на титульную страницу напишите нам свои пожелания или замечания, мы их обязательно учтем
спецразделы HRV
текущий раздел
стандарты

Методы частотной области.
(Frequency Domain Methods).

Продолжение
Рис. 4. Пример оценки спектральной плотности мощности, полученной по всему 24-часовому интервалу длительной холтеровской записи. Только низкочастотная (LF) и высокочастотная компоненты (HF) соответствуют пикам спектра, в то время как очень низкочастотная (VLF) и ультранизкочастотная (ULF) компоненты могут быть оценены при построении графика в логарифмическом масштабе по обеим осям. Наклон этого графика представляет собой a-измерение ВСР. Здесь и далее power - мощность, frequency - частота.

Таблица 2.
Некоторые частотные характеристики ВСР

Анализ кратковременных записей (5 мин)

Величина Единицы Описание Частотный диапазон
5-минутная полная мощность мс2 Изменчивость RR-интервалов во временном сегменте приблизительно <0,4 Гц
ОНЧ мс2 Мощность в диапазоне очень низких частот <0,04 Гц
НЧ мс2 Мощность в диапазоне низких частот 0,04 - 0,15 Гц
НЧ норм. н.е. Мощность в диапазоне низких частот в нормализованных единицах: НЧ/(общая мощность-ОНЧ) ·100  
ВЧ мс2 Мощность в диапазоне высоких частот 0,15 - 0,4 Гц
ВЧ норм.   Мощность в диапазоне высоких частот в нормализованных единицах: ВЧ/(общая мощность-ОНЧ) ·100  
НЧ/ВЧ   Отношение низкочастотной к высокочастотной составляющей  

Анализ 24-часовой записи

Величина Единицы Описание Частотный диапазон
Общая мощность мс2 Изменчивость всех RR-интервалов Приблизительно <0,4Гц
УНЧ мс2 Мощность в диапазоне ультранизких частот <0,003 Гц
ОНЧ мс2 Мощность в диапазоне очень низких частот 0,003 - 0,04 Гц
НЧ мс2 Мощность в диапазоне низких частот 0,04 - 0,15 Гц
ВЧ мс2 Мощность в диапазоне высоких частот 0,15 - 0,4 Гц
a   Hаклон линейной интерполяции спектра, построенного в логарифмическом масштабе по обеим осям Приблизительно <0,4 Гц



Алгоритмические стандарты и рекомендации.

Наборы данных, подвергаемых спектральному анализу, могут быть получены различными путями. Полезным иллюстративным представлением результатов является последовательность дискретных событий (DES), представляющая собой график зависимости интервалов Ri - Ri-1 от времени (время отмечается в момент появления очередного очередного Ri), которая представляет собой сигнал, измеренный в нерегуляр ные моменты. Кроме того, во многих исследованиях использовался спектральный анализ последовательно сти мгновенных ЧСС [26].

Спектр сигнала ВСР обычно вычисляется либо на основе тахограммы RR-интервалов (т.е. зависимости длительности RR от порядкового номера удара - см. рис. 5,a,b), или интерполяцией последовательнос ти дискретных событий, после чего непрерывный сигнал является функцией времени, или вычислением спектра отсчетов одиночных импульсов как функции времени в соответствии с каждым распознанном комплексом [35]. Выбор типа представления исходных данных может сказываться на морфологии и единицах измерения спектра, а также определяемых параметрах спектров. С целью стандартизации подходов может быть предложено использование тахограммы RR-интервалов и параметрических методов или интерполированной дискретной последовательности событий и непараметрических методов. Однако для анализа интерполированной дискретной серии могут применяться и параметрические методы. Максималь ная частота интерполяции дискретной серии должна быть существенно выше, чем Найквистовская частота спектра и не находиться в пределах интересующе го частотного диапазона.

