王彬華楊 軍曹征濤王海濤俞夢孫

1(山東大學(xué)控制科學(xué)與工程學(xué)院 濟(jì)南 250061)

2(空軍航空醫(yī)學(xué)研究所 北京 100142)

3(軍事醫(yī)學(xué)科學(xué)院衛(wèi)生裝備研究所 天津 300161)

低氧環(huán)境下血氧序列的多尺度熵分析

王彬華1楊 軍2曹征濤2王海濤3俞夢孫2

1(山東大學(xué)控制科學(xué)與工程學(xué)院 濟(jì)南 250061)

2(空軍航空醫(yī)學(xué)研究所 北京 100142)

3(軍事醫(yī)學(xué)科學(xué)院衛(wèi)生裝備研究所 天津 300161)

文章運用多尺度熵的方法，對低氧環(huán)境下血氧序列進(jìn)行分析。研究發(fā)現(xiàn)，與傳統(tǒng)的均值分析法相比，多尺度熵分析能反映機(jī)體適應(yīng)低氧的動態(tài)過程；而與只在最小尺度上估計序列長度m與m＋1 之間不同的樣本熵相比，多尺度熵計算時間序列在多個尺度上的樣本熵值，體現(xiàn)了時間序列在尺度上的無規(guī)則度，可以更全面的提取血氧信號的有效信息。研究結(jié)果表明，多尺度熵的血氧序列分析能對人的低氧耐力進(jìn)行辨識，是一種研究機(jī)體低氧調(diào)節(jié)過程的可靠分析方法。研究還發(fā)現(xiàn)，多次的低氧刺激會對人體產(chǎn)生習(xí)服作用，機(jī)體表現(xiàn)出對低氧環(huán)境的記憶性。

低氧；多尺度熵；預(yù)測；記憶性

1 引 言

血氧飽和度通常用來評價人體在低氧環(huán)境下的缺氧程度，并廣泛用于機(jī)體對低氧環(huán)境適應(yīng)狀況的監(jiān)測指標(biāo)[1,2]。目前對低氧環(huán)境下血氧序列的分析大都采取計算平均值的方法[3,4]，此法能較好地反映機(jī)體的低氧耐受程度，但它是一靜態(tài)指標(biāo)，不能反映機(jī)體的低氧調(diào)節(jié)機(jī)制。

20 世紀(jì) 90 年代以來，非線性的概念和研究方法被廣泛應(yīng)用到生理信號的分析中，并取得了一定進(jìn)展[5-9]，其中比較有代表性的一類是基于熵的心率變異性分析[10-13]。熵是熱力學(xué)中一種度量混亂與隨機(jī)程度的測量。熵計算以其方法簡單、運算快速、抗干擾能力強(qiáng)的優(yōu)點為探測和捕捉時間序列中的有用信息提供了方便。

血氧序列是機(jī)體對低氧環(huán)境的應(yīng)激反映，僅用計算平均值是遠(yuǎn)遠(yuǎn)不夠的。血氧序列中蘊含了大量的內(nèi)在信息，熵值則能夠從一定程度上衡量這種時間前后的關(guān)聯(lián)性。樣本熵和基本尺度熵都是在一個最小的尺度上估計序列長度m和m＋1 之間的不同，而忽略了其他尺度。我們基于多尺度熵(Multi-scale Entropy，MSE)的方法分析血氧序列信號，研究機(jī)體在低氧環(huán)境下的多尺度熵變化趨勢，揭示低氧環(huán)境下不同機(jī)體的低氧適應(yīng)機(jī)制。

作為開放的復(fù)雜系統(tǒng)的人體具有功能極強(qiáng)的自組織能力。機(jī)體與環(huán)境之間進(jìn)行物質(zhì)、能量、信息交換。當(dāng)環(huán)境發(fā)生適度變化時，機(jī)體的自組織能力使機(jī)體從原來的平衡態(tài)調(diào)整到新的平衡態(tài)。而當(dāng)機(jī)體經(jīng)過多次低氧刺激后，機(jī)體的自組織能力使機(jī)體不斷從原來的平衡態(tài)調(diào)整到新的平衡態(tài)，進(jìn)而適應(yīng)低氧環(huán)境，在此過程中機(jī)體表現(xiàn)出記性。

