CN105852807A - 一种无监督式自主神经功能量化评估方法 - Google Patents
一种无监督式自主神经功能量化评估方法 Download PDFInfo
- Publication number
- CN105852807A CN105852807A CN201610177382.4A CN201610177382A CN105852807A CN 105852807 A CN105852807 A CN 105852807A CN 201610177382 A CN201610177382 A CN 201610177382A CN 105852807 A CN105852807 A CN 105852807A
- Authority
- CN
- China
- Prior art keywords
- autonomic nervous
- 5min
- function
- autonomic
- fragment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002567 autonomic effect Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011158 quantitative evaluation Methods 0.000 title abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 239000012634 fragment Substances 0.000 claims description 28
- 210000000467 autonomic pathway Anatomy 0.000 claims description 17
- 210000003403 autonomic nervous system Anatomy 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 9
- 210000000653 nervous system Anatomy 0.000 claims description 7
- 230000003906 autonomic nervous system functioning Effects 0.000 claims description 3
- 241000406668 Loxodonta cyclotis Species 0.000 claims 1
- 238000013139 quantization Methods 0.000 claims 1
- 230000003068 static effect Effects 0.000 abstract 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 8
- 230000004064 dysfunction Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 206010019280 Heart failures Diseases 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000001835 viscera Anatomy 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 206010007558 Cardiac failure chronic Diseases 0.000 description 2
- NTYJJOPFIAHURM-UHFFFAOYSA-N Histamine Chemical compound NCCC1=CN=CN1 NTYJJOPFIAHURM-UHFFFAOYSA-N 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001734 parasympathetic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 229960001340 histamine Drugs 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000005371 pilomotor reflex Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008700 sympathetic activation Effects 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4029—Detecting, measuring or recording for evaluating the nervous system for evaluating the peripheral nervous systems
- A61B5/4035—Evaluating the autonomic nervous system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Neurology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种无监督式自主神经功能量化评估方法，将心电信号分割成若干个5min片段，对于各5min片段，逐拍提取其心跳间期并构成心率变异性序列；对心率变异性序列提取多个特征参数并输入模糊c‑均值聚类算法中进行聚类，记录聚类后每一5min片段的最大隶属度对应的目标函数值；计算评估对象各5min片段的最大隶属度对应的目标函数值的均值，作为该评估对象的自主神经量化值。本发明利用基于模糊c‑均值聚类算法的无监督式模糊聚类评估方法，可以构建一个简单有效的模型来实现对于自主神经功能的量化评估。本发明不限定数据采集过程中评估对象必须处于静息状态；同时，因为本发明设计的运算较为简单，聚类算法常见，因此在实现方面较为可行。
