//Logo Image
作者:方馨譽(2001-04-09),推薦:謝建興(2001-04-10)
附註:本文為申請國科會九十年度「大專生參與專題研究計劃計畫書。

利用智慧型ECG信號處理來顯示人類情緒指數

1. 研究動機與研究問題

人體心跳並非以一固定速度跳動,我們稱之為「心率變異(Heart Rate Variability, HRV)」,即使在平靜、穩定狀態下也會有相當程度變化。心率變異是由「自治神經系統(Automatic Nervous System, ANS)」控制藉以維持身體平衡,且心跳間距變化是受交感神經系統及副交感神經系統等影響【1】,因此我們可以藉著研究分析心率變異,作為自治循環及自治神經系統的指標【2】。然而長久以來,心率變異都被忽視,或經常利用平均速率來取代瞬間心率,直到信號處理技術出現,人們開始運用信號處理技術分析心率變異。通常利用頻譜分析將心率變異分為三個區域:高頻(High Frequency, HF)0.15~0.4Hz、低頻(Low Frequency, LF)0.05~0.15Hz、和超低頻(Very Low Frequency, VLF)0.05 Hz以下。其中低頻區(LF)受交感神經與副交感神經影響,而高頻區(HF)則與呼吸頻率有關,而呼吸則與副交感神經有關,因此高頻區則是與副交感神經活躍度有關,因此我們可藉由研究此三區域進而得知此自主神經活躍度【34】。另外由於如緊張、壓力、沮喪等心理情緒可影響自治循環及神經系統【3】,因此我們也能藉由此頻譜分析研究分析心率變異推人體情緒及心理狀態,其相互關聯性如圖1所示。

1. Factors affecting cardiovascular reactivity

2. 研究問題

本研究的主要工作,是將ECG資料擷取與分析,並將其應用於分析病人或正常人心理情緒狀況,藉此更進一步了解其是否影響身體狀況,以供醫生參考。其研究工作大綱流程圖如圖2所示。

2. 計劃大綱流程圖

其中所包含的相關知識非常多,但就主體上需要指導教授指導的課題分別為以下兩個部分:

(1)定量分析(Quantitative Signal Pressing)

當我們觀察心電圖,如圖3所示,可發現有其規律性之波動,而每一段皆有其名稱,我們一般將各段落名稱定義如下:

3. 正常PQRST波型型態

l  P wave:竇房結向外傳道心房心肌細胞,造成心房去極化,此即為P波。在每一個QRS前均會出現一P波,P波與P波間格代表心房之速率,其正常長度約為0.070~0.1秒。

l  PR區間:實際上應指PQ區間,但臨床上習慣稱為PR區間,其指P波開始到QRS波,正常是0.12秒到0.20秒。

l  QRS間段:通常是心電圖上最明顯之波型,其代表心室去極化。正常QRS波群通常為0.04~0.11秒,其中QRS波之綜合命名如下:

(a)    第一個向上偏折在基線上之波稱為R

(b)   R波之前向下偏折的波稱為Q

(c)    R波之後向下偏折波稱S

l  ST區間:ST間段是由QRS波群之結束至T波之開始,其與QRS波群交接處稱作J點。

l  QT區間:QRS波群到T波結束。

l  T波:在QRS波群後第一個出現的波型,表心室之恢復期。

l  U波:接在第一個低電壓之小波。

在此波型中,每次R波與R波間間隔(R-R Interval)並不一定,我們將其稱為心率變異。在本研究中,首先我們將利用心率變異作定量分析,利用MatLab將其作快速傅利葉轉換(Fast Fourier Transfer, FFT)及能量頻譜密度分析(Power Spectral Density, PSD),藉以對照人體心率變異與心情之間關聯性。定量分析部分問題其研究流程圖如圖4所示,詳細說明如下。

4. Quantitative signal processing 流程圖

(a)計算R波與R波間間隔(Calculate R-R Interval)

ECGR波與R波間間距不成定數,呼吸急促、緊張、年齡等因素皆會影響其間距,首先我們需求算所擷取到之ECG信號R波與R波間間隔,並求算其平均值及每次R波與R波間間隔與平均值差異。

