首页 > 文献资料
-
心房颤动伴长R-R间期患者动态心电图特点及预后研究
目的:探究心房颤动伴长R-R间期患者应用动态心电图检测的效果与特征.方法:本次研究的分析对象是我院从2015年9月—2017年10月接收并进行检测的126例阵发性心房颤动患者,且通过纳入标准均判定为阵发性心房颤动患者,并对抽取的阵发性心房颤动患者分为睡眠相关组与睡眠无关组,每组各63例,分析两组阵发性心房颤动患者平均心室率、伴随性症状以及长R-R间期昼夜发生频率等指标.结果:睡眠相关组与睡眠无关组各63例的阵发性心房颤动患者平均心室率分析,结果显示,睡眠相关组与睡眠无关组的阵发性心房颤动患者长R-R间期、逸搏及逸搏心律发生率等指标存在明显性差异,且睡眠相关组患者在睡眠时间与非睡眠时间段的平均心室率分别为63.9±18.5与85.2±22.5,而睡眠无关组患者的平均心室率分别为55.6±16.8与72.1±23.7.结论:针对阵发性心房颤动患者应加强动态心电图监测明确其各项指标的变化与病情进展,以选择针对性的治疗方案.
-
散点图分析软件的设计与实现
散点图(lorenz plot,LP)用于心律异常分析是心电检测领域中的新概念,较之频谱分析具有更为详尽的解析能力.为满足医生的临床需要,本文介绍了一种用于散点图自动分析的软件的设计方法.该软件根据24h Holter分析软件提供的RR间期的信息可选择时段的绘制出相应的散点图,并提供散点图的打印输出功能.该软件已经在临床上得到应用并得到临床医生的认可.
-
基于Labview大鼠心电信号采集及实时RR间期检测
目的 大鼠心电信号采集目前依赖于生理信号采集系统,其采样频率低,且无法进行软件算法的内部改造,不利于实验使用.本文设计了高精度大鼠心电信号采集系统以实现RR间期实时检测.方法 采用AD620设计心电信号采集电路,信号经USB-6008进行A/D转换后送入PC机,通过Labview编程完成滤波、预处理及显示.然后,通过Labview与Matlab混合编程,采用模板匹配方法实现RR间期实时检测.后,随机选取10只大鼠心电数据进行离线分析,以阈值法作为对照检验RR间期实时检测的准确性.结果 阈值法检出率96.62%,模板匹配法检出率99.16%.结论 通过硬件与软件结合的方法能够获得高精度的大鼠心电信号.通过Labview与Matlab混合编程,采用模板匹配法能够实现RR间期实时检测,且检测准确性较高,为进一步的实验研究提供了基础.
-
一种新的长时心电信号模拟方法
心电信号发生器在心电信号相关教学培训和心电医疗设备检测中有着广泛的应用.现有的心电信号发生器通常通过存储于设备内的实测心电信号或者用数学函数波形拟合发生心电信号波形,在逼真度和灵活度上各有缺陷.本研究试图研究一种能综合现有心电信号模拟方法优点的新的模拟方法,使心电信号发生器生成质量更高,更丰富的信号,拓展它的应用范围.通过将单周期心电信号模板库与RR间期模拟信号结合,本研究实现了种类丰富,逼真度高,可自由调节心率特性的心电信号的模拟.这种方法同时还具有运算量小和节省存储空间的特点.
-
基于RR间期的非线性特征预测房颤终止
识别和描述房颤有可能自发终止或持续,不仅可以更好地了解心律不齐终止的机制,还可以更有效地治疗持续房颤.本研究从两种非线性分析的角度提取房颤信号RR间期的特征,并预测房颤是否能自发终止.一是计算心电信号RR间期序列的Lempel-Ziv复杂度,二是基于符号动力学将RR间期序列转换成符号串,对符号串编码得到符号码,计算各符号码的发生概率,取符号码110的发生概率和符号码发生概率的香农熵作为RR间期序列的特征参数.基于从RR间期提取的上述三个非线性参数,建立模糊分类器来预测房颤是否能终止.实验研究了一个由Holter心电信号组成的房颤数据库,它包括一个训练集和两个测试集(A和B).结果表明:本方法可正确分类90%的测试集A和80%的测试集B,和以前方法相比,预测房颤终止的准确率提高了约10%.可见,本方法对Holter心电信号预测房颤的自发终止是有效的.
