匹配度分析技術的制作方法
【專利摘要】本發明公開了一種匹配度分析技術，所述的匹配度分析技術是對采用醫療或者調理方案的人員，運用多種生理指標相結合的方式來計算匹配度。首先采用心電監測儀采集ECG心電信號，然后通過分析呼吸透過胸腔起伏對心電圖的影響和心跳受自主神經系統控制的關系，提取出呼吸信號；根據心率，呼吸率和副交感神經強度RSA計算得出整體匹配度評分；本發明所述的匹配度分析技術可為調理對象選擇匹配度高的干預技術，確保干預效果的安全和優效；避免以往盲目選擇干預技術進行干預引發的安全隱患和干預效果不確定的缺陷；同時準確性更高，避免了傳統方法只通過一個信號來進行評測所產生的不確定和不穩定性。
【專利說明】匹配度分析技術
【技術領域】
[0001]本發明涉及個性化治療或調理的信息處理手段領域，尤其涉及一種針對個性化醫療或調理的匹配度分析技術。
【背景技術】
[0002]匹配度測 評分析技術是用于測評干預方法與被干預對象整體生理狀態之間匹配關系及程度的科學、客觀、量化、簡便的技術方法。該技術屬于前沿個性化治療或個性化調理的新型測評技術。
[0003]迷走神經作為自主神經系統的副交感神經分支的重要組成部分，從潛意識層面上調節身體內部大多數器官的動態平衡(或休息狀態)，如心臟，肺，眼，腎上腺和消化道[I]。迷走神經活動是連續的，慢性的，被動的[2]。
[0004]迷走神經張力，特別是對心率的影響，代表了整個副交感神經系統的功能狀態指數。心率通常由腦干中的多個中心來控制，其中一個中心是通過迷走神經來加強副交感神經系統輸入心臟。迷走神經張力通過抑制心臟竇房結的放電速度來降低心率。心臟迷走神經張力已被視為調節情感和覺醒的生理基質[3]。
[0005]然而，目前尚無法直接測量出迷走神經張力，只能通過測量其他生理過程來間接代表其功能。迷走神經張力加強將會使心率降低并使得心率變異性增加(即心跳之間的時間間隔變化更大)。目前所用的方法大都為測量心血管活動的靜息狀態下的心臟速率周期性變化，該方法稱為“心率變異性(heart rate variability, HRV)”。目前已有很多HRV量化方法，但最常用于測量迷走神經張力的方法是高頻HRV，即大約2.5秒至6.7秒之間的心率變異性。
[0006]事實上，呼吸性竇性心律不齊(Respiratory sinus arrhythmia, RSA)也是測量副交感神經系統活動的一種方法[4]。RSA是在一個呼吸周期中自然發生的心率變異，是由于在呼吸過程中，體內迷走神經與交感神經的張力產生轉變，使竇房結自律性也因之產生周期性、規律性轉變。吸氣時交感神經張力增高，心率增快，呼氣時迷走神經張力增高，心率變慢。心率快慢轉變的周期恰即是一個呼吸周期，停止呼吸時心律轉為規整。
[0007]在靜息狀態下的心電圖中，可以觀測到RSA為與呼吸同步的R-R間期的微妙變化。吸氣時，R-R間期縮短，呼氣時，R-R間期延長。打坐，冥想以及放松式的呼吸都可以暫時影響RSA [5]。兒童的RSA非常明顯，并且RSA會隨著年齡和老化逐漸減弱，但是擁有健康良好的心血管功能的成人(如經常耐力跑，游泳或騎自行車車的人)以及專業運動員，他們的迷走神經張力和RSA都比較明顯。患有糖尿病和心血管疾病的人，其RSA會比常人更弱[6]。
