許定國，劉述芝，趙艷霞

(重慶大學體育學院，重慶 400044)

自瑞典臨床學家Henschen1899年首次提出運動員心臟(athlete’s heart)概念以來［1-2］，運動對心臟形態(tài)和機能的影響逐漸成為人們研究和探討的熱點問題。心音是在體表獲取的由心肌舒縮、瓣膜啟閉、血流沖擊心室壁和大動脈等因素引起的機械振動，通過周圍組織傳到胸壁形成的聲音信號。研究表明心音信號能間接地反映心臟活動和血流狀況，現(xiàn)已成為無創(chuàng)檢測評估心臟功能狀態(tài)和心肌收縮能力的重要手段［3-5］。

心音信號屬于典型的非線性性和非平穩(wěn)性信號，傳統(tǒng)心音信號處理多是基于理想線性模型，并不能全部揭示心音信號的本質(zhì)特性［6-16］，因而選取具有非線性性和非平穩(wěn)性時間序列的非線性分析方法對心音信號進行定性和定量分析尤為重要。樣本熵是由Richman［17］提出的表征系統(tǒng)復(fù)雜度的新方法，樣本熵值越大，序列越復(fù)雜。其優(yōu)勢在于僅要較少量的數(shù)據(jù)就能夠穩(wěn)健的反映信號的非線性特征，已被應(yīng)用于心電和腦電等生理信號的分析。鑒于此，本文從非線性動力角度提取心音信號樣本熵(sample entry，SampEn)特征參量，分析運動前后心動周期心音信號的非特異性差異，進而探討不同負荷狀態(tài)時心臟功能儲備動用趨勢特征新指標。

1 對象與方法

1.1 研究對象

實驗組:15名大學體育教育專業(yè)男子足球?qū)ｍ椷\動員，年齡(20±1)歲。對照組為15名大學普通院系男性學生，平時較少參加體育鍛煉，以靜態(tài)生活方式為主，年齡(20±1)歲。所有受試者身體健康，無心血管病史。實驗前所有受試者均同意自愿參加本實驗并簽署知情同意書。

1.2 實驗方法

實驗組和對照組分別進行登梯試驗。運動量根據(jù)《ACSM運動測試與運動處方指南》［18］推薦的亞極量7000J而確定。梯高采用醫(yī)學界二級梯的梯高(0.23 m)。登梯次數(shù)由總運動量、臺階高度和體重決定，該計算符合國際慣例。

實驗過程中應(yīng)用重慶博精醫(yī)學信息研究所研制的運動心力監(jiān)測儀分別對受試者安靜狀態(tài)、1750J、3500J、5250J、7000J登梯運動后即刻心音信號進行采集。采集的信號以wav格式存儲，采樣頻率為11025 Hz，量化值為8 bit，采集的信號持續(xù)時間平均為7.5 s。

1.3 心音信號預(yù)處理

本研究儀器采樣頻率為11025 Hz，持續(xù)時間為7.5 s。為加快數(shù)據(jù)處理速度，在保證信號質(zhì)量的前提下，首先對信號進行間隔5點取值的重采樣，即重采樣后的頻率為2205 Hz。由于心音信號采集過程中受到多種噪聲干擾的影響，為了更加準確地分析心音信號，本研究采用在短時非平穩(wěn)信號中應(yīng)用比較廣泛的小波變換閾值法對心音信號進行預(yù)處理。在用小波進行去噪時，最關(guān)鍵的步驟是選取合適的小波函數(shù)、閾值方法和分解層次。通過實驗，本研究選取了對心音信號去噪效果較好的coif4小波和rigrsure閾值方法，信號去噪前后效果如圖1和圖2所示。然而經(jīng)過濾波和重采樣后的數(shù)據(jù)量依然過大，不利于后續(xù)數(shù)據(jù)處理。為滿足系統(tǒng)的實時性要求，本研究分別以心音波峰為起始點從預(yù)處理后的心音圖中選取5個信號較好的連續(xù)心動周期作為待分析的數(shù)據(jù)樣本，研究指標均用matlab8.0編制程序進行計算。

Fig.1 Noisy heart sound signal

Fig.2 De-noising heart sound signal

1.4 樣本熵算法及歸一化

設(shè)原始信號{x(1)，x(2)…，x(N-1)，x(N)}，按照以下步驟計算樣本熵［16］:

(1)對N點時間序列計算N×N距離矩陣D，其中第i行第j列元素記dij，其中i，j=1-N.