(b)重新定義取樣頻率(Re-sampled)

上一步驟為時域下之分析,但心率變異卻讓人猜想是由某一控制頻率所影響,故屬於在頻域下之分析,因此我們利用頻譜密度分析法,將所得R波與R波間間隔作快速傅利葉轉換,但由於R波與R波間隔取樣頻率的不同,為作快速傅利葉轉換,我們重新定義其取樣頻率,並利用原有R波與R波間隔作內插,獲得同一取樣頻率下之R波與R波間隔。

(c)快速傅利葉轉換及頻譜分析【56

由於我們需將所得R波與R波間隔由時域轉換成頻域,因此我們利用快速傅利葉轉換之方式將所得之數據做轉換。為了知道受測者處於何種情緒狀態,我們需求得R-R Interval能量在頻域下之密度分布情形,因此我們將藉由快速傅利葉轉換後之數據做頻譜密度分析。

(2)智慧型分析(Intelligent Signal Processing)

將所得信號做快速傅利葉轉換及頻譜密度分析分析後,我們便需要由這些數據判斷受測者情緒狀態,例如若頻譜密度分析後曲線集中於超低(VLF)區域且頻譜密度數值起伏不大,則表示受測者處於放鬆狀態。要判斷數據是屬於何區域便需要用到模胡推論中的Fuzzy Model去做分析【7】。如圖5所示即為智慧型分析部分所需研究之問題,圖5中受測者問卷調查,其目的是為了得到正確的受測者情緒狀態,以便與智慧型分析ECG信號做比較,來調整Fuzzy Model之規則與歸屬函數。

5. Intelligent Signal Processing 流程圖

3. 研究方法及步驟

(1)ECG信號量測

利用「肢體導程(limb leads)」中的「單極肢體導程(augmented unipolar limb leads)」原理,找出ECG量測點。如圖6所示,RA代表右手臂(Right Arm)LA代表左手臂(Left Arm)RL代表右腿(Right Leg)LL代表左腿(Left Leg)VI代表左手臂與右手臂之電位差,VII代表右手臂與左腿之電位差,VIII代表左手臂與左腿之電位差,其中VI=VII-VIII

6. 單極肢體導程

(2)信號擷取與處理

(a) AC Amplifier和示波器

利用單極肢體導程原理,在人體肢體上找取量測點,量取ECG信號並將線路接上Grass廠牌的AC Amplifier及安捷倫廠牌示波器,如圖7所示,利用Grass廠牌AC Amplifier先簡易過濾一些雜訊及放大所量得ECG信號的伏特、振幅等,且在示波器上觀察所量得ECG信號,確定所量測到之波型為正確之ECG信號,並且可藉由觀察示波器上所得ECG波型去調整放大倍數等參數,以獲得良好ECG信號。

(b) PC-based PCL-818 ADDA Card

確定利用AC Amplifier及示波器可量得良好之ECG信號後,我們便改用PCL-818 ADDA Card取代AC Amplifier擷取信號,在PC-based下做類比數位信號的轉換與擷取,以及過濾雜訊等動作,並在PC-based下利用程式語言做數位類比信號處理分析(如FFTPSD),並觀察其分析結果。

AC Amplifier

 

示波器

 
      

7. 信號擷取連接圖

(3)定量信號分析

由於所擷取到之資料為時域下數值,而為了分析ECG信號與情緒關聯,需將資料分為時域及頻域兩部分作處理,其包含下列各種轉換:

(a)R波與R波間隔分析(時域分析):

我們利用程式將脈搏心電圖中R波與R波間隔算出,並計算其平均值,如圖8(a)Raw ECG信號,圖8(b)為擷取到ECG信號R波與R波間隔。用以分析其年齡,概略身體狀況等初步分析。

由於下一步驟快速傅利葉轉換所需轉換之R波與R波間隔需為同一取樣頻率,因此我們還需先用內插法取得同一取樣頻率(2 Hz)R波與R波間隔數據,其所得可繪製成如圖9所示。

(a)

 

Time(s*0.0025)

 