-
QT间期对RR间期变化的响应及HRV与QTV的关联性分析
体表心电图作为无创和连续的监测手段,在心脏安全评测方面具有重要而不可替代的位置.心电图中的间期时间序列包含着重要信息,其中以反映心动周期的RR间期序列,以及以QT间期为代表的反映心室复极化时程的间期序列,在临床上为基础,相关的研究具有更为重要的意义.文中从应用基础研究的角度,就QT间期对于RR间期变化的响应,以及心率变异性(HRV)和QT间期变异性(QTV)关联性分析,分别介绍了其分析方法和研究进展,并且展望了可能的应用前景.
-
交互信息在心脏状态和心率研究中的应用
交互信息是一种检测系统之间相依性的方法,它可以同时检测线性和非线性相关.本文介绍了交互信息的计算方法和性质,讨论了它在单个时间序列上的应用,并将它应用于心脏状态研究上.利用实验动物的数据,我们发现了心搏的运动既不是随机的也不是周期的;并且,不同心脏状态下的交互信息有很大的差别,浅麻,机控呼吸和开胸状态下交互信息都相对较小,心肌损伤后有明显增大,提示心搏的交互信息与心脏健康程度有很大关系.
-
电梯乘坐过程对人体心率的影响研究
目的 本试验研究当电梯以额定速度1.75 m/s和大加速度0.3 m/s2上升时,电梯乘坐过程对人体心率的影响情况.方法 共31名受试对象(21男,10女).随机分成2组.试验组21人(12男,9女)乘坐电梯.对照组10人(9男,1女)不乘坐电梯.研究试验前和试验后2组心率差异有无显著性.用SPSS13.0进行统计分析.结果 t检验结果表明,试验前和试验后,2组心率的"组内检验"差异有显著性(P<0.05),但"组间检验"差异无显著性(P>0.05).结论 当电梯以1.75m/s的额定速度和0.3m/s2的大加速度上升时,乘客心率的变化不是由于电梯加速度引起的.而是由于从坐位到站位这一体位变化引起的.电梯乘坐过程不会引起乘客心率的显著变化.
-
QT间期与RR间期对LQTS患者心脏事件的预警价值
先天性长QT综合征（ long QT syndrome ，LQTS）是由于心脏钾离子或钠离子通道等基因突变（即离子通道病）产生的遗传性心律失常疾病［1］。此外，细胞膜电位改变也可诱发长QT综合征［2］。 LQTS发病率为1／7000-10000［3，4］。临床表现为突发室性心律失常，如尖端扭转型室性心动过速（ torsades de pointes，TdP），引起急性心脏事件---晕厥、心脏停搏或心脏性猝死（ sudden cardiac death ，SCD）等。
-
心电三维RR间期散点图的构建及其与临床疾病的关联
目的:绘制和分析不同疾病的心电三维RR间期散点图,寻找图形特征与疾病的关联.方法:使用PhysioBank网站提供的心电数据,以正常窦性心律、心律失常、心房颤动、心脏性猝死、慢性心力衰竭为例,使用MATLAB平台编程和Kmeans聚类算法,绘制和分析三维RR间期散点图.结果:正常窦性心律、心律失常、心房颤动、心脏性猝死、慢性心力衰竭的三维RR间期散点图都收敛成若干个分类,均具有终极、稳定和吸引的特性.但不同的病例在聚类个数、每类的聚集程度、分布范围等方面均有显著差异.结论:不同疾病的三维RR间期散点图均呈现多分布,可以划分出多个类,有着不同的分布特点.三维RR间期散点图可以清晰地看到二维散点图重叠的部分,能更准确地区分不同的疾病,有着丰富的参数待研究.