[0008][1]Porges, Stephen ff., Doussard-Roosevelt, Jane A., Maiti, Ajit K.(1994).Vagal tone and the physiological regulation of emotion.JSTOR 1166144.[2]Heathers,J.(2006).^Introduction to vagal tone〃.[3]Diamond, L.M., Fagundes, C.P., Butterworth, M.R.(2012)."Attachmentstyle, vagal tone, and empathy during mother - adolescent interactions' Journalof Research on Adolescence22 (I): 165 - 184.[4]Yasuma,F.& Hayano, J.(2004).Respiratory sinus arrhythmia: why doesthe heart beat synchronize with respiratory rhythm Chest, 125(2)， 683-90.[5]Peng,C-K., Henry, 1.C., Mietus, J.E., Hausdorff, J.M., and Khalsa,G., Benson, H.and Goldberger, A.L.(2004)."Heart rate dynamics during threeforms of meditation' International Journal of Cardiology 95 (I): 19 - 27.[6]YasumaF et al.(Feb 2004)."Respiratory sinus arrhythmia: why does theheartbeat synchronize with respiratory rhythm^.Chest 125 (2): 683 - 90。
【發明內容】
[0009]針對上述存在的問題，本發明提供一種用于測評干預方法與被干預對象整體生理狀態之間匹配關系及程度的匹配度分析技術。
[0010]為了達到上述目的，本發明采用的技術方案如下:一種匹配度分析技術，所述的匹配度分析技術是對采用醫療或者調理方案的人員，首先采用心電監測儀采集ECG心電信號，然后通過分析呼吸透過胸腔起伏對心電圖的影響和心跳受自主神經系統控制的關系，提取出呼吸信號；根據心率，呼吸率和副交感神經強度RSA計算得出整體匹配度評分。
[0011]本發明所述的心率:由心電信號檢測儀采集心電信號ECG或其他可以計算或推導出心率的儀器或方法測量得到；用于評測分析調理對象在接受特定干預方法或技術過程中心率是否會下降；心率下降表明干預效果良好。
[0012]本發明所述的呼吸率:由EDR技術從ECG信號中獲取呼吸信號，或者其他可以測量或者推導出呼吸的方法計算呼吸率；用于評測分析調理對象在接受特定干預方法或技術過程中呼吸率是否會下降； 呼吸率下降表明干預效果良好。
[0013]有若干種方法可以從心電信號提取呼吸信號，本發明所述的EDR技術為:是根據ECG信號得到呼吸信號的方法(ECG-derived Respiration，EDR);這種方法是根據隨著呼吸運動，胸腔表面的ECG電極相對心臟的位置發生變化，并且胸腔電阻抗也隨著肺部充盈與否發生變化。因此，如果能夠準確地測量心電信號，就可以獲得相應的呼吸信號，而且，這種方法對于人群要求較為寬松，即使是在心力衰竭患者(RSA現象消失，因此不能利用RSA方法測量該人群中呼吸信號)中也可以測得呼吸信號。
[0014]本發明副交感神經強度:由RSA強度間接測量。RSA強度是通過呼吸率從心電信號中獲得。利用經驗模態分解技術，從心電信號中提取出與受呼吸影響的心跳的模態，計算該模態的能量即為RSA強度；RSA強度升高表明干預效果良好，該技術比傳統上只計算高頻心率變異性的結果更客觀，更準確。
[0015]本發明所述的匹配度評分:人體在放松狀態下，副交感神經旺盛，心率和呼吸變慢，且維持在平穩狀態；匹配度整體評分是將心率下降的程度，呼吸變慢的程度和RSA強度的升高程度按照一定比例結合在一起而得到的指標。