(3)根據(jù)下列公式計算B2(r)和B3(r)

(4)根據(jù)下列公式計算sampEn(m，r，N)

樣本熵的值與嵌入維數(shù)m和相似性容限r(nóng)的取值有關(guān)。m取值越大，計算所需要的數(shù)據(jù)量越大，計算時間越長。r取值越小，噪聲對結(jié)果的影響越顯著;r取值越大，時間序列的細節(jié)信息損失越多。本研究中m和r參照近似熵［16］計算中的取值，即m取2，r取0.1倍的數(shù)據(jù)標準差。

由于受到分析樣本心動周期窗口長度、噪聲大小等因素的影響，本研究根據(jù)文獻［19］Srrogate思想采用目前國際上流行的Schreiber-Schmitz迭代算法生成Surrogate替代數(shù)據(jù)對樣本熵進行歸一化計算。其中，C代表原信號的某種復(fù)雜度，代表原信號的若干隨機生成替代數(shù)據(jù)序列的復(fù)雜度的平均值。

1.5 統(tǒng)計學處理

2 結(jié)果

2.1 靜息和不同負荷后即刻運動員和普通大學生心音樣本熵變化比較

運動員和普通大學生在靜息狀態(tài)和不同負荷登梯實驗后即刻心音樣本熵變化可知，運動員和普通大學生在1750J、3500J、5250J、7000J四種不同負荷后即刻心音近似熵值均呈現(xiàn)下降趨勢。在對靜息和不同負荷后即刻心音樣本熵值分別進行受試者群體差異檢驗時發(fā)現(xiàn)，靜息狀態(tài)時運動員和普通大學生心音樣本熵未見顯著性差異，而就1750J、3500J、5250J、7000J負荷后即刻兩受試者群體心音樣本熵值整體而言卻呈統(tǒng)計學差異，尤其是在1750J和7000J時差異更明顯(表1)。

2.2 不同負荷后即刻運動員和普通大學生心音熵值與心率相關(guān)分析

表2為運動員和普通大學生心音的心率和樣本熵隨負荷遞增的變化趨勢圖。由表2可知，在安靜狀態(tài)和不同負荷運動后即刻運動員的心率均低于普通大學生的心率，而且在1750J時心率上升趨勢最明顯。

Tab.1 Interior-group comparison of heart sound sample entry under different load

Tab.2 Comparison of heart rate after different loads between two groups

通過對靜息狀態(tài)和不同負荷運動后即刻兩受試者群體心率、運動負荷與心音樣本熵之間的關(guān)系進行分析發(fā)現(xiàn)，無論受試者處于何種狀態(tài)，其心音樣本熵與心率和負荷均有相關(guān)關(guān)系，相關(guān)系數(shù)分別為-0.745和-0.671，其中心音樣本熵與負荷和心率成顯著負相關(guān)(P＜0.01，P＜0.05)。

3 討論

心音信號作為臨床評估心臟功能狀態(tài)的基本參數(shù)，能形象地反映心臟活動和血流狀況。心音信號是一種典型的非線性、非平穩(wěn)性信號，它反映心臟系統(tǒng)的復(fù)雜特性，因此運用復(fù)雜度算法分析心音信號能夠克服傳統(tǒng)心音信號分析更多基于信號線性模型分析的不足，能更好地揭示心音信號的本質(zhì)特征。

樣本熵是Richman提出的用于描述系統(tǒng)時間序列復(fù)雜性測度的分析參數(shù)，適用于確定信號和隨機信號組成的混合信號分析。該參數(shù)具有抗噪聲干擾能力強、無需對原始信號進行粗?；?、僅需較短數(shù)據(jù)即可得到穩(wěn)定值的統(tǒng)計量，其數(shù)值的大小反映了系統(tǒng)復(fù)雜度的大小和規(guī)律性改變的變化。熵值越大，說明系統(tǒng)越復(fù)雜。本研究運動員和普通大學生于靜息和不同負荷狀態(tài)后即刻心動周期心音樣本熵的對比結(jié)果顯示，負荷后即刻兩受試者群體的樣本熵值均與靜息狀態(tài)而言呈不同程度減小趨勢，說明運動員和普通大學生運動負荷后心音變化的規(guī)律性增強，心臟系統(tǒng)的復(fù)雜性減小，這有可能是由于隨著運動負荷進行性遞增，心臟對運動負荷的適應(yīng)性逐漸增強的結(jié)果，屬于應(yīng)激狀態(tài)下正常的生理反應(yīng)。同時，在靜息和不同負荷運動后即刻運動員心音樣本熵復(fù)雜度值比普通大學生的小，且在1500J、3500J和7000J時復(fù)雜性表現(xiàn)出顯著差異，這可能是由于長期從事系統(tǒng)體育鍛煉使運動員的心肌收縮更加有力，心臟循環(huán)的功能增強。

