关于用于心电图复杂性分析的马用心电图记录设备性能的协议

《Equine Veterinary Journal》：Agreement of the performance of equine electrocardiogram recording devices for ECG complexity analysis

非线性能量分析在赛马心电监测中的应用：比较两种ECG设备在不同粗粒度处理下的结果异质性及心率校正方法的影响。

　　本研究聚焦于非线性心电图（ECG）分析在马匹心血管疾病诊断中的应用潜力。随着更多便携式ECG记录设备的出现，确保不同设备间记录结果的可比性变得尤为重要。为此，研究团队通过对比Televet?和Equimetre?两种常用ECG记录系统，评估了其在分析低强度运动时的心电图复杂度值之间的一致性。这项研究旨在为未来的智能诊断工具提供科学依据，同时揭示不同设备和处理技术对ECG复杂度分析结果的影响。

心电图作为评估心脏功能和检测心血管异常的重要工具，近年来结合人工智能技术，为心血管疾病的早期识别和自动诊断提供了新的可能性。在马匹领域，这种非线性分析方法尤其受到关注，因为它能够捕捉心脏电活动的细微变化，例如阵发性心律失常。然而，由于不同设备在信号采集、处理和电极放置上的差异，ECG记录的质量和形态可能产生显著变化，这给自动化分析带来了挑战。为了克服这一问题，研究团队采用了多种粗粒化（coarse-graining）技术，如基于波峰的检测（Beat Detection, BD）、基于特征的检测（Feature Detection, FD）和基于阈值的交叉（Threshold Crossing, TC），以提取具有临床意义的心电图片段并评估其复杂度。

研究使用了37匹健康纯血马作为实验对象，这些马匹在常规训练期间同时记录了两种设备的心电图数据。为了确保数据质量，研究团队采用了一种自动化的算法，筛选出具有稳定心率（30–100次/分钟）的60秒心电图片段。在这一过程中，首先通过人工专家审核排除了存在明显心律异常的片段，随后利用算法提取了符合要求的数据。研究发现，使用BD粗粒化技术处理后，两种设备在所有心率范围内得出的复杂度值具有高度一致性。然而，当采用FD和TC技术时，结果在心率低于75次/分钟和高于75次/分钟时出现了显著差异。

这种差异可能与不同设备在信号处理方式上的差异有关。例如，Equimetre?和Televet?在电极位置和信号采集方式上存在差异，这可能影响ECG的形态和质量。特别是在低心率情况下，由于信号幅度较低，某些波形（如P波）的起始和终止点难以准确捕捉，导致FD和TC技术在分析时产生偏差。相比之下，BD技术仅关注R波的峰值位置，从而减少了对波形细节的依赖，提高了结果的一致性。此外，研究还发现，不同复杂度估计方法（如Lempel-Ziv '76和Titchener T-complexity）对ECG复杂度值的影响也存在差异，尤其是在低心率范围。

为了进一步验证这一发现，研究团队使用了Bland–Altman图和t检验分析两种设备在不同心率范围内的复杂度值一致性。结果显示，在低心率（30–75次/分钟）和高心率（75–100次/分钟）区间内，TC和FD技术处理后的心电图复杂度值在两种设备之间存在统计学意义上的显著差异。而在使用BD技术时，无论心率如何变化，两种设备的复杂度值都表现出良好的一致性。这表明，在实际应用中，若要确保非线性心电图分析结果的可比性，应优先选择BD技术作为粗粒化方法。

此外，研究还探讨了心率对复杂度值的影响。心率的变化可能会影响ECG信号的形态和节奏，从而对复杂度分析产生干扰。为此，研究团队对复杂度值进行了心率校正，以消除心率变化带来的影响。他们采用了一种基于多项式拟合的方法，将复杂度值调整为与心率无关的残差值。这种校正方法在一定程度上提高了不同设备间复杂度值的可比性，但仍需进一步优化，以确保在不同心率范围内的准确性。

研究还指出，当前的ECG记录设备主要依赖于便捷抽样（convenience sampling），这意味着样本选择可能受到限制，从而影响研究的全面性和代表性。为了确保数据质量，研究团队对ECG信号进行了多项预处理步骤，包括基线漂移的去除和信号采样率的调整。这些步骤有助于提高分析的可靠性，减少由设备差异或环境噪声引起的干扰。

研究的局限性在于，实验数据主要来源于马匹的日常训练过程，而非专门设计的临床实验。因此，数据的可用性和代表性受到一定限制。此外，由于低心率范围内的ECG信号更容易受到噪声和基线漂移的影响，研究团队发现，仅40%的记录数据能够提取出符合要求的分析片段。尽管这一比例较低，但研究团队认为，这一数据仍足以支持对设备间复杂度值一致性的评估，而非开发新的诊断技术。

在讨论部分，研究团队进一步分析了ECG复杂度分析的适用性及其在不同设备和心率范围内的表现。他们指出，非线性分析方法的优势在于其能够捕捉心脏电活动的细微变化，而不依赖于长时间的心电图记录。这种方法特别适用于检测阵发性心房颤动等低心率相关的异常，因为它能够在较短的ECG片段中识别出潜在的异常信号。然而，由于ECG信号的复杂性，不同设备和处理技术可能会影响分析结果，尤其是在低心率和高心率区间内。

研究团队还强调了在实际应用中，应考虑设备类型和心率范围对复杂度分析结果的影响。他们建议，未来的研究可以采用更系统化的数据采集方式，以确保不同设备在多种心率条件下的表现一致性。此外，对于低心率范围内的ECG分析，应优先使用BD技术，因为它在不同设备间表现出更高的稳定性。而TC和FD技术则需要根据具体的心率范围进行调整，以确保结果的准确性。

总的来说，这项研究为马匹心电图的非线性分析提供了重要的参考价值。它揭示了不同设备和处理技术对复杂度值的影响，并强调了在实际应用中选择合适的粗粒化方法的重要性。研究结果表明，BD技术能够在不同设备间实现较高的复杂度值一致性，而TC和FD技术则需要更多的调整和校正。未来的研究可以在此基础上进一步优化算法，以提高不同设备间ECG分析结果的可比性，从而推动智能诊断工具的发展。

此外，研究还指出，尽管当前的便携式ECG设备在马匹健康管理中发挥了重要作用，但它们在信号采集和处理方面的差异仍然存在。因此，开发统一的标准化流程对于确保ECG分析结果的可靠性至关重要。这不仅有助于提高诊断的准确性，还能为马匹的健康管理和心血管疾病预防提供科学依据。

本研究的意义在于，它为马匹心电图的非线性分析提供了一个新的视角，即不同设备和处理技术对结果的影响是显著的。因此，在未来的临床应用中，必须考虑这些因素，以确保分析结果的准确性和一致性。同时，研究团队也提出了未来研究的方向，包括开发更全面的标准化数据采集流程，以及探索更有效的算法来提高不同设备间数据的一致性。

最后，研究团队认为，非线性ECG分析方法在马匹心血管疾病的早期识别中具有重要价值。它能够在短时间内捕捉心脏电活动的变化，从而为临床提供有价值的诊断信息。然而，为了充分发挥其潜力，必须确保不同设备间数据的一致性，并采用合适的处理技术。这不仅有助于提高诊断的准确性，还能推动马匹心血管疾病研究的进一步发展。