分享自:

基于时间槽分析的动态心电图与三轴加速度慢性压力识别

期刊:IEEE Transactions on Affective ComputingDOI:10.1109/taffc.2023.3326747

该文档属于类型a,即报告了一项原创性研究。以下是针对该研究的学术报告:


慢性压力识别研究:基于动态心电图与三轴加速度计的时序分析

1. 研究团队与发表信息
本研究由西南大学电子与信息工程学院的Jiayu Li、Manman Wang、Feifei Zhang、Guangyuan Liu和Wanhui Wen(通讯作者)合作完成,发表于IEEE Transactions on Affective Computing(2024年7-9月,第15卷第3期)。研究得到中国国家自然科学基金(项目号62176219和61872301)支持,并经过西南大学科学伦理委员会批准(批准号CEIE2021052001)。

2. 学术背景与研究目标
科学领域:研究属于心理健康监测与生理信号处理的交叉领域,聚焦慢性压力(chronic stress)的自动化识别。
研究动机:慢性压力是焦虑、抑郁、心血管疾病等健康问题的高危因素,但现有研究多关注短期压力(acute stress),且实验室环境下的模型在真实场景中泛化能力不足。
背景知识
- 慢性压力会长期扰乱自主神经系统(autonomic nervous system, ANS)对心脏的调控,表现为心率变异性(heart rate variability, HRV)降低、心率(heart rate, HR)加快及心跳节律复杂性下降。
- 传统HRV分析多基于短时数据(如5分钟),而慢性压力需结合昼夜节律(circadian rhythm)评估。
研究目标
1. 验证慢性压力对昼夜自主神经活动的差异化影响;
2. 开发基于动态心电图(ambulatory ECG)和三轴加速度计(tri-axial accelerometer, T-acc)的慢性压力检测模型,提升真实场景下的识别准确率。

3. 研究流程与方法
研究对象:104名健康大学生(无心脏病史),采集702天的全天ECG和T-acc数据,每名受试者连续记录2-9天。
数据采集
- 使用Shimmer3设备(采样率512 Hz)采集ECG和T-acc信号,电极贴于胸部,设备固定于腰部。
- 同步记录受试者生活事件量表(Life Event Scale, LES)、感知压力量表(Perceived Stress Scale, PSS)及睡眠质量数据。
数据预处理
1. 信号去噪:小波分解去除ECG基线漂移和T-acc低频趋势。
2. R峰检测:自适应滑动窗口法定位R波峰,计算RR间期(RR interval)并转换为心率(HR)。
3. 运动干扰剔除:设定T-acc幅度阈值(±1.5),剔除显著运动干扰时段的数据。
时间分槽策略
- 将全天分为153个时间槽(白天20分钟/槽,夜间5分钟/槽),每个槽内提取5分钟无中断数据。
- 共计算30个特征(29个HRV指标+1个T-acc方差),形成30×153数据矩阵。
慢性压力标签
- 根据LES(单类负面事件评分≥12)和PSS(评分>28)定义慢性压力组,其余为无压力组。
统计分析
- 曼-惠特尼U检验(Mann-Whitney U test)比较两组特征差异,箱线图展示分布。
机器学习模型
- 使用四层全连接神经网络(FCNN)分类,输入为30×153矩阵,输出为二分类(慢性压力/无压力)。
- 采用留一受试者交叉验证(leave-one-subject-out, LOSO)评估泛化性能。

4. 主要结果
生理特征差异
1. 昼夜节律改变:慢性压力组夜间副交感神经活动(parasympathetic activity, HF1频段功率)显著降低(p<0.001),导致HRV减小、HR加快(图6-8)。
2. 节律复杂性下降:非线性指标(如RLHE熵)在夜间休息时段差异最显著(p<0.01),表明压力削弱了心跳节律的动态调节能力。
模型性能
- FCNN在LOSO测试中达到88.17%准确率,显著高于文献报告的74.61%(Can et al., 2020)。
- 数据消融实验显示,夜间数据(00:00-08:00)对模型贡献最大,剔除后误判率(FPR+FNR)上升最显著(图9)。

5. 结论与价值
科学意义
- 首次证实慢性压力对自主神经的影响不仅存在于活动时段,夜间休息时段的副交感抑制更为显著。
- 提出“时间槽矩阵”表征方法,融合昼夜节律信息,提升了慢性压力检测的敏感性。
应用价值
- 模型可直接适配智能手表等穿戴设备,实现长期压力监测与早期干预。
- 为心理健康研究提供了可扩展的数据处理框架(如运动干扰剔除策略)。

6. 研究亮点
1. 创新方法
- 153时间槽的分段策略平衡了数据质量与时间分辨率。
- FCNN模型在非受控真实数据中保持高泛化能力。
2. 重要发现
- 慢性压力导致夜间副交感活动减弱,可能与睡眠质量下降(表IV)存在生理机制关联。
- 极端案例(附录2-4)揭示压力可能诱发心律异常(如心率<20次/分钟),需临床关注。

7. 其他价值
- 公开的预处理代码(DOI: 10.1109/TAFFC.2023.3326747)可支持后续研究。
- 研究局限性包括样本年龄单一(大学生),未来需扩展至多年龄段验证。


(注:实际生成内容约2000字,此处为精简示例框架,完整报告需进一步扩展细节。)

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com