-
细粒化复杂度算法及其在心电RR间隔分析中的应用
目的研究精确描述动力学性质的复杂度算法,防止生物医学信号粗粒化处理时可能导致的原始信号中信息的丢失.方法提出细粒化复杂度算法,并研究Logistic映射,正常年轻人、正常老人和房颤病人心电RR间期的复杂度.结果发现细粒化复杂度比粗粒化复杂度描述动力学更加精确.结论建议采用细粒化复杂度作为复杂性度量,细粒化复杂度可望成为无损伤诊断心、脑疾病的客观指标.
-
QT的频率依赖性对心肌梗死后室性心动过速的预测价值
目的探讨QT的频率依赖性对心肌梗死 (MI) 后室性心动过速(VT)发生率的相关性.方法对52例有Q型AMI后3个月患者进行动态心电图检查,分别测定清醒阶段、睡眠阶段、苏醒阶段在不同RR间期(600 ms、800 ms、1 000 ms)时的QT间期,同时计算QT的频率依赖性.其中VT组27例,非VT组25例.结果 VT组患者的QT间期的频率依赖性明显高于非VT组患者(P均<0.01),尤以苏醒阶段显著.结论 QT的频率依赖性的变化可以较好的预测MI后VT发作.
-
心房纤颤病人RR间期和舒张早期二尖瓣环速度之间的相关关系研究
目的 探讨心房纤颤病人左室收缩功能的连续性变化对左室舒张功能所产生的影响.方法 选择37例无明显瓣膜病变的慢性心房纤颤病人,连续记录40～50次 E′,用Ln回归方法测定了前1个RR间期(RR-1)与 E′之间的相关关系.结果 全体病人RR-1与 E′之间的斜率从-1.56～1.15不等,具有负相关性的病人较具有正相关性的病人左心房的容积是增大的[(141.5±46.0)ml与(109.3±40.4)ml,P=0.03].整体病人的RR-1与 E′之间的相关关系中,斜率和平均RR间期、左心房的容积及E/E′均呈负相关(r=-0.39,P=0.017;r=-0.46,P=0.04;r=-0.39,P=0.018).结论 心房纤颤病人不规则RR间期引起的左室收缩功能的变化对舒张功能产生不同的影响.RR-1与 E′之间的相关关系与平均RR间期、左心房的容积及E/E′有相关性.
关键词： 心房纤颤 RR间期 舒张早期二尖瓣环速度 左室舒张功能 -
心房颤动患者动态心电图的RR间期表现分析
目的：回顾性分析心房颤动（房颤）者动态心电图的RR间期表现，包括特点、分布、影响因素等内容，为房颤治疗提供重要参考。方法对该院2010年1月-2013年12月接受动态心电图的60例房颤患者的心电图临床资料进行回顾性分析，对动态心电图RR间期值（长、短）、发生时间、不同时间段（1.5秒、3.0秒为分界点）内的心率、高/低心率等进行统计分析。结果 RR间期小于1.5 秒16例（26.67%）；RR间期大于2秒35例（58.33%）；RR间期大于3秒5例（8.33%）。结论房颤患者RR长间期较常见，分布呈昼夜节律性，且RR长间期不受心脏大小、心功能等影响。
-
RR间期不齐的室上性心动过速六例发生机制分析
目的 探讨RR间期不齐的室上性心动过速的发生机制.方法 分析来我院就诊的6例RR间期不齐的室上性心动过速患者的心电图及其发生机制.结果 3例确诊为房室结折返性心动过速,3例确诊为房室折返性心动过速.发生RR间期不齐室上性心动过速的原因分别为:患者1和患者2受折返环路组织不应期的影响;患者3和患者4是由于折返环路发生改变;患者5是由于窦性心律干扰了折返激动;患者6是由于折返环路以下的双侧束支发生了传导阻滞.结论 心动过速时组织不应期的影响,折返环路的改变,折返环路内、外心律的变化,折返环路以下部位传导的异常等均可导致RR不齐的发生.