Description
技术领域
本发明涉及自主神经功能评估领域，更具体地，涉及一种无监督式自主神经功能量化评估方法。
背景技术
自主神经系统直接或间接调节内脏器官的功能活动，维持机体内外环境的平衡。一旦功能紊乱，即可导致内脏功能活动的失调。自主神经功能紊乱对人们的心身健康及正常生活的危害是很严重的，会引起头痛头昏、失眠、记忆力减退等症状，降低机体免疫力，还影响患者的学习和工作。
当自主神经功能紊乱时，心血管系统可出现阵发性高血压、周期性低血压、窦性心动过速或过缓，及类似心肌梗死的表现。目前，对于自主神经功能常用的检查方法有眼心反射、卧立试验、竖毛反射、组胺试验、体位变换试验等，这些方法均需要评估对象在专业人士(如医生)的监督下进行一定的配合检查，，然后根据一定的临床标准和经验进行判断，比较繁琐。心电信号作为一种常见的体表信号，具有易采集、非侵入式的特点，广泛用于各种疾病的检查之中，相关研究分析广泛。心率变异性(heart rate variability,简称HRV)研究是由心电信号发展而来的一种用于评估心血管系统健康状况的方法。随着心率变异性研究的广泛展开，发现心率变异性的差异与调节心脏的自主神经功能活动密切相关，即心率变异性指标对于评估自主神经功能有重要价值。
研究表明，慢性心力衰竭(congestive heart failure，简称CHF)患者的HRV分析表现出心率变异性指标与自主神经功能间的密切关联。本发明基于不同等级心力衰竭患者对应不同自主神经紊乱程度，即健康人自主神经功能正常，自主神经功能1级；NYHA分级I-II级CHF患者自主神经功能轻度紊乱，自主神经功能2级；NYHA分级III级CHF患者自主神经功能中度紊乱，自主神经功能3级；NYHA分级IV级CHF患者自主神经功能重度紊乱，自主神经功能4级，来验证评估对象的自主神经功能水平对应的量化等级。
建立基于心率变异性的无监督式自主神经功能量化评估标准，对于临床上预防类似心力衰竭等受自主神经调控的疾病及其预后可以提供参考依据。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷，提供一种简单、有效、无需静息状态的无监督式自主神经功能量化评估方法。
为解决上述技术问题，本发明的技术方案如下：
一种无监督式自主神经功能量化评估方法，包括以下步骤：
S1：采集评估对象的一段时间的体表心电信号，并将该信号分割成若干个5min片段，对于各5min片段，逐拍提取其心跳间期并构成心率变异性序列{RRi,i＝1,2,…N}，其中N为心跳间期的数目；
S2：对每一个5min片段的心率变异性序列{RRi,i＝1,2,…N}，提取多个特征参数；
S3：将计算出来的多个特征参数输入模糊c-均值聚类算法中进行聚类，记录聚类后每一5min片段的最大隶属度对应的目标函数值；
S4：计算评估对象各5min片段的最大隶属度对应的目标函数值的均值，作为该评估对象的自主神经量化值；
S5：根据评估对象的自主神经量化值的大小评估评估对象自主神经系统功能量化等级。
在一种优选的方案中，步骤S2中提取12个特征参数，包括：均值(M)，方差(S)，差值均方根(R)，pNN50(P)，变异系数(CV)，低频功率(LF)，高频功率(HF)，高低频功率比(LH)，总功率(TP)，近似熵(ApEn)，样本熵(SampEn)，模糊熵(FuzzyEn)。
3.根据权利要求2所述无监督式自主神经功能量化评估方法，其特征在于，步骤S3中将提取的12个特征参数输入模糊c-均值聚类算法中进行聚类，其输入特征向量I＝(M,S,R,P,CV,LF,HF,LH,TP,ApEn,SampEn,FuzzyEn)。
在一种优选的方案中，步骤S3的具体步骤包括：
S3.1：将各5min片段的输入特征向量I输入模糊c-均值聚类算法中；
S3.2：设定聚类中心数为4，计算每一5min片段对于各聚类中心的隶属度U及对应的目标函数值obj_func；
S3.3：记录每一5min片段的最大隶属度Umax对应的目标函数值obj_func,其中cbelong是所属聚类中心。
在一种优选的方案中，步骤S5中，根据自主神经量化值的大小，将评估对象的自主神经功能等级分为四级:“1”代表自主神经功能为I级，对应自主神经系统正常；“2”代表自主神经功能为II级，对应自主神经系统平衡轻度紊乱；“3”代表自主神经功能为III级，对应自主神经系统平衡中度紊乱；“4”代表自主神经功能为IV级，对应自主神经系统平衡高度紊乱。
与现有技术相比，本发明技术方案的有益效果是：本发明提供一种无监督式自主神经功能量化评估方法，将体表心电信号分割成若干个5min片段，对于各5min片段，逐拍提取其心跳间期并构成心率变异性序列；对心率变异性序列提取多个特征参数并输入模糊c-均值聚类算法中进行聚类，记录聚类后每一5min片段的最大隶属度对应的目标函数值；计算评估对象各5min片段的最大隶属度对应的目标函数值的均值，作为该评估对象的自主神经量化值。本发明利用基于模糊c-均值聚类算法的无监督式模糊聚类评估方法，可以构建一个简单有效的模型来实现对于自主神经功能的量化评估。本发明中的多个特征参数不对HRV序列作平稳性假设，因此本发明不限定数据采集过程中评估对象必须处于静息状态，只要是正常的日常生理生活状态采集体表心电信号，即可应用本发明的方法。同时，因为本发明设计的运算较为简单，聚类算法常见，因此在实现方面较为可行。
附图说明