[0016]本發明所述所述匹配度分析技術的操作步驟如下:
1)利用心電監測儀采集心電信號ECG；
2)從心電信號ECG信號中提取出相鄰心跳之間的時間間隔信號，重新采樣；
3)利用重新采樣的得到的相鄰心跳之間的時間間隔信號，利用滑動窗口計算方法計算出平均心率；
4)利用EDR技術，從ECG心電信號中提取出帶有噪聲的呼吸信號，然后對其進行重新采
樣；
5)應用經驗模態分解技術EMD對重新采樣的呼吸信號進行分解，從中提取出呼吸信
號;
6)利用滑動窗口計算方法，從提取出的呼吸信號中計算出平均呼吸率；
7)應用經驗模態分解技術EMD對重新采樣的呼吸信號進行分解，得到一系列經驗模態函數，根據每分鐘的呼吸頻率，從前三個模態函數中提取出受呼吸影響的心跳的模態，得到RSA相關的模態；
8)通過RSA相關模態的包絡線，利用滑動窗口計算方法，計算得出RSA的強度；
9)通過平均心率、平均呼吸率和RSA的強度計算出整合干預過程中的心率下降率，呼吸下降率和RSA強度的提高量，通過心率下降率，呼吸下降率和RSA強度的提高量來計算匹配度評分；所述的匹配度評分=心率下降率*0.4+呼吸變慢率*0.4+RSA強度的升高率*0.2) *100，匹配度評分的變化范圍為0-100。
[0017]本發明所述的具體操作方法如下:
1)利用心電監測儀采集心電信號ECG，信號采集的時間包括醫療或者調理前10-30分鐘、醫療或者調理期間，以及醫療或者調理后10-30分鐘；
2)從ECG信號中提取出RR間期信號，即相鄰心跳之間的時間間隔信號序列，然后對其進行重新采樣，重新采樣頻率為4Hz ；
3)利用RR間期，計算出心率，計算公式為心率=60/RR間期，然后利用10分鐘的滑動窗口，每滑動30秒計算10分鐘滑動窗口內的平均心率；
本發明所述的10分鐘的滑動窗口是指一次計算10分鐘內所有測定數據的平均值，然后每隔30秒計算一次10分鐘內滑動測得數據的平均值，將此平均值作為10分鐘的取值范圍內時間中點的實際結果數據值；例如:從開始算就是計算O到10分鐘的數據，然后滑動30秒即計算30秒到10分30秒的數據，計算的平均值作為5分30秒時的結果數據值；接著計算1分鐘到11分鐘的數據，計算的平均值作為6分鐘時的結果數據值……
4)利用EDR技術，從ECG信號中提取出帶有噪聲的呼吸信號，然后對其進行重新采樣，重新采樣頻率為4Hz ；
5)應用經驗模態分解技術EMD對重新采樣為4Hz的帶有噪聲的呼吸信號進行分解，得到一系列經驗模態函數，根據能量分布，從前三個模態函數中提取出呼吸信號；
本發明所述的經驗模態分解技術EMD為專利號US 5983162專利名稱為Computerimplemented empirical Mode Decomposition Method , Apparatus and Article ofManufacture 的技術；
6)利用10分鐘的滑動窗口，每滑動30秒計算10分鐘滑動窗口內的平均呼吸率；
7)應用EMD對重新采樣為4Hz的RR間期信號進行分解，得到一系列經驗模態函數，根據每分鐘的呼吸頻率，從前三個模態函數中提取出受呼吸影響的心跳的模態，即為RSA相關的1?態；
8)通過RSA相關模態的包絡線計算RSA的強度，利用10分鐘的滑動窗口，每滑動30秒計算10分鐘滑動窗口內的包絡線的平均值，即為RSA強度；9)通過平均心率、平均呼吸率和RSA的強度計算出整合干預過程中的心率下降率，呼吸下降率和RSA強度的提高量，通過心率下降率，呼吸下降率和RSA強度的提高量來計算匹配度評分。
[0018]本發明所述的心率下降率為干預或調理過程中心率的最低值midHR與干預或調理開始時的心率值begHR的比值；所述的心率下降率=1- (midHR/begHR-0.8) /0.2，心率下降率的變化范圍為0-1。