2 多尺度熵

多尺度熵方法首先由 Costa 等[14-16]提出，目前已經(jīng)廣泛應(yīng)用于生理時間序列的分析。它基于樣本熵，用來描述時間序列在不同時間尺度上的無規(guī)則程度。

3 低氧環(huán)境下血氧序列的 MSE 分析

3.1 實驗設(shè)計

四名男性受試者(平均年齡為 22.8±2.99 歲)于實驗開始前的十個月前在海拔 3800 米居住過三個月，記為 AG 組；另四名男性受試者(平均年齡 23.3±1.89 歲)在實驗開始前 12 個月內(nèi)未進(jìn)入過海拔 1500 米以上的地區(qū)，記為 NAG 組。八名受試者的基礎(chǔ)血氧、心率、血壓無差別。

采用常壓低氧艙對八名受試者進(jìn)行間歇性低氧暴露，實驗共進(jìn)行七天，每天 150 分鐘，高度為漸進(jìn)型上升(3600 m、3900 m、4100 m、4300 m、4500 m、4600 m、4700 m)，使用 Masimo 公司生產(chǎn)的 Radical-7 脈搏血氧儀對受試者進(jìn)行連續(xù)血氧檢測。

3.2 應(yīng)用 MSE 分析血氧序列

Costa 等[19,20]認(rèn)為：若熵值在尺度上單調(diào)遞減，則序列在尺度上自相似性較低，結(jié)構(gòu)簡單，屬于隨機(jī)時間序列；若熵值在尺度上越大，序列自相似性大，復(fù)雜度大；若一個時間序列的熵值在絕大部分尺度上大于另一個時間序列的熵值，則說明前者要比后者復(fù)雜?；诖私Y(jié)論，我們對原始血氧序列(N＝9000)，進(jìn)行＝20 的多尺度熵分析。

圖 1 兩組受試者血氧均值比較Fig. 1 Comparison of the mean of SaO2of two groups

圖 2 海拔高度分別為 (a) 3600 m 和 (b) 3900 m 時的血氧序列的多尺度熵分析Fig. 2 Multi-scale entropy analysis of blood oxygen sequence at (a) 3600 m and (b) 3900 m

圖 3 海拔高度分別為 (a) 4100 m 和 (b) 4300 m 時的血氧序列的多尺度熵分析Fig. 3 Multi-scale entropy analysis of blood oxygen sequence at (a) 4100 m and (b) 4300 m

圖 4 海拔高度分別為 (a) 4500 m、(b) 4600 m 和 (c) 4700 m 時的血氧序列的多尺度熵分析Fig. 4 Multi-scale entropy analysis of blood oxygen sequence at (a) 4500m, (b) 4600 m and (c) 4700 m

由圖 1 可知，雖然 AG 組的血氧均值高于NAG 組，但不能反映機(jī)體的動態(tài)低氧調(diào)節(jié)機(jī)制。樣本熵只是在最小尺度上估計序列長度m和m＋1 之間的不同，而忽略了其他尺度，不能全面地提取有效信息。從圖 2～圖 4 可以看出，在模擬海拔漸進(jìn)型上升階段，AG 組與 NAG 組的樣本熵(尺度＝1 時)區(qū)別不大，很難達(dá)到對兩組進(jìn)行有效識別的目的。在海拔 3600 m、3900 m、4500 m、4600 m、4700 m 時，AG 組的血氧序列的多尺度熵曲線高于 NAG 組的血氧序列的多尺度熵曲線；海拔 4100 m、4300 m 時，AG 組的血氧序列的多尺度熵曲線低于 NAG 組的血氧序列的多尺度熵曲線。因此，采用多尺度熵可以對低氧環(huán)境下機(jī)體的低氧調(diào)節(jié)過程進(jìn)行分析。

在充足的負(fù)熵流輸入前提下，人對高原低氧環(huán)境的適應(yīng)能力一方面表現(xiàn)為強(qiáng)大的維持自身健康的能力，另一方面，當(dāng)環(huán)境氧分壓下降時，只要其變化率不超過系統(tǒng)自適應(yīng)時間常數(shù)條件，則人的各系統(tǒng)的功能和結(jié)構(gòu)將會協(xié)同地調(diào)整到與低氧環(huán)境相適應(yīng)的狀態(tài)，即新環(huán)境下的健康狀態(tài)。相反，如果低氧環(huán)境變化速率明顯超過人體自組織時間常數(shù)時，不僅自適應(yīng)時間會大大延長，甚至?xí)拐麄€人體系統(tǒng)失去穩(wěn)態(tài)，走向長期不適應(yīng)狀態(tài)，即慢性高原病狀態(tài)。