图1是本发明无监督式自主神经功能量化评估方法的原理框图。
图2是本发明无监督式自主神经功能量化评估方法的实验流程框图。
图3是本发明采用的模糊c聚类算法的原理框图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1-2所示，一种无监督式自主神经功能量化评估方法，包括以下步骤：
S1：采集评估对象的20小时体表心电信号，并将该信号分割成240个5min 片段，对于各5min片段，逐拍提取其心跳间期并构成心率变异性序列{RRi,i＝1,2,…N}，其中N为心跳间期的数目；
S2：对每一个5min片段的心率变异性序列{RRi,i＝1,2,…N}，提取12个特征参数；特征参数包括：均值(M)，方差(S)，差值均方根(R)，pNN50(P)，变异系数(CV)，低频功率(LF)，高频功率(HF)，高低频功率比(LH)，总功率(TP)，近似熵(ApEn)，样本熵(SampEn)，模糊熵(FuzzyEn)。
S3：计算出来的12个特征参数构成输入特征向量I＝(M,S,R,P,CV,LF,HF,LH,TP,ApEn,SampEn,FuzzyEn)，将特征向量I输入模糊c-均值聚类算法中进行聚类，记录聚类后每一5min片段的最大隶属度对应的目标函数值，模糊c-均值聚类算法的原理如图3所示。
本实施例中，步骤S3的具体步骤包括：
S3.1：将各5min片段的输入特征向量I输入模糊c-均值聚类算法中；
S3.2：设定聚类中心数为4，计算每一5min片段对于各聚类中心的隶属度U及对应的目标函数值obj_func；
S3.3：记录每一5min片段的最大隶属度Umax对应的目标函数值obj_func,其中cbelong是所属聚类中心。
S4：计算评估对象240个5min片段的最大隶属度所对应的目标函数值obj_func的均值，将该均值作为评估对象在长时间(20小时)内自主神经功能紊乱的平均水平，用来评估评估对象的自主神经量化等级；
S5：根据自主神经量化值的大小，将评估对象的自主神经功能等级分为1级、2级、3级、4级，是基于不同等级心力衰竭患者对应不同自主神经紊乱程度，即健康人自主神经功能正常，自主神经功能1级；NYHA分级I-II级CHF患者自主神经功能轻度紊乱，自主神经功能2级；NYHA分级III级CHF患者自主神经功能中度紊乱，自主神经功能3级；NYHA分级IV级CHF患者自主神经功能重度紊乱，自主神经功能4级，来实现评估对象的自主神经功能平均水平对应的量化等级判断。
该方法的原理是基于正常日常生理生活状态(无剧烈运动)下在评估对象体表采集心电信号，经寻找每次心跳的R峰位置逐拍提取心跳间期(RR间期)构成HRV(心率变异性)序列，提取其特征参数构成特征向量，然后通过模糊c- 均值聚类算法获得评估对象的自主神经功能平均水平，实现对评估对象自主神经功能量化评估。
本实施例中，步骤S2中12个特征参数的计算方法分别如下：
(1)均值(M)的计算：
(2)方差(S)的计算：
(3)差值均方根(R)的计算：
(4)pNN50(P)的计算：P＝numof(NN＞50)/totalNN*100％，其中，numof(NN＞50)表示大于50ms的心跳间期的个数，totalNN表示心跳间期的总数；
(5)变异系数(CV)的计算：CV＝M/S；
(6)低频功率(LF)的计算：0.04～0.15HZ频段功率；
(7)高频功率(HF)的计算：0.15～0.4HZ频段功率；
(8)高低频功率比(LH)的计算：LH＝LF/HF；
(9)总功率(TP)的计算：其中f函数是RRi序列，t＝i；
(10)近似熵(ApEn)的计算：
对序列{RRi，i＝1,2,…N}构建二维模板，得到二维矢量序列：
X(j)＝(RRj,RRj+1)，其中j＝1,2,…,N-1；
计算序列X(j)＝(RRj,RRj+1)，j＝1,2,…,N-1中每两个矢量X(i)和X(j)之间的间距d：
d＝d[X(i),X(j)]＝max(X(i)-X(j))
设定阈值r＝0.2×std(RR)，统计d中各行各列小于该阈值的值个数并求平均φ2，即为矢量相同概率：
其中
将模板维度加1，重复上述步骤，求φ3；
最后，计算近似熵ApEn＝ln(φ2-φ3)。
(11)样本熵(SampEn)的计算：
对序列{RRi,i＝1,2,…N}构建二维模板，得到二维矢量序列：
X(j)＝(RRj,RRj+1)，j＝1,2,…,N-1
计算序列X(j)＝(RRj,RRj+1)，j＝1,2,…,N-1中每两个矢量X(i)和X(j)之间的间距d:
d＝d[X(i),X(j)]＝max(X(i)-X(j))
设定阈值r＝0.2×std(RR)，统计d中各行各列小于该阈值的值个数并求平均φ2，即为矢量相同概率，
其中
将模板维度加1，重复上述步骤，求φ3；
最后，计算模糊熵SampEn＝ln(φ2-φ3)。
(12)模糊熵(FuzzyEn)的计算：
对序列{RRi,i＝1,2,…N}构建二维模板，得到二维矢量序列：
X(j)＝(RRj,RRj+1),j＝1,2,…,N-1
计算序列X(j)＝(RRj,RRj+1),j＝1,2,…,N-1中每两个矢量X(i)和X(j)之间的间距d:
d＝d[X(i),X(j)]＝max(X(i)-X(j))
设定阈值r＝0.2×std(RR)，对间距做模糊化处理u＝exp(-dn/r)，求所得各u的均值φ2，即为矢量相同概率；
将模板维度加1，重复上述步骤，求φ3；
最后，计算模糊熵FuzzyEn＝ln(φ2-φ3)。