Стандарты для непараметрических методов (основанных на преобразовании Фурье) должны включать значения, представленные в табл. 2, формулу интерполяции дискретной последовательности событий, частоту дискретизации интерполяционной кривой, число точек, использованных для вычисления спектра, и использованные спектральные окна (наиболее часто применяются окна Hann, Hamming, треугольные окна) [36]. Также необходимо указывать метод вычисления мощности в зависимости от используемого окна. В дополнение к требованиям, изложенным в других частях документа, каждое исследование, использующее непараметрические методы спектрального анализа
ВСР, должно ссылаться на все эти параметры.

Стандарты для параметрических методов должны включать величины, представленные в табл. 2, тип модели, число точек, центральную частоту для каждого спектрального компонента (ВЧ и НЧ) и порядок модели (количество параметров). Более того, посредством вычисления статистических цифровых данных проверяется адекватность модели. Тест Prediction error whiteness test (PEWT) дает информацию о пригоднос ти модели [37], в то время как тест оптимального порядка (ООТ) проверяет пригодность порядка модели [38]. Существуют различные возможности проведения ООТ, которые включают определение ошибки окончательного предсказания и информационного критерия Акайка (Akaike). Для выбора порядка р авторегрессионной модели могут быть предложены следующие оперативные критерии: порядок модели должен находиться в пределах 8-20, удовлетворять тесту PEWT и подчиняться тесту OOT (р=min(OOT)).



Рис. 5. Интервальная тахограмма по 256 последовательным RR-интервалам здорового человека, лежащего на спине (a), и после тилт-теста (b). Приведены спектры ВСР, вычисленные при помощи параметрической авторегрессионной модели (c и d), а также спектры, вычисленные при помощи непараметрического алгоритма на базе быстрого преобразования Фурье (e и f). На тахограммах приведены средние значения, разбросы величин и количества точек в выборках. На графиках (c) и (d) приведены центральные частоты и мощности в абсолютных и нормализованных единицах для ОНЧ, НЧ и ВЧ компонент, а также порядок p использованной модели и минимальные значений PEWT и OOT, удовлетворяющие тестам. На графиках (e) и (f) приведены пиковая частота и мощность ОНЧ, НЧ и ВЧ компонент, вычисленной интегрированием спектральной плотности мощности (PSD) в заданном частотном диапазоне, а также тип окна. На графиках (c) - (f) НЧ компонента показана темно-серым цветом, а ВЧ - светло-серым.


Корреляции и отличия измерений во временной и частотной области.

Имеется больше экспериментальных и теоретичес ких знаний по физиологической интерпретации частотного анализа стационарных коротких записей, нежели их анализа при помощи временных методов.

Между тем множество переменных временной и частотной области, вычисленных за 24-часовой период, в большой степени коррелируют друг с другом (табл. 3). Эти тесные корреляции существуют благодаря как математическим, так и физиологическим связям. Вдобавок, физиологическая интерпретация спектральных компонентов, вычисленных за сутки, трудна по уже описанным причинам (в разделе "Длинные записи"). Таким образом, пока не проведены специальные исследования, использующие суточную запись сигнала для выделения дополнительной информации помимо обычных спектральных компонентов (наклон спектрограммы в двойном логарифмическом масштабе), результаты анализа в частотной области практически эквивалентны результатам более легкого в применении анализа во временной области.

Таблица 3.
Приблизительное соответствие между временными и частотными переменными применительно к 24-часовым записям ЭКГ

Временная переменная Приблизительно соответствующая частотная переменная
SDNN Общая мощность
Триангулярный индекс ВСР Общая мощность
TINN Общая мощность
SDANN Ультранизкая частота
Индекс SDNN Среднее значение 5-минутной общей мощности
RMSSD Высокая частота
SDSD Высокая частота
NN50 Высокая частота
PNN50 Высокая частота
Дифференциальный индекс Высокая частота
Логарифмический индекс Высокая частота


Назад | Содержание | Вперед