[0019]本發明所述的呼吸下降率為干預或調理過程中呼吸的最慢值midBR與干預或調理開始時的呼吸率begBR的比值，所述的呼吸變慢率=1- (midBR/begBR-0.7) /0.3，呼吸變慢率的變化范圍為0-1。
[0020]本發明所述的RSA強度的升高率定義為干預或調理過程中RSA強度的最高值midRSA與干預或調理開始時的RSA強度begRSA的比值；所述的RSA強度的升高率=(midRSA/begRSA-1) /0.6，RSA強度的升高率的變化范圍為0_1。
[0021]本發明所述的匹配結果:所述匹配度評分為80-100時，則該醫療或者調理方案的干預效果高，所述匹配度評分為60-80時，則該醫療或者調理方案的干預效果良好，所述匹配度評分為0-60時，則該醫療或者調理方案的干預效果較差。
[0022]當匹配度大于80的時候，調理人員的心率下降率較大，呼吸下降率較大，且RSA強度是升高率大，在調理人員在采用該種調理方案時，副交感神經旺盛，心率和呼吸明顯變緩，且維持在平穩狀態 ；當匹配度處于60-80的時候，在調理人員在采用該種調理方案時，副交感神經出現范圍性波動，心率和呼吸變緩，且維持在平穩狀態；當匹配度小于60的時候，調理人員的心率下降率較小，呼吸下降率較小，且RSA強度是升高率小，在調理人員在采用該種調理方案時，副交感神經波動較小，心率和呼吸沒有出現明顯的變緩，整體的變化效果不大。
[0023]本發明所述的匹配度分析技術用于測評干預方法與被干預對象整體生理狀態之間匹配關系及程度的科學、客觀、量化、簡便的技術方法；該技術屬于前沿個性化治療或個性化調理的新型測評技術。通過匹配度測評，可為調理對象選擇匹配度高的干預技術，確保干預效果的安全和優效。避免以往盲目選擇干預技術進行干預引發的安全隱患和干預效果不確定的缺陷。
[0024]傳統測量副交感神經強度的方法為高頻HRV，一方面，該方法基于傅里葉分析理論，其前提是假設信號是平穩的，但是心電信號是高度非線性非平穩的；另一方面，該方法只用了一個生理參數即心電信號來測量副交感神經強度，而本發明所述的匹配度分析技術是結合心電和呼吸一起對干預技術進行評測，準確度更高。
[0025]本發明所述的匹配度分析技術可為調理對象選擇匹配度高的干預技術，確保干預效果的安全和優效；避免以往盲目選擇干預技術進行干預引發的安全隱患和干預效果不確定的缺陷；同時準確性更高，避免了傳統方法只通過一個信號來進行評測所產生的的不確定和不穩定性。
【專利附圖】
【附圖說明】
[0026]圖1為本發明工作原理流程圖；
圖2為實施例2中心率檢測結果不意圖；圖3為實施例2中呼吸率檢測結果示意圖；
圖4為實施例2中副交感神經強度結果示意圖；
圖5為實施例3中心率檢測結果示意圖；
圖6為實施例3中呼吸率檢測結果示意圖；
圖7為實施例3中副交感神經強度結果不意圖；
圖8為實施例4中心率檢測結果示意圖；
圖9為實施例4中呼吸率檢測結果不意圖；
圖10為實施例4中副交感神經強度結果示意圖。
【具體實施方式】
[0027]下面結合【具體實施方式】對本發明作進一步詳細的描述。
[0028]實施例1:如圖1所示的一種匹配度分析技術，所述的匹配度分析技術是對采用醫療或者調理方案的人員，首先采用心電監測儀采集ECG心電信號，然后通過分析呼吸透過胸腔起伏對心電圖的影響和心跳受自主神經系統控制的關系，提取出呼吸信號；根據心率，呼吸率和副交感神經強度RSA計算得出整體匹配度評分。 [0029]I)利用心電監測儀采集心電信號ECG，信號采集的時間包括醫療或者調理前10-30分鐘、醫療或者調理期間，以及醫療或者調理后10-30分鐘；
2)從ECG信號中提取出RR間期信號，即相鄰心跳之間的時間間隔信號序列，然后對其進行重新采樣，重新采樣頻率為4Hz ；
