功能近紅外光譜技術測量短時心率變異性的準確性評估

王寧馨，張緒柘，雷皓,3，龍克鴻*

1武漢磁共振中心(中國科學院精密測量科學與技術創新研究院)波譜與原子分子物理國家重點實驗室，武漢 430071；2華中科技大學武漢光電國家研究中心，武漢 430074；3中國科學院大學，北京 100049

心率變異性(heart rate variability，HRV)是指連續心動周期之間在時間上的微小差異，是自主神經系統活動的一個非侵入性指標，可反映交感與副交感神經系統之間的平衡[1-2]，在生理和臨床研究中均具有重要作用[3]，因此，方便且準確地測量HRV具有重要意義。目前，HRV的測量主要基于以心電圖(electrocardiography，ECG)為代表的電生理信號和以光容積描記儀(photoplethysmography，PPG)為代表的光學信號。由ECG得到的RR間期(RR intervals，RRI)分析是HRV測量的金標準。功能近紅外光譜(functional near-infrared spectroscopy，fNIRS)是一種基于修正的朗伯比爾(Beer-Lambert)定律來測量血流動力學響應的光學監測方法，在監測大腦活動時具有無創、安全、便攜的特點，已廣泛用于疾病的預測及認知神經科學領域，如檢測工作負荷、情緒壓力或反應抑制等[4]。fNIRS技術在心率測量方面準確性較高，且有研究證實其相較于PPG測量的HRV能更好地描述自主神經系統的短時變化[5]。因此，本研究以ECG測量的HRV為參照，利用fNIRS技術對16名在校學生靜息狀態下的大腦和手指血氧信號進行監測，估算HRV，并評估fNIRS測量HRV的可行性及準確性。

1 資料與方法

1.1 研究對象 納入2020年10月-2021年9月武漢大學及其周邊高校的16名在校學生作為被試志愿者。其中男11名，女5名，年齡(21.6±2.5)歲，均為右利手，視力正?；虺C正正常。納入標準：年齡≥18歲，身體健康，無心腦血管疾病史，無精神疾病史。試驗方案由中國科學院精密測量科學與技術創新研究院倫理委員會批準(批準號：APMH20001)，參與研究者均簽署書面知情同意書。

1.2 試驗設計 本研究以ECG信號作為分析HRV的金標準，采用HeaLink(R211A型)微型心電記錄儀采集ECG信號，采樣頻率為400 Hz。fNIRS信號通過NIRX公司臺式近紅外腦功能成像系統采集，采樣頻率為31.25 Hz，fNIRS在頭部的通道布局及其在大腦皮質的映射位置如圖1所示，由1個發射器和4個接收器組成，形成4個通道。左手食指佩戴1個發射器和1個接收器，形成1個通道；發射器和接收器之間的距離為3 cm。試驗中每一位被試志愿者進行20 min的靜息態測量，整個過程中實時同步采集ECG數據與fNIRS數據。根據不同方法或部位采集的數據分為三組：ECG組(ECG采集的數據)；fNIRS頭部組(fNIRS在頭部采集的4個通道的平均數據)；fNIRS手指組(fNIRS在左手食指采集的數據)。

圖1 功能近紅外光譜(fNIRS)腦通道分布及其映射位置Fig.1 Distribution of the brain channel and the projection of the channel

1.3 數據處理 從fNIRS中采集的原始數據為波長780 nm和830 nm兩種光源的光強信號，基于修正的朗伯比爾定律將其轉換為血氧信號。將原始數據進行小波變換去趨勢、去運動偽跡后，再在1~2 Hz間選取頻帶，利用帶通濾波提取心跳成分，最后使用基于自動多尺度的峰值檢測(automatic multiscalebased peak detection，AMPD)算法[6]來識別峰點，計算出RR間期，進一步分析得到HRV。

1.4 HRV參數 HRV分析可分為超短時(＜5 min)、短時(5~60 min)和長時(1~24 h)，本研究主要分析短時HRV，評估了部分時域、頻域、非線性指標中比較有代表性、應用較為廣泛的HRV參數：交感神經指數(sympathetic nervous system index，SNS指數)、副交感神經指數(parasympathetic nervous system index，PNS指數)、壓力指數、RR間期的平均值(Mean RR)和標準差(standard deviation of normal-tonormal RR intervals，SDNN)、RR間期直方圖的底寬(triangular interpolation of normal-to-normal intervals，TINN)，以及與RR間期時間序列復雜度相關的近似熵(approximate entropy，ApEn)和樣本熵(sample entropy，SampEn)。

1.5 統計學處理 采用SPSS 20.0軟件進行統計分析。計量資料以表示，首先使用Kolmogorov-Smirnov(K-S)法對所有數據進行正態性檢驗，對其中不符合正態分布的HRV參數(PNS指數、SNS指數、SDNN和TINN)使用正態得分法進行正態性轉換；fNIRS在手指與頭部測量短時HRV的一致性采用配對t檢驗；fNIRS在手指與頭部測量的短時HRV與ECG金標準的一致性采用單因素方差分析，進一步兩兩比較采用LSD-t檢驗。P＜0.05為差異有統計學意義。

2 結 果

2.1 fNIRS在手指與頭部測量的短時HRV的一致性對基于手指1個通道分析的短時HRV參數與基于頭部4個通道整體疊加平均得到的短時HRV參數進行對比，所有短時HRV參數差異均無統計學意義，fNIRS在手指與頭部測量的短時HRV具有良好的一致性，但是手指測量到的短時心率變異性參數相較于頭部測量的參數在自主神經系統相關參數(如PNS指數、SNS指數)上總是出現偏低的趨勢(表1)。