8. ECG心電圖

9. 重新定義取樣頻率後之R波與R波間隔

(b)快速傅利葉轉換(FFT)分析(頻域分析)

HRV在頻域系統下,可分為高頻、低頻、超低頻3區域,因此需先將將所擷取之R波與R波間隔數據作FFT轉換到頻域系統,以做進一步分析了解其心跳分佈曲線,其結果如圖10(a)所示。

(c)Power Spectral Density(頻域分析)

將做完FFT轉換後之R波與R波作頻譜密度(PSD)分析,便可從其分佈曲線判斷受測試者處於何種情緒狀態下,其結果如圖10(b)所示。

(a)

(b)

10. 快速傅立葉轉換頻譜密度分析圖

(4)智慧型信號分析(Intelligent Signal Processing)

人的情緒可劃分為許多種類,而此計劃僅針對緊張、沮喪、壓力此三種情緒分析其與心跳之關聯。

(a)ECG信號利用Fuzzy Model 之建立

l      建立輸入與輸出變數的歸屬度

首先設定Fuzzy Model各輸入與輸出變數的語意式,例如:

高頻(HF)---若頻率高於0.15,其歸屬函數為μ(HF)

低頻(LF)---若頻率介於0.05~0.15,其歸屬含屬為μ(LF)

超低頻(VLF)---若頻率小於0.05,其歸屬函數為μ(VLF)

l      建構其模糊規則庫

由於此為多輸入單輸出之系統,故我們可利用語意式模糊規則,藉由專家(如醫生)或經由學習而得Fuzzy Model的模糊規則。

l      去模糊化機構(defuzzification)

由於我們所得結果為模糊集合,故可利用重心法或中心面積法等方法將其做出整體輸入與輸出函數之關係。

(b)受測者三種情緒問卷調查分析

由於人處於緊張、壓力、沮喪狀態下,其ECG中之心率變異會有高低起伏狀態,而志願受測者,從其問卷調查中利用分數系統簡單歸納出緊張、壓力、沮喪與情緒之關係,再與(a)Fuzzy Model 所得之情緒狀態做比較。

(5)臨床量測

本計劃將針對20位元智大學學生自願者進行測試,自願者受測同意書與緊張、壓力、沮喪之問卷調查表分別列於表1與表2中。另外由於跑步前後之ECG信號可簡易顯示出人體身體概況,如測驗前晚睡眠程度不佳者,其跑步後之ECG信號與身體健康者不同且會有明顯身體不適狀態,因此我們將測試分為二項:

l      20位學生在期中考考前一週與期中考考後一週進行測試

l      20位學生在跑步前與跑步後進行測試

另外由於人的情緒狀態易受內分泌(Endocrine)之影響,而天氣以及每日不同之時間會影響內分泌,進而間接影響人的情緒狀態,故測試之時間,天氣與地點都應盡量保持在相同狀態,以排除這些因素之影響。

文字方塊: 國科會專題研究ECG受測者需知
計劃:智慧型分析ECG信號來顯示人類情緒狀態
計劃內容:利用簡易ECG儀器量測心跳,將所量得信號做信號處理分析,藉以得知受測者處於何種情緒狀態。
本實驗(ECG量測)原理:人體本身身體會產生極微小的電壓,因此量測人體每2點間之電位差,得到簡易心電圖。
實驗方法:在受測者雙手找出受測點,並貼上量測心跳所使用之貼片,並塗上jelly,再接上儀器,即可得到簡易心電圖之影像,並做同步紀錄之。
實驗危險:本實驗對人體無任何危害,量測電極為非侵入式,故不會傷害到人體,本實驗易無任何後遺症。
如有任何疑問,請隨時發問!!!謝謝!
如認可上述同意書內容者,請填寫下列資料並簽名
姓名:
性別:
出生年月日:///
聯絡電話:
受測日期:///
對上述實驗同意,並同意將測驗所得資訊供本實驗研究計劃分析之
同意簽名:

1. 受測者同意書

2. 受測者問卷調查表

研究計劃:智慧型分析ECG信號來表達人類情緒狀態

指導教授:謝建興

學生:方馨譽

受測者:

年齡:

性別:

受測日期:     /       /

受測時間:      ~     

受測當天天氣:

是否罹患心臟血管疾病:

是否有特殊精神疾病:

請回答下列問題並依照程度(0~4)勾選之(0~ 1~最輕度 4~最重度)

 

0

1

2

3

4

Q1.受測初期時心情緊張程度

 

 

 

 

 

Q2.受測中期心情緊張程度

 

 

 

 

 

Q3.受測末期心情緊張程度

 

 

 

 

 

Q4.受測初期時心情沮喪程度

 

 

 

 

 

Q5.受測中期時心情沮喪程度

 

 

 

 

 

Q6.受測末期時心情沮喪程度

 

 

 

 

 

Q7.受測初期感受壓力程度

 

 

 

 

 

Q8.受測時中期感受壓力程度

 

 

 

 

 

Q9.受測末期感受壓力程度

 

 

 

 

 

4. 預期結果

研究計劃的預期結果,主要是除了研究的成果外,還能讓參予的學生在特定的領域中接受研究訓練,體驗研究活動、學習研究方法,並加強實驗與實作的能力。

現今醫療的趨勢逐漸朝向人性化的方向發展,而本專題便是利用對機械領域的認知與醫學工程分析的結合,使心電圖不單單只是判斷身體狀態,更可藉以分析心理狀態;尤其在現在社會,許多的疾病已不再單單是因為生理因素造成,更有許多是由心理因素所造成的文明病,因此我們更希望能快速、精準的量測出心跳及情緒指數,如此一來每天只需花上一點點時間即可紀錄下心跳及情緒狀況,長期下來我們便可進一步做預防,與診斷心理疾病。

在可預見的將來,此套系統將可推行至各醫療院所之中,希望能在不被察覺情況下,量測出病人之心跳並加以分析,藉此可得知病人心理狀況,以提供醫生或家屬做進一步的醫療改善或心理輔導,使病人能獲得最完整的照料,而使醫療不是只侷限於身體疾病上,可使醫療更為人性化;目前雖未能在不被察覺情況下量測出心跳,但未來必定能克服此障礙,並且能更為精準且做更多的分析,使系統更為完善。

5. 參考文獻

[1]   Sait, M. L., A.W. Wood, and H.A. Sadafi, “A study of heart rate and heart rate variability in human subjects expose to occupational levels of 50Hz circular polarised magnetic fields,” Medical Engineering & Physics, 21: 361-369,1999.

[2]   Guerrero, J., J. Chorro, and M. Martinez, G. Camps, R. Magdalena, A. Rosado, and J. Ampudia, “Analysis of Heart Rate Variability in Diabetic Patients Affected by Autonomic Cardiovascular Neuropathy,” IEEE Trans., Computers in Cardiology, 26: 241-244, 1999

[3]   Ventura, A.G., and S. Reisman, “A Study of Factor Affecting Cardiovascular Reactivity,” IEEE Trans. Biomed. Eng., 26: 53-54, 2000.

[4]   Fan, S.Z., Y.J., Cheng, and C.C., Liu, “Heart Rate Variability --A Useful Non-invasive Tool in Anesthesia,” ACTA ANAESTHESIOL SIN, 32: 51-56,1994.

[5]   Akselrod, S., D. Gordon, F.A. Ubel, D. C., Shannon, A. C., Barger, and R.J., Cohen, “Power Spectrum Analysis of Heart Rate Fluctuation: A Quantitative Probe of Beatto-Beat Cardiovascular Control,” Science, 213: 220-222, July 1981.

[6]   Salinger, J., J.,Pumprla, R.,Vychodil, P.,Steskal, J.Opavsky, and J.,Novotny, “ Microcomputer System for Telemetric Assessment of Short Term Heart Rate Variability and Frequency Domain, Type VariaCardio TF4,” IEEE Computers in Cardiology, 26: 599-602, 1999.

[7]   Linkens, D.A., J.S. Shieh, and J.E. Peacock, “Hierarchical Fuzzy Modelling for Monitoring Depth of Anaesthesia,” Fuzzy Sets and Systems, 79: 43-57,1996.