《Frontiers in Physiology》：An automated EEG–ECG framework for CAP–HRV analysis: enabling brain–heart coupling studies in sleep disorders
编辑推荐：
多模态睡眠分析通常需要分别处理脑电图（electroencephalography, EEG）和心电图（electrocardiography, ECG）的流程，这使睡眠微结构和自主神经调节的联合研究变得复杂。循环交替模式（cyclic alternating
多模态睡眠分析通常需要分别处理脑电图（electroencephalography, EEG）和心电图（electrocardiography, ECG）的流程，这使睡眠微结构和自主神经调节的联合研究变得复杂。循环交替模式（cyclic alternating pattern, CAP）评分和心率变异性（heart rate variability, HRV）分析通常在不同软件环境中执行，限制了时间对齐、可重复性和可扩展性。研究人员提出一个开源MATLAB框架，在单一时间同步工作流中集成基于规则的CAP A1检测和HRV特征提取。该流程执行标准化的EEG和ECG预处理、慢波睡眠（slow-wave sleep, SWS）期间基于规则的CAP A1检测（实施Terzano评分标准）、通过Pan–Tompkins算法进行R峰检测，并通过直接调用开源PhysioZoo/mhrv工具箱计算时域、频域和非线性HRV特征。CAP注释通过共享的多导睡眠监测（polysomnography, PSG）时间基与5分钟ECG时段对齐。完整代码以开源仓库形式发布，以支持复用和扩展。由于HRV特征通过直接调用PhysioZoo/mhrv工具箱计算，该流程未重新实现任何HRV算法，并继承了该工具箱经验证的特征定义。CAP A1检测作为已发表标准的规则实现提供，尚未与专家手动评分进行基准测试。OSAD+亚组（n = 18）的工作示例展示了CAP和非CAP时段上的流程输出，并从公共CAP睡眠数据库（15名对照，785个A1时段）报告了健康睡眠A1事件HRV参考，作为描述性跨数据库参考。该框架为睡眠微结构和自主神经动力学的整合EEG-ECG分析提供了可重复、基于规则且模块化的工具。通过在单一环境中实现同步CAP–HRV特征提取，它降低了睡眠期间脑-心耦合研究的工程障碍，并为未来扩展提供了基础，包括经过验证的CAP检测、匹配对照研究、Python移植和云部署。
睡眠是神经-心脏呼吸过程，大脑和自主系统协同维持稳态。循环交替模式（CAP）是NREM睡眠不稳定性的EEG标志，反映了激活期（A期）与去激活期（B期）之间的振荡；心率变异性（HRV）则提供自主神经张力和交感-副交感平衡的非侵入性指标。CAP和HRV的联合分析能为睡眠结构、自主反应和觉醒调节机制提供互补信息。脑-心耦合在阻塞性睡眠呼吸暂停（OSA）和重度抑郁障碍（MDD）等疾病中明显受损，然而当前工作流很少在统一环境中整合CAP评分与HRV量化。手动CAP评分耗时且易受评分者间差异影响，HRV分析又依赖独立软件，难以与EEG注释时间同步。因此，研究人员开发了一个开源、模块化、确定性的MATLAB框架，旨在实现同步的CAP–HRV特征提取，从而推动睡眠障碍中的脑-心耦合研究。
研究人员提出的框架整合了EEG和ECG预处理、基于Terzano规则的SWS期间CAP A1检测、Pan–Tompkins R峰检测、以及通过直接调用PhysioZoo/mhrv工具箱提取的22个HRV特征，并通过共享PSG时间基将CAP注释与5分钟ECG时段对齐。该流程被设计为确定性，重复运行可产生一致结果。研究得出的主要结论是：该框架降低了在单一环境中进行同步CAP–HRV特征提取的工程障碍，为大规模、可复现的多模态睡眠分析提供了基础。其意义在于填补了现有工具中缺乏开源、自动化、同步CAP-HRV分析平台的空白。