AG 組已在海拔 3800 m 的高原居住三個月，機(jī)體通過自我調(diào)節(jié)，已逐步適應(yīng)高原低氧環(huán)境。所以當(dāng) AG 組機(jī)體再次暴露在海拔 3900 m 環(huán)境時，機(jī)體能夠盡量保持組織氧化作用，最大限度地運用可利用的氧氣，產(chǎn)生盡可能多的能量來適應(yīng)高原環(huán)境；而當(dāng) NAG 組第一次暴露在海拔 3900 m 的環(huán)境中，巨大的環(huán)境變化導(dǎo)致其需要一定的時間去適應(yīng)此環(huán)境。此時 AG 組的多尺度熵值曲線高于 NAG 組的多尺度熵值曲線。在海拔 4300 m 時，AG 組本身具備一定的低氧儲備，加之 3900 m 時的低氧調(diào)節(jié)，已經(jīng)能完全適應(yīng)一定海拔高度的高原環(huán)境，當(dāng)機(jī)體暴露在 4300 m 時，不需要過多的機(jī)體調(diào)節(jié)就能適應(yīng)此環(huán)境；NAG 組則需要積極調(diào)動自身的低氧調(diào)節(jié)機(jī)制，以達(dá)到適應(yīng)低氧環(huán)境的目的。此階段NAG 組的血氧多尺度熵值曲線高于 AG 組。海拔 4500 m 時的氧分壓只有平原的 60%，在此階段機(jī)體的低氧調(diào)節(jié)是一方面，更多的是對機(jī)體自身潛能的考驗。此階段，AG 組的多尺度熵值曲線高于 NAG 組的多尺度熵值曲線。

4 人體的低氧記憶性

分別計算兩組受試者 MSE 曲線面積并求其均值，結(jié)果如圖 5 所示。由圖可知，八名受試者經(jīng)過適度的低氧刺激，機(jī)體產(chǎn)生低氧預(yù)適應(yīng)效果，提高了機(jī)體適應(yīng)低氧應(yīng)激的能力，達(dá)到了一個新的自穩(wěn)態(tài)。另一方面，NAG 曲線近似為 AG曲線的右移結(jié)果。AG 組由于自身機(jī)體已產(chǎn)生一定的低氧記憶性，機(jī)體的低氧調(diào)節(jié)機(jī)制啟動更快，具有更敏感的預(yù)判能力，更能適應(yīng)高海拔高原環(huán)境；NAG 組沒有前期的低氧儲備，只能通過自身機(jī)體調(diào)節(jié)去適應(yīng)低氧環(huán)境，當(dāng)海拔較高，環(huán)境低氧刺激量超過機(jī)體的低氧承受能力時，機(jī)體適應(yīng)低氧環(huán)境的能力會下降。因此，NAG 自穩(wěn)態(tài)值低于 AG 自穩(wěn)態(tài)值。兩組實驗對象低氧調(diào)節(jié)機(jī)制的差別，正是人體自組織低氧記憶性的體現(xiàn)。

圖 5 基于多尺度熵的低氧調(diào)節(jié)過程Fig. 5 The adjustment process of hypoxia based on multiscale entropy

大量事實與研究表明，預(yù)適應(yīng)是機(jī)體在低于生理閡值的各種應(yīng)激刺激下，不斷提高其自穩(wěn)態(tài)或抗損傷能力以求生存的過程[21]。機(jī)體在應(yīng)激刺激后的生理反應(yīng)規(guī)律可歸納為：應(yīng)激打破生物體內(nèi)環(huán)境的自穩(wěn)態(tài)，引起機(jī)體警覺性的預(yù)適應(yīng)反應(yīng)，使機(jī)體抗應(yīng)激能力提高，隨后達(dá)到新的動態(tài)平衡(即新的自穩(wěn)態(tài))，以實現(xiàn)進(jìn)化或者在機(jī)體抗應(yīng)激能力不能對付應(yīng)激時，啟動細(xì)胞凋亡完成優(yōu)勝劣汰，即：應(yīng)激→自穩(wěn)態(tài)→預(yù)適應(yīng)→新的自穩(wěn)態(tài)或細(xì)胞凋亡的過程。