本发明中，特征参数提取包括时域特征(均值(M)，方差(S)，差值均方根(R)，pNN50(P)，变异系数(CV))，频域特征(低频功率(LF)，高频功率(HF)，高低频功率比(LH)，总功率(TP))和熵特征(近似熵(ApEn)，样本熵(SampEn)，模糊熵(FuzzyEn))。传统心率变异性指标(时域/频域特征)能够在一定程度上反映自主神经系统功能的变化，即交感神经与副交感神经功能变化状况。熵指标主要是反映人体机能处于混乱的程度。自主神经主要是控制人体内脏器官在不同状态下的活动状况，心脏作为人体活动的一大重要器官，交感神经兴奋时，心输出与心率增加，副交感神经则相反，二者相互拮抗平衡，共同调节心脏。当人体的这一自 主神经平衡被打破，即出现紊乱时，会表征出一系列的病症。对于慢性心力衰竭的患者而言，这一平衡的打破程度意味着疾病的不断恶化。在本发明中，对于长时间(20小时)数据进行分段处理再平均以计算评估对象的自主神经功能水平均值，用以评估自主神经功能量化等级，自主神经功能等级与突发事件发生概率正相关，可以作为突发事件发生概率的辅助指标，为减少相应疾病的致死率提供一定的参考。
本发明中，无监督式模糊c聚类算法被用于构建基于心率变异性特征参数的自主神经功能量化评估。对于每个5min片段提取的12个特征参数均构成一个高维的特征空间，用于描述该样本的自主神经功能状态，确定对应的自主神经功能程度。而且，模糊c聚类算法可以较好的实现模糊区域划分，区分不同状态下的5min片段，可以建立较好的自主神经功能指标及等级量化，基于该方法可以将评估对象区分为四个等级：“1”代表自主神经功能为I级，对应自主神经系统正常；“2”代表自主神经功能为II级，对应自主神经系统平衡轻度紊乱；“3”代表自主神经功能为III级，对应自主神经系统平衡中度紊乱；“4”代表自主神经功能为IV级，对应自主神经系统平衡高度紊乱。因此，利用基于模糊c聚类算法的无监督式模糊聚类评估方法，可以构建一个简单有效的模型来实现对于自主神经功能的量化评估。
本发明中的12个特征参数不对HRV序列作平稳性假设，因此本发明不限定数据采集过程中评估对象必须处于静息状态，只要是正常的日常生理生活状态(即无剧烈运动)下采集20小时的体表心电信号，即可应用本发明的方法。同时，因为本发明设计的运算较为简单，聚类算法常见，因此在实现方面较为可行。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种无监督式自主神经功能量化评估方法，其特征在于，包括以下步骤：
S1：采集评估对象的一段时间的体表心电信号，并将该信号分割成若干个5min片段，对于各5min片段，逐拍提取其心跳间期并构成心率变异性序列{RRi,i＝1,2,…N}，其中N为心跳间期的数目；
S2：对每一个5min片段的心率变异性序列{RRi,i＝1,2,…N}，提取多个特征参数；
S3：将计算出来的多个特征参数输入模糊c-均值聚类算法中进行聚类，记录聚类后每一5min片段的最大隶属度对应的目标函数值；
S4：计算评估对象各5min片段的最大隶属度对应的目标函数值的均值，作为该评估对象的自主神经量化值；
S5：根据评估对象的自主神经量化值的大小评估评估对象自主神经系统功能量化等级。
2.根据权利要求1所述无监督式自主神经功能量化评估方法，其特征在于，步骤S2中提取12个特征参数，包括：均值(M)，方差(S)，差值均方根(R)，pNN50(P)，变异系数(CV)，低频功率(LF)，高频功率(HF)，高低频功率比(LH)，总功率(TP)，近似熵(ApEn)，样本熵(SampEn)，模糊熵(FuzzyEn)。
3.根据权利要求2所述无监督式自主神经功能量化评估方法，其特征在于，步骤S3中将提取的12个特征参数输入模糊c-均值聚类算法中进行聚类，其输入特征向量I＝(M,S,R,P,CV,LF,HF,LH,TP,ApEn,SampEn,FuzzyEn)。
4.根据权利要求3所述无监督式自主神经功能量化评估方法，其特征在于，步骤S3的具体步骤包括：
S3.1：将各5min片段的输入特征向量I输入模糊c-均值聚类算法中；
S3.2：设定聚类中心数为4，计算每一5min片段对于各聚类中心的隶属度U及对应的目标函数值obj_func；
S3.3：记录每一5min片段的最大隶属度Umax对应的目标函数值obj_func,其中cbelong是所属聚类中心。
5.根据权利要求1所述无监督式自主神经功能量化评估方法，其特征在于，步骤S5中，根据自主神经量化值的大小，将评估对象的自主神经功能等级分为四级:“1”代表自主神经功能为I级，对应自主神经系统正常；“2”代表自主神经功能为II级，对应自主神经系统平衡轻度紊乱；“3”代表自主神经功能为III级，对应自主神经系统平衡中度紊乱；“4”代表自主神经功能为IV级，对应自主神经系统平衡高度紊乱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610177382.4A CN105852807A (zh) | 2016-03-25 | 2016-03-25 | 一种无监督式自主神经功能量化评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610177382.4A CN105852807A (zh) | 2016-03-25 | 2016-03-25 | 一种无监督式自主神经功能量化评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105852807A true CN105852807A (zh) | 2016-08-17 |
Family
ID=56624773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610177382.4A Pending CN105852807A (zh) | 2016-03-25 | 2016-03-25 | 一种无监督式自主神经功能量化评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105852807A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110192853A (zh) * | 2019-04-30 | 2019-09-03 | 杭州电子科技大学 | 一种基于心电熵值图的心电异常评估方法 |