主要技术方法：样本来自阿联酋阿布扎比美国精神与神经病学中心（ACPN）的OSA患者（n=26）和OSA伴抑郁症状（OSAD+）亚组（n=18），以及公共CAP睡眠数据库（capslpdb）中的15名健康对照。研究方法包括：使用50 Hz陷波和0.5–30 Hz带通滤波进行EEG预处理，并提取0.5–4 Hz delta带信号；基于Terzano标准实现确定性规则检测SWS中的CAP A1事件；采用Pan–Tompkins算法检测R峰，并通过多级回退策略处理低质量epoch；HRV特征由调用PhysioZoo/mhrv工具箱直接计算，涵盖时域、频域、非线性及频谱斜率共22项；通过共享PSG时间基将CAP注释与5分钟ECG epoch同步，形成每epoch带CAP标签的特征向量。
研究结果如下：
3.1 流程性能与epoch保留
研究人员通过端到端运行测试评估了流程性能。在测试工作站上，平均每epoch处理时间约12秒，每名受试者全夜记录约需8–10分钟，而人工CAP评分结合独立HRV提取通常需要20–30分钟。质量过滤后，平均50.5%的NREM epoch通过质量阈值，每名受试者保留29.1±21.7个有效epoch，43/44名受试者至少有一个有效epoch。被排除的epoch主要因低R峰产量和高SDNN伪影，而非生理性心动过缓。
3.2 工作示例
存储库中包含一个工作示例脚本，可对单个受试者的EEG和ECG执行完整流程，输出同步的5分钟epoch特征表，每行包含CAP标签和完整HRV特征向量，并记录每epoch排除原因。该示例作为新用户入口和批量处理模板。
3.3 可重现性
由于流程为确定性设计，在固定软件环境下对相同输入数据重复执行，得到的HRV特征向量在浮点精度上数值完全一致。这确认了确定性行为，但不等同于跨环境鲁棒性。
3.4 OSAD+描述性案例
将流程应用于OSAD+亚组（n=18）以展示真实数据输出。流程为每个保留epoch生成了完整、结构良好的特征向量，数值处于生理合理范围。研究刻意不对CAP与非CAP epoch之间的差异进行统计推断或生理学解读，因为标签反映epoch上下文而非事件锁定的自主反应。
3.5 对照A1事件HRV
在capslpdb的15名健康对照中，785/810（96.9%）个A1事件epoch通过质量过滤，保留率明显高于患者组。所得A1事件HRV参考值包括平均心率65.2±6.8 bpm、AVNN 933.8±102.0 ms、RMSSD 82.8±35.6 ms、LF/HF 0.79±0.21等。内部一致性检查确认SD1与RMSSD/√2偏差在0.5%以内，且nLF+nHF在每个受试者中总和为100%。该参考严格作为描述性跨数据库参考，未与患者组进行统计比较。
讨论部分指出，HRV特征直接来自PhysioZoo/mhrv工具箱，继承了已验证的特征定义；而CAP检测是规则实现，尚未与专家手动评分进行基准验证，这是未来最重要的步骤。同时，5分钟epoch标签会稀释单个A1事件的影响，测量到的HRV反映整个epoch的自主背景，而非瞬时觉醒反应。计划的事件锁定模式将解决这一问题。局限性包括：CAP检测未验证且仅限SWS中的A1亚型；对照数据库为跨库描述性参考而非匹配对照；MATLAB依赖限制可访问性；单中心样本及离线处理。未来工作包括对CAP检测进行基准测试、扩展A2/A3和II期NREM、Python移植、事件锁定模式及跨环境鲁棒性评估。
研究结论是：研究人员提出一个开源EEG-ECG框架，用于在单一时间同步环境中从夜间多导睡眠图中提取整合的CAP和HRV特征。该流程实现了基于Terzano规则的慢波睡眠期间CAP A1检测，通过共享PSG时间基将注释与5分钟ECG epoch同步，并通过直接调用PhysioZoo/mhrv工具箱提取全面HRV特征。该流程确定性构建。工作示例和描述性OSAD+案例研究展示了CAP与非CAP epoch的输出结构。CAP组件作为规则实现提供，等待与专家评分进行验证，这是主要下一步。该框架为脑-心相互作用的多模态睡眠研究以及未来扩展（包括已验证的CAP检测、Python移植和云部署）提供了可访问的模块化基础。