低氧預(yù)適應(yīng)是指 1 次或多次短暫、非致死性低氧刺激后，機(jī)體獲得的對更嚴(yán)重甚至致死性缺氧的耐受性。預(yù)適應(yīng)是機(jī)體抗缺氧的一種內(nèi)源性保護(hù)現(xiàn)象，預(yù)適應(yīng)可以提高機(jī)體對進(jìn)一步低氧的耐受能力，也稱為低氧耐受性。適度的低氧應(yīng)激刺激對機(jī)體產(chǎn)生低氧預(yù)適應(yīng)效應(yīng)，提高了機(jī)體適應(yīng)此類應(yīng)激的能力，可達(dá)到一個新的自穩(wěn)態(tài)；而過強(qiáng)或延長的應(yīng)激則可損傷組織細(xì)胞，誘導(dǎo)死亡。上述過程可以歸納為：低氧應(yīng)激→自穩(wěn)態(tài)→低氧預(yù)適應(yīng)→新的自穩(wěn)態(tài)或細(xì)胞凋亡。

結(jié)合實驗結(jié)果和上述分析，我們把人體在低氧環(huán)境中的調(diào)節(jié)適應(yīng)分為四個階段。

(1)低氧應(yīng)激階段：在低氧刺激作用下，機(jī)體打破體內(nèi)原有的自穩(wěn)態(tài)。

(2)低氧適應(yīng)性調(diào)節(jié)階段：在低氧刺激作用下，機(jī)體調(diào)動自身機(jī)能，引起機(jī)體警覺性的預(yù)適應(yīng)反應(yīng)為向更高海拔適應(yīng)做準(zhǔn)備。此時預(yù)習(xí)服組比未預(yù)習(xí)服組，表現(xiàn)出調(diào)節(jié)機(jī)制啟動快，適應(yīng)能力強(qiáng)的特性。

(3)低氧預(yù)測階段：此時預(yù)習(xí)服組比未預(yù)習(xí)服組，表現(xiàn)出更敏銳的低氧判斷力。

(4)新的自穩(wěn)態(tài)階段：兩組受試者進(jìn)過自身的低氧適應(yīng)與調(diào)節(jié)后，以各自的習(xí)服速率向各自的目的點遷移已達(dá)到各自新的自穩(wěn)態(tài)。此時，預(yù)習(xí)服組比未預(yù)習(xí)組，具有更強(qiáng)的自穩(wěn)態(tài)平臺，更適應(yīng)高海拔環(huán)境。兩組受試者低氧調(diào)節(jié)過程的差異都是人的低氧記憶性的體現(xiàn)。

由圖 5 可知，八名受試者經(jīng)過適度的低氧刺激，機(jī)體產(chǎn)生低氧預(yù)適應(yīng)效果，提高了機(jī)體適應(yīng)低氧應(yīng)激的能力，達(dá)到了一個新的自穩(wěn)態(tài)。AG組由于實驗前已經(jīng)在海拔 3800 m 的高原居住三個月，自身機(jī)體已產(chǎn)生一定的低氧記憶，因此機(jī)體的低氧調(diào)節(jié)機(jī)制啟動更快，具有更敏感的預(yù)判能力，更能適應(yīng)高海拔高原環(huán)境；NAG 組沒有前期的低氧儲備，只能通過自身機(jī)體調(diào)節(jié)去適應(yīng)低氧環(huán)境，當(dāng)海拔較高，環(huán)境低氧刺激量超過機(jī)體的低氧承受能力時，機(jī)體適應(yīng)低氧環(huán)境的能力會下降。因此，NAG 自穩(wěn)態(tài)值低于 AG 自穩(wěn)態(tài)值。兩組實驗對象低氧調(diào)節(jié)機(jī)制的差別，正是人體自組織低氧記憶性的體現(xiàn)。