3)利用RR間期，計算出心率，計算公式為心率=60/RR間期，然后利用10分鐘的滑動窗口，每滑動30秒計算10分鐘滑動窗口內的平均心率；
4)利用EDR技術，從ECG信號中提取出帶有噪聲的呼吸信號，然后對其進行重新采樣，重新采樣頻率為4Hz ；
5)應用經驗模態分解技術EMD對重新采樣為4Hz的帶有噪聲的呼吸信號進行分解，得到一系列經驗模態函數，根據能量分布，從前三個模態函數中提取出呼吸信號；
6)利用10分鐘的滑動窗口，每滑動30秒計算10分鐘滑動窗口內的平均呼吸率；
7)應用EMD對重新采樣為4Hz的RR間期信號進行分解，得到一系列經驗模態函數，根據每分鐘的呼吸頻率，從前三個模態函數中提取出受呼吸影響的心跳的模態，即為RSA相關的1?態；
8)通過RSA相關模態的包絡線計算RSA的強度，利用10分鐘的滑動窗口，每滑動30秒計算10分鐘滑動窗口內的包絡線的平均值，即為RSA強度；
9)通過平均心率、平均呼吸率和RSA的強度計算出整合干預過程中的心率下降率，呼吸下降率和RSA強度的提高量；本發明所述的所述的心率下降率為干預或調理過程中心率的最低值midHR與干預或調理開始時的心率值begHR的比值；所述的心率下降率=1- (midHR/begHR-0.8)/0.2，心率下降率的變化范圍為0_1 ;本發明所述的呼吸下降率為干預或調理過程中呼吸的最慢值midBR與干預或調理開始時的呼吸率begBR的比值,所述的呼吸變慢率=1-(midBR/begBR-0.7)/0.3，呼吸變慢率的變化范圍為0_1 ;本發明所述的RSA強度的升高率定義為干預或調理過程中RSA強度的最高值midRSA與干預或調理開始時的RSA強度begRSA的比值；所述的RSA強度的升高率=(midRSA/begRSA-1 )/0.6，RSA強度的升高率的變化范圍為0-1 ；
10)通過心率下降率，呼吸下降率和RSA強度的提高量來計算匹配度評分；本發明所述的匹配度評分=心率下降率*0.4+呼吸變慢率*0.4+RSA強度的升高率*0.2) *100，匹配度評分的變化范圍為0-100。
[0030]實施例2:對案例個人A采樣音樂調理,通過心電記錄儀記錄心電信號，記錄時間為15:44:08到16:48:55。調理開始時間是16:00:00，結束時間16:30:00，對于采集到的心電數據進行計算，其中心率檢測結果如圖2所示，呼吸率檢測結果如圖3所示，副交感神經強度結果如圖4所示，根據測得的心率、呼吸率和副交感神經強度，測得音樂調理對于案例個人A的匹配度如下表所示
【權利要求】
1.一種匹配度分析技術，其特征在于，所述的匹配度分析技術是對采用醫療或者調理方案的人員，運用多種生理指標相結合的方式來計算匹配度；首先采用心電監測儀采集ECG心電信號，然后通過分析呼吸透過胸腔起伏對心電圖的影響和心跳受自主神經系統控制的關系，提取出呼吸信號；根據心率，呼吸率和副交感神經強度RSA計算得出整體匹配度評分；所述匹配度分析技術的操作步驟如下: 1)利用心電監測儀采集心電信號ECG； 2)從心電信號ECG信號中提取出相鄰心跳之間的時間間隔信號，重新采樣； 3)利用重新采樣的得到的相鄰心跳之間的時間間隔信號，利用滑動窗口計算方法計算出平均心率； 4)利用EDR技術，從ECG心電信號中提取出帶有噪聲的呼吸信號，然后對其進行重新采樣； 5)應用經驗模態分解技術EMD對重新采樣的呼吸信號進行分解，從中提取出呼吸信號; 6)利用滑動窗口計算方法，從提取出的呼吸信號中計算出平均呼吸率； 7)應用經驗模態分解技術EMD對重新采樣的呼吸信號進行分解，得到一系列經驗模態函數，根據每分鐘的呼吸頻率，從前三個模態函數中提取出受呼吸影響的心跳的模態，得到RSA相關的模態； 8)通過RSA相關模態的包絡線，利用滑動窗口計算方法，計算得出RSA的強度； 9)通過平均心率、平均呼吸率和RSA的強度計算出整合干預過程中的心率下降率，呼吸下降率和RSA強度的提高量，通過心率下降率，呼吸下降率和RSA強度的提高量來計算匹配度評分；所述的匹配度評分=心率下降率*0.4+呼吸變慢率*0.4+RSA強度的升高率*0.2) *100，匹配度評分的變化范圍為0-100。
