清醒大鼠动脉血压信号预处理探讨论文

【关键词】血压变异性；心率变异性；谱分析Preprocessingandspectralanalysisofarterialbloodpressuresignalsinconsciousrats【Abstract】AIM:Toapplypreprocessingandspectralanalysisofsystolicbloodpressureandheartratesignalsinconsciousratstoevaluatechangesincardiovascularregulatoryfunctioninducedbysimulatedweightlessness.METHODS:Thetailsuspended,hindlimbunloaded(HU)ratmodelwasusedtosimulatethecardiovasculareffectofmicrogravity.ApressuretransducerconnectedtoaPE50-PE10catheterwasinsertedviatherightfemoralarteryintotheposteriorabdominalaortainconsciousrats.Weappliedfirstderivativeandtemplatematchalgorithmtoobtainsystolicbloodpressurevariability(SBPV)dataformoriginalbloodpressuredata.PPtimeseriesextractedformtheSBPtimeserieswereusedtosubstitutethedataofRRtimeseries.SBPVdatawereanalyzedbyperiodogram.RESULTS:AnalgorithmoffirstderivativeandtemplatematchwassuitableforeffectivelyidentifyingSBPtimeseries.ThePPtimeseriescouldreplaceRRtimeseries.PowerspectrumofSBPV,estimatedbyperiodogramcouldbedividedinto3differentfrequencybands,verylowfrequency,lowfrequency,andhighfrequency.CONCLUSION:Periodogramisausefulmethodforbloodpressuredataprocessing,whichiseffectiveindetectingcardiovasculardysfunctioninconsciousratsaftera14dsimulatedmicrogravity,andmaybehelpfulforcardiovascularsignalanalysisinconsciousrats.【Keywords】bloodpressurevariability;heartratevariability;spectralanalysis【摘要】目的：研究模拟失重大鼠清醒状态下收缩压与心率变异性的信号预处理及谱分析方法.方法：以尾部悬吊大鼠模型模拟失重对心血管的影响，通过股动脉插管术在清醒状态下进行血压记录.数据分析使用血压变异性检测算法获取收缩压变异性数据，并从中提取PP间期序列用以替代RR间期数据；使用周期图法对SBPV进行谱分析.结果：一阶导数阈值与模板匹配检测算法具有较高的检测准确率；从SBPV数据中提取的PP间期能够作为心电图RR间期的替代数据；通过对SBPV信号进行周期图谱估计可将血压波动信号分解为高频、低频与极低频三个不同频率范围的周期波动.结论：使用周期图谱估计能够较好揭示模拟失重大鼠血压变化的特征，在利用大鼠进行重力心血管研究中有一定应用价值.【关键词】血压变异性；心率变异性；谱分析【中图号】R743.30引言在心血管疾病及微重力心血管生理研究中，大鼠是最重要的实验动物之一.利用大鼠模型，可以进行从细胞、组织、器官到整体多个层次的观察［1-2］，但对其心率变异性（heartratevariability,HRV）与血压变异性（systolicbloodpressure,SBP）的分析工作则开展较晚［3］，且随后的相关报道也较少［4-5］.再者，模拟失重是否会引起大鼠HRV,BPV发生改变尚存在分歧［7］，需要采用不同方法予以澄清.因此，我们建立清醒大鼠血压信号的预处理方法，初步观察14d模拟失重是否可引起SBPV功率谱改变.1材料和方法1.1实验动物及实验设计实验动物为SpragueDawley雄性大鼠（220~280g，第四军医大学实验动物中心提供）.采用尾部悬吊后肢不荷重大鼠模型模拟失重对心血管功能的影响［8］，另设同步对照进行比较.第12日，以氯胺酮50mg/kg和地西泮5mg/kg静脉给药对两组大鼠进行麻醉.将PE50-PE10聚乙稀管从大鼠右侧股动脉插入腹主动脉后段，导管另一端从大鼠背部肩胛骨间皮肤穿出.随后将大鼠放回饲养笼，进行48h术后恢复.1.2清醒大鼠动脉血压信号获取大鼠被单独放置在记录笼中，将其背部露出的导管开口经PE50导管与压力传感器（StathammodelP23ID,GouldInstruments,USA）连接，传感器位于大鼠背部上方40cm处.压力传感器信号经由8导生理记录仪（RM6000,NihonKohden,Japan）的AP621G载波放大器进行放大，使用数据采集卡（DAQmxPCI6220,NI,USA）进行信号模数转换，采样频率为4kHz，采样精度为12位.1.3动脉血压信号的预处理信号处理主要由滤波、收缩压特征点识别及心率、血压变异性序列提取三个模块构成，①滤波:使用小波［9］去除人工噪声干扰并进行基线校正，小波基函数为harr，小波尺度为3；②特征点识别:应用一阶导数阈值与模板匹配的两级判定算法对血压信号进行波峰识别，计算SBP幅值与时刻；③变异性时间序列提取：以SBP间期（PP间期）的平均值为序列间距，以逐跳SBP峰值为序列幅值，作等间距表示得到收缩压变异性（systolicbloodpressurevariability,SBPV）信号序列.