5 結(jié)果與討論

目前，低氧環(huán)境下的血氧序列分析大多采用均值法或擬合法[22-24]。圖 1 為均值法分析的結(jié)果，只能反映在低氧環(huán)境下，低氧訓(xùn)練組與對照組血氧與海拔高度的關(guān)系，并不能真實反映在低氧環(huán)境下不同機(jī)體的低氧調(diào)節(jié)過程。此外，擬合法也只是對血氧與海拔的關(guān)系進(jìn)行公式表達(dá)。由于機(jī)體的差異較大，這兩種方法均不具有普遍意義，也不能很好地分析機(jī)體的低氧調(diào)節(jié)機(jī)制。

相關(guān)研究表明，非線性分析方法已成為重要的生理信號分析工具。低氧環(huán)境下基于多尺度樣本熵的血氧序列分析，是一個能揭示機(jī)體低氧調(diào)節(jié)機(jī)制的動態(tài)衡量指標(biāo)，可從本質(zhì)上揭示不同機(jī)體應(yīng)對低氧環(huán)境的調(diào)節(jié)機(jī)制。通過對不同機(jī)體的低氧調(diào)節(jié)過程的分析發(fā)現(xiàn)，經(jīng)過一定時間低氧習(xí)服的機(jī)體再次經(jīng)歷一定量的低氧刺激時會啟動自身已形成的低氧機(jī)制，能夠快速適應(yīng)低氧環(huán)境，說明機(jī)體對低氧刺激有一定的記憶性。同時也表明本文介紹的方法是一種分析人的低氧調(diào)節(jié)機(jī)制的有效方法，為相關(guān)的低氧調(diào)節(jié)機(jī)制的研究提供了一種新思路。

[1] Karinen HM, Peltonen JE, Kahonen M, et al. Prediction of acute mountain sickness by monitoring arterial oxygen saturation during ascent [J]. High Altitude Medicine & Biology, 2011, 11(4): 325-332.

[2] Muza SR, Beidleman BA, Fulco CS. Altitude pre-exposure recommendations for inducing acclimatization [J]. High Altitude Medicine & Biology, 2010, 11(2): 87-91.

[3] Jones JE, Muza SR, Fulco CS, et al. Intermittent hypoxic exposure does not improve sleep at 4300 m [J]. High Altitude Medicine & Biology, 2008, 9(4): 281-287.

[4] Insalaco G, Romano S, Salvaggio A. Periodic breathing, arterial oxyhemoglobin saturation, and heart rate during sleep at high altitude [J]. High Altitude Medicine & Biology, 2012, 13(4): 258-262.

[5] Thuraisingham RA, Gottwald GA. On multi-scale entropy analysis for physiological data [J]. Physica A, 2006, 366: 323-332.

[6] Ouyang G, Li J, Liu X, et al. Dynamic characteristics of absence EEG recordings with multi-scale permutation entropy analysis [J]. Epilepsy Research, 2013, 104(3): 246-252.

[7] 李鵬, 劉澄玉, 李麗萍, 等. 多尺度多變量模糊熵分析 [J]. 物理學(xué)報, 2013, 62(12): 12051201-12051208.

[8] Faust O, Bairy MG. Nonlinear analysis of physiological signals: a review [J]. Journal of Mechanics in Medicine and Biology, 2012,12(04), doi: 10.1142/S0219519412400155.

[9] Begum S, Barua S, Filla R, et al. Classification of physiological signals for wheel loader operators using multi-scale entropy analysis and case-based reasoning [J]. Expert Systems with Applications, 2014, 41(2): 295-305.

[10] Huo C, Huang X, Zhuang J, et al. Quadrantal multiscale distribution entropy analysis of heartbeat interval series based on a modified Poincaré plot [J]. Physica A, 2013, 392(17): 3601-3609.

[11] Aktaruzzaman M, Sassi R. Parametric estimation of sample entropy in heart rate variability analysis [J]. Biomedical Signal Processing and Control, 2014, 14: 141-147.

[12] Lim J, Kwon JY, Song J, et al. Quantitative comparison of entropy analysis of fetal heart rate variability related to the different stages of labor[J]. Early Human Development, 2014, 90(2): 81-85.

[13] Takahashi ACM, Porta A, Melo RC, et al. Aging reduces complexity of heart rate variability assessed by conditional entropy and symbolic analysis [J]. Internal and Emergency Medicine, 2012, 7(3): 229-235.

