Многомасштабный корреляционный анализ для оценивания циклических составляющих вариабельности сердечного ритма / Multiscale Correlation Analysis for Estimating the Cyclical Componentsof Heart Rate Variability

Анциперов В.Е. / Antsiperov, V.E.
Институт радиотехники и электроники им В.А. Котельникова РАН / RUS Институт радиотехники и электроники им В.А. Котельникова РАН
Выпуск в базе РИНЦ
Анциперов В.Е. Многомасштабный корреляционный анализ для оценивания циклических составляющих вариабельности сердечного ритма // Физические основы приборостроения. 2018. Т. 7. № 4(30). С. 70–77. DOI: 10.25210/jfop-1804-070077
Antsiperov, V.E. Multiscale Correlation Analysis for Estimating the Cyclical Componentsof Heart Rate Variability // Physical Bases of Instrumentation. 2018. Vol. 7. No. 4(30). P. 70–77. DOI: 10.25210/jfop-1804-070077

Аннотация: Работа посвящен разработке «графических» методов анализа сигналов ЭКГ с целью характеризации поведения сердечного ритма в течение минутных — суточных интервалов времени. На таких интервалах вполне проявляются циклические свойства изменчивости сердечного ритма, соответствующие колебаниям из классов очень низких (VLF <0.04 Гц) и низких (LF <0.15 Гц) кардио-частот. Для оценивания параметров этих и других, обусловленных вариабельностью сердечного ритма параметров предложено использовать многомасштабное корреляционное представление сигналов. Последнее позволяет перейти к оцениванию параметров, связанных с периодичностью сигнала, из частотной во временную область. Для обоснования предлагаемых оценок разработана модель точечных процессов с ограниченным, циклическим последействием, на основе модели удалось получить аналитическую зависимость среднего многомасштабного корреляционного представления от параметров вариабельности ритма сигнала ЭКГ.
Abstract: The paper is devoted to the development of «graphical» methods for analyzing ECG signals for evaluation the of the heart rhythm dynamics during the minute — half-hour time intervals. At such intervals, the cyclical properties of heart rate variability, corresponding to slaw waves from the very low (VLF <0.04 Hz) up to low (LF <0.15 Hz) cardio frequencies are clearly manifested. To estimate the parameters of such heart rate waves, it is proposed to use a multiscale correlation analysis representation of the signals. The latter allows one to proceed to the estimation of the parameters related to the periodicity of the signal from the frequency to the time domain. To substantiate the proposed estimates, a model of cyclic renewal point processes has been developed. Based on the model, we succeed to obtain an analytical dependence of the average multiscale correlation representation on the parameters of the ECG signal rhythm variability for substantiate the graphical methods proposed.
Ключевые слова: мониторинг и анализ ЭКГ, вариабельность сердечного ритма (ВСР), геометрические методы анализа ВСР, компьютерная диагностика, точечные процессы, процессы с ограниченным последействием, многомасштабный корреляционный анализ (МКА), biomedical signals, ECG monitoring and analysis, heart rate variability (HRV), geometric methods of HRV analysis, computer diagnostics, point processes, cyclic renewal point processes, мониторинг и анализ ЭКГ

Литература / References
  1. Baevsky, R.M., Chernikova, A.G. Heart Rate Variability Analysis: Physiological Foundations and Main Methods. // Cardiometry. 2017. No. 10. P. 66-76.
  2. Task Force of the European Society of Cardiology, the North American Society of Pacing, and Electrophysiology. Heart Rate Variability. Standards of Measurement, Physiological Interpretation, and Clinical Use // Eur Heart J. 1996. Vol. 7. No. 3. P. 354-381.
  3. Goldberger, A.L., Stanley, H.E. et al. Long-Range Anticorrelations and Non-Gaussian Behavior of the Heartbeat // Phys Rev Letters. 1996. Vol. 70. No. 9. P. 1343-1346.
  4. Yamamoto, S.S., Thayer, J.F., Brosschot, J.F. The Relationship of Autonomic Imbalance, Heart Rate Variability and Cardiovascular Disease Risk Factors // Phys Rev Letters. 2010. Vol. 141. No. 2. P. 122-131.
  5. Malik, M. Geometrical Methods for Heart Rate Variability Assessment. // in Malik M. And Camm A. Heart Rate Variability. New York: Armonk Futura Publishing Company. 1995. P. 47-61.
  6. Antsiperov, V.E., Zabrosaev, I.V. New Results for the PVC / SPB Detection Using Based on the MCa Heart Rhythm Estimation Method // Proceedings of the 12th Russian-German Conference on Biomedical Engineering. Vladimir. Vladimir State University. 2016. P. 182-186.
  7. Antsiperov, V.E. Cyclic Renewal Point Processes for Heart Rate Variability Modeling. //Extended Abstracts of the Second Russian Conference with International Participation «Physics for Life Sciences». St.Peterburg: Ioffe Institute Science Tech Information Department. 2017. P. 61.
  8. Serfozo, R. Basics of Applied Stochastic Processes // Berlin: Heidelberg: Springer. 2009.
  9. Amaral, L.A.N., Goldberger, A.L., Ivanov, P.H. et al. Physiobank, Physiotoolkit, and Physionet: Components of a New Research Resource for Complex Physiologic Signals // Circulation. 2000. Vol. 101. No. 23. P. e215-e220.