你的心跳有多随机？

Dynamical Heart Beat Correlations during Running

Fluctuations of the human heart beat constitute a complex system that has been studied mostly under resting conditions using conventional time series analysis methods. During physical exercise, the variability of the fluctuations is reduced, and the time series of beat-to-beat RR intervals (RRIs) become highly non-stationary. Here we develop a dynamical approach to analyze the time evolution of RRI correlations in running across various training and racing events under real-world conditions. In particular, we introduce dynamical detrended fluctuation analysis and dynamical partial autocorrelat…

利用波形相似性和RR间期进行ECG心搏分类

ECG beats classification using waveform similarity and RR interval

提出了一种基于波形相似度和RR间期的心搏分类方法。该方法的目的是将六种类型的心搏（正常心搏、房性早搏、起搏心搏、室性早搏、左束支传导阻滞心搏和右束支传导阻滞心搏）分类。首先使用基于小波变换的技术对心电图信号进行去噪。从ECG信号中提取以R峰为中心的128个样本数据的心跳，并由此减少到16个样本数据以构成特征。围绕节拍的RR间隔也被用作特征。为分类器建立注释搏动的数据库，用于与未知搏动进行波形比较。对MIT/BIH心律失常数据库中的46条记录进行了测试，分类正确率为97.52%。

A deep-learning classifier for cardiac arrhythmias

We report on a method that classifies heart beats according to a set of 13 classes, including cardiac arrhythmias. The method localises the QRS peak complex to define each heart beat and uses a neural network to infer the patterns characteristic of each heart beat class. The best performing neural network contains six one-dimensional convolutional layers and four dense layers, with the kernel sizes being multiples of the characteristic scale of the problem, thus resulting a computationally fast and physically motivated neural network. For the same number of heart beat classes, our method yield…

心脏移植患者的心搏异常节律建模

Modelling a Parasystolic Rhythm in a Heart-Transplant Patient

使用从心电图（ECG）获得的心跳到心跳RR间期时间序列分析心脏移植患者的并行收缩。由两个起搏器（窦房结和异位病灶）共存引起的心律失常呈现出独特的规律性模式，从一种模式突然转变为另一种模式。它示出的parasystolic节奏可以模拟由一个模型，涉及两个振荡器发射在固定的速率，在限制下，既不允许在其他的不应期内发射。研究发现，所产生的RR时间序列的结构基本上是由两个振荡器的周期的比率。在心脏移植患者的情况下，由于心脏去神经支配，心率变异性较小，该模型预测80次心跳序列的RR间期，误差小于6%。从生理学的角度来看，结果意味着心脏中两个起搏器之间的相互作用相当弱，因此在心脏移植患者中观察到的并行心搏可以被建模为纯粹的并行心搏。

基于熵指数量化的心率-血压耦合区分阻塞性睡眠呼吸暂停患者与健康对照组

Differentiating patients with obstructive sleep apnea from healthy controls based on heart rate - blood pressure coupling quantified by entropy-based indices

提出一种基于熵的序列对分类方法（ECPS），通过量化心率与逐拍血压的相互依赖性，并利用机器学习选择最优指数子集构建模型，有效区分阻塞性睡眠呼吸暂停患者与健康对照组。

心房颤动时高心率时冠状动脉血流受损：多尺度模型研究

Impaired coronary blood flow at higher heart rates during atrial fibrillation: investigation via multiscale modelling

背景已经提出了不同的机制，将心房颤动（AF）和冠状动脉血流障碍，即使在没有相关的冠状动脉疾病（CAD）。然而，潜在的血流动力学仍不清楚。本工作的目的是通过计算探讨房颤期间心室率是否以及在多大程度上影响冠状动脉灌注。方法.通过0 D-1D多尺度验证模型在不同心室率（50、70、90、110、130 bpm）下模拟AF，该模型将左心动脉树与冠状动脉循环结合在一起。精确构建的RR随机提取模拟\emph{in vivo}跳动特征。计算的所有血流动力学参数均基于左前降支（LAD）动脉，并考虑了冠状动脉血流的波形、振幅和灌注。结果冠状动脉血流动力学的改变被发现与心率增加相关，这强烈地改变了LAD流速的波形和振幅，并且与心跳到心跳的变异性相关。后者在冠状动脉循环中随着HR的增长而整体放大，即使输入RR变异性在所有HR处保持恒定。结论.房颤时较高的心室率会造成整体冠状动脉血流受损和心肌氧供需比失衡。心率的增加和AF引起的血流动力学变异性的增加导致AF中冠状动脉灌注损伤超过90-110 bpm。此外，发现冠状动脉灌注压（CPP）不再是HR高于90 bpm的心肌灌注的良好测量。