心臟儲備是心臟功能的上調(diào)能力，它包括心率儲備、心力儲備等。在運動醫(yī)學臨床中主要依據(jù)心率變化或者變異監(jiān)測運動員心臟功能和運動訓練狀態(tài)。本研究在5250J和7000J運動后即刻運動員和普通大學生心率接近甚至超過180beats/min，說明在這兩個運動量階段普通大學生更多的是動用心率儲備來適應(yīng)負荷給予心臟的較強刺激。同時心率增加，心動周期縮短，尤其是隨運動負荷遞增導(dǎo)致心臟舒張期自身供血時間縮短，導(dǎo)致心輸出量減少，為了彌補心輸出量的損失，需要動用較大的心肌收縮力和心力儲備，長期的系統(tǒng)訓練對運動員的心肌收縮力適應(yīng)性增強，這也是靜息和運動后即刻運動員的心率要比普通大學生低的原因。本研究通過對兩受試者群體的心率和運動負荷與心音樣本熵做相關(guān)分析發(fā)現(xiàn)，無論受試者處于何種狀態(tài)其心動周期的心音樣本熵與心率和運動負荷呈統(tǒng)計學顯著相關(guān)關(guān)系，由此可以推斷心動周期心音樣本熵值變化可以作為運動負荷遞增過程中心臟儲備動用趨勢的參考指標。

［1］常 蕓.運動員心臟的點問題與研究進展［J］.體育科學.2010，30(10):70-79.

［2］Hansen PB，Luisada AA，Miletich DJ，et al.Phonocardiography as a monitor of cardiac performance during anesthesia［J］.Anesth Analg，1989，68(3):385-387.

［3］Rice M L，Doyle D J.Comparison of phonocardiography monitoring location［C］//Proceedings of IEEE EBMC’95 CDROM，1995.

［4］Xiao S，Guo X，Wang F，et al.Evaluating two new indicators of cardiac reserve［J］.IEEE Eng Med Biol Mag，2003，22(4):147-152.

［5］郭興明，楊 勇，肖守中，等.運動員心功能評估新方法和新指標的研究［J］.中國應(yīng)用生理學雜志，2010，26(3):380-383.

［6］郭興明.自回歸譜模型的運動員心音頻譜特征研究［J］.計算機工程與應(yīng)用.2013，49(7):106-110.

［7］KUMAR D，CARVALHO P，ANTUNE S M.Discrimination of heart sounds using choas analysis in various subbands［C］//BIOSIGNALS.Proc of the 2nd International Conference on Bio Inspired Systems and Signal Processing.2009:369-375.

［8］丁小蓉.基于混沌的心律失常心音信號分析［J］.生物醫(yī)學工程學雜.2012，29(5):810-813.

［9］董 筠.心音的非線性時間序列分析［D］.杭州:浙江大學，2003.

［10］雷 鳴.基于非線性分形理論的心音信號分析研究［D］.重慶:重慶大學，2012.

［11］Nazeran H.Wavelet-based segmentation and feature extraction of heart sounds for intelligent PDA-base phonocardiography［J］.Methods In Med，2007，46(2):135-141.

［12］Samit Ari，Goutam Saha.In search of an optimization technique for Artificial Neural Network to classify abnormal heart sounds［J］.Applied Soft Computing，2009，9(1):330-340.

［13］賈麗會.分形理論在心音信號分析與識別中的應(yīng)用研究［D］.湖南，中南大學，2007.

［14］郭興明.基于小波變換和經(jīng)驗?zāi)Ｊ椒纸獾男囊粜盘栄芯浚跩］.生物醫(yī)學工程學雜志.2012，31(1):39-44.

［15］郭興明.基于小波變換和樣本熵的心音識別研究［J］.計算機應(yīng)用研究.2010，27(12):4555-4557.

［16］王新沛.樣本熵快速算法的心音信號動力學分析［J］.振動與沖擊，2010，29(11):115-118.

［17］Richman JS，Moorman JR.Physiological time-series analysis using approximate entropy and sample entropy［J］.Am J Physiol Heart Circ Physiol，2000，278(6):2039-2049.

［18］ACSM運動測試與運動處方指南［M］.王正珍譯.北京:人民衛(wèi)生出版社，2010.

［19］陳文偉.復(fù)雜度、歸一化方法及其應(yīng)用［D］.上海:復(fù)旦大學，2006.