[14] Ranjit AT, Georg A, Onmultiscale entropy analysis for physiological data [J]. Physica, 2006, 366: 323-332.

[15] Anne H, Benjamin B, Guillaume M. Multiscale entropy of laser Doppler flowmetry signals in healthy human subjects [J]. Medical Physics, 2010, 37(12): 6142-6146.

[16] Soltysiński T, Golnik A, Pa?ko T. A multiscale entropy analysis of physiological and malignant breast tissues imaged by an optical polarimeter [J]. Polish Journal of Medical Physics and Engineering, 2007, 13(2): 65-78.

[17] 劉曉婷. 基于加速度的人體步態(tài)信息多尺度熵研究 [D]. 天津: 天津大學(xué), 2008.

[18] Manikandan MS, Dandapat S. Multiscale entropybased weighted distortion measure for ECG coding [J]. IEEE Signal Processing Letters, 2008, 15: 829-832.

[19] Costa M, Goldberger AL, Peng C. Multiscale entropy analysis of biological signals [J]. Physical Reviewe E, 2005, 71(2): 190601-190618.

[20] Costa M, Goldberger AL, Peng CK. Multiscale entropy analysis of complex physiologic time series [J]. Physical Review Letters, 2002, 89: 068102.

[21] Yu M. Human-performance engineering at high altitude [J]. Science: Advances in High-Altitude Medicine and Hypoxic Physiology in China, 2012, 338(6113), doi: 10.1126/science.338.6113.1485-c.

[22] Burtscher M,Flatz M, Faulhaber M. Prediction of susceptibility to acute mountain sicknessby SaO2values during short-term exposure to hypoxia [J]. High Altitude Medicine & Biology, 2004, 5(3): 335-340.

[23] Huang S, Wong M, Wang J. Systemic hypoxia affects cardiac autonomic activity and vascular hemodynamic control modulated by physical stimulation [J]. European Journal of Applied Physiology, 2009, 106(1): 31-40.

[24] Brito J, Siqves P, Fabiola L, et al. Chronic intermittent hypoxia at high altitude exposure for over 12 years: assessment of hematological, cardiovascular, and renal effects [J]. High Altitude Medicine & Biology, 2007, 8(3): 236-244.

Multiscale Entropy Analysis of Blood Oxygen Sequence in Hypoxic Environment

WANG Binhua1YANG Jun2CAO Zhengtao2WANG Haitao3YU Mengsun2

1(College of Control Science and Engineering,Shandong University,Jinan250061,China)
2(Air Force Institute of Aviation Medicine,Beijing100142,China)
3(Institute of Medical Equipment Research,Academy of Military Medical Sciences,Tianjin300161,China)

Multi-scale entropy was introduced to analyze the blood oxygen sequence under hypoxic environment. Compared with mean analytical method, blood oxygen sequence analysis based on multi-scale entropy can reflect the dynamic adjustment mechanism of body hypoxia better. Multi-scale entropy, which is different from sample entropy that just estimates the difference between sequence lengthmandm＋1 on the smallest scale and ignores other scales, calculates sample entropy of time series on multiple scales and reflects the irregular degree of time series on scales. The result shows that blood oxygen sequence analysis based on multi-scale entropy can identify human hypoxia endurance. This method is a reliable analytical method for studying the mechanism of hypoxic regulation of human body. The result also shows that repeated hypoxic stimulation will produce acclimatization effects on the human body which shows memory of hypoxia environment.

hypoxia; multi-scale entropy; forecast; memory

R 318.04

A

2015-03-17

：2015-03-18

國家重點基礎(chǔ)研究發(fā)展計劃(973 計劃)(2012CB518200)

王彬華，博士研究生，研究方向為信號處理與數(shù)據(jù)挖掘；楊軍，博士，副研究員，研究方向為睡眠分析與中醫(yī)研究；曹征濤，博士，助理研究員，研究方向為生理信號分析及建模；王海濤，博士，工程師，研究方向為可穿戴醫(yī)療設(shè)備研制；俞夢孫(通訊作者)，工程院院士，研究方向為航空醫(yī)學(xué)工程，E-mail：yumengsun@263.net。