表1 靜息態下fNIRS在手指與頭部測量的短時HRV參數比較Tab.1 Comparison of short-term HRV parameters measured by fNIRS at the finger and on the forehead in resting state

2.2 fNIRS與ECG測量的短時HRV的一致性 對ECG測量的HRV、fNIRS頭部測量的HRV及fNIRS手指測量的HRV進行比較，結果顯示，三組間大部分短時HRV參數(PNS指數、SNS指數、壓力指數、Mean RR、SDNN及TINN)差異無統計學意義，僅ApEn(P＜0.05)和SampEn(P＜0.01)差異有統計學意義。其中，ECG測量的短時HRV參數PNS指數、SNS指數、壓力指數、Mean RR、SDNN及TINN與fNIRS頭部測量的HRV參數差異無統計學意義，二者間的一致性良好；但ECG測量的復雜度相關參數ApEn(P＜0.05)和SampEn(P＜0.01)明顯高于fNIRS頭部測量的HRV參數，差異有統計學意義。ECG測量的短時HRV參數(PNS指數、SNS指數、壓力指數、Mean RR、SDNN及TINN)與fNIRS手指測量的HRV參數差異無統計學意義；但ECG測量的HRV參數ApEn(P＜0.05)和SampEn(P＜0.01)明顯高于fNIRS手指測量的HRV參數，差異有統計學意義(圖2)。

圖2 靜息狀態下ECG、fNIRS頭部與fNIRS手指測量的短時HRV參數比較Fig.2 Comparison of short-term HRV parameters measured by ECG, fNIRS head and fNIRS finger in resting state

3 討 論

本研究結果表明，手指測量的短時HRV參數相較于頭部測量的短時HRV參數在自主神經系統相關參數(如PNS指數、SNS指數)上總是出現偏低的趨勢，這可能與fNIRS從頭部測量的信號包含心跳成分和神經活動成分，fNIRS從手指測量的信號只包含心跳成分，而自主神經系統的活動會受到大腦神經活動的調控有關[8]。此外，ECG測量的短時HRV參數與fNIRS測量的短時HRV主要差異在于復雜度相關熵參數，對于差異的來源，本研究認為是由于fNIRS采樣頻率(31.25 Hz)與ECG的采樣頻率(400 Hz)差異較大，使fNIRS提取到的RR間期的復雜度小，從而導致熵參數較小所致。已有研究發現，采樣頻率會對HRV的測量造成影響，如Giardino等[33]觀察到，PPG測量的HRV與ECG測量的HRV頻域變量之間的相關性隨著采樣頻率從1000 Hz下降到10 Hz而降低，且低于100 Hz時影響更為明顯。因此，fNIRS采樣頻率過低會導致fNIRS測得的短時HRV結果在熵參數(如ApEn和SampEn)上不準確。此外，本研究發現，從總體趨勢上看，用fNIRS在頭部測量的HRV更接近于ECG測量的結果。Holper等[5]的研究也發現，存在自主神經系統活動時(如在控制呼吸和溫度變化的條件下)，相較于PPG技術在手指測量的HRV，fNIRS技術在頭部測量的HRV更接近于ECG金標準，這也證實了本研究的結果。

HRV監測分析已成為心理學、生理學，以及臨床研究的一個重要組成部分。在健康領域，HRV被認為是衡量心臟健康及預測心源性猝死的指標。Shaffer等[9]發現HRV可作為預測與抑郁相關的心血管疾病風險和死亡風險的生物標志物；Guzik等[10]也發現HRV可用于預測心肌梗死后過早死亡或發生充血性心力衰竭的風險；HRV還能輔助診斷創傷后應激障礙(PTSD)[11]并預測其癥狀嚴重程度[12]等。在心理學方面，HRV能評估自主神經系統的狀態，可反映廣泛性焦慮障礙及PTSD等的焦慮嚴重程度[13]；HRV生物反饋訓練干預可有效改善自主神經系統的功能[14]。在認知方面，HRV較高的個體在注意力、工作記憶和執行功能等神經認知方面表現優異，主要是由于較高的HRV與心理彈性有關，使個體能有效適應變化并表現出良好的執行認知任務的能力[7]。此外，在個體訓練方面，HRV指導的訓練可能是一種提高個體訓練適應能力的有效方法[15]；以每日HRV為指導的訓練能更有效地提高個體的體能和運動表現[16-17]。

綜上所述，本研究評估了fNIRS與ECG測量短時HRV的一致性，發現除與復雜度相關的熵參數外，fNIRS測量的短時HRV參數與ECG測量結果基本一致，但這種一致性可能受到心跳、血壓或其他生理參數以及個體差異等因素的影響。因此，需要采用更大樣本的研究來進一步探索不同測量方法對短時HRV的影響。HRV已經廣泛應用于各個領域，但是單一的HRV監測也有較大的局限性，因為受神經調節的生理系統如大腦系統、心臟系統、循環系統和呼吸系統之間，在不同的生理狀態下均可表現出不同程度的活動和相互作用[18]，HRV分析難以表征各系統之間的這種相互作用。大腦與心臟之間存在緊密的相互作用，大腦可通過自主神經系統中的交感神經和副交感神經分支直接控制心臟，還可通過中樞系統自主命令直接改變心臟功能，而心臟也可通過向自主神經系統反饋來改變其功能以響應壓力、情緒等的變化[19]。fNIRS作為常用的腦功能活動測量設備，對被試環境非常友好，可用于一般日?；顒拥谋O測，而本研究進一步證明了fNIRS測量短時HRV的可行性與準確性。為了更好地評估大腦與心臟之間的相互作用[20]，未來可基于fNIRS原理設計出方便且隱蔽的可穿戴設備，實現一般日?；顒舆^程中的腦功能活動與HRV的實時同步監測。