2.根據權利要求1所述的匹配度分析技術，其特征在于，所述匹配度分析技術的具體操作方法如下: 1)利用心電監測儀采集心電信號ECG，信號采集的時間包括醫療或者調理前10-30分鐘、醫療或者調理期間，以及醫療或者調理后10-30分鐘； 2)從ECG信號中提取出RR間期信號，即相鄰心跳之間的時間間隔信號序列，然后對其進行重新采樣，重新采樣頻率為4Hz ； 3)利用RR間期，計算出心率，計算公式為心率=60/RR間期，然后利用10分鐘的滑動窗口計算方法，每滑動30秒計算出10分鐘滑動窗口內的平均心率； 4)利用EDR技術，從ECG信號中提取出帶有噪聲的呼吸信號，然后對其進行重新采樣，重新采樣頻率為4Hz ； 5)應用經驗模態分解技術EMD對重新采樣為4Hz的帶有噪聲的呼吸信號進行分解，得到一系列經驗模態函數，根據能量分布，從前三個模態函數中提取出呼吸信號； 6)利用10分鐘的滑動窗口計算方法，每滑動30秒計算10分鐘滑動窗口內的平均呼吸率； 7)應用EMD對重新采樣為4Hz的RR間期信號進行分解，得到一系列經驗模態函數，根據每分鐘的呼吸頻率，從前 三個模態函數中提取出受呼吸影響的心跳的模態，即為RSA相關的模態；8)通過RSA相關模態的包絡線計算RSA的強度，利用10分鐘的滑動窗口計算方法，每滑動30秒計算10分鐘滑動窗口內的包絡線的平均值，即為RSA強度； 9)通過平均心率、平均呼吸率和RSA的強度計算出整合干預過程中的心率下降率，呼吸下降率和RSA強度的提高量，通過心率下降率，呼吸下降率和RSA強度的提高量來計算匹配度評分。
3.根據權利要求2所述的匹配度分析技術，其特征在于，所述的10分鐘的滑動窗口計算方法指的是:是指一次計算10分鐘內所有測定數據的平均值，然后每隔30秒計算一次10分鐘內滑動測得數據的平均值，將此平均值作為10分鐘的取值范圍內時間中點的實際結果數據值。
4.根據權利要求1或2所述的匹配度分析技術，其特征在于，所述的心率下降率為干預或調理過程中心率的最低值midHR與干預或調理開始時的心率值begHR的比值；所述的心率下降率=1- (midHR/begHR-0.8)/0.2，心率下降率的變化范圍為0_1。
5.根據權利要求1或2所述的匹配度分析技術，其特征在于，所述的呼吸下降率為干預或調理過程中呼吸的最慢值midBR與干預或調理開始時的呼吸率begBR的比值，所述的呼吸變慢率=1- (midBR/begBR-0.7) /0.3，呼吸變慢率的變化范圍為0_1。
6.根據權利要求1或2所述的匹配度分析技術，其特征在于，所述的RSA強度的升高率定義為干預或調理過程中RSA強度的最高值midRSA與干預或調理開始時的RSA強度begRSA的比值；所述的RSA強度的升高率=(midRSA/begRSA-1)/0.6，RSA強度的升高率的變化范圍為0-1。
7.根據權利要求1述的匹配度分析技術，其特征在于，所述匹配度評分為80-100時，則該醫療或者調理方案的干預效果高，所述匹配度評分為60-80時，則該醫療或者調理方案的干預效果良好，所述匹配度評分為0-60時，則該醫療或者調理方案的干預效果較差。
【文檔編號】A61B5/0205GK103892812SQ201410061387
【公開日】2014年7月2日 申請日期:2014年2月24日 優先權日:2014年2月24日
【發明者】魏育林, 劉燕輝, 崔興然, 陸潤鳴 申請人:南京豐生永康軟件科技有限責任公司