本实验未专门记录心电信号，以PP间期代表对应时刻的RR间期（其倒数即为瞬时心率）；以PP间期的均值作为序列间距，以PP间期大小作为幅值，由此得到HRV数据序列.1.4血压变异性信号的谱分析方法使用经典周期图法对SBPV信号进行谱估计［1-2］.首先，通过聚束（bunching）算法（128点做算术均值）［6］对大鼠血压数据进行平滑，降低采样数据中噪声干扰.其次，进行去除线性趋势项操作，消除极低频成分对功率谱的贡献.最后，使用周期图法对大鼠血压数据进行功率谱密度估计.大鼠血压信号的功率谱可大致划分为：极低频段（verylowfrequency,VLF：0.0～0.3Hz）、低频段（lowfrequency,LF：0.3～0.6Hz）及高频段(highfrequency,HF：1.4～1.7Hz）3个频带［6］.上述所有算法均使用Matlab(R13)语言编写，在DELLDimension5100计算机上进行计算.2结果2.1变异性信号提取从大鼠原始血压记录中提取变异信号的结果见图1.图1A，为一只对照大鼠2min的原始血压记录曲线；图1B，对原始血压数据进行收缩压检测得到的SBPV数据序列；图1C，对PP间期序列（从SBPV数据序列中提取）取倒数后得到瞬时HR时间序列.2.2SBPV常规谱分析大鼠SBPV信号2min的功率谱分析结果见图2.与对照组相比，14d模拟失重可使清醒大鼠的心率明显加快（图2B，E），血压值无明显改变（图2A，D），但反映交感对外周血管阻力调节的LF功率却是降低的（图2C，F）.图1从一只对照大鼠原始血压记录提取收缩压与瞬时心率时间序列的结果（略）图2对照与14d模拟失重大鼠SBPV常规谱比较（略）3讨论研究表明：一阶导数阈值与模板匹配的血压特征值检测算法能够较好地从原始血压数据中识别出逐次心跳的收缩压峰值，检测准确率高；从SBP数据中获取的PP间期可作为心电RR间期信号的替代数据，用于HRV信号的分析；通过对SBPV信号进行常规谱估计可揭示模拟失重大鼠外周阻力与心率控制的改变.但由于实验对象及实验设计的特殊性，在数据分析过程中，还应注意以下几点：①研究对象为自由活动清醒大鼠，易受外界环境干扰，实验过程中应控制环境避免外界噪声干扰；②进行收缩压峰值检测时，由于收缩压尖峰的形态常常被噪声污染，导致识别过程中存在漏检或误检现象.故应选用相应的信号处理方法降低噪声干扰，提高检测准确性；③使用谱分析处理数据时，要求待分析信号为各态遍历的平稳信号.由于人体心血管功能的时变特性，本质上讲SBPV数据为非平稳信号[1][2].再者，信号中的噪声干扰、波峰丢失均可使谱估计结果严重畸变.为解决这一问题，处理中常常选择相对平稳的1～4min数据进行短时程谱估计.鉴于生理过程的复杂性,要精确全面地描述其特征,目前尚没有那一种方法能够胜任,因此必须结合不同的分析工具.目前已有实验证实，心血管活动的调节有赖于不同控制机制的相互制衡，例如，行为改变、神经因素、压力反射及心脏节律等因素都可对其产生影响.这些调控机制的相互作用又导致了血压与心率的复杂波动，使其蕴涵某些非线性特征.因此，对比传统的时域及频域的分析方法，非线性的分析将为我们理解其机理提供更为全面的手段［1-2］.【参考文献】［1］张立藩.心率与血压的变异性:分析方法、生理意义及其应用［J］.生理科学进展,1996,27(4):295-300.［2］张立藩,王守岩,牛有国.心率与血压变异性的多变量、多维信号分析进展［J］.航天医学与医学工程,2002,13(3):157-162.［3］JapundzicN,GrichoisML,ZitounP,etal.Spectralanalysisofbloodpressureandheartrateinconsciousrats:effectsofautonomicblockers［J］.JAutonNervSyst,1990,30(2):91-100.［4］KuoTBJ,ShyrMH,ChanSHH.Simultaneous,continuous,onlineandrealtimespectralanalysisofmultiplephysiologicsignalsbyapersonalcomputerbasedalgorithm［J］.BiolSignals,1993,2(1):45-56.［5］CeruttiC,BarresC,PaultreC.Baroreflexmodulationofbloodpressureandheartratevariabilitiesinrats:assessmentbyspectralanalysis［J］.AmJPhysiol,1994,266(35):1993-2000.［6］KuoTBJ,ChanSHH.Continuous,online,realtimespectralanalysisofsystemarterialpressuresignals［J］.AmJPhysiol,1993,264(33):2208-2213.［7］FortratJO,SomodyL,GharibC.Autonomiccontrolofcardiovasculardynamicsduringweightlessness［J］.BrainResRev,1998,28(12):66-72.［8］MoreyHoltonER,GlobusRK.Hindlimbunloadingrodentmodel:technicalaspects［J］.JApplPhysiol,2002,92(4):1367-1377.［9］KadambeS,MurrayR,BoudreauxBartelsGF.WavelettransformbasedQRScomplexdector［J］.IEEETransBiomedEng,1999,46(7):838-848