基于心脏HRV心率变异的“情绪与疾病”语义感知模型的研究
批准号:
62102076
项目类别:
青年科学基金项目(C类)
资助金额:
30.0 万元
负责人:
王玲
依托单位:
学科分类:
生物信息计算与数字健康
结题年份:
2024
批准年份:
2021
项目状态:
已结题
项目参与者:
王玲
中文摘要
2017年,《美国心脏病学会杂志》的重要研究表明,抑郁症症状越多的患者发生冠心病死亡的风险越高,抑郁症成为心血管疾病的最强死亡预测因子。心脏病“猝死”以及心肌梗死的发病诱因中,与情绪反应有着非常密切的相关性。利用便携式的心电信号的采集设备,实时收集和分析心脏HRV与情绪变化的潜在关联关系,深入挖掘心血管疾病在情绪刺激下的致病机理;通过构建情绪与疾病的语义感知模型,对组合型情绪波动规律与心脏病导致的HRV心率异常状况,进行准确判断和预测,实现心脏病在病发前的提前预警,以降低心血管疾病的发病率和致死率。便携式HRV采集设备的使用(如智能手表),不仅可以实现实时监测心脏和情绪变化,还可以监测药物控制或音乐疗愈等情绪控制策略下的心脏反应状况,实现心脏健康的日常保健和心脏病的预防。通过大数据循证医学验证手段进行论证,该项目成果可以为实现真正的智慧家庭远程医疗推广,起到真实有效的推动作用。
英文摘要
In 2017, an important study in the Journal of the American College of Cardiology showed that patients with more symptoms of depression have a higher risk of death from coronary heart disease, and depression has become the strongest predictor of death from cardiovascular disease. The "sudden death" of heart disease and the triggers of myocardial infarction are closely related to emotional reactions. Use portable ECG signal acquisition equipment to collect and analyze the potential relationship between heart HRV and emotional changes in real time, and deeply explore the pathogenic mechanism of cardiovascular disease under emotional stimulation. Furthermore, by constructing a semantic perception model of emotions and diseases, it can accurately judge and predict HRV heart rate abnormalities caused by the combined pattern of mood fluctuations and heart disease, so as to realize early warning of heart disease before the onset of disease, so as to reduce cardiovascular diseases morbidity and fatality rate. The use of portable HRV acquisition equipment (such as smart watches) can not only realize real-time monitoring of heart and mood changes, but also monitor the heart response status under emotional control strategies such as drug control or music healing, and achieve heart-healthy daily health care and heart disease Prevention. By means of big data evidence-based medical verification, it will real promote the home telemedicine development in the future.
本研究通过循证医学大数据的论证手段,证明了心理疾病及情绪因素对心脏病诱发存在较强的相关性。而心率变异性HRV的情感特征识别,能够深度感知自律神经系统对心脏表征的调制和控制作用。首先,通过语义分析和生理信号特征解析并成功识别了20种情感极性,再通过深度计算心脏病表征与情绪(包括心理应激)的关联关系,进行了心脏病诱发的多元关系解析,将多极情绪与心脏病表征进行关系映射。然后,分别通过便携式的心电采集设备以及12导联采集设备,对心脏HRV心率变异特征进行深度挖掘,进行了多模态的拟合计算,实现了基于HRV心率变异特征的多极情绪识别。由于心脏病发病是一个持续性变化的过程,对情绪和应激的反应也不是单一产生的。因此,将影响自主神经系统的反应与心脏疾病的病症,通过精准识别情绪与应激压力反应,计算组合情绪波动变化下的自主神经系统的变化模式,实现心脏病的早期发现,有效的避免疾病进展和加重,进而实现心脏病的提前预警。由于情绪类药物与心脏疾病的药物之间存在相互的制约关系,本研究通过循证医学的大数据计算,将临床中惯用的药物配伍组合进行了深度挖掘。然后,通过蛋白质复合物的交互作用计算,能够准确的挖掘心血管药物与抗抑郁药物互作并给出联合用药的风险等级,还可以挖掘高置信度的“药物-靶标”的互作。该方法不仅能够验证临床应用的药物配伍在联合用药的风险判断,还适用于没有已知交互药物之间的效用计算,使得从大规模生物数据中快速准确地识别关键蛋白质和药物靶标成为了可能,促进了对心脏疾病机制的深入理解,有助于提高药物的靶向性和治疗效果。最终,利用便携式心电采集设备(智能手表等)通过对HRV情感特征的识别分析,实现对心脏健康的日常监测,多种心脏疾病的识别,病发前的提前的预警,以及在治疗过程中的联合用药策略,实现针对心脏病的全方位的循证医学验证。
国内基金
海外基金