導語：清醒大鼠動脈血壓信號預處理探討論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【關鍵詞】血壓變異性；心率變異性；譜分析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：研究模擬失重大鼠清醒狀態下收縮壓與心率變異性的信號預處理及譜分析方法.方法：以尾部懸吊大鼠模型模擬失重對心血管的影響，通過股動脈插管術在清醒狀態下進行血壓記錄.數據分析使用血壓變異性檢測算法獲取收縮壓變異性數據，并從中提取PP間期序列用以替代RR間期數據；使用周期圖法對SBPV進行譜分析.結果：一階導數閾值與模板匹配檢測算法具有較高的檢測準確率；從SBPV數據中提取的PP間期能夠作為心電圖RR間期的替代數據；通過對SBPV信號進行周期圖譜估計可將血壓波動信號分解為高頻、低頻與極低頻三個不同頻率范圍的周期波動.結論：使用周期圖譜估計能夠較好揭示模擬失重大鼠血壓變化的特征，在利用大鼠進行重力心血管研究中有一定應用價值.【關鍵詞】血壓變異性；心率變異性；譜分析【中圖號】R743.30引言在心血管疾病及微重力心血管生理研究中，大鼠是最重要的實驗動物之一.利用大鼠模型，可以進行從細胞、組織、器官到整體多個層次的觀察［1-2］，但對其心率變異性（heartratevariability,HRV）與血壓變異性（systolicbloodpressure,SBP）的分析工作則開展較晚［3］，且隨后的相關報道也較少［4-5］.再者，模擬失重是否會引起大鼠HRV,BPV發生改變尚存在分歧［7］，需要采用不同方法予以澄清.因此，我們建立清醒大鼠血壓信號的預處理方法，初步觀察14d模擬失重是否可引起SBPV功率譜改變.1材料和方法1.1實驗動物及實驗設計實驗動物為SpragueDawley雄性大鼠（220~280g，第四軍醫大學實驗動物中心提供）.采用尾部懸吊后肢不荷重大鼠模型模擬失重對心血管功能的影響［8］，另設同步對照進行比較.第12日，以氯胺酮50mg/kg和地西泮5mg/kg靜脈給藥對兩組大鼠進行麻醉.將PE50-PE10聚乙稀管從大鼠右側股動脈插入腹主動脈后段，導管另一端從大鼠背部肩胛骨間皮膚穿出.隨后將大鼠放回飼養籠，進行48h術后恢復.1.2清醒大鼠動脈血壓信號獲取大鼠被單獨放置在記錄籠中，將其背部露出的導管開口經PE50導管與壓力傳感器（StathammodelP23ID,GouldInstruments,USA）連接，傳感器位于大鼠背部上方40cm處.壓力傳感器信號經由8導生理記錄儀（RM6000,NihonKohden,Japan）的AP621G載波放大器進行放大，使用數據采集卡（DAQmxPCI6220,NI,USA）進行信號模數轉換，采樣頻率為4kHz，采樣精度為12位.1.3動脈血壓信號的預處理信號處理主要由濾波、收縮壓特征點識別及心率、血壓變異性序列提取三個模塊構成，①濾波:使用小波［9］去除人工噪聲干擾并進行基線校正，小波基函數為harr，小波尺度為3；②特征點識別:應用一階導數閾值與模板匹配的兩級判定算法對血壓信號進行波峰識別，計算SBP幅值與時刻；③變異性時間序列提取：以SBP間期（PP間期）的平均值為序列間距，以逐跳SBP峰值為序列幅值，作等間距表示得到收縮壓變異性（systolicbloodpressurevariability,SBPV）信號序列.本實驗未專門記錄心電信號，以PP間期代表對應時刻的RR間期（其倒數即為瞬時心率）；以PP間期的均值作為序列間距，以PP間期大小作為幅值，由此得到HRV數據序列.1.4血壓變異性信號的譜分析方法使用經典周期圖法對SBPV信號進行譜估計［1-2］.首先，通過聚束（bunching）算法（128點做算術均值）［6］對大鼠血壓數據進行平滑，降低采樣數據中噪聲干擾.其次，進行去除線性趨勢項操作，消除極低頻成分對功率譜的貢獻.最后，使用周期圖法對大鼠血壓數據進行功率譜密度估計.大鼠血壓信號的功率譜可大致劃分為：極低頻段（verylowfrequency,VLF：0.0～0.3Hz）、低頻段（lowfrequency,LF：0.3～0.6Hz）及高頻段(highfrequency,HF：1.4～1.7Hz）3個頻帶［6］.上述所有算法均使用Matlab(R13)語言編寫，在DELLDimension5100計算機上進行計算.2結果2.1變異性信號提取從大鼠原始血壓記錄中提取變異信號的結果見圖1.圖1A，為一只對照大鼠2min的原始血壓記錄曲線；圖1B，對原始血壓數據進行收縮壓檢測得到的SBPV數據序列；圖1C，對PP間期序列（從SBPV數據序列中提取）取倒數后得到瞬時HR時間序列.2.2SBPV常規譜分析大鼠SBPV信號2min的功率譜分析結果見圖2.與對照組相比，14d模擬失重可使清醒大鼠的心率明顯加快（圖2B，E），血壓值無明顯改變（圖2A，D），但反映交感對外周血管阻力調節的LF功率卻是降低的（圖2C，F）.圖1從一只對照大鼠原始血壓記錄提取收縮壓與瞬時心率時間序列的結果（略）圖2對照與14d模擬失重大鼠SBPV常規譜比較（略）3討論研究表明：一階導數閾值與模板匹配的血壓特征值檢測算法能夠較好地從原始血壓數據中識別出逐次心跳的收縮壓峰值，檢測準確率高；從SBP數據中獲取的PP間期可作為心電RR間期信號的替代數據，用于HRV信號的分析；通過對SBPV信號進行常規譜估計可揭示模擬失重大鼠外周阻力與心率控制的改變.但由于實驗對象及實驗設計的特殊性，在數據分析過程中，還應注意以下幾點：①研究對象為自由活動清醒大鼠，易受外界環境干擾，實驗過程中應控制環境避免外界噪聲干擾；②進行收縮壓峰值檢測時，由于收縮壓尖峰的形態常常被噪聲污染，導致識別過程中存在漏檢或誤檢現象.故應選用相應的信號處理方法降低噪聲干擾，提高檢測準確性；③使用譜分析處理數據時，要求待分析信號為各態遍歷的平穩信號.由于人體心血管功能的時變特性，本質上講SBPV數據為非平穩信號[1][2].再者，信號中的噪聲干擾、波峰丟失均可使譜估計結果嚴重畸變.為解決這一問題，處理中常常選擇相對平穩的1～4min數據進行短時程譜估計.鑒于生理過程的復雜性,要精確全面地描述其特征,目前尚沒有那一種方法能夠勝任,因此必須結合不同的分析工具.目前已有實驗證實，心血管活動的調節有賴于不同控制機制的相互制衡，例如，行為改變、神經因素、壓力反射及心臟節律等因素都可對其產生影響.這些調控機制的相互作用又導致了血壓與心率的復雜波動，使其蘊涵某些非線性特征.因此，對比傳統的時域及頻域的分析方法，非線性的分析將為我們理解其機理提供更為全面的手段［1-2］.【參考文獻】［1］張立藩.心率與血壓的變異性:分析方法、生理意義及其應用［J］.生理科學進展,1996,27(4):295-300.［2］張立藩,王守巖,牛有國.心率與血壓變異性的多變量、多維信號分析進展［J］.航天醫學與醫學工程,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