy young adults | |
| Nouira et al. | A Robust R Peak Detection Algorithm Using Wavelet Transform for Heart Rate Variability Studies. | |
| JP2004283523A (en) | Instrument for analyzing autonomic nervous rhythm | |
| Garner et al. | Heart rate variability analysis: Higuchi and Katz’s fractal dimensions in subjects with type 1 diabetes mellitus | |
| Madhav et al. | Monitoring respiratory activity using PPG signals by order reduced-modified covariance AR technique | |
| RU2332160C1 (en) | Method of human and animal encephalogram examination | |
| RU2465822C2 (en) | Method for studying daily monitoring curves of human blood pressure | |
| Mendez et al. | Automatic detection of sleep macrostructure based on bed sensors | |
| RU2326587C1 (en) | Method of human heart rate variability examination | |
| Park et al. | A study on the development of a day-to-day mental stress monitoring system using personal physiological data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20141120 |
|
| NF4A | Reinstatement of patent |
Effective date: 20161027 |
|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20171120 |