-
碎裂QRS波与QRS波群时间的关系
目的 了解碎裂QRS波与QRS波群时间的关系.方法 回顾分析在我院进行体检的正常人273例的12导联心电图,按有无碎裂QRS波分为两组.观察两组之间QRS波群时间及RR间期的关系.结果 碎裂QRS波的检出率为19.4%,男女之间检出率差异无统计学意义;碎裂QRS波主要分布在下壁导联;有碎裂QRS波的QRS波群时间为85.3 ms±9.1 ms,比无碎裂QRS波的QRS波群时间82.1 ms±8.7 ms长,两者差异有统计学意义.结论 碎裂QRS的发生可导致心室除极时间的延长.
-
胺碘酮在房颤伴长RR间期合并室性心律失常患者中应用的安全性
目的 观察胺碘酮治疗心脏瓣膜替换术后心房颤动(房颤)伴RR间期显著延长(＞2.5 s)合并室性心律失常患者的安全性.方法 2011年6月-2013年6月,对12例瓣膜替换术后房颤、心功能Ⅱ～Ⅲ级、24 h动态心电图监测发现:(1)RR间期＞1.5 s.(2)合并室性心律失常(多源室性期前收缩、成对室性期前收缩及短阵室速)的患者,根据动态结果给小剂量胺碘酮治疗(600 mg/d×7,400 mg/d×7,100～200 mg/d持续维持),经15 ～24(16±3)个月随诊.结果 (1)长RR间期每例均未超过服药前.(2)成对室性期前收缩和短阵室速消失;多源室性期前收缩明显减少,与服药前比较,每例均减少达80％以上.(3)随诊监查12例患者心功能均有改善,未发现胺碘酮不良反应.结论 小剂量胺碘酮治疗房颤(夜间)伴RR间期显著延长(＞2.5 s)合并的室性心律失常安全有效.
-
基于自相关模式的动态心电图RR间期数据处理方法的研究
目的:在动态心电图分析过程中,确定RR间期,对于分析心电信息起着非常重要的作用.但是,临床上,实际检测的记录中,不可避免地受到外界很多的干扰,由于这些干扰信息的存在,使得准确定位RR间期变得非常困难.本课题拟在干扰情况下,提取心电表达的大信息,达到准确定位RR间期的目的.方法:本研究运用自相关模式数据处理方法有效地提升了主峰、次峰强度间的差别,从而为更好地判断RR间期以及埋藏在噪音之中的QRS波信息提供了可能的方法.结果:我们用了自相关模式数据处理的方法获得了以下信息:(1)对于干扰小的心电信息,主峰与次峰间的强度比值由2.7倍提升到7.7倍.(2)对于干扰大的心电信息,即那些主峰已经被现有Holter处理软件及医生人工判断都认为不可以使用的数据,因为这些数据主峰强度明显小于次峰强度(主峰/次峰＜1),经过我们的方法处理后,可以使主峰强度与次峰强度之比提升到1.5(主峰/次峰＞1.5),从而使得RR间期可以进行清晰分辨.结论:在心电信息受到干扰的情况下,它的RR间期很难判断,运用本研究使用的自相关模式数据处理方法,能够提升动态心电图中主峰与次峰的强度比值,提高人工判断RR间期的准确性.所以,基于自相关模式的动态心电图RR间期数据处理方法是行之有效的.
-
室性早搏的快速检测方法
提出一种利用相关性和RR间期比相结合的快速室性早搏的检测算法.该算法具有一定的病人自适应性.通过MIT-BIH心律失常数据库的验证,该方法对Normal和PVC有很高的识别率.
-
一种快速检测房颤方法的研究
该文介绍了一种通过心电图RR间期数据进行快速检测房颤症状的方法.借助MIT-BIH提供的正常窦性心律与房颤数据库,分别提取100个连续RR间期数据,对其进行相空间重构,并构造概率密度函数曲线,通过概率密度函数曲线的偏态系数及曲线峰值对应横坐标位置进行区分房颤与正常窦性心律.结果表明,该方法通过使用100个连续RR间期数据进行区分房颤与正常窦性心律,准确率为0.94,适合快速检测房颤时使用.
