University of Oulu

Methods for assessment of autonomic nervous system activity from cardiorespiratory signals

Saved in:
Author: Tiinanen, Suvi1,2,3,4
Organizations: 1University of Oulu Graduate School
2University of Oulu, Faculty of Medicine
3University of Oulu, Faculty of Information Technology and Electrical Engineering, Computer Science and Engineering
4Center for Machine Vision and Signal Analysis
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 2.1 MB)
Persistent link: http://urn.fi/urn:isbn:9789526223131
Language: English
Published: Oulu : University of Oulu, 2019
Publish Date: 2019-08-20
Thesis type: Doctoral Dissertation
Defence Note: Academic dissertation to be presented with the assent of the Doctoral Training Committee of Health and Biosciences of the University of Oulu for public defence in Kainuunsali (L2), on 30 August 2019, at 12 noon
Tutor: Professor Tapio Seppänen
Docent Mikko Tulppo
Reviewer: Docent Tom Kuusela
Docent Mika Tarvainen
Opponent: Professor Jari Hyttinen
Description:

Abstract

A cardiorespiratory system is highly regulated via the autonomic nervous system (ANS), whose function can be quantified noninvasively by analyzing electrocardiogram (ECG), blood pressure (BP) and respiration signals. Several conditions and illnesses are linked with imbalance of the ANS.

This thesis aimed to develop methods for describing the ANS regulation of a cardiovascular system from short-term cardiorespiratory measurements. More specifically, the role of breathing rate and its effects on traditional frequency domain based cardiovascular indexes describing ANS control is addressed.

The main contributions are as follows: 1) an adaptive filtering based method to remove respiratory influences from cardiovascular signals and indexes was developed. The adaptive filter reduced the bias caused by low respiration rate, enabling the usage of spontaneous respiration measurement protocol over controlled respiration. 2) Methods to quantify respiratory sinus arrhythmia (RSA) index from cardiovascular signals were developed as well: two methods utilizes adaptive filtering and either the measured respiration signal or the ECG-derived respiration signal and one method uses independent component analysis. Developed RSA index methods allow varying respiration rates making them physiologically more accurate than traditional high frequency power with fixed respiration rate, often used as RSA index. 3) Tools for studying the power and the frequency of low frequency (LF) oscillations of cardiovascular signals were developed, including a time-frequency representation for analyzing varying data. An experimental study was conducted with patients of continuum of cardiovascular risks. According to results, aging decreased the frequency of LF oscillation, whereas coronary artery disease decreased it further. 4) Two new ECG-derived respiration (EDR) methods utilizing decomposition techniques were developed. The proposed methods yielded statistically significant improvements over previously developed EDR methods. EDR method enables to get respiratory information from ECG, which in its turn reduces needed modalities in ANS quantification.

This thesis provides methods to quantify indexes describing the ANS function more accurately by acknowledging the respiration effects. The results of this thesis may be utilized in various application areas, ranging from clinical to physiology research up to commercial health, wellness and sport products.

see all

Tiivistelmä

Autonominen hermosto säätelee tarkasti sydän- ja verenkiertoelimistöä sekä hengitystä. Autonomisen hermoston toimintaa voidaan analysoida laskennallisin menetelmin noninvasiivisesti mitatuista elektrokardiogrammi- (EKG, sydänsähkökäyrä), verenpaine- ja hengityssignaaleista. Useita tekijöitä ja sairauksia voidaan yhdistää autonomisen hermoston epätasapainoon.

Väitöskirjassa kehitettiin menetelmiä sydän- ja verisuonijärjestelmän autonomisen säätelyn kuvaamiseksi lyhytaikaisista kardiorespiratorisista tallenteista. Erityistä huomiota on kiinnitetty hengityksen vaikutukseen perinteisiin taajuustasosta laskettaviin muuttujiin, jotka kuvaavat autonomisen hermoston toimintaa.

Väitöskirjan päätuloksia ja -tuotoksia ovat: 1) uusi adaptiiviseen suodatukseen pohjautuva laskennallinen menetelmä hengitysvaikutuksien poistamiseksi sydän- ja verisuonisignaaleista. Adaptiivinen suodatin vähensi matalan hengitystaajuuden aiheuttamaa vääristymää hermoston toimintaa kuvaavista parametreistä. Uusi menetelmä mahdollistaa kontrolloimattoman eli vapaan hengitystaajuus-protokollan käytön autonomisen hermoston toiminnan mittauksissa. 2) Uusia menetelmiä respiratorisen sinus arrytmian (RSA) määrittämiseksi sydän- ja verisuonisignaaleista. Kehitetyissä menetelmistä kahdessa käytetään adaptiivista suodatusta hyödyntäen joko mitattua hengityssignaalia tai EKG:stä johdettua hengityssignaalia. Kolmas menetelmä pohjautuu itsenäisten komponenttien analyysiin. Kehitetyt menetelmät RSA:n laskemiseksi sallivat hengitystaajuuden vaihtelun mittauksien aikana, mikä tekee ne fysiologisesti tarkemmaksi kuin perinteisesti käytetty korkeataajuinen (HF) komponentti, joka lasketaan taajuustasossa tietyltä kaistalta riippumatta hengitystaajuudesta. 3) Kehitettiin ja sovellettiin menetelmiä EKG:n ja verenpaineen matalataajuisten (LF) heilahtelujen tutkimista varten. Yhdessä tutkimuksessa sovellettiin aika-taajuustason esitystapaa vaihtelevan datan analysoimiksi. Kokeellinen tutkimus tehtiin aineistolla, joka oli jatkumo sydän- ja verisuonitautien riskejä omaavista potilaista jo sairastuneisiin potilaisiin. Ikääntyminen pienensi matalataajuisen heilahtelun taajuutta ja sepelvaltimosairaus pienensi sitä edelleen. 4) Kaksi uutta hajotelmatekniikoita hyödyntävää menetelmää, joilla lasketaan EKG:stä hengitysvirtausignaali-estimaatti (EDR). Kehitettyjen EDR-menetelmien suorituskyky osoittautui tilastollisesti paremmaksi kuin aikaisemmat menetelmät. Koska hengityssignaali ja -taajuus voidaan johtaa suoraan EKG:stä, tarvittavien mittaussensoreiden määrää vähenee. Lisäksi EDR:ää voidaan hyödyttää autonomisen hermoston toimintaa kuvaavien parametrien estimoinnissa.

Väitöskirja tarjoaa menetelmiä autonomisen hermoston toiminnan mittaamiseksi huomioiden erityisesti hengityksen vaikutus estimoitaviin parametreihin. Väitöskirjan tuloksia voidaan soveltaa useissa kardiorespiratorisia signaaleja hyödyntävissä sovelluksissa aina kliinisestä työstä fysiologian tutkimukseen ja kaupallisiin hyvinvointi-, terveys- ja urheilusovelluksiin.

see all

Huomautus/Notice

Painetussa virheellinen ISBN: 978-952-62-2312-4, oikea 978-952-62-2310-0.

Printed version has incorrect ISBN: 978-952-62-2312-4, it should be 978-952-62-2310-0.

see all

Series: Acta Universitatis Ouluensis. D, Medica
ISSN: 0355-3221
ISSN-E: 1796-2234
ISSN-L: 0355-3221
ISBN: 978-952-62-2313-1
ISBN Print: 978-952-62-2310-0
Issue: 1521
Type of Publication: G5 Doctoral dissertation (articles)
Subjects:
Copyright information: © University of Oulu, 2019. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.