通过中医手腕脉诊评估冠状动脉疾病和心力衰竭——无创且简便

《Biomedical Signal Processing and Control》：Assessing coronary disease & heart failure via TCM wrist pulse – Noninvasive & easy

冠心病合并心力衰竭 脉搏信号分析 多尺度熵 集成学习模型 准确率优化

　　

洪乐欣|熊丹群|陈霞|张叶青|严建军|徐向东|郭瑞

上海中医药大学传统中医学院，中国上海201203

摘要

目的

本研究旨在评估手腕脉搏检测技术在区分健康个体、冠心病（CHD）患者和冠心病合并心力衰竭（CHD-HF）患者方面的临床潜力。

方法

本研究采用线性时域方法和非线性技术（包括均方误差（MSE）和复发量化分析（RQA）来提取脉搏信号的特征。通过整合多种脉搏特征和多种机器学习算法，开发了集成学习模型，以对三组数据进行分类：健康对照组、CHD组和CHD-HF组。使用准确率、精确度、召回率和F1分数等评估指标来衡量这些模型的性能。

结果

研究结果表明，时域分析显示CHD组的参数h₂/h₁、h₄/h₁、w₁、w₂、w₁/T和w₂/T有显著增加。这些变化表明外周血管阻力增加、动脉顺应性降低以及心脏后负荷增加。此外，CHD-HF组的t₄、w₁、w₂、w₁/T和w₂/T显著降低，提示左心室收缩射血量减少。

进一步地，MSE分析显示CHD组的MSE_i值（其中i的范围为1至6）低于健康对照组（P < 0.05）。RQA分析表明，CHD组和CHD-HF组的RR、DET、L、ENT和LAM值也低于健康对照组。最终，整合了上述线性和非线性特征的模型达到了90.00%的准确率。

结论

本研究强调了手腕脉搏检测技术在区分健康个体、CHD患者和CHD-HF患者方面的潜在应用。结果表明，在全面分析脉搏信号时结合线性和非线性特征的重要性。通过使用集成学习和多种脉搏特征，可以提高模型准确性。这些发现为将个性化心血管健康护理整合到可穿戴设备中带来了希望，标志着该领域的重大进展。

引言

冠心病（CHD）和心力衰竭（HF）是全球发病率和死亡率极高的两种重要心血管疾病[1]、[2]。区分这两种疾病，尤其是在它们同时存在时，是一个重大的临床挑战。手腕脉搏信号作为一种诊断工具具有很大的潜力，因为它们易于获取且具有生理相关性。

脉搏诊断是中医（TCM）中的关键诊断方法[3]，通过触摸手腕处的桡动脉，从业者可以检测各种脉搏模式并了解患者的生理和病理状况。在中医中，不同的脉搏特征（如深度、速度、强度和节奏）被认为与内脏器官的状态平衡有关。同样，在西医中，脉搏反映了心血管健康状况，提供了了解心脏功能和血液循环的窗口。

随着现代科学和技术的进步，脉搏诊断已经超越了主观解释。先进的脉搏检测设备现在能够高精度地记录手腕脉搏信号，而数字信号处理技术则实现了对这些信号的定量分析。这种传统诊断原理与现代技术的结合不仅提高了健康评估和疾病识别的准确性和一致性，还架起了古代智慧与当代医学进步之间的桥梁。

大量研究探索了手腕脉搏检测技术在疾病识别和评估中的应用。例如，蒋志星等人[4]专注于时域特征，使用增强的Gabor函数对桡动脉压力脉波波形进行稀疏分解。这些成分捕捉了频率和幅度的变化，形成了有利于计算机分析和疾病诊断的特征向量。这种方法最小化了表示误差，并在区分患者和健康个体的信号方面表现出强大的性能。

唐青峰及其团队[5]分析了脉波波形时域表示的形状特征，使用混合高斯模型（mGM）拟合脉搏信号，并利用主成分分析（PCA）减少特征维度。然后将这些形状特征纳入支持向量回归（SVR）模型中，以预测血管老化情况，突显了时域特征在评估血管健康方面的潜力。

此外，张春凯[6]和吴文杰[7]研究了线性时域特征和非线性多尺度熵（MSE）特征。他们应用了随机森林和决策树等机器学习算法来评估这些特征在确定冠状动脉病变严重程度和评估CHD患者心脏功能方面的有效性。他们的发现揭示了不同特征提供了关于疾病病理的多种见解。

基于上述研究，我们强调了手腕脉搏在疾病诊断中的潜力。我们的研究旨在揭示健康个体、CHD患者和CHD-HF患者之间脉搏特征的细微差异，并探讨其对预测建模的影响。为此，我们采用了三种分析技术：时域分析、MSE分析和复发量化分析（RQA）来提取脉搏信号的特征。通过将不同的脉搏特征组合视为独立的数据集，我们使用集成学习技术构建了多个预测模型。随后进行了比较分析，以确定性能最佳的模型。这种方法不仅使我们能够更深入地了解研究组之间的差异，还提高了手腕脉搏分析的诊断准确性。

研究患者和对照组

参与者来自2021年7月至2022年6月期间，上海中医药大学附属岳阳中西医结合医院、曙光医院和上海中医药医院的心脏病科。根据左心室射血分数（LVEF）测量结果，患者被分为：CHD组（n = 263），LVEF ≥ 50%，通过冠状动脉造影确认；以及CHD-HF组

人口统计信息

表4展示了三组的人口统计特征。我们的分析表明，各组之间的体重指数（BMI）没有显著差异（P > 0.05）。然而，三组之间的性别分布存在统计学上的显著差异（P < 0.05）。值得注意的是，CHD组和CHD-HF组的参与者年龄较大（P < 0.05）。此外，在这两个组中，CHD-HF组的年龄差异更为明显

讨论

脉波分析作为一种评估心血管疾病的潜在方法受到了广泛关注。先前的研究已经建立了不良心血管事件与外周动脉状况之间的强烈相关性[16]、[17]。脉波波起源于心脏收缩，从左心室传播到主动脉并遍布整个动脉系统[18]。手腕脉搏信号作为脉波波的外部表现

结论

当前研究的结果强调了手腕脉搏信号在区分CHD患者、CHD-HF患者和健康个体方面的临床意义。特别是当分类模型结合了脉搏信号的线性和非线性特征时，其性能达到了最佳。这种无创且易于获取的手腕脉搏检测技术成为一种有前景的可穿戴诊断设备候选者，有助于疾病诊断

作者贡献声明

洪乐欣：撰写初稿、方法学设计、数据整理、正式分析、验证。熊丹群：验证、资源提供。陈霞：数据整理、资源提供。张叶青：数据整理、资源提供。严建军：方法学设计、正式分析、可视化、验证、撰写及审稿编辑、软件使用。徐向东：验证、资源提供、监督。郭瑞：撰写及审稿编辑、正式分析、软件使用、资金获取、项目管理，

资助

本研究得到了国家自然科学基金（项目编号82074332）、上海市科学技术委员会（项目编号19441901100）和上海健康识别与评估重点实验室（项目编号21DZ2271000）的支持。

利益冲突声明

作者声明他们没有已知的可能会影响本文所报告工作的财务利益或个人关系。

致谢

我们感谢上海工程技术大学（ECUST）的蔡晓磊在信号预处理方法方面提供的宝贵帮助。