| CN110811591A (zh) * | 2019-10-31 | 2020-02-21 | 太原理工大学 | 一种基于心率变异性的心力衰竭分级方法 |
| CN111067508A (zh) * | 2019-12-31 | 2020-04-28 | 深圳安视睿信息技术股份有限公司 | 非临床环境下对高血压进行非干预式的监测和评估方法 |
| WO2020031105A3 (en) * | 2018-08-07 | 2020-06-11 | Goldtech Sino Ltd | Noninvasive systems and methods for continuous hemodynamic monitoring |
| CN112842303A (zh) * | 2020-11-23 | 2021-05-28 | 南京市中医院 | 自主神经系统筛查方法及系统 |
| CN113438926A (zh) * | 2019-06-25 | 2021-09-24 | 疲劳科学研究(广州)有限公司 | 一种信息处理装置、信息处理方法和系统 |
| CN113892909A (zh) * | 2021-09-13 | 2022-01-07 | 吾征智能技术(北京)有限公司 | 一种基于认知状态的慢性疾病智能筛查系统 |
| CN115105042A (zh) * | 2022-06-22 | 2022-09-27 | 中国人民解放军空军特色医学中心 | 自主神经系统稳定性的评估方法、评估系统以及评估设备 |
| CN116978561A (zh) * | 2023-07-17 | 2023-10-31 | 北京师范大学-香港浸会大学联合国际学院 | 一种基于模糊熵的运动风险评估方法、系统、设备及介质 |
-
2016
- 2016-03-25 CN CN201610177382.4A patent/CN105852807A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 吴长岩 等: "《中医技法治百病》", 31 October 2012 * |
| 周幸来 等: "《神经精神疾病临证药对》", 31 January 2014 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113347919A (zh) * | 2018-08-07 | 2021-09-03 | 金达中华有限公司 | 血液动力持续监测非侵略性系统和方法 |
| WO2020031105A3 (en) * | 2018-08-07 | 2020-06-11 | Goldtech Sino Ltd | Noninvasive systems and methods for continuous hemodynamic monitoring |
| CN113164071A (zh) * | 2018-08-07 | 2021-07-23 | 金达中华有限公司 | 导航健康空间的健康地图 |
| CN110192853A (zh) * | 2019-04-30 | 2019-09-03 | 杭州电子科技大学 | 一种基于心电熵值图的心电异常评估方法 |
| CN113438926A (zh) * | 2019-06-25 | 2021-09-24 | 疲劳科学研究(广州)有限公司 | 一种信息处理装置、信息处理方法和系统 |
| CN110811591A (zh) * | 2019-10-31 | 2020-02-21 | 太原理工大学 | 一种基于心率变异性的心力衰竭分级方法 |
| CN111067508A (zh) * | 2019-12-31 | 2020-04-28 | 深圳安视睿信息技术股份有限公司 | 非临床环境下对高血压进行非干预式的监测和评估方法 |
| CN111067508B (zh) * | 2019-12-31 | 2022-09-27 | 深圳安视睿信息技术股份有限公司 | 非临床环境下对高血压进行非干预式的监测和评估方法 |
| CN112842303A (zh) * | 2020-11-23 | 2021-05-28 | 南京市中医院 | 自主神经系统筛查方法及系统 |
| CN113892909A (zh) * | 2021-09-13 | 2022-01-07 | 吾征智能技术(北京)有限公司 | 一种基于认知状态的慢性疾病智能筛查系统 |
| CN113892909B (zh) * | 2021-09-13 | 2023-06-06 | 吾征智能技术(北京)有限公司 | 一种基于认知状态的慢性疾病智能筛查系统 |
| CN115105042A (zh) * | 2022-06-22 | 2022-09-27 | 中国人民解放军空军特色医学中心 | 自主神经系统稳定性的评估方法、评估系统以及评估设备 |
| CN115105042B (zh) * | 2022-06-22 | 2024-01-16 | 中国人民解放军空军特色医学中心 | 自主神经系统稳定性的评估方法、评估系统以及评估设备 |
| CN116978561A (zh) * | 2023-07-17 | 2023-10-31 | 北京师范大学-香港浸会大学联合国际学院 | 一种基于模糊熵的运动风险评估方法、系统、设备及介质 |
| CN116978561B (zh) * | 2023-07-17 | 2024-03-22 | 北京师范大学-香港浸会大学联合国际学院 | 一种基于模糊熵的运动风险评估方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105852807A (zh) | 一种无监督式自主神经功能量化评估方法 | |
| Acharya et al. | Automated detection of coronary artery disease using different durations of ECG segments with convolutional neural network | |
| CN109171712B (zh) | 心房颤动识别方法、装置、设备及计算机可读存储介质 | |
| Acharya et al. | Automated prediction of sudden cardiac death risk using Kolmogorov complexity and recurrence quantification analysis features extracted from HRV signals | |
| Acharya et al. | Computer-aided diagnosis of diabetic subjects by heart rate variability signals using discrete wavelet transform method | |
| Ebrahimzadeh et al. | A time local subset feature selection for prediction of sudden cardiac death from ECG signal | |
| Sun et al. | ECG analysis using multiple instance learning for myocardial infarction detection | |
| Oweis et al. | QRS detection and heart rate variability analysis: A survey | |
| CN108652615B (zh) | 一种心电数据病理特征量化分析方法及装置 | |
| Zhang et al. | Construction of rules for seizure prediction based on approximate entropy | |
| Karimi Moridani et al. | Non-linear feature extraction from HRV signal for mortality prediction of ICU cardiovascular patient | |
| CN106264510B (zh) | 一种筛选手术患者的建模方法 | |
| US20140371610A1 (en) | Method and apparatus for beat-space frequency domain prediction of cardiovascular death after acute coronary event | |
| Orhan | Real-time CHF detection from ECG signals using a novel discretization method | |
| CN110037668B (zh) | 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别的系统 | |
| JP2013524865A5 (zh) | ||
| CN104840186A (zh) | 一种充血性心力衰竭患者自主神经功能的评估方法 | |
| WO2017205836A1 (en) | Systems and methods for categorization | |
| Zhao et al. | Enhancing detection accuracy for clinical heart failure utilizing pulse transit time variability and machine learning | |
| Mohebbi et al. | Structures of the recurrence plot of heart rate variability signal as a tool for predicting the onset of paroxysmal atrial fibrillation | |
| CN108403107A (zh) | 一种心律失常判别方法及系统 | |
| Bhoi et al. | QRS Complex Detection and Analysis of Cardiovascular Abnormalities: A Review. | |
| WO2016104498A1 (ja) | 眠気推定装置及び眠気推定プログラム | |
| Huang et al. | Detecting paroxysmal atrial fibrillation from normal sinus rhythm in equine athletes using Symmetric Projection Attractor Reconstruction and machine learning | |
| CN114366060A (zh) | 一种基于心率变异性的健康预警方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |