ק. ג אות א של חקירת זמן תדר נורמאליות אב לאבחון וחיזוי

תרפואי- המחלקה להנדסה ביו

09/02/2008 166 מתוך 1 י'י חיים ריז"מבוצע ע

אוניברסיטת בן גוריון בנגב

הפקולטה למדעי ההנדסה

המחלקה להנדסה ביורפואית

ג .ק.אות אשל חקירת זמן תדר

נורמאליות אבלאבחון וחיזוי

-ברגולציית מערכת הסימפטו

ווגאלית על תפקוד הלב אצל

PTSDחולי

.חיבור זה מהווה חלק מהדרישות לקבלת תואר מגיסטר בהנדסה

:מגיש

י'ים ריזחי

:מנחים

אמיר גבע' פרופ

חגית כהן' פרופ

________: תאריך ______________: חתימת המחבר

________: תאריך ______________ : חתימת המנחה הראשי

________: תאריך ______________: תחתימת המנחה המשני

________: תאריך ______________: ר וועדת הוראה"חתימת יו

2007אפריל ז"סיון תשס1

המחלקה להנדסה ביורפואית–אוניברסיטת בן גוריון בנגב

ג .ק.אות אשל חקירת זמן תדר

נורמאליות אבלאבחון

-ברגולציית מערכת הסימפטו

ווגאלית על תפקוד הלב אצל

PTSDחולי

Time versus frequency domain

techniques of ECG signal for

diagnostic Sympato-Vagal

abnormality regulation for PTSD

illness

.חיבור זה מהווה חלק מהדרישות לקבלת תואר מגיסטר בהנדסה

:מגיש :מנחים

י'חיים ריז אמיר גבע' פרופ

027708817.: ז.ת חגית כהן' פרופ

054-5999961: 'טל

2007 אוגוסט ז" תשסאלול2

תקציר 1

מטרה–כללי 1.1

של )ElectroCardioGram- ECG( אות האלקטרוקרדיוגרם בחקירתבוחן כיוון חדשמחקר זה

והן נמבחינת התפיסה החקירתיתמבחינתהן , Post Trauma Stress Disorder (PTSD)חולי

נעשה מעבר PTSD של חולי ECGה בחקירת ייחודיות אותות לראשונ. אלגוריתמי הבדיקה

חלק מהשיטות הן ייעודיות ופותחו . לאותות ארוכי טווח באורכי יממה שלמה,מאותות קצרי טווח

.PTSDמ לאפשר איבחון של חולי "במהלך המחקר ע

ניתוח של י מחקראבל מחקר זה יכול לפתוח כיוון , התמקדות במחקר זה נעשתה על הבדלי שינה וערות

לשם כך . ארוכי טווח תוך התמקדות ברזולוציות שונות של שלבי השינה ואף שלבי הערותPTSDאותות

זולוציות מקטעים הרבה ריכולים להגיע ל) 13.1.3 ראה סעיף (polysomnogramמחקרים המשלבים

כלכלית היא שיבוצע -רישה ליעילות האבחון הסופי מבחינה פרקטיתלמרות שהדזאת , יותר מדוייקות

:למחקר שתי מטרות עיקריות . בלבדECGבאמצעות אות

המטרה העיקרית 1.1.1

הקשר החזק שבין התנהגות המערכת האוטונומית לבין פעילות ]7 פרק [במחקרים קודמים רבים הוכח

היא לחקור את האבנורמליות של מחקר זההמטרה. תו על השתנות קצב הלבקשר שבולט בהשפע, הלב

החקירה תתמקד בבחינת . המשקף את פעילות הלבECGווגאלית באמצעות אות -שבהשפעה הסימפטו

לעומת קבוצת חולי ) של נבדקים בריאים(השינויים הריגעיים בקצב הלב והשוני בין קבוצת מדגם הבקרה

PTSD .מחלת ה חן את הליקויים במערכת העצבים האוטונומית המאפיינת אתבכך יתאפשר לאב -

המטרה המישנית 1.1.2

באמצעות ניתוח . המצוי כיוםיידע מעבר לPTSD -המחלת מאפייני העמקת הידע שלמטרה נוספת היא

. המחלה היא בעיקרה פסיולוגית או נפשיתוואגלית של - ההשפעה הסימפטואות השינה והערות להסיק אם

עיקרון המחקר 1.2

אותות הנמדדים במהלך יממה , ארוכי טווחECG בניתוח אותות )כאמור (ההתמקדות במחקר זה היא

של ECGמאפיינים לאבחון אותות חלץ המטרה היא להפיק מודל שי. מלאה והכוללים את מהלך השינה

. Autonomic Nervous System (ANS)חולי חרדה בעלי ליקויים במערכת העצבים האוטונומית

-RRהמופק באמצעות האות , Heart Rate Variability (HRV)האות הבסיסי לביצוע מחקר זה הוא

Interval (RRI) .הההשפעות מערכת של אות זה משקפת את תהדינאמיו-ANS שניתוחן ואיפיונן

3 . אפשר האבחון הנדרשמ

מהלך המחקר-התהליך 1.2.1

.ת הבסיס של המחקר כולו כאוHRV הקלטת האותות ויצירת אות :שלב ראשוני •

שעות ובמקביל הוקלטו 24- למשך כ PTSDם כרוניים של חוליארבעההוקלטו באמצעות הולטר

גילאי כל . אנשים אלה מהווים את קבוצת הבקרה, PTSDאנשים בריאים שלא אובחנו אצלם תסמיני

. שנים50 עד 20הנבדקים בתחום

.סיים של האות סינון האותות ויצירת המבנים הבסי:שלב שני •

האות ואותות . האותות המסוננים–עבור כל אות נוצרו הווריאנטים שלו , כל אות נותח בצורה דומה

קבוצת האותות . סגמנטציה אורכים שווים ו, למבנים שונים כגון פירמידהוחולקהווריאנטים שלו

עליו מומשו , בסיסי ה)Data Base(מאגר הנתונים ה יוצרים את לכל נבדק בניפרד, והמבנים הללו

.כל האלגוריתמים בשלב הבא

בחלוקה כניסה המאגר נתונים הפעלת שאר האלגוריתמים והפעולות הנדרשות על :שלב שלישי •

:לשני שלבים

.פעולות בסיסיות כגון חישוב ספקטראלי והיסטוגרמה .1

Poincar’e - וDetrended Fluctuation Analisys (DFA) פעולות מסדר שני כגון .2

Plot Analisys.

. השוואת התוצאות בין קבוצת הבקרה לחולים:שלב רביעי •

נבחנו בהשוואה תוצאות . שולבו תוצאות החולים לקבוצה אחת ותוצאות הבריאים לקבוצה שנייה

.שתי הקבוצות

תוצאות ומסקנות 1.3

י שבוצעו כולם על גבי מקטע ,עיקר ההבחנות החד משמעיות הושגו בעיקר באמצעות התהליכים הבאים

: בניפרד ובהשוואהערות ושינה

. ומציאת קורלציה ארוכת טווחDFAניתוח פרקטאלי באמצעות •

.Derivated Poincar’e Plot (Dm1m2)הצגת האות בתצורת •

.ות שבין שינה לערותשוניחס •

.ניתוח ספקטראלי ודגש על השינויים בתחומי התדר הנמוכים והגבוהים •

בין אותות הערות ואותות השינה אצל " בהתנהגות"קיימים הבדלים ש הבחנות אלו הוסקעל סמך בעיקר

באים ליידי ביטוי ,אלו המאפשרים את ההבחנה הנדרשת הבדלים . אצל בריאים לעומתPTSDחולי

בכך מתאפשרות המסקנות . שיפועי האות והספקי תדרים, שונות, קורלציה ארוכת טווח: במאפיינים כגון

: להלןותמפורטה

במהלך ערות ושינה בניפרד גבוהה באופן PTSDת המערכת הסימפתטית של חולי דומיננטיו •

ולא מתחזקת במהלך השינה ) כמעט(מתמיד ובמקביל ההשפעה הווגאלית חלשה באופן מתמיד

הם שרויים במצב של סטרס . בריאים ולכן דינאמיות האות המתקבלת חלשה יותרכמו אצל

להם להגיע עד למצב רגיעה כפי שמגיעים נבדקים תמידי ברמות מסויימות שאינו מאפשר

.בריאים

ואילו אצל הבריאים PTSDווגאלית משתנה אצל חולי -קצב השינוי של המודולציה הסימפתו •

. קצב השינוי אחיד הן בשינה והן בערות

. בין ערות לשינהPTSDשונות האות בחולי יחס דינאמיות גדולה יותר ב •

עבור רוב מההבחנה בין ערות לשינה שהתקבל PTSD - המקור ההשפעה האבנורמאלית של •

ווגאלית דומיננטית יותר במהלך השינה מאשר - האבנורמאליות בהשפעה הסימפתו, החולים

. בערות ולכן המקור הפיסיולוגי למחלה דומיננטי יותר מאשר הנפשי

מחקרי המשך 1.4

וות דרך הוא מראה שהבחנה נועד להתECG רק באמצעות אות PTSDמחקר ראשוני זה לאיבחון חולי

אך מחקר זה בשלב . לקבוצת בקרה אפשרית ומספר תהליכים המאפשרים זאתPTSDבין קבוצת חולי

מ שממצאים אלו יהפכו לכלי קליני יש ראשית להרחיב מאוד את מרחב "ע. זה מבוסס על מרחב מדגם קטן

בפרט והשפעות PTSD חולי לאבחן התהליכים שפותחומחקרי המשך יכולים לאמת את יכולת. המדגם

.ווגאליות בכלל-סימפתו

דומיננטיות מקור לגבי המחקר מתמקד בשלבי שינה וערות ומכך מצליח להסיק יותר אינפורמציה

ניתוח זה הוא ראשוני אך פותח צוהר להבנה גדולה יותר . יותר פיסיולוגית מנפשית בעיקרהינהשהמחלה

.של המחלה במחקרי המשך

PTSDשהפרדת האותות לערות ושינה מצליחה לחדד ולהדגיש את ההבדלים בין חולי המחקר הראה

לקבוצת הבקרה במחקרי המשך כדאי להגדיל את רזולוציית ההפרדה לשלבי השינה ואולי אף לשלבי

פ תוצאות תהליכים המבוססים על "ולבחון את יכולת איבחון החולים ע) מצבי ערות אופייניים(ערות

.ייםהשלבים הספציפ

עבור פרמטרים מסויימים שאומנם אינם מקלקלים את יכולת ההבחנה בין ת מיעוט ו גם תוצאוהתקבל

לכן . קבוצות-חולים לבריאים אך גורמים לחשד שקבוצת החולים אינה הומוגנית ומכילה מספר תתי

במחקרי המשך רבי נבדקים יידרש להוסיף אישכול רב מימדי למספר לא ידוע של תתי קבוצות

תוכן עניינים 2

3 תקציר 1

3 מטרה–כללי 1.1

3 המטרה העיקרית 1.1.1

3 המטרה המישנית 1.1.2

3 עיקרון המחקר 1.2

4 מהלך המחקר- התהליך 1.2.1

4 תוצאות ומסקנות 1.3

5 מחקרי המשך 1.4

6 תוכן עניינים 2

11 רשימת תרשימים 2.1

13 הקדשה 2.2

14 תודות 2.3

2.4 Abriviations 15

16 מבוא על המחקר והספר, הקדמה 3

16 המטרה 3.1

17 התהליך 3.2

17 מבנה הספר 3.3

20 פיסיולוגית, הקדמה 4

20 .כללי, הלב 4.1

20 מבנה 4.1.1

20 "התממשקות"תפקוד ו 4.1.2

20 מחזור הדם 4.1.3

21 מערכת ההולכה החשמלית בלב 4.2

Cardiovascular Control System 22מערכת הבקרה על מערכת הלב וכלי הדם 4.3

22 מבנה הבסיסי, כללי 4.3.1

23 בקרת קצב הלב 4.3.2

26 קלינית, הקדמה 5

anxiety( 26 6( חרדה -כללי 5.1

26 חרדה נורמלית וחרדה כמחלה 5.1.1

26 הגורמים לחרדה 5.1.2

PTSD- Post Traumatic Stress Disorder 27מחלת 5.2

5.2.1 PTSD 27 כללי

PTSD 27-גורם ל 5.2.2

28 כללי, PTSDתסמיני 5.2.3

29 פירוט, PTSDתסמיני 5.2.4

PTSD 30 -מי סובל מ 5.2.5

31 החיים עם הטראומה 5.2.6

PTSD 31ולי השינה של ח 5.2.7

32 עיבוד האות הפיסיולוגי, הקדמה 6

32 (ElectroCardioGram- ECG)אות האלקטרוקרדיוגרם 6.1

34 (Heart Rate Variability - HRV)אות שונות קצב הלב 6.2

6.2.1 HRV34 סקירה הסטורית

6.2.2 HRV34 טנדריזציה ס

6.2.3 HRV35 מבנה האות

36 וואגליות על קצב הלב-שיטות ניתוח השפעות הסיפטו, כללי 6.3

37 ומאפייניו בתחום הזמןHRVניתוח אות 6.4

39 תהליך הסגמנטציה 6.5

41 שיטות עיבוד בתדר 6.6

41 . להפקת מאפיינים פיסיולוגייםHRV-ניתוח ספקטרלי של אות ה 6.6.1

The Correlation Dimension 43 –מימד הקורלציה 6.7

43 .מרחב הפאזה, כללי 6.7.1

Self-Similarity. 44העיקרון לניתוח האות למציאת 6.7.2

45 . לניתוח האותDetrended Fluctuation Analysis (DFA)יאור טכניקת ת 6.7.3

-Auto - לבין פונקצית הSelf Similarity -הקשר שבין פרמטר ה: המסקנות מניתוח האות 6.7.4

Correlation46 . ארוכת טווח

HRV Poincaré Plot 48 ניתוח באמצעות 6.8

ECG 50-שימושים המחקריים של ניתוח אותות ה 7

PTSD 50ניתוח קצב הלב הממוצע במצבים שונים אצל חולי 7.1

HRV 51ניתוח ספקטראלי של 7.2

HR 51 בחינת שיטות ספקטראליות מתקדמות עבור 7.2.1

וואגליות- למחלות חרדה לניתוח השפעות סיפטוHRVניתוח ספקטראלי למציאת קורלציה בין 7.2.2 52

HRV 55 שלבי השינה באות ניתוח ספקטראלי של סגמנטציית 7.2.3

RSA 56 לבין HRVניתוח ספקטראלי למציאת הקישוריות 7.2.4

ECG 58 7פיתוח מודל לניתוח אות 7.3

59 ניתוח פרקטאלי 7.4

Poincaré plot 61 באמצעות HRVחקירת 7.5

62 הראשוניים אות שלבי העיבוד ותוצ- תהליך המחקר 8

62 כללי 8.1

62 עיבוד ראשוני של האות 8.1.1

65 איתחול ועיבוד ראשוני ובסיסי של המידע 8.2

8.2.1 Filtering -בניית שלושה אותות מסוננים של אות ה -RRI. 65

FIR 66תות המסונני תוצאת האו 8.2.2

Trend Windows 68מסנני 8.2.3

8.2.4 Parsing -70 חלוקת האותות המסוננים לכל המבנים הבסיסיים

71 סגמנטציה 8.2.5

8.2.6 Variance - 74 .8.2.4 2 חישוב שונות עבור כל אחד מהמבנים שיוצרו בשלב

8.2.7 Data Base -74 . יצירת בסיס של כל הנתונים והגרפים שבמוצא של שלבי האיתחול

76 היסטוגרם 8.3

76 חישוב ספקטראלי 8.4

Detrended Fluctuation Analysis (DFA) 78פעולת 8.5

DFA 78הפעלת אלגוריתם 8.5.1

DFA 78מימוש אלגוריתם 8.5.2

Phase Space (Dm1m2) 82חישוב 8.6

84 . לבקרהPTSDהמאפשרות הבחנה בין , "אפקטיביות"תוצאות 9

DFA Phase 84עיבודי 9.1

84 המלא ובהפרדה לשינה וערותRRI של אות DFA Phaseתוצאות 9.1.1

87 המלא ובהפרדה לשינה וערותRRIfir של DFA Phaseתוצאות 9.1.2

Poincaré plot 89תוצאות ניתוח 9.2

89 בסיסי של האות הגולמי המלאPoincaré plotאות ניתוח תוצ 9.2.1

91 . עבור האותות המלאיםDerivativePoincaré plot (Dm1m2)תוצאות ניתוח 9.2.2

עבור האותות לאחר ההפרדה לערות DerivativePoincaré plot (Dm1m2)תוצאות ניתוח 9.2.3

92 .ושינה

Variance 96תוצאות 9.3

96 קטעי השינה לעומת הערותשונות מ 9.3.1

98 תוצאות ספקטראליות 9.4

98 הספקטרום הצפוי 9.4.1

100 אותות הנבדקים בתחום הזמן והתדר 9.4.2

102 תוצאות ספקטרום שינה וערות 9.4.3

105 דיון מסקנות וסיכום 10

105 "האפקטיביות"משמעות ודיון בתוצאות 10.1

10.1.1 DFA Phase ,105 .משמעות ודיון בתוצאות

Poincaré plot 107 משמעות ודיון בתוצאות ניתוח 10.1.2

Wake to Sleep Variance Ratio 109 משמעות 10.1.3

110 וח הספקטראלימשמעות הנית 10.1.4

112 סיכום 10.2

112 כללי 10.2.1

113 יכי ההבחנה ומסקנותיהםסיכום תהל 10.2.2

114 סיכום משמעות התוצאות 10.2.3

PTSD 115איבחון של תתי קבוצות של חולי 10.2.4

116 מחקרי המשך 10.2.5

116 הגבלות 10.2.6

HRV 118 יצירת אותו QRSאיתור קומפלקסי : 1נספח 11

118 כללי 11.1

QRS 119אלגוריתם בסיסי ראשון לאיתור קומפלקס 11.1.1

QRS 119אלגוריתם בסיסי שני לאיתור קומפלקס 11.1.2

121 הראשון המבוסס על הניגזרת הראשונה בלבד, QRS לאיתור 1FDאלגוריתם 11.1.3

122 השני המבוסס על הניגזרת הראשונה בלבד, QRS לאיתור 2FDאלגוריתם 11.1.4

126 . קומפלקסQRSהאלגוריתם הסופי לזיהוי 11.1.5

129 תהליכי תיקון מקובלים שנועדו להקטין את שגיאת העיבוד המתקדם 11.1.6

131 תלוי זמןECGניתוח ספקטראלי של : 2נספח 12 131 כללי 12.1.1

131 שיערוך ספקטרום כללי 12.1.2

133 שיטות לא פרמטריות 12.1.3

136 שיטות פרמטריות 12.1.4

138 מאפייני האות המעשי: 3נספח 13

138 אופן המדידה והשלכותיה 13.1.1

RRI 138מימד האות 13.1.2

PTSD 138מגבלות המדידה והתאמות לניתוח האותות של חולי 13.1.3

139 כללי, יולוגיות על קצב הלבההשפעות הפיס 13.1.4

13.1.5 PTSD139 והמערכת העצבים המרכזית

141 בהן יכולת ההבחנה היא חלשה, תוצאות כלליות: 4נספח 14

141 עיבודי סגמנטציית האותות 14.1

141 ווקטורי האורכים 14.1.1

142 הסטוגרמת האורכים 14.1.2

143 על כל הסגמנטיםDerivation Poincaré Plot (Dm1m2)ניתוח 14.1.3

9 144 בהבחנה בין סגמנטים קצרים וארוכיםDerivation Poincaré Plot (Dm1m2)ניתוח 14.1.4

14.2 CM-Dm1m2145 עבור סגמנטי האות

146 של הסגמנטים הקצרים" מרכזי הכובד" 14.2.1

RRI 147-היסטוגרמת אורכי ה 14.3

150 פיתוח כלי עיבוד: 5נספח 15

ECG. 150- מהקלטות הHRVכלי עיבוד הראשוני של האותות ליצירת 15.1

HRV 151פירוט כלים עיקריים ראשוניים ליצירת אות 15.1.1

152 הגרפי העיקריMatlab בכלי מדריך משתמש 15.2

152 כללי 15.2.1

15.3 ECG-HRV Analysis Main Matlab Tool, User Manual 153

15.3.1 Segmentation Analyze 155

15.3.2 Post Processing – Printing results separately outside from the tool 156

156 כלי עיבוד האותות המרכזי 15.3.3

157 מדריך למשתמש, DFAתוכנית לבחינת 15.4

157 הקדמה 15.4.1

157 .עיקרון, מימוש האלגוריתם 15.4.2

158 מימוש האלגוריתם 15.4.3

16 References 159

17 Abstract 162

17.1 General – Goals 162

17.1.1 Main Goal 162

17.1.2 Secondary Goal 162

17.2 Research Principle 163

17.2.1 The Research Process 163

17.3 Results and Conclusions 164

17.4 Next continue research 165

רשימת תרשימים 2.1

Figure 1: Schematic view of ECG Signal ....................................................................33

Figure 2: Amplitude Segmentation input FIR filter.....................................................39

Figure 3 : Amplitude Segmentation result example ....................................................40

Figure 4: HRV basic Poincare .....................................................................................48

Figure 5: Research Process - Input Signal ...................................................................64

Figure 6: FIR Transfer function...................................................................................65

Figure 7: PTSD subjects, Input RRI filtered with FIR filter........................................66

Figure 8: CTRL subjects, Input RRI filtered with FIR filter .......................................67

Figure 9: PTSD subjects, Input RRI filtered by Short and Long Trend filter .............68

Figure 10: CTRL subjects, Input RRI filtered by Short and Long Trend filter ...........69

Figure 11: Sample of Sleep - Wake period classification for all signal types .............70

Figure 12: Amplitude Segmentation for all PTSD Subjects RRI Signal .....................71

Figure 13: Amplitude Segmentation for all CTRL Subjects RRI Signal.....................72

Figure 14: Sample of Sort and Long Segments selection out of the full RRI signal ...73

Figure 15: Variance Operation results figure example ................................................74

Figure 16: Research Process – Basic Initialization......................................................75

Figure 17: Histogram example.....................................................................................76

Figure 18: Research Process – Histogram and Spectrum (elementary operation

example).......................................................................................................................77

Figure 19: Research Process – DFA operation ...........................................................79

Figure 20: DFA Operation for RRI and RRIfir signals of all the Subjects..................80

Figure 21: Sample of DFA & DFA local phase (for RRI&RRIsmltrd)......................81

Figure 22: Dm1m2 results example.............................................................................82

Figure 23: Research Process – Phase Space ................................................................83

Figure 24: Average and variance of DFA Phase of RRI and after Sleep-Wake

partitioning...................................................................................................................85

Figure 25: Average and variance of DFA Phase of RRI Combined Sleep & Wake

phases...........................................................................................................................86

Figure 26: Average and variance of DFA Phase of fir filtered RRI and after Sleep-

Wake partitioning.........................................................................................................87

Figure 27: Average and variance of DFA Phase of RRIfir for combined results of

Sleep & Wake phases...................................................................................................88

Figure 28 : All subjects, lagged Poincaré plot results examples..................................90

Figure 29: Dm1m2 Results for RRI & RRIfir of all subjects ......................................91

Figure 30: Wake vs. Sleep Dm1m2 Results of RRI signals of CTRL subjects...........92

Figure 31: Wake vs. Sleep Dm1m2 Results of RRI signals of PTSD subjects ...........93

Figure 32: Wake vs. Sleep DFA Results of RRIfir signals of CTRL subjects ............94

Figure 33: Wake vs. Sleep DFA Results of RRIfir signals of PTSD subjects.............95

Figure 34: Variance separately of Sleep (A) vs. Wake (B) portions ..........................96

Figure 35: Sleep vs. Wake, Variance ratio ..................................................................97

Figure 36: Example of LF&HF changes between CTRL10 vs. PTSD4......................99

Figure 37: All Control Subjects, Time vs. Frequency signals ...................................100

Figure 38: All PTSD Subjects, Time vs. Frequency signals......................................101

Figure 39: Spectrum (AR) of Sleep vs. Wake portions of PTSD subjects ................103 11

Figure 40: Spectrum (AR) of Sleep vs. Wake portions of Controls subjects ............104

Figure 41: The Frequency response of the LPF.........................................................121

Figure 42: The original ECG signal (bottom) and the result of stage 1 (Y0(n)) (top)122

Figure 43: The frequency response of the signal at the output of the LPF................123

Figure 44: The signal at the output of the filter (top) in the time domain .................123

Figure 45: The original ECG signal (bottom) and the result of stage 3 (Y2(n)) (top)

....................................................................................................................................124

Figure 46: The original ECG signal (bottom) and the result of stage 4 (Y3(n)) (top)124

Figure 47: QRS detection Algorithm FS1, First derivative .......................................126

Figure 48: QRS detection Algorithm FS2, First and smoothed derivative................127

Figure 49: QRS detection Algorithm FS1, Second derivative...................................128

Figure 50: Segmentations length vectors of PTSD group (first 4) vs. CTRL group (last

4) ................................................................................................................................141

Figure 51: Amplitude Segments Length Histogram, all Subjects, PTSD (top) & CTRL

(bottum)......................................................................................................................142

Figure 52: Dm1m2 for the Amplitude Segmentation Signal ....................................143

Figure 53: Dm1m2 example for deference between CTRL10(left) to PTSD4(right)143

Figure 54: Dm1m2 for seperatly SHORT and LONG Amplitude Segmentation Signal

....................................................................................................................................144

Figure 55: Amplitude Segmentation for Seperatly Short and Long Segments, Center-

Mass (CM) of Dm1m2...............................................................................................146

Figure 56: Histogram results for RRI & RRIsmltrd, CTRL & PTSD seperately ......148

Figure 57: Histogram results crossing threshold line calculations for CTRL & PTSD

seperately ...................................................................................................................149

הקדשה 2.2

שניפטרה השנה במהלך כתיבת PTSDחולת , רחל פרידמןרבה שלי- דודהמחקר זה מוקדש לזכרה של .ספר זה

עבדה והצליחה , אך דווקא בארץ לאחר שהשתקמה. רחל שרדה את תלאות השואה והצליחה להגיע לארץ

. היא חוותה טראומה נוספת, בחיי היום יום" ליתאנורמ"לייצר שיגרה ולתפקד בצורה כתוצאה .הטראומות עירור מחדש של –) Re-Activation(ריאקטיבציה טראומה זו יצרה אצלה כנראה

בעיקר בשל חוסר ידע והבנה של המערכת , שממנה מעולם לא החלימהPTSDמכך נוצר טריגר למחלת . והמשפחה על משמעות המחלה ואופן הטיפול בה

וקיימות שיטות טיפול אפקטיביות שבאמצעותן ניתן לקוות כיום הידע לגבי המחלה גדול באופן משמעותי

. נהבשלא יהיו יותר חולים שחייהם יבוזבזו לריק בעיקר בשל הזנחה שנובעת מחוסר ידיעה וה כרוניים שהרפואה עוד לא מצליחה למצוא להם PTSDאך גם כיום קיימים מקרים קליניים של חולי

,מותו יצליחו בסופו של דבר לאפיין באופן מלא את המחלהבתקווה שמחקר זה ומחקרים רבים שכ. אמרפלפחות ברמה ( להצליח לחזות את התפרצותה בעתיד ניתן יהיהאולי אף. אותהאלאבחן אותה ולרפ

.ולאפשר את מניעתה) סטטיסטית

תודות 2.3

לא ועודדו ,תמכו, שאהבו , למשפחתי ולכל הסובבים אותי,בראש ובראשונה הייתי רוצה להודות לאישתי .לזמן חופשי ממני במשך תקופה ארוכהזכו

הן ,חגית כהן שהיוו בשבילי רשת ביטחון' אמיר גבע ופרופ' ברצוני להודות למנחים שלי פרופ,שנית, והן ברמת יכולת ההבנה והניתוח המעמיקים שהניבו עצות שלהם"אין סופי"ברמת מרחב הידיעה ה

. ורעיונות רבים ומועיליםביקורות

ברצוני להודות לחולים שהסכימו להיות הנבדקים עבור מחקר זה ולפעמים אפילו בעלות נפשית ,שלישית .לא קלה

. ברצוני להודות לכל החברים שהסכימו להבדק כקבוצת הבקרה,רביעית

2.4 Abriviations

HR - Heart Rate –קצב הלב

HRV - Heart Rate Variability – שונות קצב הלב

HRTS - Heart Rate Time Series - אות הסדרה בזמן של קצב הלב

ANS - Autonomic Nervous System – מערכת העצבים המרכזית

SNS - Sympathetic Nervous System מערכת העצבים הסימפתטית-

PNS - Parasympathetic Nervous System תסימפתטי-מערכתהעצבים הפרא -

PSD - Power Spectrum Density – פונקציית צפיפות הספק ספקטראלית

ECG – ElectroCardioGram ג.ק. א .-

SA Node - SinoAtrial Node

AV Node - Atrio Ventricular Node

RRI – R-R Intervals

HF-High Frequency Band

LF - Low Frequency Band

VLF – Very Low Frequency Band

FFT – Fast Fourier Transform

IHR - Instantaneous Heart Rate

AR – Auto Regressive

DFA - Detrended Fluctuation Analysis

PSG – PoluSomonGram

FIR – Finite Impulse Response

NN - Normal to Normal Interval

SDNN - Standard Deviation of all NN

SDSD - Standard Deviation of successive differences of R-R Intervals

PTSD – Post Trauma Stress Disorder

REM - Rapid Eye Movement

NREM - No-Rapid Eye Movement

CNS - Central Nervous System

SWS - Slow Wave Sleep

MSE - Mean Square Error

RSA - Respiratory Sinus Arrhythmia 15

מבוא על המחקר והספר, הקדמה 3

הקשר החזק שבין ) 7 ראה פרק כפי שאף הומחש בסקירת המחקרים בנושא(כיום ברור מעבר לכל ספק

. קשר שבולט בהשפעתו על ההשתנות של קצב הלב, התנהגות המערכת האוטונומית לבין פעילות הלב

המשקף את ECGווגאלית באמצעות אות -יות שבהשפעה הסימפטולחקור את האבנורמלהמטרה היא

של נבדקים (והשוני בין קבוצת מדגם הבקרה פעילות הלב ובחינת השינויים הריגעיים בקצב הלב

עם ליקויים במערכת העצבים חוליםלאבחן בכך יתאפשר . PTSDלעומת קבוצת חולי ) בריאים

ושא זה מתמקד באותות ארוכי טווח המודדים התנהלות לראשונה מחקר בנ.בפרט PTSD -האוטונומית ו

.יממה שלמה

פ " זה יכול להביא אולי לאפשרות של חיזוי הסתברותי להתפרצות מחלות נפש עימחקרכיוון הצלחתו של

באופן מוחלש עוד ECG-זאת באם מאפייני הבעיות יבואו ליידי ביטוי בניתוח אות ה, בלבדECGאות

.טוי כללילפני שיבואו ליידי בי

המטרה 3.1

. ארוכי טווח כולל אותות הנמדדים במהלך שינהECGבניתוח אותות כאמור ההתמקדות במחקר זה היא

של חולי חרדה בעלי ECGהמטרה היא להפיק מודל שיאפשר בסיס למציאת מאפיינים לאבחון אותות

ות הבסיסי לביצוע הא. Autonomic Nervous System (ANS)ליקויים במערכת העצבים האוטונומית

. RR-Interval (RRI) באמצעות האות המופק, Heart Rate Variability (HRV)מחקר זה הוא

,ווגלית-סימפתו ומתאפשר אבחון של הפעילות הANS- של אות זה משקפת את פעילות התהדינאמיו

. כך יתאפשר האבחון הנדרשב

בחינת אותות ארוכי טווח . נים המצויים כיום מעבר למאפייPTSD -מטרה נוספת היא חקירת מאפייני ה

המטרה היא לנסות באמצעות ניתוח . הדגש של מקור הבעיהעם הבחנה בין שינה לערות יאפשר למידת

אות השינה והערות וההשוואה בין הניתוחים בהשוואה לקבוצת בקרה להסיק אם המחלה היא בעיקרה

דומה יותר לאות השינה בבקרה לעומת הניתוח של אות אם ניתוח אות השינה יהיה . פסיולוגית או נפשית

וואגלית של החולים באה ליידי ביטוי בעיקר בערות - הערות אזי אפשר יהיה להסיק שההשפעה הסימפטו

ולהפך אם ניתוח אות הערות יהיה דומה . ולכן היא מושפעת יותר ממקור נפשי מאשר ממקור פיסיולוגי

- ח של אות השינה אזי אפשר יהיה להסיק שההשפעה הסימפטויותר לאות הערות בבקרה לעומת ניתו

וואגלית של החולים באה ליידי ביטוי בעיקר בשינה כאשר שאר ההשפעות הנפשיות מוחלשות ולכן ניתן

.נפשי יהיה להסיק שהמחלה מושפעת יותר ממקור פיסיולוגי מאשר ממקור

התהליך 3.2

ארבעה במקביל הוקלטו . שעות24- למשך כ כרוניים PTSD חולי ארבעההוקלטו באמצעות הולטר

נבדקים בריאים אך ניתוחי הספר 10- נבחנו כ.PTSDאנשים בריאים שלא אובחנו אצלם תסמיני

בהמשך יידרש .מתייחסים רק לארבעה מיתוכם המהווים את קבוצת הבקרה שוות הגודל לקבוצת החולים

להרחיב ) שפותחו במהלך המחקרהחדשיםבעיקר (כדי להגדיל את האמינות הסטטיסטית של התהליכים

.כל הנבדקים הבריאיםשתכלול את את קבוצת הבקרה

.מומשו שאר האלגוריתמים לכל נבדק בניפרדיהם דומה וחולק למבנים השונים עלבשיטה חכל אות נות

נבחנו בהשוואה בין תוצאות שתי. תוצאות הבריאים לקבוצה שנייהשולבו תוצאות החולים לקבוצה אחת ו

.הקבוצות

מבנה הספר 3.3

: חלקים עיקרייםחמישהמחולק להספר

:7 עד 4פרקים

.)שיטות ואלגוריתמיםהכולל (קליני ועיבוד האות, פיסיולוגי: הכולל הקדמה בנושאים, מבוא •

:8פרק

.תיאור סקירת מחקרים קודמים •

:9 פרק

.תיאור מהלך המחקר •

:11 - ו10פרקים

.)כלליות ואפקטיביות (תוצאות •

:12 פרק

. וסיכוםמסקנותדיון •

תיאור פרק המבוא 3.3.1.1

: וניםתחומים שמבמחקר נדרש לשלב ידע

. מבוסס המחקר כולו) ECG(ידע על המבנה הפיסיולוגי של הלב שעל בסיס אותותיו •

. שהיא מושא המחקרPTSDידע על מאפייני מחלת •

.HRVידע בעיבוד אות עם דגש על עיבודים שנועדו לאותות •

).ומה שבינהם( של הספר מורכב ומקיף את הנושאים הללו ולכן המבוא

:פרקים תת שלושהפרק המבוא מכיל

כולל תיאור ההולכה החשמלית , פרק המתאר את מבנה הלב ומחזור הדם–הקדמה פיסיולוגית .1

. על קצב הלבANS-והבקרה של ה

.PTSD על את המאפיינים של משפחת מחלות החרדה ובדגש פרק המתאר - הקדמה קלינית .2

יצירתו ,ECG - פרק המתאר את מבנה האות הפיסיולוגי ותכונות אות ה–עיבוד האות .3

מאפייני האות המעשיים ואופן בהמשך מתואר .וההשפעות של מערכת העצבים המרכזית עליו

לבסוף .Heart Rate Variability (HRV) - אות ההפיסיולוגית של משמעות ה, הקלטתו

תיאורטי מתמטי של שיטות העיבוד בהן תיאור . לעיבוד האותריתמיםשיטות ואלגומתוארות

:השיטות מחולקות לשלושה חלקים עיקריים. נעשה חלק ניכר מהעיבודים שבמחקר זה

. שלוהסטטיסטיים והמדדים מאפייני הזמן, HRV ניתוח אות -שיטות עיבוד בזמן .1

שיערוך ספקטרום פרמטרי . לי תלוי זמן של האותא ניתוח ספקטר–שיטות עיבוד בתדר .2

). בהתאמהFFT- וARלמשל (פרמטרי - ולא

. ICA - ניתוח פרקטאלי ו, מרחב הפאזה, מימד הקורלציה- שיטות עיבוד נוספות .3

תיאור סקירת מחקרים 3.3.1.2

: סקירת המחקרים מתוארת בחלוקה לחמישה נושאים

.ווגאלית על קצב הלב-שיטות בסיסיות לניתוח ההשפעה הסימפטו .1

.HRVספקראלי של ניתוח .2

.ECGפיתוח מודלים לניתוח אות .3

.HRVניתוח פרקטאלי של .4

.Poincaré plot באמצעות HRVחקירת .5

תיאור מהלך המחקר 3.3.1.3

פרק זה מתאר חמישה שלבים . מ להפיק את כל העיבודים הנדרשים"פרק זה דן בתהליכים הנדרשים ע

:עיקריים

.בסיס של המחקר כולו כאות הHRVהקלטת האות ויצירת אות : שלב ראשוני

חלוקות האות למבנים כגון פירמידה , סינון האותות ויצירת המבנים הבסיסיים של האות: שלב שני

.ואורכים שווים

:הפעלת פעולות על האותות: שלב שלישי

.ורמהגטסיסיות כגון חישוב ספקטראלי והיספעולות ב •

.-Dm1m2 וDFAפעולות מסדר שני כגון •

.תוצאות בין קבוצת הבקרה לחוליםהשוואת ה: שלב רביעי

תוצאות 3.3.1.4

:לדוגמא, פ המקור האלגוריתמי שהניב אותן"בפרק זה מרוכזות כל התוצאות ע

.Dm1m2 ופעולת DFAלמשל אחר אלגוריתם , תוצאות ניתוח האות המלא •

הפרדת , למשל סטטיסטיקות אורכי הסגמנטים, תוצאות העיבודים לאחר סגמנטציית האות •

.Dm1m2 אורך ופעולת פ"סגמנטים ע

שינה וערות, פירמידה, לאחר סגמנטציה, האות המלא: תוצאות ספקטרליות של כל סוגי האותות •

ועוד •

: התוצאות מחולקות לשני חלקים

.בהן יכולת ההבחנה היא חלשה יחסית, תוצאות כלליות .1

.בהן ההבחנה היא חזקה" אפקטיביות "–תוצאות סופיות .2

מסקנותסיכום ודיון 3.3.1.5

: תת פרקיםניזה מכיל שפרק

.תוצאות והבנת המשמעות שלהןהניתוח •

.)הגבלות ומחקרי המשך, תתי קבוצות החולים, תהליכי ההבחנה, תוצאות(סיכום כל העבודה •

פיסיולוגית, הקדמה 4

.כללי, הלב 4.1

מבנה 4.1.1

צות הלב הוא איבר שרירי חלול המורכב משני חצאים ימני ושמאלי המופרדים בינהם באמצעות מחי

- (Ventricle) החלל העליון וחדר- (Atrium) עלייה: כל צד בנוי משני חלקים הקרויים. שריריות

עליה חד כיווניים המסייעים -העליות והחדרים מופרדים בינהם באמצעות מסתמי חדר, החלל התחתון

. את החדריםבנוסף מסתמים חד כיווניים קיימים אף ביצי. בניתוב כיוון זרימת הדם ותיזמון הזרימה

ומסתם ביציאת החדר הימני ) Aortic valve(מסתם אורטלי קרוי מסתם ביציאת החדר השמאלי הה

.(Pulmonary valve)הקרוי מסתם פולמונלי

"התממשקות"תפקוד ו 4.1.2

מערכת חיונית זו . מערכת הלב וכלי הדם בגוף היא אחראית לזמינות דם מחומצן בכל רקמות הגוף

מערכת זו מתאימה את זרימת הדם לדרישות חמצן של הרקמות . ורידים ונימים, עורקים, מורכבת מהלב

. סביבתיים וריגשיים, המשתנות בהתאם לשינויים פיסיולוגיים

כלי הדם הנכנסים . הלב מתפקד כמשאבת שתפקידה הוא לספק אספקת חמצן סדירה אל כל איברי הגוף

דרך . (Artery)וצאים ממנו קרויים עורקים ואילו כלי הדם הי (Vein) אל הלב נקראים וורידים

תחתון (וורידים נבובים : אל העלייה הימנית נכנסים הוורידים הקרויים, הוורידים נכנס הדם אל העליות

מחדר ,דרך העורקים יוצא הדם מהחדרים. ואל העלייה השמאלים נכנסים ארבעת וורידי הריאה) ועליון

הדם . (Polmonary)ומחדר ימין יוצא עורק הריאה , (Aorta)העורקים- שמאל יוצא עורק הקרוי אבי

ומועבר אליהם מהעליות במהלך הרפיית החדרים (Systole)מוזרם מהחדרים בעת התכווצותם

(Diastole).

מחזור הדם 4.1.3

המסונכרנות , ימנית ושמאלית–מבחינה תפקודית ניתן לראות את הלב כמורכב משתי משאבות נפרדות

הימני והשמאלי שכאמור מחוברים בינהם חיבור אנטומי אך אין בינהן מעבר דם " הלבחצאי "שהן . בינהן

מחזור הדם ). לאחר סגירת הפתח במחיצה שקיים במהלך החיים העובריים בהם אין שימוש בריאות(

):המחזור הקטן(ומחזור הדם הריאתי ) המחזור הגדול(מורכב ממחזור הדם המערכתי

דם –" עורקי"דם מגיע ) במהלך הרפייתו(דר השמאלי אליו ראשיתו בח, המחזור המערכתי •

במהלך (המזרים את הדם . מהריאות) O2( דם שבו ההמוגלובין רווי בחמצן –מחומצן

20 – הדם הלא מחומצן –" וורידי"הדם ה. העורקים ודרכו אל כל רקמות הגוף-אל אבי) התכווצותו

מוחזר מהרקמות דרך הוורידים ) CO2-שהוא רווי ב(דם שבו ההמוגלובים אינו רווי בחמצן

.כלומר את מחזור הדם הריאתי, הנבובים אל העליה הימנית

). במהלך הרפייתו(מעליה הימנית אל החדר הימני " וורידי"במחזור הדם הריאתי עובר הדם ה •

מהריאות . אל עורק הריאה ודרכו אל הריאות) במהלך התכווצותו(החדר הימני מזרים את הדם

. אל הלב דרך וורידי הריאות אל העליה השמאליתהדם מוחזר

.הסינכרון בין שתי המערכות מאפשר שתפוקת הדם תהיה שווה בינהן

מערכת ההולכה החשמלית בלב 4.2

הלב הוא איבר . מנת להיתכווץ-הלב כמו כל שריר אחר בגוף זקוק לגירוי חשמלי בעוצמה נמוכה על

שריר הלב עובד ללא , בניגוד לשרירים אחרים. חיצוניאוטונומי היכול לפעול ללא הזדקקות לגירוי

) פולסים( המייצר דחפים חשמליים (Pacemaker)" קוצב"הפסקה פעילותו העצמאית של הלב מקורה ב

דחפים אלו . ומערכת הולכה המוליכה את הדחפים במהירות רבה אל כל חלקי שריר הלב, בקצב מסויים

ללא גירוי –צור הדחפים הסדירים נעשית באופן אוטונומי יי. מגרים את השריר להתכווץ בקצב נתון

י מערכת העצבים האוטונומית המווסתת את קצב הלב "מערכת חשמלית זו מבוקרת ע. עיצבי מחוץ ללב

.4.3 פ הדרישות הפיסיולוגיות והמנטאליות בהן נתון הגוף באותו זמן כפי שיתואר בסעיף "ע

. הקוצב הראשי מצוי בדופן האחורית של העליה הימנית ליד כניסת הווריד הנבוב: קיימים שני קוצבים

, והוא מורכב מתאים עגולים וחיווריםSino-Atrial (SA) Nodeאטריאלי - קוצב זה קרוי הקשר הסינו

המערכת פעות השבחסימה כוללת של . פעימות בדקה.החסרים כמעט לגמרי חלבונים מתכווצים

קצב פעולת הלב השורר . 100- פעימות לדקה לכ70-קצב הלב עולה מקצב מנוחה של כ, האוטונומית

המשמעות . של הלב(intrinsic)לאחר חסימה מוחלטת של העיצבוב האוטונומי נקרא העיצבוב העצמוני

.מות לדקה פעי100 - הם תאים היוצרים דחפים בקצב עצמוני קבוע של כSA Node -היא שתאי ה

-Atrioקוצב זה קרוי . הקוצב המשני מצוי במחיצה הבין עלייתית בסמוך לחיבורה למחיצה הבין חדרית

Ventricular (AV) Node .רק בקצב איטי , גם קוצב זה מורכב מתאים היוצרים דחפים באופן עצמאי

, עלים עליו דחפיםהקוצב המשני פועל כקוצב עצמאי רק כאשר לא פו. דחפים לדקה40-45 -יותר של כ

היות והוא איטי יותר (דחפי הקוצב הראשי מדכאים את פעילות הקוצב המשני ; המגיעים מהקוצב הראשי

היות ) AV(הקוצב המשני משמש גם כצומת ). להגיע לתזמון הדחפים העצמאיים שלו" מספיק"הוא לא

AVצומת . עבר אל החדרים ורק דרך צומת זו מוAV Node-ובאופן רגיל הגירוי מהעליות מרוכז אל ה

. ומייצרת דחפים מוגברים ובתזמון מתאים לחדרים) SA-מה(מעקבת את הדחפים המגיעים מהעליות

מ לסיים את התכווצותן ולהתרוקן מכל הדם שבהם "עיכוב זה של הדחפים מאפשר לעליות מספיק זמן ע

ירויים חשמליים לא רצויים הוא סינון ג AV Node -תפקיד חשוב נוסף של ה. ולהעבירו אל החדרים

הצומת תחסום את הגירויים יידיכאשר כאשר קצב העליות מהיר מ, כלומר). שאינם בתזמון הנכון(

.החשמליים המיותרים ותסנן את העברתם אל החדרים21

הפרושים כמניפה שין שני , הקשר בין שני הקוצבים מתקיים באמצעות חלק מסיבי שריר העליות

אל העליות AV Node -הדחף מועבר מה. בסיב שריר העליות גורם להתכווצותומעבר הדחף . הקוצבים

העוברת במחיצה הבין חדרית ומורכבת , (HIS Bundle)באמצעות מסילה מיוחדת הקרויה מסילת היס

שמקורם רקמת שריר והם בעלי תכונת (Purkinje fibers) מסיבים מיוחדים הקרויים סיבי פורקינייה

.קמה עיצביתהולכה חשמלית כר

הממוקמים משני ,(Right and Left Bundle Branch)מסילת היס מתפצלת לשני ענפים ימני ושמאלי

.שכל אחד מהם מעביר את הדחף אל חדר אחד בהתאמה. צידי המחיצה הבין חדרית

שני החדרים ונוצרת , המפוזרים בכל שריר החדריםפורקינייה נוצר גירוי בו זמני בכל אלפי סיבי

פולס זה העובר ברשת סיבי פורקנייה החדרים מתכווצים . תכווצות סימולטנית של שני החדריםה

. ומזרימים את הדם אל הגוף

לאחר ההתכווצות מתרחשת טעינה מחדש של , התהליך בו שריר הלב מגורה להתכווץ נקרא דפולריזציה

ריר אינו יכול להגיב לגירויים במהלך תקופת הרפולריזציה הש. תהליך הקרוי רפולריזציה–תאי השריר

.נוספים

מושפע הלב מגירויים חיצוניים המסוגלים , חרף היות הלב איבר אוטונומי היכול לפעול ללא גירוי חיצוני

החשת הלב נדרשת להתאמת יכולת הספקת החמצן וחומרי האנרגיה . להאיץ או להאיט את קצב פעולתו

.ןלשרירים בהתאמה לדרישות מצב הגוף באותו זמ

ובקרה באמצעות , בקרה באמצעות מערכת העצבים האוטונומית: קיימים שני מקורות בקרה חיצוניים

.המאיץ את קצב פעולת הלב) הכליה-יותרת-הורמון ליבת(הורמונים למשל אנדרנלין

Cardiovascularמערכת הבקרה על מערכת הלב וכלי הדם 4.3

Control System

מבנה הבסיסי , כללי 4.3.1

היא בנויה כמערכת משוב שמטרתה להבטיח . מורכבת ממספר מכניזמים ומספר קולטניםמערכת הבקרה

כאשר לחץ הדם . לחץ דם קבוע במערכת העורקית העונה על צורכי החמצן ברקמות בהתאם למצב הגוף

מהירות זרימת הדם נקבעת ) 90-110mmHgצעיר ובריא לחץ הדם הוורידי הוא בתחום , בבוגר(קבוע

מנגנון זה מפשט את צורכי בקרת זרימת הדם שהיה נדרש . י ההתנגדות לזרימה בעורקיקיםבאמצעות שינו

י שינויים הפוכים "כאשר שינויי התנגדות לזרימת דם גלובליים מפוצים ע. לחץ דם קבועבאם לא היה

.בתפוקת הלב

, פח הפעימהנ(שווה לנפח הדם שהלב מזריק בכל פעימה ) כמות הדם שהלב מזריק בכל דקה(תפוקת הלב

stroke volume ( כפול מספר הפעימות בדקה)בהתאמה הבקרה על תפוקת הלב נחלקת ). קצב הלב

הבקרה על קצב הלב מבוצעת בעיקרה . בקרה על קצב הלב ובקרה על עצמת התכווצות השריר: לשניים

בנוסף והבקרה על עוצמת התכווצות שריר הלב אף היא עצבית אך , י מערכת העצבים האוטונומית"ע

).המגיעים עם זרם הדם(אליה מתווספים גם גורמים מכאניים והורמונאליים

בקרת קצב הלב 4.3.2

הזמן שלוקח –פ זמן תגובת המערכת "ע, ארוך טווח וקצר טווח: קיימים שני חוגי בקרה על קצב הלב

ן תגובה של חוג הקצר טווח מגיב מיידית לשינויים בלחץ הדם בזמ. מזמן הגירוי עד להשפעה על קצב הלב

שני המנגנונים האלו . חוג הארוך טווח בכל תגובה איטית של שעות וימים, דקות עד מספר שעות בודדות

הצורך במערכת בקרה מורכבת כזו נובע מכך שהתחום הדינאמי של . משולבים יחד לייצוב לחץ הדם

נית הוא קטן יחסית התנגדות לזרימת הדם בגוף הוא גדול בעוד שההשפעה כל אחת ממערכות הבקרה השו

.אך ביחד הן מצליחות לשמר את יציבות לחץ הדם בהשפעת תחום רחב של תנאים חיצוניים ופנימיים

בעבודה זה התרכז המחקר סביב השינויים בקצבי הלב לכן בהקדמה זו מפורטת בעיקר אחת המערכות

ם באמצעות השפעה מערכת קצרת הטווח המבצעת את ייצוב לחץ הד, היותר חשובות בבקרה לחץ הדם

. על קצב הלב

Autonomic nervous system, (ANS)מערכת העצבים האוטונומית 4.3.2.1

, האחראי על פעולות שאינן מכוונות באופן מודע, המרכזיתחלק ממערכת העצביםמערכת עצבים זו הינה

כיב עיקרי מהווה מרמערכת זו . הפרשת רוק ועוד, הזעה, תנועות המעי, כולל פעימות סדירות של הלב

מסיבות אנטומיות מחולקתהמערכת . בחוגי הבקרה האחראיים על ייצוב קצר טווח של לחץ הדם

העצבים הסימפתטיים . סימפתטית- למערכת הסימפתטית והמערכת הפארא:ופיסיולוגיות לשתי מערכות

ומן החלק סימפתטיים יוצאים מן המוח -ואילו העצבים הפארא, יוצאים מן החלק האמצעי של חוט השדרה

השרירים החלקים ורוב הבלוטות מגיעים סיבי , אל הלבעצבים אלו מגיעים . התחתון של חוט השדרה

השפעת הגומלין של פעולות רפלקסיביות משני הסוגים שולטת בפעילותם של ; עצבים משני הסוגים

:תפקידי שתי המערכות הם. איברים אלה

למערכת זו סיבי עצב , (Sympathetic nervous system)מערכת העצבים הסימפתטית •

דרך שרשרת של גנגליונים קרוב לחוט השדרה באזורי , שיוצאים ממערכת העצבים המרכזית

המעי , הריאות, הלב, בלוטות רוק, בלוטות זיעה, העצבים מגיעים אל כלי דם. החזה והמותניים

ספקת הדם אלהגברת קצב הלב תגברגורמת להמערכת העצבים הסימפתטית . ואיברי המין

המערכת הסימפתטית פעילה כאשר נידרש מהגוף מוכנות גבוהה . לחץ הדםלהעלאתו, לשרירים

. ובאופן כללי כאשר הגוף צריך להתמודד עם מצבי לחץ

מערכת עצבים, (Parasympathetic nervous system)סימפתטית -מערכת העצבים הפארא •

בלוטות ורוב , שטים אל כלי דםבים שיוצאים ממערכת העצבים המרכזית ומתפבעלת סי

כאשר פעולותיהן , המערכת עובדת בתיאום עם מערכת העצבים הסימפתטית. האיברים הפנימיים23

והיא משפיעה , הרפיההמערכת הפרסימפתטית פעילה בעיקר במצבי. כלל הפוכות זו לזו-בדרך

.על הורדת קצב הלב

הקרויה גם (טית שומרות על רמת פעילות בתנאים נורמאליים שתי המערכות הסימפתטית והפאראסימפת

tone (כלומר ה. מסויימת- SA Nodeכ להשפעה טונית מצד שתי מערכות העצבים " נתון בד

סימפתטית -גירויי המערכת הסימפתטית מאיץ את קצב הלב ואילו גירויי המערכת הפארא: האוטונומיות

בדרך כלל בין שתי .שתי המערכותההשפעה הסופית על קצב הלב היא סופרפוזיציה של . מאיט אותו

כאשר רוב האיברים מגיבים באופן הפוך אל ). רציפרוקלית(המערכות קיימת פעולה מתואמת הפוכה

.למשל האישון מתרחב כתגובה לגירוי פאראסימפתטי ומתכווץ כתגובה לגירוי סימפתטי, א מהמערכות"כ

פירוט כל ההשפעות של מ .מפתטיתסי-באנשים בריאים במצב מנוחה שולטת לרוב המערכת הפארא

:המערכות הסמפתטית והפרסימפתטית

סימפטתית-פרה/ סימפטתית -מערכת העצבים האוטונומית

איבר, סימפטומימטי(גירוי סימפטתי

)אדרנרגי )כולינרגי(סימפטתי -גירוי פרה

האטה האצה חילוף חומרים

)וטרופי שליליכרונ(האטת קצב הלב )beta1 & beta2האצת קצב הלב לב

שיפור כוח התכווצות שריר הלב

beta1 ) &beta2(

דיכוי כוח התכווצות שריר הלב )אינוטרופי שלילי(

שיפור קצב ההולכה

)alpha1( התכווצות עורקים

)דרומוטרופי שלילי(דיכוי קצב הולכה

הרחבה

)beta2( הרחבה

)alpha1( התכווצות ורידים

)beta2( רחבה ה ריאות

)beta2( הרפיית שרירי הסימפונות

כיווץ שרירי הסימפונות

הגברת הפרשות בסימפונות

הגברת יצירת רוק )alpha( הפחתת יצירת רוק בלוטות רוק

)alpha(כיווץ סוגרים

Glycogenolysis (beta2 & alpha) כבד

פירוק גליקוגן–

הרפיית סוגרים

יצירת גליקוגן

Gluconeogenesis (beta2 & alpha)

Lipolysis (beta2 & alpha)

פירוק שומנים–

כיווץ הרפיה כיס מרה

עיכוב הפרשת אינסולין לבלב

הפרשת גלוקגון

)beta2( הפרשת רנין כליה

)beta2( דטרוזור הרפיית שריר ה שלפוחית

)alpha( כיווץ השלפוחית

כיווץ שריר הדטרוזור

הרפיית השלפוחית

התרחבות השרירים החלקים וזיקפה פליטת זרע ואורגזמה )גבר(אברי מין

התרחבות השרירים החלקים )אשה(אברי מין

התכווצות רחם אצל אשה הרה רחם )alpha(

)beta2(הרפיית רחם

)Miosis (alpha(( האישון הרחבת עין

)Mydriasis(כיווץ האישון

הגברת דמעת

)Myopia(קימור העדשה וקוצר ראיה

הפרשה מוגברת בלוטות זיעה

medullaליבת בלוטת האדרנל

הפרשת אדרנלין ונוראדרנלין

קלינית, הקדמה 5

) anxiety(חרדה -כללי 5.1

ושת בהלה או דאגה יתרה המלווה בתסמינים גופניים הבאה בעקבות חרדה היא תחושת פחד מוגזמת או תח

אחד ההבדלים החשובים בין פחד לחרדה הוא שפחד . ציפייה לסכנה שיכולה להיות חיצונית או פנימית

בתלות , חרדה יכולה ללבוש פנים רבות. נובע מהסכנה עצמה ואילו חרדה מתעוררת עקב ציפייה לסכנה

אדם הסובל ממנה וכנראה שגורמים תורשתיים וגורמים התפתחותיים משפיעים באישיות של ה, בגורם לה

. על העוצמות והצורות השונות של חרדה

התנהגות , פוביות, )ניקהאפ(התקפי בעת : למשל, "הפרעות חרדה"מצבים ומחלות רבות נחשבים היום ל

עקבות טראומה ותחושת הפרעת חרדה ב,)פחד ממחלות(היפוכונדריה , כפייתית או מחשבות טורדניות

. חרדה כללית

חרדה נורמלית וחרדה כמחלה 5.1.1

אדםגם . שתפקידן המקורי לגרום לאדם לברוח מסכנה, רחבות היקף, חרדה ופחד הן תופעות נורמליות

תחושה זו מאופיינת בתחושת פחד לא ממוקדת ומלווה . תחושת חרדה מסוימתלחוות לעתים בריא יכול

. כאב בטן ושלשול, תחושת חנק או כאב בחזה, תחושת עילפון, דפיקות לב, הזעה, בדרך כלל בכאב ראש

כאשר היא מפריעה ו חרדה נחשבת למחלה או להפרעה כאשר היא מוגזמת ביחס לגירוי שמעורר אותה

. לתפקודו של החולה בה

ם לחרדה מיגורה 5.1.2

תסרוטונין וחומצ, נוראפינפרין חרדה נובעת משיבוש במערכת המעבירים העצביים במוח ובעיקר של

תפקידם העיקרי של מעבירים עצביים אלו הוא פיקוח על תפקודים ). GABA(גאמא אמינובוטירית

עדיין לא ברור מדוע אדם מסוים סובל מתסמונת חרדה כללית או מהתקף בעת . ליים רביםארגשיים ומנט

חלק מהחוקרים . ריה או מכפייתיותואילו אדם אחר עם אותו סוג של שיבוש סובל דווקא מהיפוכונד

. סבורים כי למאפיינים אישיותיים סביבתיים יש השפעה על אופי התסמונת ממנה סובל האדם

PTSD- Post Traumatic Stress Disorderמחלת 5.2

5.2.1 PTSD כללי

שהוא מעבר לתחום הארועים הנכללים בהלך חיים נורמאלי עבור האדם נו אירוע יאירוע טראומתי ה

. האדם או סביבתו שלאו הנפשית\ ובו נשקפת סכנת חיים או סכנה לשלמות הגופנית, פציפיהס

מאופיינת פרעה זו ה.הפרעת חרדה הנובעת כתוצאה מחשיפה לארוע טראומתיהיא PTSDמחלת

במצוקה פסיכולוגית עמוקה במשולב עם עליה במתח הנפשי כתגובה לדברים הקשורים לטראומה או

. ]A31 [ רות בההגורמים להיזכ

, שוד, עינויים, אונס, תקיפה, אסונות תעשייתיים, תאונות דרכים, מלחמות, רבים של פיגועיםנפגעים

קיים מגוון ). PTSD( סובלים מתסמונת פוסט טראומטית ושאר הארועים הקטסטרופאלייםאסונות טבע

אחוז מסויים מהאוכלוסיה שנחשפו לטראומה מאובחנים כחולי אך רק, רחב של תגובות אנשים לטראומה

PTSD . בהכרה של איבחון מחלת ה משמעותיתקיימת עליהבעשורים האחרונים -PTSD כמחלה

.פסיכולוגיות כתוצאה מחוויה פסיכולוגית טראומטית- המאופיינת בבעיות נוירו

תלוי במחקר- 9% עד 1%( בודדים באוכלוסיה רגילה שכיחות המחלה במהלך חיים שלם הוא אחוזים

] A26[.(משמעותי שיפתחו אירוע טראומתי אחוז מהקרבנות של PTSD וברמת ,תלוי בסוג הטראומה

:למשל] A25 [ההכשרה המוקדמת

. טראומתית יפתחו תסמונת פוסט קורבנות מה45%-20% - כ, פיגוע התאבדות •

.יפתחו את התסמונת קורבנותמה 13%- כ ,תאונת דרכים •

. יפתחו את התסמונת20%-15%- שהשתתפו בקרבות כ) ב"ארה(בקרב חיילים •

. יפתחו את המחלה5%-כ) ' וכומיוחדים, שיטור(מקצועיים לוחמהבקרב כוחות •

הפרעה מועדת לפתח ממנה 30%-כ, אוכלוסיה אזרחית ששוהה באזורי מלחמהבקרב •

. פוסטטראומטית

PTSD-גורם ל 5.2.2

תגובת הפחד מווסתת . נשמר באזורי מח עמוקיםהגשית מערבת יצירת זכרון שקשור לאירוע יטראומה ר

כרוכה בפעילות לא תקינה של PTSDי מבנה קטן במעמקי המוח שקרוי אמיגדלה וכפי הנראה תגובת "ע

ולאזורים הקורטיקלים כמו האונות הפרונטליות ים מהאמיגדלה להיפוקמפוסיהקשרים הנוירונ. האמיגדלה

כפי הנראה . גורמים לדיכוי תחושת הפחד אשר מופיע מחדש כאשר האדם נחשף לזכרונות טראומטים

י ההיפוקמפוס ומעיד על כך "סטרס ברמה גבוהה מורידים את היכולת האינהיביטורית של דיכוי הפחד ע

-רגישותם היתרה של הסובלים מ. פורלי כזכרון אוטוביוגרפישהזכרון אינו נמצא באינטגרציה באזור הטמ27

PTSD לחשיפה לחומר שקשור לטראומה או מחשבה על הטראומה מביאה לתוצאה של עליה בפחד

.הובה לגירוי שאינו באמת מהווה סכנבתג

ממצאי . מבנה מוחי שאחראי ללמידה וזכרון– מדדו את גודל ההיפוקמפוס PTSD של חולי MRIמחקרי

אחוז בגודל ההיפוקמפוס הימני בהשוואה לקבוצת 8 ירידה של יש PTSDחולי מחקרים הראו כי בה

אחוז בגודל 12ירידה של . הפרעה בזכרון לטווח קצר היתה אחד הביטויים לירידה זו. ביקורת

על רקע אירועי ילדות טראומטים כמו ניצול פיזי PTSD-ההיפוקמפוס השמאלי נמצאה בחולים שסבלו מ

ירידה בגודל ההיפוקמפוס היתה קשורה לתסמינים דיסוציאטיבים שחוו נשים עם עבר של ניצול . פשיונ

. מיני בילדות

בריאים אנשים ל. יש רמות לא תקינות של הורמונים שמעורבים בתגובה לסטרסPTSDלאנשים עם

PTSDחולי . אבסכנה יש הפרשת יתר של אופייטים טבעיים שבאופן זמני מורידים תחושת כבמצב של

מה שעשוי להסביר את הקהות –ממשיכים להפריש רמות גבוהות של אופייטים גם לאחר שהסכנה חלפה

. PTSDהרגשית שקשורה למצבי

מספר מחקרים הדגימו שרמות קורטיזול היו נמוכות מהרגיל ורמות אפינפרין ונוראפינפרין גבוהות

צבי סטרס ואחת הפעולות שלו היא הפעלת ההיפוקמפוס נוראפינפרין הוא הורמון שמופרש במ. מהנורמה

פעילות זו של נוראפינפרין יכולה להסביר . מבנה מוחי שקשור לארגון ואחסון של זכרון לטווח ארוך–

במצב סטרס קיצוני או טראומה . מדוע אנשים יכולים לזכור אירועים טראומטים יותר מאירועים אחרים

ים כפלשבקים או וס ביתר שאת וגורם ליצירה של זכרונות עזים שנחונוראפינפרין פועל על ההיפוקמפו

. זיכרון באמצעות טראומהלעוררמכאן שניתן אף . כזכרונות חודרניים

כללי, PTSDתסמיני 5.2.3

חשיפה למצבי סכנה שיש בהם איום על שלמותו הנפשית או הפיזית של הנחשף להם עשויה להיות מלווה

שורה של תסמינים תגובות אלו נבחנות כ". טראומטיות-בות פוסטתגו"בתגובות אפיניות המכונות

לאורך תקופת זמן ארוכה . PTSD - חווה את הטראומה המאפיינת את מחלת ההמתחילים לאחר שהאדם

PTSDאך יש אנשים שאצלם מחלת , שכיחות המחלה בקרב אוכלוסיה שנפגעה מטראומה נוטה לרדת

.היא כרונית שלא מצליחים להתגבר עליה

וחוויה חוזרת של התסמינים כפי שנחוו בזמן , תחושת בהלה וחוסר אונים, התסמינים כוללים פחד

תסמינים . חלק גדול מהחולים מנסים להימנע ממפגש מחודש עם האירוע. (Reactivation)האירוע

וטים סי, )הבזק לאחור(פלאשבקים , רגזנות יתר, קשיי ריכוז, בשינהמסויימת נוספים כוללים הפרעה

חלק . )ברמת היכולת שלפני הטראומה(ובאופן כללי חוסר היכולת להתמודד עם דרישות חיי היום יום

מהחוקרים סבורים כי מדובר בתסמונת שהאירוע הטראומטי גרם לה וחלק אחר סבורים כי מדובר

. באנשים הסובלים מנטייה להפרעת חרדה וכי האירוע הטראומטי גרם להתפרצות מחלה

פירוט, PTSD תסמיני 5.2.4

מלווים ,חשיפה למצבי סכנה שיש בהם איום של ממש על שלמותו הנפשית או הפיזית של הנחשף להן

, אשר תסמיניה הם עליה בקצב הלב" FIGHT OR FLIGHT"באופן תקין בתגובת הישרדות הקרויה

דותי שמיועד תגובה זו הינה מנגנון הישר. עליה במתח שרירים, הזעה, עליה בקצב הנשימה, לחץ הדם

תגובה חרדתית למצבי סטרס מאופיינת בפחד שהוא מעבר לפרופורציות . להתמודדות עם סכנה קיומית

כרוכה בהתנהגויות שמיועדות למניעת חרדה ויכולה להופיע , נמשכת זמן רב יותר, האמיתיות של האיום

טראומטית חר חוויה הפרעת דחק חמורה מתפתחת במהלך יומיים ועד חודש לא. גם ללא איום של ממש

. גיב לאירוע בתחושה קשה של פחד או חוסר אוניםגורמת לסובל ממנה לה וקשה

הינה מנגנון נפשי " דיסוציאציה. "המאפיין העיקרי של הפרעה חריפה הוא תסמינים דיסוציאטיבים

ות או שויה להתבטא בקהדיסוציאציה ע. שמיועד להרחיק מהתודעה תכנים מציפים וקשים להכלה מיידית

. קושי לזכור פרטים הקשורים לאירוע-"אמנזיה דיסוציאטיבית"ו ירידה במודעות לסביבה ,ניתוק רגשי

מחשבות , שיחות , נסיונות להימנע ממקומות, "פלאשבקים", כמו כן עשויה להופיע תחושת חרדה מציפה

. חייםשמזכירים את האירוע הטראומטי ותחושת מתח כללית שגורמת להפרעה בכל תחומי ה

אשר מהווה בעיה ארוכת טווח PTSDבמידה ומדובר על תסמינים שנמשכים יותר מחודש התופעה קרויה

תסמיניה של הפרעה זו עשויים להימשך חדשים ושנים רבות ולגרום להפרעה של . עבור אנשים רבים

: קבוצות סימפטומים עיקרייםבארבעהתסמונת מאופיינת . ממש באיכות החיים

, היא כוללת. (reactivation) אשונה היא סימפטומים של חוויה מחדש של האירועהקבוצה הר .1

סיוטים או חלומות , )מחשבות חודרניות(מחשבות בלתי נשלטות על האירוע , בין השאר

פירוט בסעיף [אקטיבציה מוגברת של המערכת הסימפתטית כפי שאומת במחקר זה (מפחידים

מחשבות חוזרות . אדם פועל או מרגיש כאילו האירוע ממש קורה מחדש-ופלשבק, ] )9.4.3

הזיות שגורמות למי שסובל , וחודרניות שמופיעות באופן פתאומי ומשבשות את שגרת החיים

המחשבות .ולנהוג כפי שנהגו כשהאירוע קרה" כאן ועכשיו"מהן לאבד את הקשר עם ה

ש משהו בסביבה אשר מזכיר את האירוע או ללא שום גירוי החודרניות יכולות לעלות כאשר י

. או משועמם, נח, כשהאדם נרדם, הקשור אליו

דומיננטיות יתר של המערכת ( יתר קבוצת הסימפטומים השנייה היא סימפטומים של עוררות .2

פירוט [כפי שאומת גם כן במחקר זה הסימפתטית ואקטיבציה חלשה של המערכת הווגאלית

בין . היא כוללת בנוסף לרגשות החזקים גם תגובות גופניות המלוות אותם.])10.2.3 בסעיף

קושי , רגזנות או נטייה להתפרץ בכעס, להישאר ישןהסימפטומים ניתן לזהות קושי להירדם או

ים גם אם דריכות ומתיחות מתמשכ, תגובות בהלה קיצוניות כמו קפיצה למשמע רעש, להתרכז

.אין שום סיבה לכך כאילו הם כל הזמן על המשמר ויסבלו מקשיים בריכוז

היא תגובה טבעית , הימנעות מכל מה שמזכיר את האירועשלישית היא קבוצת הסימפטומים ה .3

משקיע מאמצים רבים להימנעות מכל החולה .לזיכרונות החודרניים ולתגובות הרגשיות העזות

חש דחף למחוק את המחשבות והרגשות חולה ה.ירוע הטראומטידבר שעלול להזכיר את הא

האדם נמנע מכל . הוא נמנע ממקומות או מאנשים שמזכירים לו את האירוע, הללו ממנו והלאה

לעיתים לאנשים ישנה בעיה לזכור את . מחשבה על האירוע ולא נותן לעצמו לחוש רגשות לגביו

תים אנשים מרגישים שהם חסרי תחושה או לעי. או לזכור חלקים ממנו, המאורע בשלמותו

. יאבדו תחושה רגשית בכדי להימנע מתחושות כואבותהם , מנותקים מהעולם הסובב אותם

והינו אחד מסימני ההיכר של " דיסוציאציה" כאמור איבוד התחושה לגבי הטראומה עצמה נקרא

ים וחווים תחושה של ירידה לעתים קרובות סובלים ממיחושים גופניים שונPTSDסובלים מ .4

. קתיים חברתיים ורגשייםוביכולת ההנאה ובכישורים תעס, כללית באיכות החיים

PTSD -מי סובל מ 5.2.5

מורכב וקשור PTSDחיזוי הגורמים הקשורים למחלה והיכולת לאפיין את האדם שעלול לפתח תסמיני

, אישיות לפני המחלה: כגון) מלאשלא ממופים עדיין מבחינה מחקרית באופן (למספר רב של גורמים

הנתונים לגבי התפתחות של הפרעה פוסטטראומטית משתנים .מצב נפשי קודם לטראומהומקור הטראומה

, ההפרעה שכיחה יותר בנשים. גיל ומין המעורבים באירוע, חמרתו, מאד בהתאם לסוג האירוע הטראומטי

באנשים מבוגרים אצלם ההגנות נוקשות וקיים בילדים אשר מנגנוני ההגנה שלהם אינם מפותחים דיים ו

, בעיות נפשיות שונות , מי שסבל מרקע קודם של טראומה. קושי רב יותר בהסתגלות למצבים קיצוניים

. PTSD- חשוף יותר לקיצונייםאירועי חיים , היעדר תמיכה משפחתית וחברתית

בסבל , חוסר שליטה, חוסר אוניםהאירוע מלווה בתחושה גדולה שלור אינו ניתן לניבוי יגכאשר הטר

. ופחד גדולים יש שכיחות גבוהה יותר להתפתחות הפרעה פוסטטראומטית

בעבר רווחה הדעה כי חמרת ההפרעה הפוסטטראומטית קשורה בעיקר לחמרת האירועים שהביאו

וע על כיום ידוע כי מדובר גם על חויה סובייקטיבית שקשורה למשמעות הפסיכולוגית של האיר. להפרעה

מה שיכול להסביר הפרעות פוסטטראומטיות שמתפתחות בעקבות אירועים אשר –הנפגע הספציפי

אינם נחשבים כמסכני חיים וגם את ההבדל הגדול בתגובות של אנשים שמעורבים באותו " אובייקטיבית"

. אירוע

החיים עם הטראומה 5.2.6

כגון נסיעה , פעולות שגרתיות. נות לביצועמשימות היומיום הופכות להיות קשות מאוד ולעיתים בלתי נית

תחושת הקושי לישון ו. תפקוד בעבודה ובבית ואפילו שינה הופכות לאתגר מפרך, למקום העבודה

.קשיים ביחסים אינטימיים ועוד, חוסר ריכוז, עוררות המתמדת גורמים לעייפות מתמשכתה

!!!פעה כרונית ואינה חולפת מעצמה ההפרעה הנה תו–אם הסימפטומים נמשכים ואם אין טיפול נכון

PTSDהשינה של חולי 5.2.7

:מחולקת לשני מצבים עיקריים, אצל אנשים בריאיםהשינה

Low Frequency (LF)- המאופיין בעליית ה ,)Rapid Eye Movement) REM : מצב ראשון קרוי.1

-עליה בכלומר ניתן לראות )SNS (סימפתטיתמערכת הלפעילות בעיקר משוייך. HRV-של ה

Sympathetic tone במהלך REM.

עולה בהםשונים מצבים 4-המחולק ל, )No-Rapid Eye Movement) NREM : מצב שני קרוי.2

Slow Wave בהם השינה עמוקה שלבים הקרויים 3,4 שינה קלה לשלבים -1משלב השינה " עוצמת"

Sleep (SWS). יורד הככל שעומק השינה עולה כך בהתאמה- Sympathetic tone . מאופיין בעליית

.Parasympathetic Nervous System (PSNS) המשויך למערכתHigh Frequency (HF)-ה

השינה מאופיינת בבעיות שונות כגון קשיי הרדמות . יש מאפיינים ייחודייםPTSDשינה של חולי ללרוב

, חלומות חרדה ונדודי שינה, יםסיוט, שינה מוטרדת, אורך שינה קצר, )insomnia(והתעוררויות תדירות

]. A14 ) [יותר משעתיים(אך בנוסף אצל חולים רבים קיימים מחזורי שינה ארוכים מאוד

אך בבדיקות ). ערנות ביותר ממחצית זמן השינה (50%-החולים משערכים את יעילות השינה כנמוכה מ

כלומר שהתחושה הסובייקטיבית של החולה שונה , בשערוךבמעבדות שינה מתברר שהחולים טועים

הם אכן סובלים מהתעוררויות רבות יותר ומזמן ערות גדול . מאיכות השינה האמיתית האובייקטיבית

בפועל איכות השינה שלהם ירודה אך במעט מאשר אצל , אך לא במידה משמעותית. יותר במהלך שינה

. אנשים בריאים

אובחן שקצב תנועות העיניים ) חרדהוכן בחולים אחרים בעלי הפרעות (PTSD אצל חוליREMבמהלך

)"REM density"( מתקיים אצלם . תופעה המשויכת לכך שהחלומות שלהם קשים יותר, גדול יותר

: היא קיצונית לשני הקצוותREM-מנגנון הגנה להקטנת זכירת החלומות המתבטא בכך שאורך תקופת ה

. יחסית לאנשים בריאיםהכי קצרה והכי ארוכה

המגדילה את , sleep deepening: מושפעת משתי מערכות מנוגדותPTSDלסיכום השינה של חולי

. הגורמת בסופו של דבר לנדודי שינה, hyperarousal- וslow-wave sleep-אחוז ה

עיבוד האות הפיסיולוגי, הקדמה 6

באמצעות שונות קצב הלב ECG-ניתוח אות הפרק זה מתאר את התהליכים והעקרונות ל

Heart Rate Variability – HRV)(.הפרק מכיל :

.ECG-מבוא על אות ה •

.HRV-מבוא על אות ה •

.HRV-ווגאליות על אות ה- ההשפעות הסימפתותיאור כללי של שיטות ניתוח •

.תהליך הסגמנטציה •

.מימד הקורלציה •

.Poincar’e plot באמצעות HRVניתוח •

:בנוסף בנספחים**

.11 פרק , 1בנספח . )ECG) QRS Detection- מיתוך הHRV-ליך הפקת התה •

.12 פרק , 2בנספח . שיטות עיבוד ספקטראליות •

.13 פרק , 3בנספח . תיאור מאפייני האות המעשי •

(ElectroCardioGram- ECG) אות האלקטרוקרדיוגרם 6.1

חשמלי אשר נוצר מפעילות האות ה רישום- רישום של המאורעות החשמליים בלב הואECG -אות ה

. במהלך פעולת שריר חלים שינויים במתח החשמלי על פניו הגורמים להתכווצותו והרפייתו .שריר הלב

כדי להבטיח פעולה תקינה של נכרנתושריר הלב הוא למעשה אוסף של שרירים המופעלים בצורה מס

באופן ) 1.2Hz -תדר מחזור של כ( פעם בדקה 70 - הלב פועם בצורה כמעט מחזורית כ. הלב כמשאבה

מתאר את עקומת המתחים החשמליים הנוצרים ECG-תרשים ה. בתנאי רגיעהבריא אדם אצל אופיני

הזרם החשמלי עובר בהדרגה . לבבמהלך מחזורי הפעילות של ה בעת מעבר דחפים של זרמים חשמליים

הינו בר מעקב באמצעות אלקטרודות חיצוניות המאפשר , בין חלקי הלב השונים וגורם להתכווצותם

.רישום התהליך החשמלי באופן רציף

כאשר כל מוליך מודד את הפרש הפוטנציאל החשמלי , (leads) מוליכים 12 נמדד עם ECG-כ אות ה"בד

–) יוניפולרי(או בין אלקטרודה אחת יחסית לפוטנציאל האפס , ) ביפולרימוליך(בין שתי אלקטרודות

זרם חשמלי בכיוון המוליך יגרום . י סכום הפוטנציאלים באלקטרודות החיצוניות"פוטנציאל האפס מושג ע

וזרם חשמלי הניצב לכיוון , זרם חשמלי נגד כיוון המוליך יגרום לרישום אות שלילי, לרישום אות חיובי

, המוליכים השונים מאפשרים את רישום הזרם בכיוונים שונים בלב. ך יגרום לרישום אות ביפאזיהמולי

.ובכך מתקבלת מיפוי מלא של כל הפעילות החשמלית בלב ומכאן להסיק על תפקוד הלב

כפי PQRST "קומפלקס "הנקרא ") קומפלקס(" כצורת גל ECGכל פעימה של הלב משוקפת באות

:שמתואר בשרטוט

RR interval

i th complex i+1 complex

Figure 1: Schematic view of ECG Signal

:ECG-שלושה חלקים עיקריים מתארים את הפעילות החשמלית של הלב בתרשים ה

התכווצות - גל חיובי נמוך המבטא את הפעילות החשמלית בעת דיפולריזציית העליות – Pגל .1

.AV Node - אל הSA Node- ההולכה הוא מהכיוון. שניות0.2 -העליות ומשכו התקין עד כ

מרווח זה מייצג את משך הזמן שעובר . QRS עד לתחילת קומפלקס P מהתחלת גל – PR מרווח

) AV Node - הזמן הדרוש לדחף לעבור את את העליות וה(בין גירוי העליות לגירוי החדרים

. שניות0.12-0.2ומשכו התקין בתחום

ומבטא את , S- וQ,Rכולל את האותות . ה גם קומפלקס החדריםהמכונ – QRSמכלול קומפלקס .2

המכלול כולו מבטא את סך כל הפעילות החשמלית של חדרי הלב במהלך .דיפולריזציית החדרים

הגל הנוצר כתוצאה מרפולריזציית . שניות0.06-0.1משכו התקין בתחום הזמנים . התכווצותם

.QRS-העליות קטן יחסית ולרוב מתמזג בקומפלקס ה

:QRSפירוט משמעות כל אות בקומפלקס

גל שלילי המבטא את הפעילות החשמלית במחיצת הלב :Q גל

. גל חיובי המבטא את הפעילות החשמלית בחדרי הלב:R גל

.גל שלילי המבטא את הזרם החשמלי העובר בחדר הימני: Sגל

נסיגת –ים ותחילת הרפייתם סיום התכווצות החדר-מבטא את ריפולריזציית החדרים : Tגל .3

במהלך מצב זה חוזר הלב והמערכת החשמלית למנוחה ובמשך זמן זה שריר . הזרם משריר הלב

. שניות0.32- משכו התקין הוא כ. הלב אינו מגיב לגירויים חשמליים נוספים

.Purkinjeגל בעוצמה נמוכה יחסית המבטא ריפולריזצייה מאוחרת של סיבי : Uגל .4

(Heart Rate Variability - HRV)ת קצב הלב שונואות 6.2

6.2.1 HRVסקירה הסטורית

כאשר הובחן כי תנודות במרווחי הזמן , 1965 - הוכרה לראשונה בHRVהרלוונטיות הקלינית של אות

בשנות השבעים . בין פעימות הלב מקדימות מצוקה עוברית לפני שהדבר בא ליידי ביטוי בקצב הלב עצמו

עיקר המחקרים התמקדו בגילוי מחזורים קבועים המשובצים בזמנים . ך לנפוץ נהפHRV -מחקר אות ה

בטווח קצר אצל חולי RRוכן פיתוח שיטות מבחן פשוטות המבוצעות על הבדלי . שבין פעימות הלב

. סכרת לאיבחון בעיות נוירולוגיות

ם שעברו התקף לבין סיכון מוגבר לתמותה בנחקריHRV התגלה קשר בין שונות מופחתת של 1977-ב

. את נפוצות המחקר עליוHRV-גילוי זה הגביר באופן משמעותי את חשיבות אות ה. לב

ניתוחים . בתחילת שנות השמונים התווספו לשיטות עיבוד האות במימד הזמן גם עיבודים ספקטרליים

. תרמו רבות להבנת הבקרה של מערכת העצבים האוטונומית על קצב הלבHRVספקטרליים של אות

לאחר שאומת שהוא מנבא חזק HRVבסוף שנות השמונים עלתה הערכה לחשיבות הקלינית של אות

עם שיפור הטכנולוגיה המאפשרת זמינות . ובלתי תלוי של תמותה אצל חולים לאחר התקף לב אקוטי

שעות 24בעלי תדר דגימה גבוהה ויכולות הקלטה ארוכות של , סיפרתיים, רב ערוצייםECG -רישומי ה

פוטנציאל רב HRV - יש ל. ללא אישפוז והפרעה מינימלית לחיי הנבדקואפילו למעלה מכך ברציפות

לספק תובנות בעלות ערך רב לאיבחון וחיזוי מצבים פיסיולוגיים ולשפר את היכולת לגלות מצבי סיכון

. ואת חומרתם

6.2.2 HRVסטנדריזציה

האוטונומית לבין תחלואה ותמותה בעשורים האחרונים נמצא קשר משמעותי בין מערכת העצבים

תוצאות נסיוניות . כולל אפילו דום לב, )מחלות הקשורות ללב ולכלי הדם( ממחלות קרדיווסקולריות

מקשרות בין הפרעות בקצב הלב לבין פעילות מוגברת של המערכת הסימפתטית או ירידה בפעילות

הינו מדד יעיל לפעילות (HRV)ב בלב הצביעו על כך ששונות בקצ, )פעילות עצב הוואגוס(הווגאלית

בנוסף הקלות היחסית בה ניתן למדוד את האות הפכו את השימוש בו . מערכת העצבים האוטונומית

קיימת אפשרות להסקת . מורכבתHRV-המשמעות של מגוון מדידות שונות של אות ה, עם זאת . לנפוץ

הפקה האופן את צוות לפיתוח סטנדרט לקבע לכן הוקם. מסקנות והערכות לא נכונות עבור מדידת אות זה

החברה האירופאית : הצוות הוקם בעיקר בשיתוף פעולה של שני גופים. וניתוח אחיד של אות זה

:הנושאים העיקריים שנקבעו בסטנדרט הם. לקרדיולוגיה והחברה הצפון אמריקאית לאלקטרופיזיולוגיה

.הגדרות ומושגי התחום, מינוחים •34

.שיטת המדידה •

.דרת קורלציות פיזיולוגיותהג •

.יישומים קליניים מתאימים •

.זיהוי נושאי מחקר עתידי •

או , היא השינויים במרווחי הזמן שבין פעימות לב עוקבותHRV -התופעה שעומדת מאחורי אות ה

.לחלופין השינויים הריגעיים בקצב הלב

סכם כמתייחס לשני המובנים מו(Heart Rate Variability - HRV) שונות קצב הלב :המונח המקובל

שונות : "המונחים הפחות מוסכמים כגון. עוקבים והן לתיאור קצב הלב הריגעיR-Rהן לתיאור איטרוולי

מדוייקים יותר " RR-טכומטר אינטרוולי ה "- ו" RR-שונות ה", "שונות מחזור הלב", "אורך המחזור

ימות לב עוקבות ולא על קצב הלב ומדגישים את העובדה שהאנליזה נעשית על האינטוול בין פע

. כשלעצמו

6.2.3 HRV מבנה האות

. אות זה מתייחס לתנודות המיידיות בקצב הלב סביב ערך הקצב הממוצע

Heart Rate היא האות הבסיסי למדידת ECGעוקבות באות פעימות כל שתי בין ן הזמימרווחסידרת כל

Variability (HRV) .המאפיינים של האבחון הרפואי להפקתאות זה הוא אחד מהכלים הבסיסיים

שאותו הכי קל באמצעות שיטות הוא בדרך כלל הבולט ביותר R -היות וגל ה. ECGהקיים לגבי אות

:בעל שני מאפיינים) בדרך כלל(מהיותו ,אוטומטיות לאתר ובדיוק הרב ביותר

בעל האמפליטודה הגבוהה ביותר .1

המשך הקצר ביותרהגל בעל .2

לגלות אותו ולהשתמש בו כאות סנכרון עבור שאר הגלים ECG - וד ממוחשב של הנהוג בעת עב לכן

R-R" – “R-R Intervalמרווח " גם נקרא לרוב HRVלכן אות . של הקומפלקס ולמדידת זמנים

(RRI)” . ומהווה את מדד הזמן בין שני קומפלקסיQRSהמבטא את הזמן בין שתי , עוקבים

.דיפולריזציות חדרים עוקבות

באות R-Rפ מרווחי " מופק ע (HRTS-Heart Rate Time Series) קצב הלב הסידרה בזמן שלאות

לאחר אינטרפולציה R-R - וחישוב מרווחי הR-איתור מיקומי ה: אופן הפקת הסיגנל היא. ECG-ה

האות . המייצג את קצב הלבBeat to Beat מתאר את המרווח HRTS-אות ה. אחורה ודגימה מחדש

הוא HRTS - עם חפיפה כך שההנחה היא שבכל מקטע ה) דקות5- של כ(קצרים מקטעים רוב לחולקמ

.FFT ןלכן למשל ניתן לבצע עליו באמינות גבוהה סטציונרי

ANS – Autonomic)השינויים בקצב פעימות הלב הנובעים בעיקר משני ענפי המערכת האוטונומית

Nervous System) :ניתוחים רבים מבוצעים על מנת לאפיין . סימפתטית- המערכות הסימפתטית והפרא

HRV-Heart Rate Variability. 35: את השתנות קצב הלב

יכולה לנבוע ממחלות כגון איסכמיה) ליניארית ולא ליניארית(השונות בקצב הלב

myocardial ischemia), (Congestive heart failureבעיות קצב כגון וכן Ventricular

Arrhythmias . אך גם לנבוע ממחלות של מערכת העצבים כגון טרשת נפוצה(multiple sclerosis) ,

מערכות אלו באות ליידי ביטוי . השפעה קיימת גם למערכת ההורמונים .אפילפסיה ודלקת קרום המוח

הפקת מאפיינים מפורט 6.4 בסעיף .Sinus node pacemaker -בכך שהן משפיעות בעיקר על ה

.של האותבזמן סטטיסטיים

וואגליות על קצב הלב-שיטות ניתוח השפעות הסיפטו, כללי 6.3

סימפתטית -הפרא, באות קצב הלב משתנה כתוצאה מהמערכות הסימפתטיתBeat to Beatהמרווח

אלו השפעותור לאית .SA node pacemaker -מערכות אלו משפיעות בעיקר על ה. וההורמונים

השתנות קצב ניתוח ואיפיון ל) Linear and Non-Linear(מפותחים מודלים ליניאריים ולא ליניאריים

.]A5 [הלב

:ניתוחים בתחום הזמן או התדר או במשולב: מודלים לינאריים

,SDNN : כגוןHR-של אות הו ניתוח המבוסס על סטטיסטיקות של הנתונים- ניתוח בתחום הזמן

SDSD, r-MSSD , pNN506.4 בסעיף בהמשך פירוט (' וכו.(

של אות Wavelet- וFFT, AR ספקטראליות כדוגמת ניתוח המבוסס על התמרות- ניתוח בתחום התדר

הידועים עיקריים השלושת התחומים י חלוקתו ל"מנותח הספקטרום בעיקר עבמימד התדר , HRV-ה

VLF,LF,HF) 6.6 סעיף כפי שמתואר ב(:

המרווח בין פעימות הלב מושפע ממספר מכניזמים מווסתים לא תלויים המצומדים :מודלים לא ליניאריים

ר כאש, נדמה שמורכבות השונות בקצב בתוך סידרת מרווחי הפעימות לא ניתנת לחיזוי. בלולאת משוב

ניתן לשערך את המורכבות של המערכת ;חסרים נתוני ההתחלה של מערכת המחוללת את האותות

שלב ראשון בשחזור מערכת הוא . (Chaos Theory)פ תיאוריית הכאוס "באמצעות מודלים מתמטיים ע

כל מימד יחסי למכניזם אחד לא תלוי של , (m-dimension phase space) מימדי mמרחב זווית

רצף הנקודות , רציפיםR-R מרווחי mי " מיוצגת עmכל נקודה בתוך המרחב הזוויתי מסדר . תהמערכ

.משערכת משתנים בלתי תלויים הכרחיים לכל נקודה, mמטריצת הקורלציה במימד .שנוצר יוצר נתיב

(Generating system) משערך את חיזוי המערכת המחוללת L-Lyapunov exponentהפרמטר

במערכת יציבה שני מסלולים מתלכדים לאותה נקודה . תוח מסלולים סמוכים במרחב הפאזהבאמצעות ני

המסלולים סוטים והמערכת L<0לעומת זאת כאשר . L>0ואז הפרמטר , אם יש להם תנאי התחלה זהים

".”Chaotic system: מצב זה קרוי, לא ניתנת לחיזוי

ומאפייניו בתחום הזמןHRVניתוח אות 6.4

השיטה הפשוטה ביותר להערכה ולאפיון .HR-ושל אות ה המבוסס על סטטיסטיקות של הנתוניםניתוח

. ECG- מתחיל ביצירתו מתוך אות הHRVתהליך עיבוד אות . היא ניתוחו בתחום הזמןHRV-אות ה

:תהליך זה באופן כללי כולל את הפעולות הבאות

).11 כפי שפורט בסעיף (ECG - ברישום הQRSיש לזהות את מיקומי קומלקסי , ראשית •

זוהי סידרת מרווחי הזמן בין . Normal to Normal (NN) -ייצור סידרת אינטרוולי ה, שנית •

.לייםא עוקבים נורמQRSשני קומפלקסי

לו אלו המחושבים מתוך סידרת האינטוולים עצמה וא: מאפייני הזמן הסטטיסטיים מתחלקים לשניים

-הפקת המאפיינים יכולה להעשות על הסדרה המופקת מכלל אות ה. המחושבים מתוך סידרת ההפרשים

ECGעירות: כגון, ניתן להשתמש במקטעים המייצגים מצבים שוניםכמו כן. או המופקת ממקטעים שלה ,

:להלן רשימת מדדים עיקריים מקובלים. פעילות גופנית ושינה, תזוזה, מנוחה

• NN - Normal to Normal Intervals ,כפי שמתואר ותליאסידרת מרווחי הפעימות הנורמ

לעיל

• Mean NN – ממוצע אינטרוולי NNבמקטע מסוים .

• SDNN - Standard Deviation of all R-R intervals , סטיית התקן של האינטרוולים

ככל שמקטע . זהו ההספק הכללי בספקטרום האות הכולל את סכום כל מרכיביו. במקטע מסויים

- למשל באורך של כ(במקטע ארוך טווח . קצר יותר כך באים ליידי ביטוי יותר התדרים הגבוהים

מכיוון . נכללים הן התדרים הגבוהים קצרי הטווח והן מרכיבי התדרים הנמוכים) שעות24

אורכי . שהשונות תלויה באורך המקטע משווים שונויות המתקבלות ממטעי אות בעלי אורך זהה

שעות ומקטעים קצרי טווח 24מקטעים ארוכי טווח באורכים של : עים סטנדרטיים הםמקט

. דקות5באורכים של

• - SDANN Standard deviation of the averages of NN intervals in all 5 min

segments of the entire recording – סטיית התקן של ממוצע האינטרוולים במקטעים קצרי

).תחום התדר הנמוך( אחד המדדים לשינויים בקצב הלב בשל המחזורים הארוכים זהו. טווח

• SDNN Index –ממוצע סטיית התקן של אינטרוולי ה -NNמדד לשונות . במקטעים קצרי טווח

).תחום תדר גבוהה(בשל מחזורים קצרים

• SDSD - Standard Deviation of successive differences of R-R Intervals – סטיית

. עוקביםR-Rהתקן של ההבדלים בין מרווחי

• r-MSSD או RMSSD - Root–Mean–Square of R-R Intervals שורש ריבועי של

. עוקבים במקטע מסוייםNNממוצע איטרוולי

• 50NN – 50 - מספר ההפרשים הגדולים מms של אינטרוולי NNלמדד זה שלוש . עוקבים

מספר ההפרשים כאשר האינטרוול , )רשים בערך מוחלטהפ(מספר ההפרשים הכולל : גרסאות

ומספר ההפרשים כאשר האינטרוול השני גדול מהראשון ) הפרש חיובי(הראשון גדול מהשני

).הפרש שלילי(

• pNN50 - Percent of adjacent R-R Intervals differing by more then 50ms . היחס

עוקבים לבים מספר ההפרשים NNי של אינטרוול 50ms- בין מספר ההפרשים הגדול מ

.50NNגם למאפיין זה שלוש גרסאות בהתאמה לגרסאות של . הכוללבמקטע מסויים

ולכן ) השונות בתדר הגבוהה( הם מדדים לשונות קצרת טווח pNN50 - וRMSSD,50NNהמדדים **

.קיימת קורלציה גבוהה בינהן

כדוגמת פרמטרים , ת על שיטות גיאומטריות מבוססHRVקבוצה נוספת של מאפייני ממד הזמן של **

.הנמדדים על פונקציית הפילוג המשוערכת של האינטרוולים

נמדדים ואף מהווים חלק ממערך המידע , המצביע על זמן הדפולריזציהQTמרווחי זמן נוספים כגון **

:Bazetפ שיטת התיקון של " עR-R -מרווח זמן זה מנורמל יחסית ל. של האות

)(/)( RRmeanQTmeanQTcTCorrectedQ =≡

היות והמשמעות של הערכים התקינים של מרווח זה הם אינם אבסולוטיים ויחסיים אצל כל אדם למרווח R-Rהרלוונטי .

תהליך הסגמנטציה 6.5

באופן חד ) פולסים ורעשים, עוצמה( משנה את תצורתו הכוללת ECG - אות ה, 13 מור בסעיף אכ

ECGאפילו כאשר מרחקי הזמן בינם קצרים כל שכן שינויים חריפים קיימים באות , זמן שונותבתקופות

לכן אחד מהתהליכים הבסיסים לניתוח . בפרקי זמן שונים המרוחקים אחד מהשני) של אותות אדם בריא(

תות במיוחד רלוונטי הדבר לגבי או. המשמשים במחקר זה הוא ביצוע תהליכי סגמנטציהECGשל אותות

. ארוכי טווח

:נעשה שימוש עיקרי לצורך סגמנטציהבסעיף זה מתואר התהליך בו , נבחנו מספר תהליכי סגמנטציה

מ שזיהוי השינויים יבוצע על שינויים משמעותיים יותר " מסנן נמוכים עFIRתחילה האות מועבר דרך

:תגובת התדר של מסנן כניסה זה מתואר בגרף שלהלן. ולא רגעיים

Figure 2: Amplitude Segmentation input FIR filter

מ לאפשר לתהליכי הסגמנטציה להיות בלתי תלויים בעוצמות הכניסה של אות "האות המפולטר מנורמל ע

:פ הנוסחא שלהלן"הנירמול מבוצע ע. ספציפי ובהשפעות המסנן

( )taFilteredDa

taFilteredDastd

InputDatastd

taFilteredDaedDataNormFilter *

אורך החלון מהווה את יחידת הרזולוציה הגבוהה ביותר , לק לחלונות באורך אחידהאות המנורמל מחו

ומיוצר ווקטור מקביל לווקטור נתוני ממוצע ערך עבור כל חלון מחושב . לבחינת הפרדה סגמנטית

ביצוע גזירה אבסולוטית לווקטור הממוצעים מאפשר . הכניסה המכיל את הערכים הממוצעים בכל חלון

))((: האות הגזור מסומן, וייםלזהות שינ torAverageVecDerivativeABSDiffAv בחירת ערך . =

סף לפיו נקבע אם שינוי מסויים נחשב כגבול בין סגמנטים או שהוא עומד בתנאי הרציפות שבתוך

:וואה הבאהשפ המ"ערך הסף מחושב לכל חלון באופן כללי ע. הסגמנט

( )[ ])(max*)( DiffAvmedianDiffAvFACTORDiffAvgeTotalAveraalueThresholdV −+= FACTOR=0.15: נקבע אמפיריתFACTOR - כאשר ה

מיתוך . העוברים את ערך הסףDiffAvבווקטור י כל הערכים "ווקטור כל הגבולות האפשריים מחושב ע

.כל הגבולות האפשריים הגבולות הסופיים נבחרים רק אם קיים רצף של שלושה גבולות אפשריים

: להלן דוגמת התוצאה 8.2.5 תוצאות הסגמנטציה המפורטות של כל הנבדקים מוצגות בסעיף

Figure 3 : Amplitude Segmentation result example

מתוך , וכיםת חלוקת הסגמנטים לקצרים וארמבוצע) 14.3 -ראה פירוט ותוצאות ב(באמצעות ההיסטוגרם

חלקה התחתון מכיל את מספר הסגמנטים הקצרים ואילו חלקה העליון מכיל את . עקומת ההיסטוגרמה

בכדי למצוא את האורך המקסימלי המכיל את כמות הסגמנטים . מספרי הסגמנטים הארוכים בכל בין

מנטים הקצרים מסכמים את כל הסגמנטים מלמטה עד שעוברים את ערך הסף הנדרש עבור כמות הסג

להפך למציאת אורך מינימלי של כל הסגמנטים הארוכים מסכמים את מספר הסגמנטים . הקצרים

עד שמגיעים לערך סף של כמות הסגמנטים ) מהערכים הגבוהים(הממופים להיסטוגרמה מלמעלה

מכלל הסגמנטים 35%כמות הסגמנטים הקצרים היא : ערכי הסף נקבעו אמפירית. הארוכים הנדרשים

המטרה בבחירת גדלים אלו היא לבודד את . מכלל הסגמנטים30% - הסגמנטים הארוכים היא כוכמות

כך יתאפשר , )חסומים (הסגמנטים לקצרים וארוכים באופן מוחלט כך שהסגמנטים הבינוניים מסוננים

-מפרידים את הלאחר קביעת אורכי הסגמנטים הנדרש . ניתוח של סגמנטים קצרים וארוכים באופן מוחלט

Data Base של הסגמנטים לשני Data Bases ,עבור הקצרים והארוכים בנפרד.

שיטות עיבוד בתדר 6.6

. להפקת מאפיינים פיסיולוגייםHRV-ניתוח ספקטרלי של אות ה 6.6.1

HRV של אות Power Spectrum Density (PSD)משערוך פונקציית צפיפות ההספק הספקטרלית

בכך מתאפשר להבחין בין תנודות בתדר) השונות(ספק האות מתקבלת האינפורמציה על אופן פילוג ה

פירוט של השיערוך הספקטרלי מופיע בסעיף . מהירות לאיטיות המשוייכות בהתאמה לתחומי התדרים

12.1.2.

:) התחומים בהמשךפירוט ( נחלקים לשלושה תחומים עיקרייםHRVבחינת מרכיבי התדר של אות

• HF-High Frequency Band : 0.15בתחוםHz-0.4Hz,לרוב . תחום התדר הגבוהה

– RSA הנשימה מערכתבתחום זה גם בא ליידי ביטוי אף . סימפתטיות- משויך לכניסות פרא

Respiratory sinus arrhythmia

• LF-Low Frequency Band :0.04 בתחוםHz-0.15Hz,בלרו . תחום התדר הנמוך

.רצפטורים- ממקצב של מערכת הברו אףמושפעומשויך למערכת הסימפתטית

• VLF – Very Low Frequency Band :0.01-0.04 -בתחום הקטן מHz , תחום

.של האפיון הפיסיולוגי של השינויים האלומבוסס דיו עוד אין מיפוי .התדר הנמוך האוד

טיות את לא באופן מובהק כמו סימפט-הנטייה היא למפות לתחום זה את ההשפעות הפארא

.LF ,HF -ב

סימפטטית באמצעות עצב - הן מן המערכת הפרא: קצב הלב נתון לבקרה של מערכת העצבים האוטונומית

תחומים מכאן שניתן באמצעות ניתוח תחומי התדרים ובעיקר ב. י המערכת הסימפטטית"הוואגוס והן ע

HF, LF את אופן לנתח) 6.6.1.1 ר להלן בסעיף הבא כפי שמתוא(ופילוג הספק בערכים מנורמלים

ANS – Autonomic Nervousהשפעת הבקרה והאיזונים של שני ענפי מערכת העצבים האוטונומית

System ,ומאפשרים בכך את איפיון מידת מודולציית קצב הלב , סימפתטית-המערכת הסימפתטית והפרא

סימפתטית- מית ואת רמת הפעילות של של המערכות הסימפתטית והפראי המערכת האוטונו"ע

:עיקרייםהני שלושה תחומי התדר ופייאפירוט 6.6.1.1

High Frequency-) Hz.40-.150(HF band ,

כלומר שההספק הספקטראלי , HF-באופן מסורתי האקטיבציה הווגאלית מהווה תרומה נכבדת למרכיבי ה

,Akselrod et al 1981( סימפטתית- ת מערכת העצבים הפרא משקף את השפעHF -של תחום ה

Tulppo et al 1996(. היות שכך נהוג לשייך את התחום הגבוהה )HF ( לפעילות ה- Vagal Tone -

.הדומיננטית במהלך מנוחה ותהליכי שיקום יומיומיים של הגוף ,סימפתטית- אהפרלמערכת

תחום זה גם באה ליידי ביטוי במשולב בלכן , הנשימה חופף לתדרHFהשיא של תחום התדרים הגבוהה

כלומר ששינויים בתחום תדרים זה . (RSA - Respiratory Sinus Arrhythmia)מערכת הנשימה

קיימת השפעה של המחזוריות הטבעית של RSA- ל.הינם פרופורציונאליים לשינויים במערכות אלו

שפיעה על המערכת הסימפתטית היוצרת דחפים מחזוריות הנשימה מ. על קצב הלב מערכת הנשימה

ריסון מקצב הלב הוא בעיקר תחת בקרת :sinoatrial node (pacemaker) - אל הvagus -עצביים מה

כתוצאה , מעוכבתvagus-במהלך שאיפה פעילות עצב ה. הגורם לריסון קצב הלב(vagus)עצב הווגוס

-התנודה בקצב הלב מושפעת אף מחישני הלחץ בנוסף עוצמת .מכך קצב הלב מוגבר ולהפך בנשיפה

(Baroreceptors) הממוקמים בעיקר באורטא (aorta) וכן בעורק הראשי (carotid arteries).

Low Frequency-) Hz.150-.040(LF band ,

משקף את LF- ההנחה בשנות השמונים הייתה היא שתחום ה, פחות חד משמעיLF- פירוש מרכיב ה

. (Akselrod et al 1981)סימפתטית על קצב הלב - של שתי המערכות הסימפתטית והפאראהמודולציות

קיימים יותר ויותר מחקרים המצביעים על כך שמרכיב זה מייצג בעיקר את פעילות בשנים האחרונות

כ "הסיבה העיקרית לחוסר המשמעתיות היא שבד). במיוחד בערכים מנורמלים(המערכת הסימפטטית

HF-כלומר קיימת ירידה אבסולוטית הן במרכיב ה, מפטטית מלווה בירדה בהספק הכלליאקטיבציה סי

.LF Norm -אך בהתייחסות למרכבים המנורמלים ניכרת העלייה במרכיב ה, LF- והן במרכיב ה

לכן הספק תחום תדרים אלו עולה , מערכת העצבים הסימפתטית היא דומיננטית כאשר הגוף בתנועה חדה

.רצפטורים-כמו כן מושפע ממקצב של מערכת הברו. במהלך תנועה

Very Low Frequency-) Hz.040-.010(VLF band ,

בכל . אינו מבוסס וקיום תהליך פיזיולוגי האחראי לו מוטל בספקVLF-ההסבר הפיזיולוגי לתחום ה

. דקות נתונה לשגיאה גדולה5- ממקטעים הקצרים מVLF-מקרה הערכת תחום ה

מניתוח זמן תדר בתחום זה לא מתאפשר מיעון ואיתור מספיק . ן תדר מתמקדים בתחום זהחלק מניתוחי זמ

-תחום זה הוא למערכת העצבים הפרה של האפיון הפיסיולוגי שלהמיפוי . טוב של תנודתיות בקצב

במחקר זה לא נעשה .HF- ובLF- סימפתטית אך השייוך של תחום זה כאמור אינו חד משמעי כמו ב

. באמצעות תחום זהשימוש לאבחון

חישוב מקובלים שנועדו להקטין את שגיאת השיערוך הספקטרלי ו מדידהכללי

עבור תדרי דגימה בתחומים . 1500Hz- ל250Hz גבוהה יחסית בתחום שבין ECGתדר דגימת אות

נדרש שימוש באלגוריתם אינטרפולציה ודגימה מחדש להגברת דיוק מיקום 250Hz לבין 100Hzשבין

.100Hz-לא מקובל לבצע מדידות אלו עם תדר דגימה הנמוך מ. R-ת הייחוס של גלי הנקוד

The Correlation Dimension –מימד הקורלציה 6.7

.מרחב הפאזה, כללי 6.7.1

-תגובת ה: למשל, בעלת מרכיבים לא לינאריים רביםCardiovascular -הבקרה על מערכת ה

Baroreceptorsתגובת ה, ללחץ-SA Nodeה להשפעת -acetylcholineוהתנגדות כלי הדם לזרימה .

אך בשל האופי הלא . HRVעיבודי אות לינאריים כמו עיבודים ספקטראליים נפוצים מאוד בניתוחי

גישה נוספת בה משתמשים לבחינת . HRVלינארי של האות מבוצעים גם עיבודי אות לא לינאריים עבור

הרעיון הבסיסי של גישה זו הוא למפות את . אותהדינאמיות של האות מבוססת על מדידת קבועי ה

n היא שמרחב בעל phase spaceמשמעות המושג . שלה(Phase Space)המערכת במרחב הפאזה

המערכת tבכל בכל נקודת זמן :כלומר, פרמטרים המייצגים את מצב המערכתnי "מימדים מוגדר ע

)()),(),...,()((): פרמטרים n( מימדים nי ווקטור בעל " עימאופיינת באופן ייחוד 21 tytytyty n= .

סידרת מצבים ריגעיים כאלו בזמן מייצג מסלול . המצב הריגעי של המערכת מייצג נקודה במרחב הפאזה

.קבועי דינאמיות המערכת מיוחסים לכיוונים האסימפטוטיים של מסלולים אלו. במרחב הפאזה

אך ניתן להעריך . יתן למדוד את מרחב הפאזהבמדידת מערכת לא ניתן למדוד את כל המשתנים ולכן לא נ

קואורדינטות אלו הם מעבר מוחלק של . את מרחב הפאזה באמצעות קואורדינטות של השהיות בזמן

לכן קבועי תנועת המערכת במרחב הפאזה יכולים להיות משוערכים באמצעות , הקואורדינטות המקוריות

.נקודה אחת לאבחון המערכת

נבנה את ווקטור הקואורדינטות . מתקבל מנקודת המדידה של איבחון המערכת כאות הx(t)נסמן את

: כלומר, x(t)המושהות בזמן באמצעות השהיות בזמן של

)})1((),...,2(),(),({)( τττ −+++= ntxtxtxtxtx.

מימדיות הוא סופי ובר n-אפשר להניח שמספר הנקודות ה, היות ואלגוריתמים הפרקטיים הם דיסקרטיים

מוגדר כמספר הזוגות של נקודות במרחב הפאזה שהמרחק בינהן קטן מכאן שסכום הקורלציה . מניה

: כלומרrמהמרחק

])()1(

1[lim)( ∑

≠∞→

−−−

xxrHNN

כאשר*

aaH - פונקציית Heaviside.

אפשריים במרחב הפאזה המאפיינים את המסלול האסימפטוטי (Dimensions)קיימים מספר מימדים

: והמוגדרD2המסומן , Correlation Dimension - ובמיוחד חשוב ה

2)log(

))(log(lim

.Self-Similarityהעיקרון לניתוח האות למציאת 6.7.2

המופקות ממערכות פיסיולוגיות ) ובמיוחד ארוכות(ההנחה הרווחת כיום היא כי בסדרות בתחום הזמן

]. 4[אה קורלציה ארוכת טווח של אנשים בריאים נמצRRIכך למשל באותות " מידע חסוי"קיים

של האות בשל הרעש המתווסף לנתונים והיות הנתונים auto-correlation-לא ניתן לחשב ישירות את ה

השיטות המסורתיות לניתוח מימד הזמן ולניתוח .נים שאינם ידועיםתשמ trendsמורכבים על גבי

.ספקטראלי מוגבלות בניתוח אותות לא רגולאריים כמו זה

כפי ( כמו ניתוח פרקטאלי החלו להיות נפוצות בחמש השנים האחרונות HRVשיטות חדשות לניתוח אות

במטרה לאפשר חקירת מאפיינים לא לינאריים באות שלא מאובחנים באמצעות , )7.4 שמפורט בסעיף

. שיטות זמן תדר מסורתיות

המשמעות של תכונה זו היא שמקטעים של האות . Self-Similarity:מתקיימת התכונהבאותות כאלו

. הם בעלי אותם מאפיינים סטטיסטיים כמו של האות המקוריrescalingלאחר

n - בתחום הזמן ב scalingעבור : α עם הפרמטר self-similarity שהוא y(t)כלומר תהליך בזמן

: Xבציר scaling- הוא מקדם הnכלומר (n

tt n - בscaled ערך האות הוא )→α) כלומרn

α הוא

Y :yny בציר scaling -מקדם ה α→ .(מכאן המשמעות היא שלאותות :y(t) ,)( ntynα קיימים

. self-similarityאותם מאפיינים סטטיסטיים כאשר האות הוא

My=n: כY ומקדם ציר Mx=n: כX צירבהגדרת מקדםα .ונקבל שמקדם ה-Self-Similarity הוא :

ומכך , באות ומהו) exponent scaling –ה (αהמטרה בשלב ראשון היא למצוא דרך לאתר אם קיים

. באותself-similarityלהסיק לגבי המצאות

. המתאים לכמה חלונות זמן באורכים שוניםrescalingצוא מקדם מתוך הסדרה בזמן נדרש למαלמציאת

n1 של חלון rescaling- המטרה היא למצוא את מקדם הn2 - ו n1למשל עבור שני חלונות בזמן באורכים

12: המקדם הנדרש הוא כמובןXבציר . n2לגודלו של חלון nnM X אך בכדי למצוא את מקדם ,=

סטטיסטי מדד . רש למצוא את היחסיות בין הפרמטרים הסטטיסטיים של ערכי האות בכל חלון נדYציר

, את סטיות התקן עבור כל חלון בהתאמהs2 - ו s1 -נסמן ב. לתנודתיות האות בכל חלון היא סטיית התקן

12: המתקבל הואY- של ציר הrescaling -אזי מקדם ה ssM Y=.

: כךself-similarity -לעיל מתקבל פרמטר השא כך שעבור הדוגמ)ln()ln(

)ln()ln(

−==α

על (n2,s2), (n1,s1) הוא שיפוע הקו המחבר את הנקודות α -המשמעות של משוואת הפרמטר הזו היא שה

.s/nגבי גרף לוגריתמי כפול של

וב זה נעשה באופן מורחב חיש, מ להגיע לתוצאות אמינות בהתחשב במאפייני האות"עבור אות מציאותי ע

: יותר

עבור כל גודל חלון מחלקים את האות לחלונות רבים זהים בלתי תלויים וממצעים את החישוב הסטטיסטי

בנוסף הפעולה מבוצעת לא רק לגבי שני גודלי חלונות אלא לגבי מספר רב של . F(n)המבוצע לכל חלון

קו המקורב ביותר אל כל הנקודות בגרף לוגריתמי כך שהשיפוע המבוקש מתקבל משיפוע ה. גודלי חלונות

).כפי שיובהר בהמשך (F(n)/nכפול של

לניתוח Detrended Fluctuation Analysis (DFA)ת תיאור טכניק 6.7.3 .האות

חלוקת (time scalingהמבוססות על , אחת הטכניקות המאפשרת להפיק מידע מיתוך דינאמיות האות

שהוצג לעיל קרויה Self-Similarityוהנובעת מעיקרון ) האות למקטעים שונים בתחום הזמן

Detrended Fluctuation Analysis (DFA) . באמצעות טכניקה זו ניתן לאבחןself-similarity

. באותתבסדרה בזמן שהיא לא סטציונארית ללא השפעות הורסות כתוצאה מנקודות אי רגולאריו

תוך כדי התעלמות בסדרה בזמן) כפי שמפורט בהמשך(כך מתאפשר אבחון של קורלציה ארוכת טווח

מלאכותיים הנוצרים מזיהוי spuriousesללא זיהוי שגוי של . מהמגמות וחוסר הסטציונאריות שבאות

.קורלציה בסדרה בעלת חוסר סטציונאריות

.HRVשיטה זו הוכחה כיעילה בשנים האחרונות עבור אותות פיסיולוגיים לא סטציונאריים ובכללם

במחקרים קודמים שימוש בטכניקה זו הוכיחה . איטיים יחסיתtrend - במיוחד עבור אותות בהם שינויי ה

.]A33 [יעילות רבה יותר באבחון שלבי והפרעות שינה

:מימוש הטכניקה הואעקרוני לתהליך

:R-Rהפחתת הממוצע הכללי של אורכי אות הבסיס לניתוח הינו אינטגרציית הסדרה בזמן ב:אשלב

[ ]Nk ,...,1= ∑=

))(()( ττ

. בסדרהRRI- הוא ממוצע אורכי הτו , בסדרהi מספר RRI- הוא אורך הτ(i)כאשר

: שהתקבלה בשלב אY(k) של ערכי הסדרה scaling - תהליך מציאת מאפייני ה:שלב ב

)int/( -וקת האות לחל - nNNn .n חלונות לא חופפים באורכים שווים=

Pν(k)- המסומן כLeast Square Line המקומי נעשה באמצעות local trend-עבור כל חלון מציאת ה -

. ν=1,…,Nn: עבור כל אחד מהחלונות

Local- ות חישוב האות ללא המציאת השונות נעשית באמצע, n החלונות באורך Nn - בכל אחד מ:שלב ג

Trend) detrend (י חיסור "עPν(k) מערכי הסדרה Y(k) ,באופן הבא:

−+−=n

kPknYn

22 )]())1(([1

)( ννν

-n) “time נוסחת התנודתיות של האות כולו עבור אות המחולק באמצעות חלון באורך :שלב ד

scale”=n (היא מיצוע השונות המתקבלת עבור כל חלון בנפרד:

ν for window length Detrended Fluctuation Function

יש לבצע את שלבי החישוב הללו עבור תחום n לבין אורך החלון F(n)בכדי למצוא את היחסיות בין

יעלה ככל F(n)אופייני שערכו של , F(n)כך מתקבלים רצף של ערכי . (time-scales)של אורכי חלון

:כלומר, אורך החלון גדל -nשל שגודלו

αnnF ∝)(

שיפוע הגרף , באותself-similarity בגרף לוגריתמי כפול מצביע על n לבין F(n)יחס ליניארי בין ערכי

).מתואר בהמשךכפי ש (Self Similarity :α -הליניארי המתקבל מגדיר את פרמטר ה

לבין Self Similarity -ר ההקשר שבין פרמט: המסקנות מניתוח האות 6.7.4 . ארוכת טווחAuto-Correlation -פונקצית ה

איברים n בין שני ערכי הסדרה המרוחקים Auto-correlation-ה, )שלב א (Y(k)עבור אות הבסיס

:הוא

∑−

nkYkYnN

nkYkYnC1

)(),()(

.n>0 מתאפס לכל C(n)אם הסדרה חסרת קורלציה לחלוטין הגודל

: דועך אקספוננציאליתnx ,C(n) הוא scaling - שר אורך העבור סדרות קצרות כא

)exp()( xnnnC −≈ .

: הוא auto-correlation- לבין ערך הnהיחסיות בין הגודל , כאשר הסדרה היא ארוכה

γ−∝ nnC )γ < 1 > 0כאשר ( )(

: הואnבור כל חלון באורך הממוצע הריבועי ע, offset וללא trendבסדרה בה הנתונים ללא

∑∑∑∑−

−+=−+=+=1

22 )()(2)())()(()()(i

kCikkjiCkjiikY τττττ

: שלעיל עבור סדרה ארוכה מוביל לקירוב הבאAuto-Correlation-שימוש בקירוב ה

γγγ −−

−∑ ∫∑ ≈≈≈ 11

)( kdiiikCk

: ובאותו אופן מתקבל γ−

=∑ ≈ 2

)( kiiCk

: גדול היאkתוצאת הקירוב הסופי עבור γ−= 22 )( kkY

: ב הזה מוביל אל הקירוב הקירו21)( γ−≈ nnF

:Self-Similarity - וה Auto-Correlation-מקדמי המכאן נוצר הקשר שבין

2/γ-1=α ) 1כאשר < γ< 0 .(

דעיכה זי מתקבלת אγ >=1(אם הסדרה חסרת קורלציה לחלוטין או בעלת קורלציה קצרת טווח

להיות ךאיבר הראשון במשוואת הממוצע הריבועי של הסדרה הופה, ) בהתאמהC(n)אקספוננציאלית של

kkY: דומיננטי ומתקבל ≈)(2 וכן

21)( nnF ≈.

. הדבר מצביע על כך שאין קורלציה ארוכת טווח, Self Similarity :=1/2α -מכאן כאשר פרמטר ה

במקרה זה ניתן , יה ארוכת טווח בסדרת הנתוניםמצביע על כך שיש קורלצ α > ½ ≥ 1ולחלופין כאשר

].γ =2-2α] 2,3 :לקבוע את מקדם הקורלציה כ

תאפשר להפיק מאפייני קורלציה לגבי אותות ארוכים שיאפשרו באמצעות מציאת מבאמצעות טכניקה זו

.למצוא את המאפיינים לאבחון אותות של חולים, מאפייני דינאמיות האות

HRV Poincaré Plot מצעות ניתוח בא 6.8

אות אינה לינארית הוצעו שיטות לא לינאריות לניתוח כאמור היות והדינמיקה של המערכת הקרדיולוגית

Poincaré plotהיא נוספת לא לינארית שיטה , )HRV )Goldstein and Buchman 1998-ה

(Denton et al 1990( . ש " עהרישום הקרוישיטה זו היא צורתHenri Poincaré) 19-סוף המאה ה .(

Nבשיטה זו מוצגים רצף בין . phase spaces- כלי ויזואלי לניתוח לא לינארי בתחום ההשיטה מהווה

בניתוחי כאשר המקרה הפרטי הנפוץ . ערכים עוקבים או בעלי מרווח בינהם כקואורדינטות הנקודה בגרף

עבור . ני ערכים עוקבים בסדר מסויםהוא הצגה דו ממדית בה מיקום נקודה מורכב מש HRVאותות

שהוא סכמה בעלת צירים קרטזיים המציגה את Scaterplotעשה שימוש בגרף הקרוי מקרה זה נ

כאשר קואורדינטות הנקודות הן , הערכים מוצגים כאוסף נקודות. קומבינציית הערכים של שני משתנים

קואורדינטות כל נקודה מורכבת scatterplot הוא HRV של Poincaréגרף . ערכי המשתנים בהתאמה

:כפי שמופיע בשירטוט שלהלן. R-R של מרווחיעוקבים מזוג ערכים

Figure 4: HRV basic Poincare

בטכניקה זו היא היכולת להציג תכונות לא לינאריות בסידרת המרווחים HRVהחשיבות של ניתוח אותות

רף זה הוכחה כמאפשרת לאבחן בין נבדקים בריאים לחולים עבור מספר פתולוגיות הגיאומטריה בג. בזמן

ראשוני שנעשה בשיטה זו הוא לקבלת מדד איכותי על מאפייני שימוש . )7.5 פירוט בסעיף ( קליניות

רף כגון צורת אליפסה מאוחר יותר הוצעו טכניקות כימוי גיאומטרי של הג, )Woo et al 1992(האות

כך מתאפשר באמצעות גרף זה לייצג סיכום , )HRV) Tulppo 1996שבאמצעותה אופיינו אינדקסי

) 450(הציר באלכסון הראשי . )Time Domain ,)Brennan et al 2001 -ערכים סטטיסטיים של ה

Standart - דר כ מוגSD1הערך . בו ערכי דגימות עוקבות זהיםline-of-identityהוא קו הזהות

Deviationהוא קורלטיבי ל . בכיוון האנכי לקו הזהות- short-term variability , הואlinear scaling

standard deviation of the successive differences of theשל פרמטר לינארי סטטיסטי הקרוי

RR intervals) SDSD .(וואה להלןשכפי שניתן לראות במ:

1SDSDRRRRVarRRRRVarSD nnnn =−=

−= ++

.השונות המתמשכת לאורך זמןמשמעות פרמטר זה היא

:וואה שלהלןשכפי שניתן לראות במ. בכיוון קו הזהותStandart Deviation - מוגדר כSD2הערך

12 SDSDSDRRSD −=

]. A21 [כ תצוגה זו מאפשרת לאבחן שונות קצרת וארוכת טווח "עי

lagged Poincaré plotכאשר השיטה המקובלת ביותר קרויה , קיימות מספר שיטות לייצוג האות בגרף

כלומר עבור , בשיטה זו הגרף הוא דו ממדי כאשר ההבחנה בין הממדים היא מרווח בין פעימות בזמן

Lag=1 כל נקודה בגרף מכילה זוג מרווחי פעימות עוקבות ])RRI(i), RRI(i+1).([ רווח ככל שהמ

.עולה הדגש עובר לשינויים יותר איטיים

Derivative Lagged Poincaré plotהצגה זו קרויה , כאשר מציגים בגרף זה את נגזרת האות

כל נקודה בגרף מכילה זוג מרווחי ניגזרות Lag=1בשיטת הצגה זו עבור . Dm1m2 - כומסומנת

: כלומר, שלפעימות עוקבות

]){RRI(i)-RRI(i+1)} , {RRI(i+1)-RRI(i+2)}([ משמעות הנקודות בגרף זה היא:

מקורי קיים מסמנים שתי נגזרות עוקבות חיוביות ומכאן שבאות הDm1m2ערכים ברביע הראשון בגרף

עיקבית האטה ( בעלי ערכים עולים R-Rכלומר רצף מרווחי , חיובי עקבי באורך ארבע דגימותשיפוע

ור נקודות הממוקמות ברביע השלישי משוייך שיפוע שלילי ולהפך עב). בקצב הלבולכן משמעותית

האטה (ככל שהנקודות ממוקמות בערכים יותר גבוהים אזי הן מייצגות שיפועים יותר חדים באות. עיקבי

כך שככל שהאות ארוך יותר הוא מייצג מעברים חדים יותר תאוצות .)והאצה מהירים יותר בקצב הלב

.בותאוטות מהירות יותר בקצב הל

ECG-שימושים המחקריים של ניתוח אותות ה 7

המטרה בפרק , Heart Rateווגאליים ומחקרי -פרק זה כולל סקירה של מחקרים בנושא מחקרים סימפתו

ולהוות מגוון של מחלות הקשורות,זה היא להראות את ספקטרום הרחב של תחומי המחקרים בנושא

ניתוחי ספקטראלים של . ים של קצב הלב בפתולוגיות שונות תחילה מתוארים ניתוח.בסיס ידע למחקר זה

. פיתוח מודלים מתמטיים של הלב ואופן פעולתו. ווגאליות- והקורלציה למודולציות סימפתוHRVאות

. HRV של אותות Poincar’e-ניתוח פרקטאלי ו

PTSDניתוח קצב הלב הממוצע במצבים שונים אצל חולי 7.1

PTSD הלב במנוחה אצל חולי השפעות פאראסימפטטיות על קצב

ממפה את מידת השפעת הענף הפאראסימטטי ] Spinazzola J. ] A30- ו,.Hopper J. W מחקר שערכו

על הגברת קצב הלב ,(Autonomic Nervous System - ANS)במערכת העצבים האוטונומית

בהשוואה לבקרה שעברו PTSDכח שקצב הלב במנוחה עולה אצל חולי הו .PTSDבמנוחה אצל חולי

. טראומה אבל אינם חולים

PTSDסימפטומים מוקדמים ותגובות לגירויים הקשורים לטראומה והתפתחות של

י הסיכוי של נבדקים נועד לאפשר את חיזו] A32 [2005- וקבוצתה בElsesserמחקר שערכה

נבדקים לאחר טראומה . באמצעות תגובת קצב הלב לתמונות הקשורות לטראומהPTSDלהתפתחות של

לאחר . שורות לטראומה בהשוואה לנבדקי בקרהקהראו עליה בקצב הלב לאחר צפייה בתמונות ה

ת קצב הלב כשלושה חודשים קבוצת הנבדקים שעברה טראומה השתפרה מבחינה קלינית ובהתאמה עליי

PTSDנמצאה קורלציה בין נבדקים שאובחנו כבעלי תסמינים לפיתוח . ירדה לאחר התבוננות בתמונות

.לבין נבדקים שקצב הלב שלהם עלה כתגובה לתמונות

PTSDשל חולי , שעות24מבדק ומידול קצב הלב ולחץ הדם במשך

הירארכי ינעשה שימוש במודל ניתוח ליניאר] A33 [2004 בשנת Buckleyבמחקר שנעך בקבוצתו של

.לבדיקת ההקשרים שבין אבחון המחלה לבין רמת פעילות הלב במנוחה וכתגובה ללחץ

. קצב הלב במנוחה גדול מאשר אצל הבקרהPTSDהמודל מצליח להראות ברמת אמינות גבוהה שלחולי

HRVניתוח ספקטראלי של 7.2

HRבחינת שיטות ספקטראליות מתקדמות עבור 7.2.1

היא מציאת היחס בין התדרים הגבוהים והנמוכים HRVהמטרה העיקרית בניתוחים ספקטראליים של

(LF/HF)ווגאלית- יחס זה נמצא כתלוי השינויים במערכת הסימפטו . בכל סגמנט [Lavie P. 1999,

The enchanted world of sleep].

עבור אותות בעלי דגימה PSD – Power Spectral Density האורתודוכסיות לביצועאחת השיטות

. במרווחים אחידים(Resampling)דגימה מחדש ואינטרפולציה היאHR-שאינה אחידה כמו ה

לבצעמאפשרת HRV לניתוח ספקטראלי של Lomb-Scale Periodigram (LSP)הקרויה השיטה

עד HRVאות אך לא מומשה על 1976-בהשיטה פותחה תחילה . לא אחידות ישיר לדגימות PSDחישוב

ביעילות עם עלות Lomb Periodigramהשיטה לחישוב זאת לאחר שפותחה .2000-תחילת שנות ה

עבור , שיטה זו המבוססת על התמרת פורייה.1989- שפותחה בPress-Rybickiחישוב נמוכה קרויה

. להגיע לדיוק גדול יותרRRחיד המאפשרת עבור תכונות סידרת ערכי א-סידרה בזמן הדגומה באופן לא

כ "ואח ] 7A[ 2001בשנת Moody GBי "עתחילה נחקרה HRV לחישוב ספטראלי של LSP- מוש בשי

בצורה PSD-בשיטה זו מבצעים את שיערוך ה]. Tarassenko] 29A- וCliffordי " ע2004בשנת

Power Spectral - משערכת את הLSP המרת .ישירה מיתוך האות באמצעות דגימה לא אחידה

Density (PSD)ג נקודות לעומת פעולת ה" המופעלת ע-FFTשיטה זו אינה לכן . ג דגימות" המופעלת ע

.מותדורשת דגימה מחדש או החלפת דגי

FFT - וHRV: AR- AutoRegressive של PSDלביצוע הנפוצות שיטות הבין מחקרים אלו משווים

Lomb Periodigramלבין

FFTאופן מימוש המרת

השיטות עבור . דקות4.5 דקות עם חפיפה של 5של (sliding window) מבוצעת באמצעות חלון זמן

. אחידה לכן האות נדגם מחדש במרווחים אחידיםרהום בצודגאות ה נידרש AR - וFFTהנפוצות הן

הדגימה מחדש היא תהליך מורכב יותר מסתם דגימה היות ונדרשת אינטרפולציה לכפר על דגימות שאינן

היות , םאך הדגימה המחודשת יוצרת עיוות בתדרים בדומה למסנן לא ליניארי מעביר נמוכי. בתזמון הנכון

פולס בזמן מותמר לאין (זמן יוצרת עיוותי תדר על גבי רוחב פס רחב וכל דגימה חסרה או לא מתאימה ב

מרעש ועיוותים אך התוצאה היא שכך ניתן " נקיים"במחקרים רבים נעשים על סגמנטים ). סוף תדרים

. יהיה מוטהHRV-וניתוח ה" נקיים"לאבד מידע באות שלא מופיע בצורה בולטת בסגמנטים הנבחרים כ

iodigramPerLombמימוש אופן

. ECG באות R-R הופק מיתוך מרווחי IHR-Instantaneous Heart Rateות הכניסה הראשוני קרוי א

המבצע קטימה השל נתונים לא רגולאריים ) שפותח עבור ניסוי מאמר זה( אות זה הועבר דרך אלגוריתם

צוע מימוש יעיל של לשם ביPress-bickiאות משופר זה מהווה אות כניסה אל אלגוריתם "). לא טובים("

.Lomb Periodigramהשיטה

:המסקנות

הוא אף יציב יותר בסביבה . AR- וFFT- לא נופל בביצועיו מאלגוריתמי הLombאלגוריתם .1

, נחסכת מורכבות הורדת דגימות ודגימה מחדש, רועשת

ממיצוע כל , האות חולק למקטעי מצבי השינה] Tarassenko] A29- וCliffordבמחקר של .2

הינם בעלי שונות LSPחישובי התדר לכל המקטעים מתקבל כי חישובי התדר שנעשו באמצעות

(σ) נמוכה יותר בכל מצבי השינה לעומת שיטות FFT , לכן תוצאות חישוב זה יותר עקבית

. ומאפשרת דיוק שערוך רב יותר

O(N logN).דומה בשלושת השיטות סדר גודל המורכבות הכללית .3

.שיטה זו אם כן היא המועדפת לחישוב ספקטראלי של קצב הלבומכאן ש

למחלות חרדה לניתוח HRVניתוח ספקטראלי למציאת קורלציה בין 7.2.2 וואגליות -השפעות סיפטו

מוש שבבסיסם קיימת חקירת הקשר שבין מערכת העצבים האוטונומית לפעילות הלב עושים שי המחקרים

:להלן סקירת דוגמאות של מחקרים כאלו. שפורטו לעילECG-רב בניתוחי ה

לבצע זיהוי מוקדם של חולי נעשה ניסיון ] 4A[ וקבוצתהAkselrod S.י "במחקר שנערך ע

Hypertension,של המשקפים במידה רבה את הבקרה , באמצעות קצב הלב במשולב עם לחץ הדם

קיים כשל תפקודי של המערכת האוטונומית במשולב עם Hypertension בחולי .המערכת האוטונומית

. ליתאגוהיפראקטיביות סימפתטית ונסיגה ו

בכדי (Time Dependence Spectral Analysis)ניתוח ספקטראלי תלוי זמן תחום המחקר הוא ב

ניתוח זמן תדר . תדר ספציפי בכל זמן ספציפיאפשר חשיפה של עוצמת התנודות של ההספק עבור כל ל

. ECG- באות הR-Rפ מרווחי " המופק ע (HR-Heart Rate) בוצע על אות קצב הלב ECG-של אות ה

לשם כך בוצע על (HRV-Heart Rate Variability)המטרה היא למצוא את מאפייני השתנות קצב הלב

. Continues Wavelet Transform ניתוח ספקטרום באמצעות התמרת HR-אות ה

אורכו , לכל זמן ותדר מאפייני הספקטרום המקבילים חושבו על גבי חלון סיגמנטי מהאות: מהלך המחקר

52שונות זו באורכו של החלון בהתאמה לניתוח התדר מאפשרת . של החלון הוא ביחס הפוך לתדר המנותח

אות ספקטרום תלוי זמן ר הפקת תהליך זה מאפש.להגיע לרזולוציה אופטימאלית הן בזמן והן בתדר

סימפתטית בפעולה רגילה ואף תשדורות מהירות- המשקף את הפעילות וההשתנות הסימפתטית והפרא

מדידה בניסוי המתואר מומש באמצעות,(CP – Change in Posture) "תנוחה"הקורות במהלך שינוי

. בזמן מעבר משכיבה לעמידה

:כמתואר להלן, יבוצע תהליך חישוב ספקטראלי דינאמ

)כגון מהתרגשות או לחץ(היות וקיימים שינויים בעוצמה ובקצב הלב כתוצאה משינויים אוטונומיים

הנמוך , תחומי התדר הסטנדרטיים אינם מספיקים לביצוע כימוי של השינויים הדינאמיים בשיאי התדרים

Individual: ות האלגוריתםמעקב אחר ההספקים הספקטראליים על פני הזמן מתאפשר באמצע. והגבוהה

Time – Dependence Spectral boundaries Algorithm , באלגוריתם זה מוגדרים מראש תחומי

בכל נקודת זמן . LF=0.02Hz÷ 0.15Hz , HF=0.15Hz÷0.6Hz : המקובלים באופן מורחב יותרהתדר

כך . סביב לכל שיאפ האלגוריתם מתבצע חיפוש שיאי עוצמה ואת נקודות המינימום המקומיות מ"ע

לאחר שהגבולות הוגדרו מבוצע לכל תחום . מתקבל עבור כל נקודת זמן גבולות התדרים באופן דינאמי

Continues Wavelet Transform . היא שיאי של תהליך החישוב הספקטראלי הדינאמי התוצאה

HF(t)-Time Dependence High Frequency: המסומניםהתדרים הנמוכים והגבוהים תלויי זמן

peak, LF(t)- Time Dependence Low Frequency peak . יתרון של שיטה זו היא בכך שהיא

משתנה בזמן אך בכל זאת מאפשרת כימוי מדויק של הספק בכל תחום תדר וכן מתאפשרת הבחנה חדה

).ההתמרות פועלות על תחומים צרים יותר(יותר בין רעש להספק אמיתי

ובדקה CP-יה בתדר הנמוך אצל חולים בהשוואה לקבוצת הביקורת במהלך ההתוצאות שהתקבלו הן על

-המצביע על מעורבות מוגברת של המערכת הסימפתטית על קצב הלב כתוצאה מה. הראשונה שלאחריו

CP .ב במקביל כתוצאה ממדידות לחץ הדם אובחנה הקטנה� – Indexהמצביע על ירידה ברגישות ה -

Baroreceptorsלות הווגליות יותר רפויות מכאן שהפעי.

נבחנה ] B. Geva A, .Benjamin J, .Cohen H] 8A., בהובלת 2000במחקר שנערך בשנת

מחקר . הלב ולאפיוניו הספקטראלייםלקצב Panic Disorder (PD)- וPTSDהקורלטיביות בין חולי

של PSD - Power Spectral Densityמוש בניתוח וכח שהשיזה נערך לאחר שבמחקרים קודמים ה

HRV - heart rate variability מהווה שיטה אמינה להערכת ההשפעות של המערכת האוטונומית על

ההנחה היא . סימפתטית על השפעות אלו-ותרומת כל אחת מהמערכות הסימפתטית והפרא. פעולת הלב

מאמר זה . סימפתטית-ירידה בפעולת המערכת הפראשזה מצביע על עליה בפעולת המערכת הסימפתטית ו

בתהליך של מנוחה מעבר להזכרות PD וחולי PTSDמתאר ניתוח של קצב הלב במדגם רחב של חולי

. בטראומה וחזרה למנוחה

:האות הספקטראלי של השינויים בקצב הלבואות קצב הלב : נותחו שני אותות

אובחן שקצב הלב הגבוהה מים למחקר זה ניתוח אות קצב הלב נעשה לאחר שבמחקרים קוד .1

, PDכאשר במהלך שינה הוא יורד אך רק אצל חולי , PD וכן חולי PTSDמהרגיל אצל חולי 53

אובחן שבשתי קבוצות בניתוח האות . קצב הלב נישאר גבוהה אף במהלך השינהPTSDבחולי

היזכרות ה בשלב .PD גבוהה מחולי PTSDהחולים קצב הלב במנוחה הוא גבוהה יותר ובחולי

ובקבוצת הביקורת קיימת עליה בקצב הלב אך לא אובחנה עליה כזו בחולי PDבטראומה בחולי

PTSD .

תחומי נעשה באמצעות חלוקת הספקטרום לשניאות הספקטראלי של קצב הלבניתוח ה .2

כמו כן . HF – High Frequency והגבוהה low frequency - LFהתדר הנמוך :תדר

ממצא זה , LF ועליה באנרגיית ה HF-י קבוצות החולים אובחנה ירידה באנרגיית הבמנוחה בשת

מתאים לממצאים קודמים הקובעים כי בחולים אלו קיימת עליה בפעולות המערכת הסימפתטית

.סימפתטית-וירידה בפעולות המערכת הפרא

euthymic: הקורלטיביות בין חולינחקרה] 10A [2003וקבוצתה משנת Cohen H. של מאמרב

bipolarמתאר מחקר של מספר מאפיינים של האותות מאמר ה . לקצב הלב ולאפיוניו הספקטראליים

כפי HRV) (VLF,LF,HF -תחומים הספקטראליים של הוה שונות קצב הלב: שהמשמעותיים בינהם הם

, לקבוצת הבקרהbipolar משמעותיים בין חולי הבדלים נתגלוהתוצאות בהן . 6.6.1.1 שמפורטים בסעיף

.אופן משמעותיב bipolarבקבוצת חולי שונות קצב הלב קטנה �

.נמוך יותר בקבוצת החולים) TP(ההספק הכללי של ספקטרום האות בתחום הרלוונטי �

. החולים הוא גבוהה יותר בקבוצתHFאחוז הספק תחום התדרים הגבוהה �

.או פיצולו\ תופעות של היפוך גל וT-wave -חוסר נורמליות ב: בתחום הזמן �

תוך כדי vagal tone לכיוון Sympathovagal - קיים הטיית איזון הBipolarהמסקנות הן שבחולי

. )PD - וPTSDתוצאה הפוכה מזו שהתקבלה עבור מחקר דומה לחולי (Sympathetic tone -הקטנת ה

היא שכל זאת כתוצאה מכשל במערכת העצבים המרכזית יותר מאשר כתוצאה מכשלים במערכות ההנחה

. פריפריאליות

. יש לשים לב שלתוצאות אלו ישנם מחקרים בעלי תוצאות סוטרות **

.היות ותופעות שונות גורמות לתופעות זהות, בנוסף יש לשים לב שקיימת בעיית אי ספציפיות**

.אר ניסוי בחולי פרקינסוןומת] 12A [ וקבוצתוniemi THaapa.במאמר מאת

ANS – Autonomicבחינות רפלקסים בחולי פרקינסון הראו כשל בשני ענפי המערכת האוטונומית

Nervous System ,בבחינות אלו הופקו נתונים לגבי התגובות .סימפתטית- הסימפתטית והפרא המערכת

נתונים אלו מאפשרים להבין את . נומיות כאשר לגבי כל חולה בנפרד קיימת שונות רבה בתגובותהאוטו

.השונים מהמכניזם הרגיל, בחולי פרקינסוןautonomic cardiac control -המכניזם של ה

בו נבחנו הפרמטרים הספקטראליים . שעות24 באורך ECGהמחקר נערך באמצעות ניתוח

השונות הרגעית : HRVכמו כן נבחנו אלמנטים במימד הזמן של האות , (VLF,LF,HF)" מסורתיים"ה54

). SD1מסומן ( Poincaré plots והשונות המתמשכת לאורך זמן המופק באמצעותbeat to beatבערכי

אצל Tonic cardiovascular, Autonomic Regulatory System -במניסוי זה אובחן תפקוד לקוי

. בעל ִמתאם לרמת חריפות המחלה הינוקוי זהלינמצא כי . החולים

נבחנו אר ניסוי בו ו מת] S.R.Reddy M ]6A .- וS.P.Naidu V.י " שנעשה ע2003 משנת מאמרב

בהשוואה Myocardial Infarction (MI) ם שעברו התקף לבחולי של HRVספקטראלית אותות

הוא HRTS - למקטעים עם חפיפה כך שההנחה היא שבכל מקטע ה האות חולק.לקבוצת ביקורת

.סטציונרי

power HF/LFהיחס . לאחר יצירת ספקטרום האות נבדק היחס בין אנרגיית התדרים הגבוהים לנמוכים

וכן PLF,PHFהמסומנים , LF,HFלי לכל תחום בנפרד באמצעות איחוד אזורי אבוצע ממוצע ספקטר

לקבוצת הבקרה ואובחנה MIהושוו חולי . PPLF ,PPHF תחום המסומנות פ עוצמות מקסימום בכל"ע

אולי היות וההשפעה . בחולים בהשוואה לקבוצת הבקרהLF- ביחס לHF-אנרגיה גבוהה יותר ב

!)?רק לאחר התקף לב אנשים מצליחים להבין שצריכים להיות יותר רגועים. (הפאראסימפתטית מוגברת

HRVיית שלבי השינה באות ראלי של סגמנטצטניתוח ספק 7.2.3

נתוני שינה ושלבי השינהת באמצעות סגמנטצייHRVניתוח אות

-ה נועד לייצר מדד אובייקטיבי למדידת פעילות] Tarassenko] A29- וCliffordהמחקר שערכו

Central Nervous System) CNS (במהלך שינה.

הפרמטרים המופקים מסגמנטים של שלבי . פ שלבי השינה" לסגמנטים עיקריים עHRV-ת אות החלוקב

הנשימה . בערות קיימת תלות בהשפעות של ערות כגון בקרת נשימה ודיבור. השינה איכותיים יותר

משפיעה על התדרים הגבוהים אך היות וגם בתדרים הנמוכים ובלחץ בדם נמדדו שינויים ניתן להסיק

.HRV - משפיעה על ה(CNS)ב מהמערכת העצבים המרכזית שהמשו

בין נבדקים בנטרול השפעות חיצוניות יש לקחת HRVהמסקנה היא שבכדי לאפשר השוואת אותות

.מקטעי שינה בהם השפעות אלו מוחלשות

בשינה עמוקה קיימת ירידה ברמת המודעות המאופיינת בעליית השפעת המערכת הפאראסימפטתית

, שאינה תקינהCNSעליה זו נמצאה כנמוכה יותר בנבדקים בעלי . ליה בתדרים הגבוהיםשגורמת לע

20<(LF/HF)במהלך שינה הוצאו מקטעים בהם היחס . גבוהה יותר(LF/HF)כלומר בחולים אלו היחס

מצבים שאינם מזוהים עם שלבי , היות וערכים אלו מאפיינים הפרעות מלאכותיות או התעוררות פתאומית

.ההשינ

יחס זה נמצא כתלוי השינויים . בכל סגמנט(LF/HF)מציאת היחס בין התדרים הגבוהים והנמוכים

.[Lavie P. 1999, The enchanted world of sleep] ווגאלית-במערכת הסימפטו55

:המסקנות

הן בעלי ) 5.2.7 פירוט בסעיף (NREM- מצב שינה עמוקה במהלך ה– SWSהמדידות שנעשו במהלך

לכן גם במובן זה תוצאת החישוב יותר עקבית ומאפשרת , נמוכה יותר מכל שאר מצבי השינה(σ)שונות

.דיוק שערוך רב יותר

RSA לבין HRVניתוח ספקטראלי למציאת הקישוריות 7.2.4

כללי 7.2.4.1

מערכת הנשימה על קיימת ההתמקדות המחקרית בשנים האחרונות במחקר הקישוריות שבין השפעת

cardiac לבין הבקרה הוגלית Respiratory Sinus Arrhythmia (RSA) -השונות בקצביות הלב

vagal tone .סימפתטית בשיטה לא חודרנית-בכדי לאפשר חקירת המערכת הפרא.

בעת פעילות cardiac vagal tone- לבין הRSA- בין עוצמת הימספר מחקרים מראים קשר ליניאר

).Katona 1970, Katona and Jih1975. (פתטית מתונהסימ-פרא

י " אובחן כנשלט עRSA- המשקף את עוצמת ה)HR( של קצב הלב HFעוצמת ערך רכיב התדר הגבוהה

. (Akselrod 1981,1985 and Pomeranz 1985)סימפתטי של המערכת האוטונומית -הענף הפרא

).Berntson 1997כגון (ריים אולם דווחו אף ניסויים בהם אבחנו קשרים לא ליניא

בבקרה י לא תמיד באות ליידי ביטוי פרופורציונאלRSA-מספר מחקרים הראו שתנודות בעוצמת ה

מחקרים אחרים מראים . (Grossman and Kallai 1993, Hedman 1995) סימפתטית-הפרא

HRV.(Anrep- של הHF- מאפסים את רכיב הvagal -שבמצבים מסוימים עליה ברמת הגירוי של ה

1936, Eckberg 1988, Goldberger 1994 and Toledo 2003).

RSA לבין HRVמודלים תאורטיים להערכת הקשרים בין 7.2.4.2

מחקרים נוספים ממדלים את המערכות למודלים שתוצאותיהם שואפות להגיע לתוצאות המתקבלות

:למשל, ECG-כתוצאה מניתוחי אות ה

, בוחן את הקשרים בין קצב מערכת הנשימה ] 11A[ וקבוצתה SAkselrod. מאת 2003במאמר משנת

המערכת (Vagal Tone - כמשקפי פעולת הHR-והתחום הגבוהה בספקטרום ה, HR-תוחלת קצב הלב

נהוג לשייך את התחום הגבוהה כאמור HRV - של היבניתוח האות הספקטראל ).סימפתטית-הפרא

)HF (ילות הלפע- cardiac , Vagal control וכן למערכת הנשימה(Respiratory Sinus

Arrhythmia - RSA). כפי שמפורט . לשינויים במערכות אלוםכלומר ששינויים בו הם פרופורציונאליי

נעשה . תקיימת בהכרח זו לא מתמראים שפרופורציונאליוהמחקרים היות וקיימים אך . 6.6.1.1 בסעיף 56

מאמר זה . ניסיון למדל מערכת זו בכדי לפרש את הסתירות שהתקבלו בין תוצאות המחקרים השונים

. cardiac vagal tone - ו mean HR, RSA :מתאר מודל תיאורטי להערכת היחסים בין הגורמים

וכן לפי הידע Sino - Atrial (SA) nodeהמודל מבוסס על הנחות הנובעות מהמבנה הפיסיולוגי של

-integral-pulse-frequencyהעיקרון המתמטי של המודל הוא . SA receptors -לגבי האיזונים ב

modulation (IPFM) processמודל זה . שניגזרותיו מובילים לביטויים עבור התלויות בין המערכות

ם לא בכך שבמקרים מסויימי, מצליח לתת תשובה לתוצאות ניסויים סותרות שפורסמו

.מתקייהפרופורציונאליות בין המערכות לא מתקיימת

;] Toledo E, .Pyetan E ]13A. שנערך בהובלת 2003המאמר משנת

.RSA לבין HRV בין ים שאובחנו במחקרים שונים הקשרמתאר מודל לאימות

לכן (RSA-Respiratory Sinus Arrhythmia) – משקף את עוצמת אי הסדירות הנשימתית HRV -ה

אך רמת דיוק המדידה שבשיטה זו לא . cardiac vagal controlשימוש בבדיקה לא חודרנית זו למדידת

לביצוע הערכת שיטות אלו פותח מודל תיאורטי של . אומת מעולם ולכן תקיפות השיטה מוטלת בספק

. באמצעות אטרופיןvagal-ית של ה בעת חסימה הדרגתRSA- לבין הHRV-היחסיות שבין תוחלת ה

.תוצאות המודל המתמטי הושוו לתוצאות אמיתיות מניסויים אמיתיים

).RSA -המשקף את ה (HF- והספק שיא של תחום הHR- הופקו תוחלת הECG-מיתוך הקלטות ה

. לפרמטרי המודלםתוצאות הניסוי אכן אימתו את נכונות המודל ואפשר קביעת ערכים אופטימאליי

.cardiac vagal-ך מתאפשרת הבנה כמותית עמוקה יותר של פעילות הכ

ECGאות ניתוח פיתוח מודל ל 7.3

.] A33 [1999 בשנת .Ortigueira M. D. 'בהובלת פרופמחקר זה נעשה

AN Archetypal Based ECG Analysis מבוססות אבטיפוס ECGהמודל קרוי מערכת ניתוח אות

System

פירוק ההשפעה על האות לשני מודולים נפרדים : צורת הסתכלות חדשה על מידול אופן ייצור האות

: אורתוגונאליים

1. Heart drive modulation – מודול המקבל את אות הגביש )SA-Node (האות מואת -

Autonomic Nervous System (ANS) . אחידים במרווחים שווים אות גביש מכיל דפקים

.ANS-ומאופננים במודול זה בהשפעת אות ה

2. Heart Model – ומייצר את אות 1 מודול המקבל את אותות הגביש המאופננים שנוצרו במודול

. בהתאמהECG-ה

י מציאת נקודות החלוקה שבין כל "הפרדת הפעימות ע: Beat Modeling (BM) תהליך אלגוריתמי

אנרגיה נמוכה מסף יחסי לאנרגיית האות – ההפרדה מבוססת על אנרגיית האות .שתי פעימות סמוכות

לאחר . י מציאת אורכים ארוכים מסף המכסימלי האפשרי לפעימה בודדת"ות עעתיקון מאור. המרבית

הפעימות מנורמלות הן באורך והן בעוצמה יחסית לפעימה הארוכה ביותר והחזקה ביותר ,ההפרדה

.FFT אינטרפולציה ודגימה מחדש בדגימה אחידה המאפשרת הפעלת RRאות מכאן הפקת . בהתאמה

מספר תבניות אבטיפוס מיוצרות :Archetypal Analysis (AA)ניתוח מבוסס אות אבטיפוס

תהליך שהוא מיצוע משוכלל היות ומספר רב של . באמצעות משקול של ממוצעי הפעימות האמיתיות

במובן (משקול הפעימות נעשה כך שהשגיאה . בנית פעימה אחתפעימות בעלות משקל דומה ממופות לת

MSE (תבין האות המקורי לתבנית האב טיפוס הרלוונטית תהיה מינימאלי.

בחינת אות ההפרשים שבין . המכיל רק את תבניות האב טיפוס בהתאמה לאות המקורי" נקי"הרכבת אות

כאשר ניתוח כל אות מאותות האב . של האותהאות המקורי לבין אות האב טיפוס ללימוד על הדינאמיות

.אופייניות של הלב" תמונות"טיפוס מאפשר לשקף מספר

ניתוח פרקטאלי 7.4

מסכם ] S.Woolfson M ]16A. - וC.Echever J .י קבוצתם של" ביפן ע2004-ך בערנמחקר שה

ניתוח זה כפי שמפורט . HRV של אותות Detrended fluctuation analysis (DFA)משמעות ניתוח

המחקר מאמת ומסכם את נוכחות . HRV מתאים לסדרות בזמן לא סטציונאריות כמו 6.7.3 6.7.1 בסעיף

מחקר זה אף מראה שהמשמעות. של נבדקים בריאים HRV באותות קורלציה ארוכת טווח שקיימת

Fractional Self-Similarity - העונות על כללי ה(Patterns) היא שקיימים באות תבניות קורלציה זו

כך . Scaling Factor -כאשר תבניות אלו קיימת בעלות שונות בהתאמה ל). 6.7.2 כפי שמפורט בסעיף(

חד יותר משיטות קונבנציונאליות אחרות באופן צעות בחינת קורלציות ארוכות טווח אלו ניתן לאבחן באמ

.בעיות אבנורמליות פיסיולוגיות

נבחנו השינויים ] Akima T] 33A .- וTakase B .י קבוצתם של " ביפן ע2004- ך בערנבמחקר ש

והשפעת תרופות אצל חולי HRV באמצעות ניתוח פראקטאלי ארוך טווח של HRVיים באות היומיומ

נדרשת הוכחת , עבור חולי לבHRVבכדי לאפשר שימוש אמין בניתוח פראקטאלי ארוך טווח של

בעיקר (נדרש לבחון את ההשתנות היום יומית של תוצאות הניתוח הפראקטאלי , קונסיסטנטיות התוצאה

בנוסף נדרשת הבחינה של השפעת תרופות המגבירות את זרימת הדם אל הלב ). αישוב הזווית תוצאת ח

במחקר זה נבדקה השפעת התרופה . (Antianginal drug)שנועדו להקלת התסמינים של תעוקת חזה

Niprodilol(NIP) בחולי Coronary Artery Disease (CAD) .

ג שתי " שעות בשני ימים נפרדים באותו שבוע ע24 באורך ECGהבדיקה נעשתה באמצעות הקלטת

הקבוצה , שינויי ייחוס–הראשונה לאבחון רמת השינויים הפראקטאליים היום יומיים : קבוצות נפרדות

. לאבחן את השינויים כתוצאה מהשפעת התרופהההשניי

.ראשונההתוצאה שהתקבלה היא שקיימת קורלציה גבוהה בין שתי בדיקות בשני הימים של הקבוצה ה

בכך הוסק .ואילו בקבוצה השניה נמצא שהשפעת התרופה גורמת להקטנת ערך החישוב הפראקטאלי

.נכונות וקונסיסטנטיות התוצאה של ניתוח פרקטאלי

Cornélissen G. - וHotta N.ב בהובלת " בשילוב של כמה קבוצות מיפן וארה2005-במחקר שנערך

בוצעה חקירת הקורלציה שבין ניתוח פרקטאלי .] VHR ]37A של אותות Fractal Analysisבנושא

חושב עבור אות השינויים בקצב (fractal Analysis)פרקטאלי ההניתוח . ותמותה במבוגריםHRVשל

. (Heart Rate Variability - HRV)הלב

Detrended Fluctuationפ אלגוריתם"ע, ותה אצל מבוגריםהמחקר השווה את סיכויי השיערוך של תמ

Analysis (DFA)תדר מסורתיים לניתוח הדינאמיות שבאות - בהשוואה לעיבודי זמןHR. 59

. א" דקות כ10אות זה חולק לשישה סגמנטי זמן בני , באורך שעהECGהקלטת : מבנה האות הנמדד

.ובשכיבההסגמנט האחרון נמדד תוך הקפדה על נשימות עמוקות

, חושב בנפרד בשתי שיטותDFA-ניתוח ה. fractal scaling- נועד לכמת את מאפייני הDFA -ניתוח ה

:RRI-קצר הטווח והבינוני של סדרת ה

1 .1α :Short Term :שימוש בScaling Exponent - פעימות11-קטן מ( המתאים לטווחים קצרים .(

2 .2α :Long Term :שימוש בScaling Exponent - פעימות11-גדול מ( המתאים לטווחים ארוכים .(

בהתאמה α -ומיצוע כל תוצאות ה) DFA-תוצאת ניתוח ה (ת הרלוונטיα לכל סגמנט חושבה זווית

. שהן משוקללות יחסית לכל זמן המדידהα1,α2לתוצאות סופיות של

: תדר מקובלים–במקביל חושבו חישובי זמן

CVRR, SDANN, rMSSD, pNN50: חישובי זמן כגון •

דקות ומיצוע חישובי הספקים ספקטראליים על 5חלוקת האות לסגמנטים באורך : חישובי תדר •

כפי שמתואר VLF,LF,HF,LF/HF ( הספקטרום הידועים כל הסגמנטים בשלושת תחומי

.)6.6.1.1 בסעיף

Body Mass Index, מין, גיל(לים לחיזוי הסיכוי למוות הניתוחים שלעיל הושוו למדדים רפואיים מקוב

(BMI)וכו '(.

לבין תוצאות החישוב זוי תמותהי לחהאוביקטיביים המסורתייםהתברר שהקורלציה בין המדדים : תוצאות

10(בעיקר עבור הסגמנט האחרון , תדר-הפראקטאלי גדולה יותר מאשר עבור שאר תוצאות חישובי זמן

Long -חישוב ההתקבלה עבור קורלציה היותר טובה ). דה נשימה עמוקה ובשכיבהדקות בהן הוקפ

Term Scaling Exponent (α2)מאשר לבין ה - Shorter Term Scaling Exponent (α2).

Poincaré plot באמצעותHRVחקירת 7.5

והדינאמיקה HRV לניתוח Poincaré plot -להלן מוצגים מספר מחקרים המייצגים את אופי השימוש ב

: Poincaré plotsשבתהליכי המחקר באמצעות

] Kamen P& . Palaniswami M& . Brennan M]23A.שנערך 2001-מחקר ב

שיכילו את כל המתארים הבלתי כך plot 1 Poincaré Lag מטרת המחקר היא לכמת את מאפייני

המרת הגרף הדו ממדי לתצוגות חד ממדיות : מספר טכניקות לכך נבחנו. HRVלויים הקיימים באות ת

הוכח שמדדים אלו מייצגים . התאמת אליפסה לתצורת הגרף ומדידת מקדמי הקורלציה של הגרף, שונות

מכאן שטכניקות אלו לא . )6.8 כפי שניתן לראות במשוואות בפיסקה ( HRV - הבטים לינאריים של ה

.הוא טכניקה לא לינארית בעיקרה Poincare רגישות לתכונות לא לינאריות למרות שגרף

בוחן את הקורלציה בין ניתוחי ]. 21A[ מאורוגוואי ה וקבוצתContera P.י " ע3200- בכהמחקר שער

.נערך עבור חולים סוכרתיים המחקר .Poincaréם המבוססים על דיאגרמות לבין ניתוחיHRVתדר של

מאשר 1SD לבין HRV- של ספקטרום הHigh Frequency -הוכח שקיימת קורלציה גבוהה יותר בין ה

בין אותות בצע סיווג ל Poincaré plots המסקנה שניתן להשתמש בניתוחים המבוססים על. 2SDלבין

HRVבנוסף הוכח שהקורלצייה בין .םולוגיית בריאים לפ SD1 לבין התנודות המהירות במודולציית קצב

אך כאשר .בין הפעימות קטן מארבע) Lags( כאשר המרווחים קיימת, )HF-המשוייך לתחום ה(הלב

- המשוייך לתחום ה( לבין המודולציות האיטיות SD1המרווחים גדולים מארבע קיימת קורלציה יותר בין

] 21A 22A [הוקבוצתממכסיקו Lerma C.י " ע2006- בערךמחקר שנ

גרף לאינדקסי ומאפייני זמן סטטיסטיים מקובלים חקר אף הוא את הקורלציה בין ספקטרום האות

Poincaré Lagעבור חולי עבור מרווחים של פעימה אחת עד ארבע chronic renal failure (CRF) -

וכן היחס SD1,SD2 נבחנו האינדקסים .בהשוואה לקבוצת בריאים, חולים בעלי כשל בתפקודי הכילייה

ההשוואה נועדה לבחון אם דינאמיות האות . בהשוואה לערכי ניתוח זמן תדר נפוציםSD1/SD2בינהם

התקבל שהמאפיינים הלינאריים .ייםנובעת רק מרכיבים אקראיים או שגם מיתוך המאפיינים הלינאר

בריאים התקבל שעבור קבוצת הPoincaré - בגרף ה. הסטנדרטים היו זהים בין קבוצת הבריאים לחולים

plot 4 מכאן שבאמצעות. Lag=4 עבור גרף בעל מרווח היו קטנים יותרSD1/SD2יחס האינדקסים

Poincaré Lagושרים לקורלציה לינארית ולכן המסקנה היא אובחנו שינויים בדינאמיות האות שאינם מק

.HRV לשקף מידע לא לינארי באות Poincaré שניתן באמצעות גרף

הראשוניים ותוצאות שלבי העיבוד- תהליך המחקר 8

כללי 8.1

עיבוד ראשוני של האות 8.1.1

:השלב הראשוני מורכב מארבעה תת שלבים עיקריים המבוצעים עבור כל נבדק בנפרד

. באמצעות מכשיר הולטרECGהקלטת אות .1

.קריאת המידע מההולטר והתאמת פורמטים .2

.ECG- מיתוך אות הR-R Intervalייצור אות .3

. והעברתו להמשך המערכת Data Base-שמירה אות המבוא הגולמי והמעובד ב .4

:להלן פירוט שלבים אלו

. באמצעות מכשיר הולטרECGהקלטת אות 8.1.1.1

-Delmar של חברת ECGלטר נייד להקלטת אותות איסוף האותות נעשה באמצעות מכשיר הו

Reynolds הקרוי Lifecard-CF . שעות ובהן מוקלטים שלושה 24המכשיר מוצמד אל הנבדק למשך

המכשיר דוגם את האותות כל ערוץ בנפרד בקצב . Compact Flashcard על גבי כרטיס ECGערוצי

. 3db-)בנקודות (0.05-40Hzמפלטר אותו לרוחב פס של , דגימות בשנייה1024של

.קריאת המידע מההולטר והתאמת פורמטים 8.1.1.2

Delmar-Reynolds של חברת proprietyהאותות המוקלטים נשמרים על הכרטיס בפורמט שהוא

במחשב . אותות אלו נקראים מהכרטיס אל המחשב. 100Mbytes-והוא יוצר לכל ערוץ קובץ בגודל של כ

אף LifeScreen מפוענחים תחילה באמצעות תוכנת propriety-ראשית האותות המקודדים בפורמט ה

תחת (שהאינפורמציה לגביו נמסרה לאוניברסיטה - לפורמט בינארי מוסכם Reynoldsהיא של חברת

.Matlabשפענוחו נעשה באמצעות מערכת המחקר על גבי תוכנת ; )NDAתנאי

.ECG- מיתוך אות הR-R Interval אותייצור 8.1.1.3

): 11 ראה פירוט בסעיף ( המוקלטECG- באות הQRSאלגוריתמים למציאת קומפלקסי מספרנבדקו

המקורי למקטעים ECG-חולק אות הבשלב ראשוני של העיבוד , מסיבות של צריכת משאבי מחשב

חדש לאותות ולאחר הפעלת האלגוריתמים שולבו האותות מ. לצורכי כל אלגוריתם בניפרדבהתאמה

R-R Intervalפ מיקומים אלו מייצרים את האות "ע. Rת מיקומי גל המכילים אארוכים מותאמים

(RRI) ,נבחנו בהשוואה אותות . אות ההפרשים בין הנקודות שנמצאוRR כתוצאה משלושה אלגוריתמי

. ומתקבל אות בו מינימום השגיאות האפשריות מניתוח אותומטיQRSאיתור

ECG-מתברר כי אות ה. באופן ידני מלא ולא מדגמיQRS Detection -יצוע בחינת דיוק הנידרש ב

. קטעון או אזורים מאוד מורעשים, רוויה" : בעיתיות"המתקבל מההולטר מכיל מספר רב של נקודות

ובחלקם R wave - לתקן את מיקום ה" ידני"בחלקן ניתן באופן , בנקודות אלו הזיהוי האוטומטי נכשל

הנקי RRI - אות המוצא הוא אות ה. המקוריECG-ין ברירה נדרש להוריד את האזור הזה מאות הבא

ממנו רוב העיבודים בהמשך , אות זה הוא אות המבוא הבסיסי ביותר במערכת .משגיאות כמעט לחלוטין

.יופקו

והעברתו להמשך Data Base-שמירה אות המבוא הגולמי והמעובד ב 8.1.1.4

.המערכת

הכללי של המחקר לכל שלב ושלב במערכת קיים שמירת התוצאות Data Base-מבנה הכפי שמתואר ב

. בתיקיה ראשית במקום המתאים לשלב הספציפי בעץ התוצאות) הנתונים והגרפים(

Structureולרוב בנויים ממבנה ) mat.*כקיבצי (Matlabהנתונים לרוב נשמרים בפורמט של תוכנת

נראים 10למשל נתוני התוצאה של שלב זה עבור נבדק מספר . נבדקהמאחד את כל התוצאות עבור כל

Control10 = {

hvec: [1x99332 double] - Vector time base

RRI: [1x99332 double] - R-R Interval Data vector

dRRI: [1x99332double] } - Detrended R-R Interval Data vector

:ה המסכמת וממחישה את תהליך קליטת המידע הראשונילהלן סכמ

Figure 5: Research Process - Input Signal

ועיבוד ראשוני ובסיסי של המידעאיתחול 8.2 הוא לאבעה ףהתהליך מחולק א. של המחקר נעשה בשלב זהData Base-תהליך זה שיוצר את בסיס ה

:שלבים עיקריים

1. Filtering -בניית שלושה אותות מסוננים של אות ה -RRI.

2. Parsing -חלוקת האותות המסוננים לכל המבנים הבסיסיים עליהם יחושבו שאר העיבודים

3. Variance - 2 לכל אחד מהמבנים שיוצרו בשלב שונות חישוב.

4. Data Base -שמירת כל הנתונים והגרפים שבמוצא כל אחד משלושת שלבי האיתחול שלעיל .

8.2.1 Filtering - בניית שלושה אותות מסוננים של אות ה-RRI.

י "שלושה אותות מסוננים ייוצרו ע. המטרה היא לייצר אותות העוקבים אחר מגמת האות בקצבים שונים

: שוניםLPשלושה מסנני

):תצוגה רגילה ומוגדלת( בעל תגובת התדר הבאה FIRמסנן .1

:שימוש במסנן בעל פונקציית תמסורת RRI של אות הכניסה FIRסינון

Figure 6: FIR Transfer function

אין פגיעה בתחום התדרים הרלוונטיים באמצעות1Hz - מהיות ותחומי התדרים המעניינים אינם גדולים

על )trendי חלונות " שלעיל והן עFIR-י ה"הן ע (מוצגים האותות המסונניםבסעיף הבא להלן , מסנן זה .גבי האותות המקוריים

FIRאותות המסונני התוצאת 8.2.2

:PTSD של קבוצת חולי FIRי מסנן "אותות המסוננים ע

Figure 7: PTSD subjects, Input RRI filtered with FIR filter

של קבוצת הבקרהFIRי מסנן "אותות המסוננים ע

Figure 8: CTRL subjects, Input RRI filtered with FIR filter

Trend Windowsמסנני 8.2.3

:PTSD ארוכים וקצרים של קבוצת חולי trendי מסנני "אותות המסוננים ע

Figure 9: PTSD subjects, Input RRI filtered by Short and Long Trend filter

: ארוכים וקצרים של קבוצת הבקרהtrendי מסנני "אותות המסוננים ע

Figure 10: CTRL subjects, Input RRI filtered by Short and Long Trend filter

8.2.4 Parsing - חלוקת האותות המסוננים לכל המבנים הבסיסיים

הווקטורים של . הבסיסי עליהם יחושבו שאר העיבודיםData Base -פעולה זו בונה באופן סופי את ה

: שונים עיקרייםמבניםארבעה המקורי ונגזרותיו המסוננות מחולקים לRRIאות

• Wake\Sleep -למשל כפי שמובא באיור הבא. ני הערות והשינהפ תזמו" חלוקת האותות ע:

• Fix -חלוקת האותות ל - Nחלקים שווים .

• Pyramid -2 - חלוקת האותות לN כאשר , חלקיםN הרמה של \ היא השיכבה

, בכל פירמידה תלוי באורך האות הניבדק) חינת כדאיותבמ(כמות הרמות האפשריות . הפירמידה

. רמות אפשריות9עד

• Segmentation -שימוש באלגוריתמי סגמנטציה לחלוקת האותות .

:פ מקטעי הערות והשינה"דוגמא לסיווג האות המקורי והוואריאנטים שלו ע

Figure 11: Sample of Sleep - Wake period classification for all signal types 70

סגמנטציה 8.2.5

:)6.5 פירוט תהליך הסגמנטציה בסעיף (בדקים לסגמנטים של כל הנRRIחלוקת אותות

Figure 12: Amplitude Segmentation for all PTSD Subjects RRI Signal

Figure 13: Amplitude Segmentation for all CTRL Subjects RRI Signal

מבוצעת חלוקת הסגמנטים לקצרים וארוכים להלן ) 14.3 -ראה פירוט ותוצאות ב(באמצעות ההיסטוגרם

.פ קצרים וארוכים מיתוך כל האות"מוצגת דוגמא של בחירת הסגמנטים ע

Figure 14: Sample of Sort and Long Segments selection out of the full RRI signal

8.2.6 Variance - 8.2.4 2 כל אחד מהמבנים שיוצרו בשלב עבור שונותחישוב.

כאשר במבנים מרובי הקטעים מחשבים לכל קטע בניפרד חישוב שונות סטטיסטית לכל מבנה בניפרד

מחשבים ערך סף כזה שיאפשר לסווג את מירב . ומתקבל מספר רב של ערכי שונות לכל מבנה ולכל נבדק

.הנקודות ובודקים כמה נקודות לכל מבנה באחוזים עוברים את הסף לכל נבדק בניפרד

:גרף לדוגמא של תוצאת תהליך זה

Figure 15: Variance Operation results figure example

8.2.7 Data Base - מוצא של שלבי כל הנתונים והגרפים שביצירת בסיס של .האיתחול

כאשר הוא מכיל כבר את כל הנתונים , 8.1.1.4 - בנוי כפי שמתואר במבנה הנתונים העיקרי שנישמר

: הבאהתצורהבהוא והעיבוד הראשוני parsing-חר הלא

Control10 = { hvec: [1x99332 double]

RRI: [1x99332 double]

dRRI: [1x99332 double]

RRIfir: [1x99332 double]

RRIbigtrend: [1x99332 double]

RRIsmalltrend: [1x99330 double]

Sleep: [1x1 struct]

Wake: [1x1 struct]

FixMat: [1x1 struct]

Pyr: [1x1 struct]

DFA: [1x1 struct]

Control10.VAR = { Sleep: [1x1 struct]

Wake: [1x1 struct]

RRI: 0.0389

dRRI: 0.0389

RRIfir: 0.0341

RRIbgtrd: 0.0269

RRIsmltrd: 0.0310

FIX: [1x1 struct]}

VAR: [1x1 struct]}

:להלן סכמה המסכמת וממחישה את תהליך עיבוד המידע הראשוני

( )∑=

5*2LvlN

lvltypesPyrNumSeg

Figure 16: Research Process – Basic Initialization

היסטוגרם 8.3

לגות של ההיסטוגרם בהשוואה בחינת אופן ההיתפ. חישוב היסטוגרם לכל אחד מהמבנים עבור כל נבדק

. אורכים אפשריים הקרויים בינים1000- חולק ל R-R Intervalתחום אורכי הפעימות .לשאר הנבדקים

:גרף לדוגמא. ההיסטוגרם ממפה את כמות האורכים המסווגים לאותו תחום אורכים

Figure 17: Histogram example

אליחישוב ספקטר 8.4

) :12.1.3.1 -ראה פירוט ב(ביצוע חישוב ספקטראלי באמצעות מספר אלגוריתמים שונים כגון

• Welch power Spectrum

• Waker AR power spectrum Yule

ע בין התוצאות של במבנים מרובי חלקים מבצעים מיצו, החישוב מבוצע לגבי כל אחד מהמבנים לכל נבדק

.כל חלק

:להלן סכמה המסכמת וממחישה את תהליכי עיבוד אלמטריים

SigHistVarSigVar ∝

SigHistStdSigStd ∝

SigHistVarSigVar ∝

Figure 18: Research Process – Histogram and Spectrum (elementary operation example)

Detrended Fluctuation Analysis (DFA)פעולת 8.5

DFAהפעלת אלגוריתם 8.5.1

8.2.4 לכל מבנה בניפרד הפעלת כל התהליך האלגוריתמי כפי שמתואר בסעיף

מחושבת DFA-מתוצאת חישוב ה. כאשר עבור מבנה הפירמידה הפעולה מבוצעת לכל שיכבה בנפרד

.תוצאות אלו מושוות בין הנבדקים, αהזווית

DFAיתם אלגורמימוש 8.5.2

ואף תוקנו בו (PhysioNet - המופיעים ברשת ובכללם האלגוריתם המופיעה בDFAנבחנו אלגוריתמי

הוא בבחירת ) יחסית לאלגוריתם המקורי(מתוכם נבנה אלגוריתם חדש שעיקר הייחוד שלו ). השגיאות

. פ סקלה לוגריתמית"גודלי חלון החישוב בגדלים המתפלגים באופן אחיד ע

. מ להפיק יעילות" והן עC-שנבחנו כתובים ברבים היות ואלגוריתמים Cגוריתם נכתב בקוד האל:הערה

המבוססת על כלי Matlab-Cי סביבת ממשק " נעשית עMatlabהפעלת האלגוריתם באמצעות סביבת

אותו אפשר ) dll(התוצאה הסופית של כלי זה היא יצירת קובץ הרצה . Matlab - של ה Mexfile-ה

.Matlab-פקודה מיתוך הלהריץ כ

:DFAלהלן סכמה המסכמת וממחישה את תהליך עיבוד

Figure 19: Research Process – DFA operation

: עבור כל הנבדקיםDFAלהלן מוצגת דוגמא לתוצאות הפעלת אלגורית

Figure 20: DFA Operation for RRI and RRIfir signals of all the Subjects

:DFA של תוצאת α)( וחישוב פאזה מקומית DFAדוגמא לתוצאת

Figure 21: Sample of DFA & DFA local phase (for RRI&RRIsmltrd)

Phase Space (Dm1m2)חישוב 8.6ראשית נידרש לחשב את האות ונגזרת , 6.7.1 לחישוב מרחב הזווית של האותות כפי שמפורט בסעיף

כאשר המבנים הם מטריציוניים מיוצרות שתי מטריצות בהתאמה והגזירה . X(t+1) המושהה X(t)האות

באמצעות ווקטור תחומי ”Center of Mass“ -בים את הלכל עמודה מחש.נעשית על עמודות המטריצות

התוצאה היא עבור כל . Phase Core-תהליך זה ממומש ב. הערכים וביצוע היסטוגרם לכל עמודה בניפרד

Center of Massקרוי התהליך , מתקבלת נקודה בגרף הקרטזי המאפיינת את המקטע) או סגמנט(מקטע

of Derivative Poincaré plotמן כמסו ו- CM-Dm1m2. ל פי מבנה האותות כפי והוא מופעל ע

:אות שמתקבלים מחישוב זה לדוגמאתוצ, Figure 22- בשמובא

2m1Dmתוצאות

2m1Dm-CMתוצאות

Figure 22: Dm1m2 results example

:Phase Spaceלהלן סכמה המסכמת וממחישה הפעלת

Figure 23: Research Process – Phase Space

. לבקרהPTSDבין הבחנה המאפשרות , "אפקטיביות"תוצאות 9

DFA Phaseבודי יע 9.1

בהפרדה לשינה וערותהמלא ו RRI של אות DFA Phaseתוצאות 9.1.1

PTSD נבדקי 4וכן , 1-4 נבדקי בקרה בעמודות 4 מוצגים Phase DFAבכל הגרפים בסעיף זה של

ושונות ) העבות(י העמודות " עα - DFAלכל נבדק מוצגים ממוצעי תוצאת חישוב הזוויות . 5-8בעמודות

לכל אחת משתי . י הקו האדום הדק בעל הגבולות סביב הערך ממוצע שלעיל"הזויות לכל נבדק ע

י הקו הצהוב עם "ממוצע הקבוצות מוצג ע, זווית עבור כל נבדקי הקבוצההקבוצות בנפרד חושב ממוצע ה

עד Figure 24 מגרף )מעמוד הבא (רפים שלהלןגכל זאת ניתן לראות ב). בכל עמודה(הנקודות הירוקות

.Figure 27לגרף

של כל הנבדקים בנפרד RRIעבור אותות ) DFA )α - DFAריתם חישוב אלגווית התוצאה של ומציאת ז

: בהשוואה בין בקרה וחולים במצבי שינה וערות

ALL::RRI DFA phase Resalts of CTRL <=vs=> PTSD

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

1 2 3 4 5 6 7 8

Subjects symbolic names

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

Control

Sleep::RRI DFA phase results of CNTRL <==vs==> PTSD

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

CTRL1 CTRL3 CTRL5 Control10 PTS3 PTSD1 PTSD2 PTSD4

Subjects symbolic name

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

3.50E+01

Control

Wake::RRI DFA phase results of CNTRL <==vs==> PTSD

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

Subjects name

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

Control

Figure 24: Average and variance of DFA Phase of RRI and after Sleep-Wake partitioning

לבין קבוצת הבריאים כאשר עבור , ות המלא ובמצב שינהקיימת הבחנה בין רוב קבוצת החולים עבור הא

DFA Phase -מכאן שביטוי ברמת ה . במהלך הערותבולט השוני מקבוצת הבריאיםשאר החולים

: למחלה מחלק את החולים לשתי קבוצות

.שעבורה המחלה באה ליידי ביטוי בולט יותר בשינה, קבוצת הרוב .1

.די ביטוי בערותשעבורה המחלה באה ליי, קבוצת המיעוט .2

תוצאות את מצענדרש ל) קבוצותה יכולל שתי תת(לכן בכדי לאפשר אבחנה בין כל קבוצת החולים

מיצוע שני המצבים של שינה וערות מאפשרת הבחנה טובה תתוצא. שני המצבים ערות ושינההניתוח

:כפי שניתן לראות בגרף שלהלן כמקשה אחת יותר עבור כל קבוצת החולים

Av. Wake&Sleep RRI DFA phase of CTRL <=vs=> PTSD

Examinee symbolic names

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

Average

Threshold

Figure 25: Average and variance of DFA Phase of RRI Combined Sleep & Wake phases

בהפרדה לשינה וערותוהמלא RRIfir של DFA Phaseתוצאות 9.1.2

פרד בהשוואה של כל הנבדקים בנRRIfir עבור אותות DFAוית התוצאה של חישוב אלגוריתם ומציאת ז

:חולים במצבי שינה וערותבין בקרה ו

ALL::RRIfir DFA phase Resalts of CTRL <=vs=> PTSD

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

1 2 3 4 5 6 7 8

Examinee symbolic name

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

3.50E+01

Control

Sleep::RRIfir DFA phase results of CNTRL <==vs==> PTSD

0.00E+00

1.00E+01

2.00E+01

3.00E+01

4.00E+01

5.00E+01

6.00E+01

Subjects symbolic name

0.00E+00

1.00E+01

2.00E+01

3.00E+01

4.00E+01

5.00E+01

6.00E+01

Control

Wake::RRIfir DFA phase results of CNTRL <==vs==> PTSD

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

3.50E+01

4.00E+01

Subjects name

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

3.50E+01

4.00E+01

Control PTSD

Figure 26: Average and variance of DFA Phase of fir filtered RRI and after Sleep-Wake partitioning 87

אלו המתקבלות עבור ניתוח אותות לת בדומה מתקבלוRRIfir מניתוח אותות DFA Phaseתוצאות

RRI חנה וודאית יותרהמאפשר הברק באופן בולט יותר , 9.1.1 כאמור בסעיף.

גם בניתוח אותות לכן , RRI כפי שהתקבלו עבור מתקיימות שתי הקבוצות RRIfirגם עבור תוצאות

RRIfirח עבור בדומה לניתוRRI) שני שלתוצאות הניתוחמבצעים מיצוע ) 9.1.1 פירוט בסעיף , שוב

כל בין , RRIעוד יותר חד משמעית מזו שהתקבלה עבור מאפשרת הבחנה התוצאה. המצבים ערות ושינה

:ןכפי שניתן לראות בגרף שלהללקבוצת הבריאים קבוצת החולים

Av. Wake&Sleep RRIfir DFA phase of CTRL <=vs=> PTSD

Subjects symbolic names

0.00E+00

5.00E+00

1.00E+01

1.50E+01

2.00E+01

2.50E+01

3.00E+01

3.50E+01

4.00E+01

Threshold

Av. CTRL line

Av. PTSD line

Figure 27: Average and variance of DFA Phase of RRIfir for combined results of Sleep & Wake

phases

- וFigure 25גרפים ( RRIfir - וRRI עבור האותות α- DFAבשני הגרפים הסופיים של מיצוע

Figure 26ניתן לראות שניתן למצוא ערך סף המאפשר לבצע אבחנה גורפת כך שכל ,) בהתאמה

כאשר ההבחנה .הערכים שמתחתיו שייכים לקבוצת הבריאים והערכים שמעליו שייכים לקבוצת הבריאים

המחושבת עבור α- DFA מתקבלת הזווית באופן גורףכלומר ש .RRIfirוודאית יותר עבור האות

ניתוח זה נכון עבור מרחב .החולים כיותר גדולה מאשר הזווית שהתקבלה עבור כל נבדקי קבוצת הבקרה

.כולל את תחום השונות של התוצאותוהמדגם הקיים

Poincaré plotניתוח תוצאות 9.2

הראשון מתאר תוצאות : ת לשני חלקים כפי שמוצגים בפרק זה מחולקו Poincaréתוצאות ניתוח גרפי

.של ניתוח האות המלא והשני מתאר תוצאות של ניתוח האות לאחר הפרדה למקטעי שינה וערות

:בחלק הראשון מוצגות דוגמאות של תוצאות של שני סוגי ניתוחים

עבור dRRI- וRRI, RRIfir: עבור האותות השלמים Lagged Poincaré plot (XY)ניתוח .1

. שוניםlagערכי

.RRIfir - וRRI: עבור האותות השלמים Derivative Poincaré plot (Dm1m2)ניתוח .2

בוהה בין לא מאפשרות סיווג ברמת וודאיות ג9.2.2 , 9.2.1 כפי שניתן לראות בסעיפים , תוצאות אלו

- ןFigure 28כפי שניתן לראות בגרפים , לאותות הבקרהPTSDהאותות שהתקבלו מהקלטות של חולי

Figure 29.

המבוצע על הפרדה Derivative Poincaré plot (Dm1m2)מוצגות תוצאות של ניתוח בחלק השני

בתוצאות עבור שני האותות הללו מתקבל . RRIfir - וRRIשל האותות לשינה וערות מיתוך האותות

הדבר בא . שההבדלים בין ניתוחי הערות לשינה יותר בולטים באותות החולים לעומת אותות הבריאים

ת שונות בין מצב ערות בעוצמוY רואים הבדלים בציר ,RRIfir של Dm1m2בתוצאות לידי ביטוי בולט

: כך מתקבל שסכום ההבדלים עבור קבוצת הבקרה הוא: לשינה בין קבוצת החולים לקבוצת הבקרה

)Y=0.07∑∆ ( לעומת זאת סכום ההבדלים עבור קבוצת חוליPTSD הוא יותר מפי שלוש יותר גדול

)Y=0.22∑∆.( בגרפים 9.2.3 כפי שניתן לראות בסעיף Figure 30עד Figure 33.

האות הגולמי המלאשלבסיסי Poincaré plotניתוח תוצאות 9.2.1

פירוט מבנה (והאותות המסוננים ממנו HRV-ה, המחושבות של האותות המלאים Poincaréגרפי

) ארבעת הראשונים המופיעים בשורה הראשונה(בקרה אותות בהבחנה בין ). 8.2.1 תות בסעיף האו

laggedחושבו שלושה ערכים להצגת א מהאותות "עבור כ. )שורה שניה (PTSD אותות של חוליו

Poincaré plot , עבורLag=1, Lag=4, Lag=10 . אלו מקובלים בניתוחי ערכיםHRV כפי שמתואר

עבור אף אחד , לא התקבלו תוצאות המאפשרות הבחנה בין קבוצת החולים וקבוצת הבריאים. 7.5 בסעיף

ור עבדוגמאות של תוצאות, בעמוד הבאלדוגמא מוצגים להלן . מאותות הבסיס ועבור אף אחד מהמרווחים

:ל"א מהמרווחים הנ"כ

:RRI עבור אות plotPoincarélagged 1 תוצאת הצגת

:RRIfir עבור אות plotPoincarélagged 4 וצאת הצגת ת

:dRRI עבור אות plotPoincarélagged 10 תוצאת הצגת

Figure 28 : All subjects, lagged Poincaré plot results examples

תוצאות קבוצת

הבקרה

PTSD -ה

הבקרה

PTSD -ה

הבקרה

PTSD -ה

עבור האותות DerivativePoincaré plot (Dm1m2) ניתוחתוצאות 9.2.2 .המלאים

PTSD -השלמים בהבחנה בין בקרה ו RRI המחושבות עבור אותות 2m1Dmתוצאות

SDPT - בהבחנה בין בקרה וRRIfir האותות השלמים לאחר סינוןעבור המחושבות 2m1Dmתוצאות

Figure 29: Dm1m2 Results for RRI & RRIfir of all subjects

הבקרה

PTSD -ה

הבקרה

PTSD -ה

עבור האותות DerivativePoincaré plot (Dm1m2)תוצאות ניתוח 9.2.3 .לאחר ההפרדה לערות ושינה

: ושינה בחלוקה לערות עבור אותות הבקרהRRI של 2m1Dmתוצאות ניתוח

Figure 30: Wake vs. Sleep Dm1m2 Results of RRI signals of CTRL subjects

SLEEP WAKE

Subject Name

CTRL10

Subject Name

: בחלוקה לערות ושינה עבור אותות החוליםRRI של 2m1Dmתוצאות ניתוח

Figure 31: Wake vs. Sleep Dm1m2 Results of RRI signals of PTSD subjects

SLEEP WAKE

Subject Name

–הבדלים שינה , בחלוקה לערות ושינה RRIfir- Control : עבור אותות2m1Dmתוצאות ניתוח

:כפי שמובא בגרף להלן ) ∆∑Y=0.07(מסוננים ה ערות באותות הבקרה

Figure 32: Wake vs. Sleep DFA Results of RRIfir signals of CTRL subjects

SLEEP WAKE

Subject Name

CTRL10

Subject Name

–הבדלים שינה , בחלוקה לערות ושינה RRIfir-PTSD : עבור אותות2m1Dmתוצאות ניתוח

:כפי שמובא בגרף התוצאות להלן ) ∆∑Y=0.22 (הם PTSDבחולי ערות

Figure 33: Wake vs. Sleep DFA Results of RRIfir signals of PTSD subjects

SLEEP WAKE

Subject Name

Varianceתוצאות 9.3

שונות מקטעי השינה לעומת הערות 9.3.1

לכל , אות השינה ואות הערות: הגרפים שלהלן הם תוצאת חישוב שונות שבוצע על שני האותות בניפרדת המתקבלים עבור נבדקי העקומה הרציפה עם נקודות הערכים העגולות מתארת את ערכי השונו, נבדק

העקומה המקווקות עם נקודות ערכים מרובעות מתארת את ערכי השונות עבור קבוצת . PTSD-ה ).מכל קבוצה(כל אחת מארבעת נקודות הערכים הינה תוצאה עבור נבדק אחד . הבקרה

A.השוואת השונות של מקטעי השינה עבור כל הנבדקים:

B. הערות עבור כל הנבדקיםהשוואת השונות של מקטעי:

Figure 34: Variance separately of Sleep (A) vs. Wake (B) portions

ההשוואות האלו בין הערכים האבסולוטיים של שונות מקטעי בעמוד הקודםכפי שרואים בגרפים שלעיל

היחס בין שונות מקטעי השינה לבין נבחן . יתלא ניתן לאבחן הפרדה חד משמע, השינה והערות בניפרד

:כלומר, שונות מקטעי הערות

Wakeהיחס בין תוצאות גרף ( כל אחד מהנבדקים בנפרד עבור

A חלקי תוצאות גרף B(. כפי שניתן לראות , בחנה בין קבוצות החולים והבריאיםהמאפשר לבצע יחס זה

: שונות הערות לשונות השינה עבור כל הנבדקיםהיחס ביןבאיור הבא המתאר את

Figure 35: Sleep vs. Wake, Variance ratio

תוצאות ספקטראליות 9.4

: ם זה מוצגים שני אספקטים ספקראלייבפרק תוצאות

מופיע הסבר על המבנה 9.4.1 בסעיף (. המלאRRIהוא ניתוח ספקטראלי של כל האות הראשון .1

מופיעים ניתוחי האותות המלאים 9.4.2 הספקטראלי הצפוי בהבחנה בין חולים ובריאים ובסעיף

.)של כל הנבדקים

. למקטעי שינה וערותולאחר חלוקת RRI-אות ההשני הוא ניתוח .2

קטרום הצפויהספ 9.4.1

המערכת הסימפטתית יותר , בפרטPTSD ידוע שבחולי חרדה בכלל וחולי ]A8 [פ מחקרים קודמים "ע

לחלופין המערכת . מייצג את פעולת המערכת הסימפטתיתLFכאמור תחום התדרים הנמוך . אקטיבית

אכן נמצאו .HFור בתחום התדרים הגבוהה המשוקפת כאמPTSDהווגאלית פחות דומיננטית בחולי

אותות חולים בהם בספקטרום האות הרכיבים הספקטראליים בתחום התדרים הנמוכים היה יותר אנרגיה

עונה על התיאור הצפוי 4PTSD לבין 10CTRLכך למשל היחס בין בין אות הבקרה . מאשר באות בריא

. לעיל

RRI עבור כל נבדק את האות ניתוח האות המלא הואמבנה הגרף הבא וכל אלו שאחריו המתארים את

). הגרף התחתון(ובתחום התדר ) הגרף העליון(בתחום הזמן

הינם תוצאות הניתוח עבור נבדק ) תחום הזמן ותחום התדר כאמור שני הגרפים עבור(הגרפים העליונים

בגרף , שמוצג בעמוד הבא כפי .PTSD- ושני הגרפים התחתונים הינם תוצאות ניתוח עבור נבדק ההבקרה

Figure 36:

Figure 36: Example of LF&HF changes between CTRL10 vs. PTSD4

מסווגים כהבדלים אבל הבדלים כאלו לא קיימים בין כל קבוצת החולים לכל קבוצת הבקרה ולכן לא

הבדלים יותר אחידים בין כל קבוצת החולים לכל קבוצת הבריאים . המאפשרים הבחנה בין הקבוצות

בולטים יותר כאשר מבצעים את הניתוח הספקטראלי לאותות לאחר החלוקה למקטעי שינה וערות כפי

.10.1.4 שמובא בסעיף

HF Amp=1.45

HF Amp=1.75 LF Amp=1.25

LF Amp=2.45

PTSD_LF>CTRL_LF

� Simpatetic Higher

PTSD_HF>CTRL_HF

� Vagal Lower

Control

ותות הנבדקים בתחום הזמן והתדרא 9.4.2

:קרהבאותות הניתוח תחילה מוצגים , המלאHRV - הניתוח הספקטראלי של אות הלהלן מוצג

Figure 37: All Control Subjects, Time vs. Frequency signals

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

CTRL10

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

:PTSD- אותות ה הספקטראליהצגת ניתוח

Figure 38: All PTSD Subjects, Time vs. Frequency signals

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

HRV Signal

Time Domain

HRV Signal

Freq. Domain

Subj. Name:

ספקטרום שינה וערותתוצאות 9.4.3

PTSD- של קבוצת הבקרה וקבוצת הFigure 40 - וFigure 39בגרפים התוצאות המוצגות להלן . ה מכילות שני ניתוחים ספקטראליים לכל נבדק אחד עבור מצב השינה והשני עבור מצב הערותבהתאמ

ההשוואה שנעשית כאן בין שתי הקבוצות היא בשוני המתקבל עבור תחום התדרים הנמוכים והגבוהים בין ומוצג עם הדגשים על ההבדלים 10.1.4 כפי שמפורט בסעיף , עבור כל נבדק) שינה וערות(שני המצבים

.PTSD-בשני העמודים שלהלן תחילה מוצגים כל אותות הבקרה ולאחריהן כל אותות ה

:ספקטרום האותות בנפרד לקטעי שינה וערות עבור כל אותות הבקרה

Figure 39: Spectrum (AR) of Sleep vs. Wake portions of PTSD subjects

Subj. Name:

CTRL10

Subj. Name:

Sympathetic (LF) is higher in wake mode

Vagal Tone (HF) is higher in Sleep mode

Sympathetic (LF) is higher in wake mode

Sympathetic (LF) is slitely

higher in wake mode

Sympathetic (LF) is higher in wake mode Vagal Tone (HF)

is a bit higher in Sleep mode

:ספקטרום האותות בנפרד לקטעי שינה וערות עבור כל אותות החולים

Figure 40: Spectrum (AR) of Sleep vs. Wake portions of Controls subjects

Subj. Name:

High Sympathetic tone (LF) in wake&sleep

Very low Vagal Tone

(HF) in Wake&Sleep

Vagal Tone (HF) is higher in

Sleep mode

Low Vagal Tone (HF) in Wake&Sleep

Very low Vagal Tone

(HF) in Wake&Sleep

High Sympathetic tone (LF) in wake&sleep

High Vagal Tone (HF) in Sleep mode

activate the same as in Control

Low Vagal Tone (HF) in Wake mode, Activates similar to

Control

סיכום מסקנות ודיון 10

"האפקטיביות "תוצאותודיון במשמעות 10.1

10.1.1 DFA Phase , תוצאותודיון במשמעות.

. רוכת טווח לבין קורלציה אDFAקיים יחס ישר בין הזוית המתקבלת מחישוב , 7.4 כפי שתואר בסעיף

התקבלה הזווית כיותר , עבור כל החולים, α - DFAבגרף הזווית ) 9.1.2 - ו9.1.1 בסעיפים (כאמור

גם (גדולה עבור כל ניבדק מבין קבוצת החולים מאשר תוצאות כל הנבדקים השייכים לקבוצת הבקרה

. )פחות אם כי בהבדלים בולטים – RRI מחושב לגבי DFA- וגם כשהRRIfirשב לגבי מחוDFA-כשה

מכאן אפשר להסיק שהקורלציה ארוכת טווח . 2פי -בממוצע מתקבל שהפרש הממוצע בין הזוויות הוא כ

. בניפרד במהלך שינה וערות אחידות זו מתקיימת.באותות החולים גבוהה יותר מאשר באותות הבריאים

מיננטיות המערכת הסימפתטית שלהם במהלך ערות ושינה בניפרד גבוהה באופן מתמיד דוכלומר

במקביל ההשפעה הווגאלית חלשה באופן מתמיד .ת השפעה כפי שקורה בבריאיםולא מגיעה לָת

אפשר להסיק שההשפעות מכאן .כמעט לעומת בבריאים ולכן דינאמיות האות המתקבלת חלשה יותר

הם שרויים במצב של סטרס תמידי . ר אחידות אצל חולים מאשר אצל בריאיםווגאליות יות- הסימפטו

. כמו בקבוצת הבריאיםהם להגיע עד למצב של מנוחהברמות מסויימות שאינו מאפשר ל

: נעשה עבור שתי חלוקות עיקריות של האותDFAניתוח

. על גבי אות היממה השלם של כל ניבדקDFAניתוח .1

.טעי השינה והערות בנפרד על גבי מקDFAניתוח .2

מכאן . וההשוואה בינהןההבחנות הבולטות כאמור לעיל הופקו מתוך ניתוח אותות השינה והערות בנפרד

מכאן נוכל .שהתבניות הפרקטאליות בינהן נבחנת הקורלציה שונות בין המתקבל עבור שינה וערות

כאשר בוחנים את האות המלא הלהסיק שההבחנות בניפרד בשינה ובערות מאפשרות דיוק יותר גבוה

.ומגיעים לערך קורלטיבי נמוך יותר) ממצעים את האות(בעצם מקטינים את הקורלציה הזו

). 8.2 פירוט בסעיף ( המקורי והאותות המסוננים שהופקו ממנו RRI- ה מומש על גבי אותDFAניתוח

RRI היות ושונות התוצאה עבור RRI מאשר עבור RRIfirבור עמתקבלת אמינות התוצאה יותר גבוהה

.גבוהה יותר בצורה משמעותית ולכן אפשרי שהסינון של האות מאפשר את הדגשת הבדלים אלו

, לגבי איבחון של הפרעות שינהHRV על אותות DFAמחקרים קודמים מאמתים את האמינות של ניתוח

אך ניתן להסיק ממחקרים PTSD לסיווג חולי DFAאו ניתוחי לא נמצ. חיזוי תמותה ועוד, מחלות לב

י איבחון " עDFAבאמצעות , HRVווגאליות באותות -קודמים שניתן לבצע סיווג של השפעות סימטו

בכדי לאפיין את DFA-לכן במחקר זה נעשה שימוש ב). 7.4 כמתואר בסעיף (תבניות פרקטליות שונות

. PTSD לסיווג חולי (Autonomic Nervous System - ANS)פעות מערכת העצבים האוטונומית הש

מתקבלת הבחנה בין אותות החולים לאותות הבריאים באופן DFAאכן כאמור באמצעות תוצאות ניתוח

.גורף

Poincaré plot תוצאות ניתוח ודיון במשמעות 10.1.2

הבחנה בין קבוצות לא מאפשרות) 9.2.1 פירוט בסעיף ( Lag x Poincaré plotהתוצאות בניתוח

תחומים אלו של מרווחים . Lag=1..10 זאת עבור מגוון של מרווחים בתחומים .PTSDהבריאים לחולי

מכאן שההבדלים הלא לינאריים בין הקבוצות לא . הם התחומים המקובלים במחקרים קודמים בנושא

הצגה זו אין ערך מוסף בסוג אותות אלו ללטים מעבר למדדים הסטטיסטיים המקובלים כך שמספיק בו

כפי שמתואר בסעיף (לכן נעשה שימוש בניתוח זה עבור נגזרת האותות ). בהגבלת תחום מרחב המדגם(

כאמור מופקת הדגשת הבדלי בכך ,Dm1m2 והמסומןDerivative Poincaré plot ניתוח הקרוי ,)6.8

מובאות פה תוצאות . בחינת ההבדלים בין ערות לשינהנעשה במטרה לניתוח זה . הדינאמיות בין האותות

תוצאות הערות בין הבדלים מתקבלים בשני הניתוחים.RRIfir- וRRIבור שני אותות נעשה ע שניתוחה

ובאופן בולט יותר בניתוחי (בקרה וצת הקבבהשוואה ל PTSD-לשינה בכל נבדק כגדולים יותר בקבוצת ה

RRIfirהתוצאות שני הניתוחים שלעילסיכוםלהלן , ) כאמור בהמשך :

PTSD- בהשוואה בין התוצאות המתקבלות עבור קבוצת הבקרה ועבור קבוצת הRRIבניתוח •

ניתן לראות שלא קיימים הבדלים משמעותיים בין . אמה בהתFigure 31 - וFigure 30גרפים

PTSD- של מצבי שינה וערות בקבוצת הבקרה ואילו עבור קבוצת הDm1m2תוצאת ניתוח

מתקבל שהתצוגה PTSD- הבניתוח אותות הערות של נבדקי. קיימים הבדלים בין ערות לשינה

בחולה אחד . ך השינהמאשר במהל) תופסת יותר שטח(באופן אחיד הקרטזית יותר רחבה

. אך גם אצלו קיים שוני בין ערות לשינההתופעה הפוכה

, PTSD -בהבחנה בין קבוצת הבקרה לקבוצת ה, 9.2.3 כפי שמוצג בסעיף RRIfirבניתוח •

תוצאת המדידה היא, ת תוצאה ברת מדידהמתקבל. בהתאמהFigure 33 - וFigure 32גרפים

PTSDחולה כל תוצאה זו נכונה גם עבור תוצאת . PTSD בקבוצת חולי 3גדול פי ∆∑Y -ש

א " עבור כל אחד מהחולים בניפרד גדולים מההפרשים של כYבנפרד שההבדלים בציר

.)9.2.2 פירוט בסעיף (מקבוצת הבקרה

שקיימים הבדלים בשונות נגזרת האות בין ערות לשינה שכמעט שתי תוצאות אלו היא ל שהמשמעות

הבדלים משמעותיים יותר קיימים PTSDשבחולי כלומר . ואינם קיימים באותות הבריאים

היא שקצב שיפועי האות של שינויי המשמעות .בהבדלים שבין שיפועי האות בין שינה לערות

מכאן ניתן . ההאטה של קצב הלב משתנה לא באופן אחיד על פני היממה אצל החוליםההאצה ו

תופעה (ווגאלית משתנה בין ערות לשינה-המשמעות היא שלא רק שהמודולציה הסימפתולהסיק ש

יותר אלא שקצב השינוי משתנה אצל החולים )צפויה ותקינה שמתקיימת גם בקבוצת הבריאים

.איםאצל הבריקצב השינוי מאשר

של אותות Poincaré מחקרים קודמים מראים שניתן לאבחן באמצעות ניתוח 7.5 כפי שמתואר בסעיף

HRVאך מחקרים אחרים לא הצליחו . מספר פתולוגיות כגון עבור חולים סוכרתיים ובעלי כשל כלייתי

למרות מחקרים שהוכיחו . HRVמקובלים בניתוח להפיק תועלת מניתוח זה מעבר למדדים הסטטיסטיים ה

לא נמצאו ניתוחים כאלו עבור חולי על קצב הלב ANS-יעילות של ניתוח זה לאיבחון השפעותך ה

PTSD .

. מיתוך הבנת האות וההבדלים הקיימים בו בין קבוצות החולים והבריאיםח במהלך המחקרַתניתוח זה פו

RRIfir נגזרת האותובמיחוד לא הניתוח עבור (חים דומים קודמיםאינו תולדה של ניתוהיות וניתוח זה

באמצעותו נהבחהיכולת ה. לא ניתן להשוות לתוצאות ייחוס קודמות)המאפשר לקבל תוצאות נומריות

PTSD-ווגאליים בכלל ו- בתחומי מחקר סימפתובמחקרי המשךכדאיות השימוש בו מדגישה את יעילותו ו

.בפרט

Wake to Sleep Variance Ratio משמעות 10.1.3

חולים ובקרה לא מקיימת ערך סף המאפשר הבחנה ברורה בין המלאים שלבחינת שונות אותות

השונות הכללית של כל האות גבוהה יותר נמצא כי ) 6.3 כמתואר בסעיף ( במחקרים קודמים .הקבוצות

תוצאות כגון מספר אימות לכך במחקר זה מתקבל מ. PTSDבאותות הבריאים לעומת אותות חולי

מראה שעקומות 14.3 כפי שמתואר בסעיף ומת ההיסטוגרם עקהתוצאות המתקבלות מניתוח רוחב מ

אך השוני האבסולוטי אינו . PTSD-ההיסטוגרם של קבוצת הבקרה רחבות יותר מאשר של קבוצת ה

. לבריאים, באשר הםPTSD נמצא ערך סף גורף המאפשר הבחנה בין חולי בולט מספיק כך שלא

בין שלב השינה לשלב הערות לגבי כל חולה באופן ספציפי שונה באופן השונות יחסיות אך כן נמצא ש

בקבוצת 9.3.1 כאמור בסעיף מתקבל . א מקבוצת הבקרה" לעומת כPTSD-גורף בין כל אחד מקבוצת ה

גדול יותר במהלך הערות RRIבין שונות השינה ל במהלך RRIשונות של אות בין יחס PTSDחולי

כלומר שבשינה שונות האות באופן יחסי נמוכה .Figure 35 ראה גרף מאשר בבקרה2פי -בממוצע בכ

מכאן . צב סטרס רציף ברמות מסויימותהחולים שרויים במ. בחולים לעומת בריאים2יותר מפי

בשונות גדולה יותר שקיימת דינאמיות לבקרה הואPTSDשאחד הדברים הבולטים בהבדלים בין חולי

לא נמצאו מחקרים קודמים הבוחנים יחס זה אך . מאשר בבריאים בין ערות לשינהPTSDבחולי האות

.מחקרי המשך נראה כדאיהשימוש בו ב, היות ותוצאותיו מניבות הבחנה חד משמעית

משמעות הניתוח הספקטראלי 10.1.4

השינויים שקיימים מספיקחינת הניתוח הספקטראלי של האותות המלאים לא נמצאו באופן בולטבב

. ובקרהPTSDו בעיקר על אותות קצרים בין חולי סס שהתב]A7, A10, A11 [ממחקרים קודמים

י "המשוקפת ע( כוללים בעיקר עליה במערכת הסימפתטית 9.4.1 שינויים אלו המתוארים בפירוט בסעיף

שינויים אלו לא בולטים בניתוח האות המלא ). HF-י ה"המשוקפת ע(וירידה במערכת הווגאלית ) LF- ה

. פ הזמן של המאפיינים כך ששינויים אלו נבלעים" שעות גורם למיצוע ע24היות והאות הארוך המשקף

מבנה ספקטראלי אבסולוטי שיאפשר לאתר תבנית יותר קשה להפיק , בנוסף כפי שקרה בחישובי השונות

בחנה יחסית לגבי כל ה יותר לקבל וודאי. האות כולואלי של ספקטריתוחנ מ, באשר הואPTSDחולה

באמצעות יחסיות זו לאבחן חולה ,רום של מצבים שונים של אותו נבדקחולה באופן ספציפי בין ספקט

PTSDלכן נעשו ניתוחים ספקטראליים על מקטעים שונים כגון סגמנטים שונים או חלוקת . באשר הוא

. ההבחנה הבולטת ביותר מתקבלת עבור חלוקת האות למקטעי ערות ושינה'דה וכוהאות למבנה הפירמי

. לבקרהPTSDבהשוואה בין ו בנפרדניתוח ספקטראלי של מקטעי השינה ומקטעי הערותכן בוצע ל

השוואה בין הניתוח ספקטראלי בוצעה , מ לייצר דפוס התנהגות של יחסיות ספקטראלית תקינה"עתחילה

6.6.1 - ו13 תקבל כצפוי כפי שמתואר בסעיפים ה . אותות הבקרהעבור לשינה של אותות הערות

לכן רואים עליה בהספק התדרים . שהמערכת הדומיננטית במהלך הערות היא המערכת הסימפתטית

להפך עבור ההשפעות הווגאליות שהשפעתן . הלך הערות לעומת במהלך השינהבמ) LF(הנמוכים

בניתוח אותות ) HF(לכן רואים עליה בהספק תחום התדרים הגבוהה , דומיננטית יותר במהלך השינה

תוצאות אלו מפורטות בגרף. השינה בהשוואה להספק במהלך הערות

Figure 39.

נשארים ) LF( מתקבל שהספקי התדרים הנמוכים PTSD-לעומת זאת בניתוח ספקטראלי של אותות ה

כפי . שאינם מתחזקים בשינה) HF( ולהפך עבור התדרים הגבוהים גבוהים במהלך השינה ואינם נחלשים

. באותות הבקרהשמתנהל כאמור

:הן) הבקרה (כלומר מתקיים לסיכום שהתוצאות הספקטראליות הנורמאליות

Sympatetic>ParaSympatetic: בערות �

Sympatetic<ParaSympatetic: שינה �

:הן PTSD’sמלית מתקבל עבור אבל היות והמודולציה היא אבנור Sympatetic>ParaSympatetic : גם בשינה וגם בערות �

כמובן שאבנורמליות זו באה לידי ביטוי בולט יותר במהלך שינה.

. יות המערכת הסימפתטית גבוהה לא רק במהלך הערות אלא אף במהלך השינהמכאן שדומיננט

לחלופין הספקי התדרים הנמוכים נשארים חלשים במהלך השינה ואינם מתחזקים בהשוואה למצב הערות 110

-שהשפעת המערכת הסימפתטית גבוהה יותר במכאן מתקבל . כפי שקורה ברוב אותות הבקרה

PTSD, נמוכה השהשפעתהמערכת הווגאלית להפך עבור .בבקרהקורה ולא נחלשת בשינה כפי ש

מכאן ניתן . כפי שקורה אצל הבריאים במהלך השינה שלה לא מתחזקתדומיננטיתוה ,PTSDבחולי

מאשר דומיננטית יותר במהלך השינהANS-האבנורמאליות בהשפעת הלהסיק בנוסף שלרוב

ולכן המקור הפיסיולוגי למחלה דומיננטי , יםערות מצבם קרוב יותר לזה של הבריאבכאשר , בערות

).המוחלש במהלך השינה (יותר מאשר הנפשי

עבורו במהלך השינה 4PTSDתוצאה זו מתקבלת עבור רוב החולים חוץ מאשר עבור חולה אחד המסומן

. מתקבל שהספקי התדרים הגבוהים עולים במקביל לכך שהספקי התדרים הנמוכים נשארים גבוהים

ר חולה זה המערכת הווגאלית משפיעה באופן משמעותי במהלך השינה אך המערכת כלומר עבו

תוצאות אלו מפורטות בגרף . ולא נחלשת במהלך השינההסימפתטית ממשיכה להשפיע במקביל

Figure 40.

סיכום 10.2

כללי 10.2.1

. שעות24-ווח באורך כ ארוכי טPTSD של חולי ECG מחקר זה מתמקד לראשונה בניתוח אותות

מבוסס על ניתוח ) ANS(פ המקובל במירב מחקרי השפעות מערכת העצבים המרכזית " ע ,ניתוח האות

המחקר מצליח להגיע לפתרון המטרות . של האותות Heart Rate Variavility (HRV)-אות ה

ת מקור המחלה והדגש PTSDאיבחון של אותות חולי , גודל מרחב המדגםהעיקריות עד כדי מגבלת

.כיותר פיסיולוגי ולא מאשר נפשי

בנוסף המחקר מוצא מספר תהליכים והבחנות לגבי ערות ושינה ראשוניים שיכולים להיות תהליכים

בוצעו מספר תהליכים שתוצאותיהם מאפשרים לאבחן בין נבדקי קבוצת . אפקטיביים במחקרי המשך

כגון ,הליכים מקובלים לניתוח כזה של אותותחלק מהתהליכים הינם ת. PTSDרה לנבדקים חולי קב

כגון ניתוח , חלקם הותאמו למאפייני האותות ופותחו במהלך מחקר זה.ניתוחים ספקטראליים

Derivative Poincar’e Plot של אותות RRIfir שהצלחתו לאפשר איבחון גורף של חוליPTSD

.ליים עתידייםווגא-הופך אותות לתהליך כדאי עבור מחקרי השפעות סימפתו

בנוסף נמצא כי קיימת אפשרות של חולים בעלי מאפיינים שונים כך שמתאפשר שקיימות תתי קבוצות

. בחנה בתוך קבוצת החוליםהברות

: נדבחים שוניםחמישהמביא המחקר , לסיכום

.PTSD עבור חולי תפיסת מחקר חדשה של בחינת אותות ארוכי טווח �

עבור חולי ת עם דגש על ההבחנה בין ערות לשינה חדשוHRVפיתוח שיטות חקירת �

.PTSDמציאת פרמטרים לאיבחון של חולי �

.הוספת מידע לגבי התנהלות המחלה �

.PTSDקבוצתיים בתוך קבוצת חולי - מציאת מאפיינים לדוגמא תת �

בחנה ומסקנותיהםהתהליכי הסיכום 10.2.2

הוא השוני בחולים בין אותות השינה הכי בולט לבריאים PTSDהבחנה בין ל העיקריהמדדכאמור

שוני זה שלרוב הוא חלש הרבה יותר אצל בריאים מהווה מדד גורף עבור מספר תהליכים בהם . לערות

החד עיקר ההבחנות. לבריאיםPTSDניתן למצוא ערך ספי המאפשר את ההבחנות הגורפות בין חולי

מקטעי לאחר ההפרדה לגבי האותות על שבוצעו הושגו בעיקר באמצעות התהליכים הבאיםמשמעיות

: ערות ושינה

.)6.7.3 פירוט בסעיף ( ומציאת קורלציה ארוכת טווח DFAניתוח פרקטאלי באמצעות •

.)6.8 פירוט בסעיף (Derivative Poincar’e plot (Dm1m2)הצגת האות בתצורת •

.)9.3.1 פירוט בסעיף (ותנשו ייחס •

.)7.2.3 - ו9.3.1 פיםפירוט בסעי( תחומי התדר הגבוהים והנמוכיםיחסים ספקטראליים בין •

: בהתאמהמהבחנות אלו הוסקו בעיקר המסקנות הבאות

במהלך ערות ושינה בניפרד גבוהה באופן PTSD חולי ערכת הסימפתטית שלדומיננטיות המ •

מתמיד ובמקביל ההשפעה הווגאלית חלשה באופן מתמיד כמעט לעומת בבריאים ולכן דינאמיות

הם שרויים במצב של סטרס תמידי ברמות מסויימות שאינו . האות המתקבלת חלשה יותר

.גיעים נבדקים בריאיםכפי שמ רגיעהמאפשר להם להגיע עד למצב

המשמעות של שינויי שונות של נגזרת האות היא שקצב ההאצה וההאטה של קצב הלב משתנה •

-המשמעות היא שלא רק שהמודולציה הסימפתו. לא באופן אחיד על פני היממה אצל החולים

אלא ) תופעה צפויה ותקינה שמתקיימת גם בקבוצת הבריאים(ווגאלית משתנה בין ערות לשינה

המעברים . אצל בריאים הן בשינה והן בערותיותר מאשר שקצב השינוי משתנה אצל החולים

אינם אחידים ואיטיים יותר במהלך PTSD המתקבלים אצל חולי בין קצבים גבוהים ואיטיים

ההנחה היא שבגלל שהסטרס והעקה יותר עמוקים מאשר אצל בריאים היציאה מהם , השינה

.יותר איטית

מכאן . לעומת בריאיםPTSD בחולי 2האות באופן יחסי נמוכה יותר מפי בשינה שונות •

. בין ערות לשינה מאשר בבריאיםPTSDשקיימת דינאמיות גדולה יותר בשונות האות בחולי

.גם כאן בא ליידי ביטוי שבשינה הסטרס דומיננטי עד כדי כך שמקטין את דינאמיות האות

השפעת .שינההלא רק במהלך הערות אלא אף במהלך דומיננטיות המערכת הסימפתטית גבוהה •

והדומיננטית שלה לא מתחזקת במהלך השינה כפי PTSDהמערכת הווגאלית נמוכה בחולי

מכאן ניתן להסיק שהאבנורמאליות בהשפעה הווגאלית דומיננטית יותר . שקורה אצל הבריאים

.טי יותר מאשר הנפשיבמהלך השינה מאשר בערות ולכן המקור הפיסיולוגי למחלה דומיננ

סיכום משמעות התוצאות 10.2.3

התוצאה הבולטת היא שניתוח האות בהפרדה בין ניתוחי ערות לשינה מאפשר הבחנה בין חולי

PTSD ניתוחים נפרדים אלו מחולקים לשתי ). 10.2.2 כפי שפורט לעיל בסעיף הקודם ( לבקרה

:קבוצות ניתוח

קבוצות המדגם נעשות עבור אותות השינה והערות בניפרד באופן השוואה בין .1

כלומר השוואה בין כל אותות השינה של כל הנבדקים בלי קשר (, בלתי תלוי

השוואה זו שנעשתה לדוגמא ). להשוואה בין כל אותות הערות של כל הנבדקים

PTSD- הפיקה את המסקנה שבמהלך ערות ושינה בניפרד בDFA-בתהליך ה

.ווגאליות יותר אחידות-ות הסימפטוההשפע

ובחינת יחסיות , השוואת יחסיות אותות השינה לאותות הערות של כל נבדק בנפרד .2

:מתהליך זה מתקבלות שתי תוצאות עיקריות. לבקרהPTSDזו להשוואה בין

Dm1m2השוואה זו המבוצעת למשל בחשובי שונות האות ובניתוחי .א

גדולה יותר בין אותות ִּדיֶפֶרְנְצַיאְצָיה קיימתPTSD-שעבור קבוצת ה: מתקבל

השינה והערות הדבר בא ליידי ביטוי בשונות האותות ובשינויי הקצב של

. ווגאלית-שינויי מודולציה סיפתו

דומיננטיות ש: השוואה זו המבוצעת למשל בניתוחים ספקטראליים מתקבל .ב

שארת נ, בניגוד לבקבוצת החוליםPTSD-בקבוצת ההמערכת הסימפתטית

השפעת המערכת הווגאלית נשארת נמוכה ולא שגבוהה במהלך השינה ו

.מתחזקת במהלך השינה

PTSDאיבחון של תתי קבוצות של חולי 10.2.4

לא חזקה PTSD- שאחידות תוצאות קבוצת ה כאמורמסקנה נוספת שמתקבלת מניתוח התוצאות היא

-הקבוצת צת משל שאר נבדקי תוצאות הניתוח שונות במקושעבור 4PTSDלמשל וקיימים נבדקים

PTSD ,אך עדין נשאר בתחום המדדים המאפיין את קבוצת ה- PTSD ותהליכי ההבחנה מגדירים

. המגדירים אותו כקבוצת מיעוט בתוך קבוצת החולים, למרות המאפיינים השונים עבורו. אותו כחולה

:כפי שמפורט להלן

אינה גבוהה DFA-αבל שהזוית מתק4PTSD עבור אותות השינה רק עבור DFAבניתוח •

כפי שמתקבל עבור שאר נבדקי יותר מהזוית הממוצעת שמתקבלת עבור אותות הבקרה

בחנה חד המיצוע מאפשר ה, ערות הזווית גבוהההיות ובמהלך ה. (PTSD -קבוצת ה

).משמעית בין כל נבדקי שתי הקבוצות

אלית דומיננטית מתקבל שבמהלך שינה המערכת הווג4PTSDבניתוח ספקטראלי של •

4PTSD-היות והמערכת הסימפתטית גם ב. (PTSD-בניגוד למתקבל עבור שאר נבדקי ה

במהלך השינה עדיין מתקבלת אבנורמאליות יחסית לאותות במקבילנשארת דומיננטית

)הבקרה

גבוהה יחסית כפי שקורה Y∆ מתקבל שקיים PTSD4 עבור RRIfir של Dm1m2בניתוח •

הינה הפוכה מזו המתקבלת עבור שאר ∆- אבל כיווניות הPTSD-בכל תוצאות נבדקי ה

). במצב השינה גדול מאשר במצב הערותYהגודל ( PTSD-נבדקי ה

העובדה שבמהלך שינה המערכת : האלו קשורות) היוצאות דופן(עבור נבדק זה כנראה שכל התוצאות

דומיננטיות הווגאלית בשינה . ההווגאלית דומיננטית מורידה את הקורלציה ארוכת הטווח באות השינ

במהלך השינה הוא נורמאלי ורק בערות הופך ANS-גורמת לכך גם שקצב שינויי מודולציית ה

הוא מאפשר אך ,כשייך לקבוצת החוליםנכון למרות כל זאת כאמור נבדק זה מאובחן . לאבנורמאלי

לכן במחקרי המשך רבי נבדקים .קבוצות-הסיק שקבוצת החולים אינה הומוגנית ומכילה לפחות שתי תתיל

.יש להוסיף אישכול של תתי קבוצות

המשךמחקרי 10.2.5

הוא מראה שהבחנה , נועד להתוות דרךECG רק באמצעות אות PTSDמחקר ראשוני זה לאיבחון חולי

אך מחקר זה בשלב . לקבוצת בקרה אפשרית ומספר תהליכים המאפשרים זאתPTSDבין קבוצת חולי

יהפכו לכלי קליני יש ראשית להרחיב מאוד את המחקרמ שממצאי"ע. מדגם קטןזה מבוסס על מרחב

אכן מצליחים להתמודד עם הרחבת מרחב ,לבחון אם התהליכים המתוארים ואחרים. מרחב המדגם

של Derivative Poincar’e Plotכגון ניתוח , כאמור חלק מהתהליכים פותחו עבור מחקר זה. המדגם

מחקרי המשך יכולים לאמת את יכולתם לאבחן חולי ). 10.2.2 שמפורט בסעיף כפי (RRIfirאותות

PTSDווגאליות בכלל- בפרט והשפעות סימפתו.

המחקר מתמקד בשלבי שינה וערות ומכך מצליח להסיק יותר אינפורמציה שדומיננטיות מקור המחלה

תוח זה הוא ראשוני אך פותח צוהר להבנה גדולה יותר של המחלה ני .הינה יותר פיסיולוגית מנפשית

.במחקרי המשך

PTSDהמחקר הראה שהפרדת האותות לערות ושינה מצליחה לחדד ולהדגיש את ההבדלים בין חולי

לקבוצת הבקרה במחקרי המשך כדאי להגדיל את רזולוציית ההפרדה לשלבי השינה ואולי אף לשלבי

פ תוצאות תהליכים המבוססים על "ולבחון את יכולת איבחון החולים ע) ינייםמצבי ערות אופי(ערות

.השלבים הספציפיים

הגבלות 10.2.6

שחלקן המשמעותי היה צפוי להניב הבחנות בין ) עשרות לפחות(במהלך המחקר בוצעו תהליכים רבים

רק באמצעות חלקם הקטן ביותר אותרו , 14 פרק -נספח אך כפי שהוצג ב. לבין בריאים PTSDחולי

שניתן להצביע עליה , הסיבה העיקרית לכך. 9 הבחנות אלו בצורה חד משמעית כפי שמוצג בעיקר בפרק

אומנם מדובר בהקלטות . עד כה נאספו רק הקלטות מארבעה חולים. באופן ברור היא מרחב המדגם הקטן

אבל בכל זאת " משתפרת"לכן כל אות מכיל אינפומציה רבה ובכך הסטטיסטיקה ארוכות של כיממה ו

קטן משמעותית מהתכנון המקורי , מרחב מדגם קטן זה. בסופו של דבר מדובר רק על ארבעה חולים

כך שלא נעשה ניסיון של ניתוח האותות בכלים סטטיסטיים שנועדו למרחב מדגם קטן . שנועד למחקר זה

)n<p.(

הופקו מספר מדדים המצליחים לאפשר הבחנה לרוב חד משמעית בין ש התוצאה הסופית היאיש מצד שני

דים שנבדקו זו מתוך כל המד"מוצלחת"שקבוצת מדדים כמובן .PTSDקבוצת הבריאים לקבוצת חולי

שניתן לנכונות המדדים היא שמשולבים הן מדדים החיזוק . יוצרת סימן שאלה בסתברותי לגבי נכונותה

מסקנות מניבשוהן מדדים שפותחו במהלך המחקר ושילובם גלובאליים מוסכמים שהוכחו במחקרים רבים

. ההסתברותי לנכונות התוצאותחיזוקהמאפשר את , זהות

ליצירת אות ECG באות QRSאיתור קומפלקסי : 1נספח 11

כללי 11.1

מהווים חלק ) 6.1 פירוט בסעיף (PQRST וזיהוי בכל פעימה של הקומפלקס ECG-איתור מבנה אות ה

לזיהוי מקצב האות ושינויי קצב בו מיתוך כל ). וכן באלגוריתמי כיווץ האות (ECGחשוב בניתוח אות

קומפלקס . בכל פעימהRהקומפלקס נידרש לאתר בדיוק הגבוהה ביותר האפשרי את מיקומו של גל

QRSגל , שיפועים חדים י" מאופיין כאמור עR הוא לרוב בעל העוצמה החזקה ביותר מבין הגלים

השונים בעל פעימה ובעל האורך הכי קצר מבין שאר הגלים בכל פעימה

) QRSduration = 70-130msec( , לכן שגיאות המציאה שלו הכי קטנים לכן בכדי למדוד את אורכן

Heart Rate Variavility-במחקר זה אות ה. Rלי לרוב מודדים את מרווחי הזמן שבין ג, של הפעימות

(HRV) מופק באמצעות מרווחי זמן אלו שבין גלי R הקרוי R-R Interval (RRI) . לכן שלב עיבור

כפי שמפורט ( לכל פעימה R wave של איתור מיקומי preprocessingהאות הראשוני כולל תהליך

). 8.1.1.3 בסעיף

, המופק בתנאי מעבדהECG נועדו לאות QRS Detectionרוב האלגוריתמים הקיימים בסיפרות לביצוע

אות המתקבל מההולטר לרוב הוא באיכות יותר . SNR=18dBכלומר לאות באיכות טובה שלפחות

.תרנמוכה ולכן רמת השגיאות של אלגוריתמים אלו עבור האות הנחקר היא גבוהה יו

false-negative בין trade off קיים QRS detectionרמות הספים של כל אלגוריתמי " כיול"בתהליך

בחירת ערך סף גבוהה המאפשר . זיהוי חסר ושגיאות זיהוי יתר בהתאמה שגיאות, false-positiveלבין

false-negativeנמוך יגרום כתגובה ל - false-positiveלי מישקול שני באופן כל. גבוהה ולהפך

:פ המשוואה הבאה"הפרמטרים לפרמטר אחד משולב נעשה ע

)_(#)1()_(#_ positivefalsenegativefalsedecitionsfalse ⋅−+⋅= γγ

, מ לסנן הפרעות מתח הרשת" ע50hz לסינון notch filterבכל האלגוריתם קיים שלב סינון מקדים של

0)()()(: המסנן הוא מהמבנה הבא knECGnECGnY -50hz מתוכנן כך שיתאים לkכאשר , =−−

.פ קצב הדגימה"ע

המופעלים Holter המחוברות לרשת ופחות למכשירים כמו ECGמסנן זה נידרש עבור מערכות הקלטות

). למרות שבמקרים מסוימים יכולה להיות השראה של רשת החשמל(באמצעות סוללה

אות על RRI-אלגוריתמים אלו לא ברי הפעלה לבצע הפקת אותות ה, מסיבות של צריכת משאבי מחשב

פ צריכת משאבי המחשב "ע(לכן עבור כל אלגוריתם בניפרד . שעות24 המלא באורך ECG-ה

. המקורי למקטעים בהתאמהECG-חולק אות ה) הספציפיים של כל אלגוריתם ובמיחד צריכת הזיכרון

השילוב נעשה תוך חישוב , ולאחר הפעלת האלגוריתמים שולבו האותות מחדש לאותות ארוכים מותאמים

אותות המשולבים האלו כוללים . בכדי לא לייצר סחיפה שגויה בנקודות החיבורR-וות בין מיקומי ההקצ

אות , R-R Interval (RRI)פ מיקומים אלו מייצרים את האות "ע. Rאת האות המקורי ואות מיקומי גל

העיבודים ממנו רוב, אות זה הוא אות המבוא הבסיסי ביותר במערכת. ההפרשים בין הנקודות שנמצאו

.בהמשך יופקו

].A34, A35, A36 [בפרק זה מתוארים רק מבחר אלגוריתמים נפוצים מבין כל האלגוריתמים שנבחנו

באות R דגום ואות המוצא הוא מיקומי גלי ECG הוא אות QRS detector-כניסה של הככלל אות ה

.הכניסה

QRSאלגוריתם בסיסי ראשון לאיתור קומפלקס 11.1.1

:אלגוריתם זה מבוסס על שני מידעים מקדימים

.QRS_point(0)המסומן , הראשוןQRSמיקום קומפלקס •

.RRI(0)המסומן , הראשוןR-R Intervalאורך •

הבאQRS קומפלקס הגדרת חלון גס למיקום: ראשוןשלב

:פ המשוואה הבאה"המיקום הבא מוגדר ע

)()int(_)1int(_ iRRIipoQRSipoQRS +=+

הבאQRSמציאת קומפלקס : שלב שני

:שני חלונות קורלציה מוגדרים

.1Xהמסומן , (k-1) הקודם QRSעל תחום קומפלקס : חלון קורלציה ראשון •

, )k-1,k( עוקבים הקודם והנוכחי QRSיל את שני קומפלקסי על תחום המכ: חלון קורלציה שני •

.2Xהמסומן

עוקבים שווה QRS בין שני קומפלקסי R-Rהמרחק , cross-correlationבין שני החלונות האלו מבוצע

. cross-correlation-למרחק המתקבל בין שני הפולסים בתוצאת ה

QRSאלגוריתם בסיסי שני לאיתור קומפלקס 11.1.2

:תם מחולק לשלושה שלביםהאלגורי

. באופן גסQRSמציאת גבולות תחום קומפלקס : 1שלב

119 .1הגדרת נקודות קיצון בתוך התחום משלב : 2שלב

. באופן מדוייקQRSמציאת גבולות תחום קומפלקס : 3שלב

1שלב 11.1.2.1

. להקטנת רעש שיכול להשפיע על הגילוי1-40hz בתחום band pass מסנן ,ראשית

: פ המשוואה הבאה"ע) Sf40hz(ות ממוצא המסנן גזירת הא,שנית

)1()1('

−−+=

hzfhzf

:פ המשוואה הבאה"דרך התמרה לא לינארית ע) S’f40hz( העברת האות הגזור ,שלישית

∑−=

hzf inSnl )(')( 40

כאורך גס של תלוי בקצב הדגימה במטרה להגיע לרוחב חלוןM- הוא אינדקס הדגימה וnכאשר

: פ המשוואה שלהלן" ניקבע עMומכאן שגודל ) 130msec~ערך מקובל הוא (QRSקומפלקס

sec132

≈−

),()(:בתחום זה נקבעים ערכי קיצון המשמשים בחישוב הבא לקביעת סף maxmin klkl וכן ההפרש

)(*))()((: המשוקלל בינהם minmax klklklextr −=∆ α ; כאשרα1/3≈ -ע אפריורי כ נקבα.

ערך הסף , מ לקבע את גבולות גיזרת כל קומפלקס" המתקבל דרך זיהוי סף עnl)( העברת האות ,רביעית

:פ המשוואה שלהלן"הוא דינאמי ומתקבל ע

)()()1()( min klklkl

kl extrthr

∆++−=

.כאשר ערך התחלתי נקבע כערך ממוצע בין שני ערכי הקיצון

: קומפלקס המסומניםQRSהיא ווקטור גבולות חלון גס לכל התוצאה המקבלת

kSRQkSRQ offon

2שלב 11.1.2.2

ומסונן בשנית למציאת נקודות 1-90hz בתחום band passהפעם עם , מפולטר שובECG -אות ה

: י מסנן בעל פונקציית התימסורת הבאה"הקיצון ע2

)(11 −+ −

zH ומתקבל האות המסומן d(n) .

.1 באופן גס לכל פעימה ניקבעת כנקודת מקסימום ראשונה בתוך החלון שנקבע בשלב Rנקודת

3שלב 11.1.2.3 : בעל פונקציית התמסורת הבאהLPF FIR Filter באמצעות ECG- החלקת אות ה,ראשית

Hsf(z)=(z-2

+3+2z1+z

האות המתקבל מסומן , חלק המבוצע על גבי האות המו2 סינון למציאת נקודות קיצון כמו בשלב ,שנית

fd(n).

:פ המשוואות הבאות" קביעת ספים ע,שלישית

)(max~

thfirstpeaknSRQ

on ≤≤= ;

)(max~

thoffSRQnlastpeak

≤≤=

. משלב קודםRבאמצעותן מדייקים את מיקום גל

הראשון המבוסס על הניגזרת , QRS לאיתור 1FDאלגוריתם 11.1.3

הראשונה בלבד

ניגזרת ראשונההוסס על המב: שלב ראשון

: פ המשוואה הבאה"מבוצע נגזרת האות ע

)1()1()(0 −−+= nECGnECGnY

מסנן מעביר נמוכים: שלב שני

:פ המשוואה הבאה"ע, להקטנת הפרעות80hzמסנן מעביר נמוכים עד

)4()3(4)2(6)1(4)()( 000001 −+−+−+−+= nYnYnYnYnYnY

:מתקבל מסנן מהצורה

0 20 40 60 80 100 120-200

F requenc y (Hz )

0 20 40 60 80 100 120-400

F requenc y (Hz )

Figure 41: The Frequency response of the LPF

בחינת מעבר ספים: שלב שלישי

תהיה חציית ) 130msecסדר גודל של , כאמור( הבסיסי נידרש שבחלון צר QRS-פ מבנה קומפלקס ה"ע

פ מספר מעברי הסף בעלי קוטביות לסרוגים נעשית ההחלטה לגבי "ע, כ חציית סף שלילי"סף חיובי ואח

החלון חשוד 2-4פר הזוגות של חציית סף בקוטביות לסרוגין נע בין כאשר מס. קומפלקסQRSאיתור

.Baseline -זיהוי של יותר מארבעה זוגות מאובחן כהזזה של ה. קומפלקסQRSבמכיל

השני המבוסס על הניגזרת , QRS לאיתור 2FDאלגוריתם 11.1.4

הראשונה בלבד

החלקה באמצעות מיצוע: שלב ראשון

שניתן להתייחס אליו כמעביר , לקה המבצע מיצוע בין שלוש נקודות מועבר דרך מסנן החECG-אות ה

:פ המשוואה הבאה"ע, נמוכים

[ ] 4/)1()(2)1()(0 +++−= nECGnECGnECGnY

:תוצאת מסנן זה היא דיכוי רעשים כפי שמובא בתרשים הבא

5 0 6 . 5 5 0 7 5 0 7 . 5 5 0 8 5 0 8 . 5

- 0 . 5

Y 0 ( n ) - T h e S m o o t h S i g n a l

5 0 6 . 6 5 0 6 . 8 5 0 7 5 0 7 . 2 5 0 7 . 4 5 0 7 . 6 5 0 7 . 8 5 0 8 5 0 8 . 2 5 0 8 . 4

- 0 . 4

- 0 . 2

T h e E C G S i g n a l

מסנן מעביר נמוכים: שלב שני

:פ המשוואה הבאה"שימוש במסנן מעביר נמוכים ע

kYmnY )(0)]12/1[)(1

בתחום העברה כפי שניתן ripples אבל המחיר הוא 60hz -מסנן המסנן בעוצמה גבוהה תדרים מעבר ל

:לראות בגובתו לתדר בתרשים הבה

0 20 40 60 80 100 120 140-160

Frequency

The s ignal after the LPF (Frequency Domain)

Figure 43: The frequency response of the signal at the output of the LPF

: כפי שמודגם באיור הבאQRS-התוצאה היא החלשת הרעשים ועכב כך הדגשת ה

5 0 4 5 0 6 5 0 8 5 1 0 5 1 2 5 1 4- 0 . 4

- 0 . 2

Y 1 ( n ) - T h e O u t p u t o f t h e L P F

5 0 5 . 5 5 0 6 5 0 6 . 5 5 0 7 5 0 7 . 5 5 0 8 5 0 8 . 5 5 0 9 5 0 9 . 5 5 1 0 5 1 0 . 5

- 0 . 4

- 0 . 2

T h e E C G S ig n a l

Figure 44: The signal at the output of the filter (top) in the time domain

baseline -גשת פולסים והורדת ההד: שלישישלב

י חיסור של תוצאות שני מסננים כלומר ביצוע ריבוע של "שלב המבוסס מסנן מעביר פס הממומש ע

2: כלומר, חיסור האות המסונן מניגזת האות

102 )]()([)( nYnYnY חיובי ללא התוצאה היא אות. =−

:כפי שניתן לראות בתרשים הבא , baselineהשפעת

4 9 0 4 9 5 5 0 0 5 0 5 5 1 0 5 1 5 5 2 0 5 2 50

Y 2 ( n ) - T h e O u t p u t o f t h e S t a g e 3

4 9 0 4 9 5 5 0 0 5 0 5 5 1 0 5 1 5 5 2 0 5 2 5- 1

- 0 . 5

T h e E C G S i g n a l

סינון של פולסים צרים מידי: שלב רביעי

. באות המקוריTבשלב זה מבוצע סינון פולסים צרים שיכולים להיווצר בשלב קודם כתוצאה בעיקר מגל

ומחליש פולסים QRS שהם בעלי קורלציה גבוהה לקומפלקסי 2m+1ים מסנן זה מדגיש פולסים באורכ

:זאת באמצעות המסנן הבא. קצרים

223 )()()(

= ∑+=

kYnYnY

:התוצאה מוצגת בתרשים שבעמוד הבא

490 495 500 505 510 515 520 5250

Y3(n)- The Output of the Stage 4

490 495 500 505 510 515 520 525-1

The ECG Signal

baseline - הקטנת רעשים כתוצאה משינויים חדים ב: שלב חמישי

עדיין אם יש בו שינויים חדים ורק אם לא baseline - בשלב זה נבחן אות המסנן הראשון שמכיל את ה

:אזי הפולס הרלוונטי מתקיים כלומר

[ ] [ ]

>+−⋅−−=

otherwizenY

mnYnYmnYnYifnYnY

0)(0)(0)(0)(0),(3)(4

.סף נעשה באמצעות מעבר QRSלסיום קביעה סופית של קומפלקס

. קומפלקסQRSהאלגוריתם הסופי לזיהוי 11.1.5

- מיתוך אותות הHRVהאלגוריתם הסופי הוא האלגוריתם שבו נעשו מירב עיבודי האותות להפקת אות

ECGאלגוריתם מאפשר להגיע לרמת שגיאות נמוכה במשולב עם מהירות עבודה גבוהה . המוקלטים

ההשוואה . בהשוואה לשאר האלגוריתמים, )מוכהבמיוחד צריכת זיכרון נ(וצריכת משאבי מחשב נמוכה

.Matlabנעשתה כולה לגבי פעולתם בתוכנת

של First Second Derivation (FSD) –אלגוריתם הסופי מבוסס על שימוש בניגזרת ראשונה ושניה

אלגוריתם . Matlab-תהליכי הגזירה עצמה ממומשים כמסננים הפועלים ביעילות מירבית ב. ECGאות

ותח במהלך המחקר כתוצאה משילוב מספר אלגוריתמים המבוססים על הקומבינציה של ניגזרת זה פ

הראשון הוא שלב גזירות האות והשני הוא שלב : האלגוריתם בנוי משני שלבים עיקריים. ראשונה ושניה

). שלב האינטגרציה(ההחלטה

:שלב הגזירה ממומש בארבעה תת שלבים

נגזרת ראשונה: שלב ראשוןתת

.ECG באות QRS-שימוש בניגזרת ראשונה מתאים לאות בעל גרדיאנט חד כמו קומפלקס ה

: פ המשוואה הבאה"מבוצע ערך מוחלט של נגזרת האות ע

)1()1()(0 −−+= nECGnECGnY

אך הוא מתאפס QRS הוא אות עם אמפליטודה גבוהה יחסית בתחום קומפלקס Y0(n)האות המתקבל

התאפסות האות הגזור קוראת בנקודה בה R המוגדרת כנקודת מיקום גל –דווקא בנקודת השיא ) כמובן(

, האדום–האות הגזור (כפי שניתן לראות בתרשים הבא . השיפוע השלילי של האות הגזור הופך לחיובי

): המקוריECG-מקבל ערך אפס בנקודה המקסימאלית של אות ה

9600 9650 9700 9750 9800

FS1: first derivative

sample #

ECG signal

Figure 47: QRS detection Algorithm FS1, First derivative

החלקת אות הניגזרת הראשונה: שנישלב תת

אות הנגזרת הראשונה מוחלק כדי להקטין את השפעות הלוואי של רעשים היות וניגזרות רגישות מאוד

: פ המשוואה הבאה"כלומר פעולת ההחלקה נעשית ע. של האותSNR-בכך משתפר ה, לרעשים

nYnYnYnY

)1()(2)1()(

−+−+ .Averaging factor ,4=A- הוא הA כאשר =

:התוצאה המתקבלת מובאת בתרשים שלהלן

4.638 4.64 4.642 4.644 4.646 4.648 4.65 4.652

sample #

FS2: The smoothed first derivative

ECG signal

Y1 noise

Figure 48: QRS detection Algorithm FS2, First and smoothed derivative

המבוסס על הניגזרת השניה: תת שלב שלישי

: השניה מובא במשוואה שלהלןערך מוחלט של הניגזרת

[ ] )2()(2)2()()( 00001 −+−+=′≡ nYnYnYnYnY

אות זה לאחר הניגזרת השניה מקבל את ערכו המקסימלי בנקודה בה השיפוע הכי חד באות הניגזרת

השיפוע הכי חד קורה כאשר באות הניגזרת הראשונה קיים מעבר משיפוע שלילי ). כמובן(הראשונה

כפי שניתן . המקוריECG קומפלס באות QRS -קסימום של הנקודה זו כאמור היא נקודת המ. לחיובי

:לראות בתרשים הבא

1.32 1.325 1.33 1.335

Sample #

FS1: Second derivative

ECG signal

Figure 49: QRS detection Algorithm FS1, Second derivative

שילוב תוצאות שתי הניגזרות: שלב רביעיתת

פ המשוואה "משולבים ע) Y2(n), Y1(n)(אותות התוצאה של שני השלבים , מיצוע תוצאות הניגזרות

)()()( :הבאה 123 nYnYnY βα כאשר היות והרעשים בשלב זה מוחלשים המישקול בין הניגזרות =+

.α=β=1: הוא שווה כלומר

היות , קומפלקסQRS-התוצאה המתקבלת משילוב שני האותות היא ערכים גבוהים עבור תחום ה

.ההתאפסות שלהוהנגזרת השניה כאמור משלימה את הראשונה בנקודת

:שלב האינטגרציה, ההחלטהשלב

באמצעות אינטגרציית מעבר סףRה מיקומי גל תבחיר

פ "תהליך האינטגרציה מאפשר החלטה ע. ראשית שימוש בערך סף גבוהה כטריגר לתהליך האינטגרציה

N ערכים עוברי סף מיתוך Mבשלב זה מבצעים סיכום על פני פרק זמן של . אפשריים ברציפותM

שעבור כל נקודה בתחום חלון : יש מעבר סף כלומר) פעמיםN-יותר מ(דגימות רצופות שברובן

: האינטגרציה נבדק

+<< ThresholdnY

ThresholdnYnX

n )(;0

)(;1)(

(M/2))(n(M/2))-(n

, )ה.ה.ב (

NMnkX: מוגדר כאשר מתקייםRגילוי גל M

≥−+∑=1

.N>M כאשר ))/2((

מצבים בהם רעש עובר , false detection - נועד כדי להתגבר על מצבי גילוי שגוי Rגילוי כזה של גל

קומפלקס לא QRSההנחה היא שרעש או מקטע אחר באות שאינו . את רמת הסף וגורם לגילוי שגוי

לכן חישוב זה של רוב הנקודות מיתוך אינטגרציה לאורך זמן , יעבור את רמת הסף לאורך זמן ברציפות

.חק מינימלי מזיהוי קודםבנוסף נבחן מר. מקטין מאוד את ההסתברות לשגיאות

העיבוד להקטין את שגיאת תהליכי תיקון מקובלים שנועדו 11.1.6

המתקדם

לקביעה , מוכח ומושפע פחות ככל האפשר מרעשיםQRS detectionשימוש באלגוריתם •

.R-רובסטית של נקודת ייחוס גלי ה

היות . Rות אמין יש לשים דגש רב על שגיאות בגילוי מיקום זמני נקודHRVמ לקבל אות "ע •

רוויות , והאות המתקבל מהקלטות ההולטר הוא כאמור באיכות ירודה הכוללת הרעשה של האות

.וקטעון בעיקר כתוצאה מתזוזת הנבדק

:Rאופיינו שלוש קטגוריות ראשיות של שגיאות בגילוי נקודות גל •

o אי גילוי של נקודתR היוצר שגיאת אינטרוול RR הנקבע באורך הכפול מהאורך

אורך זה הוא שילוב של שני האינטרוולים העוקבים שלפני ואחרי מיקום , אמיתיה

. החסרהRנקודת

o גילוי עודף שגוי של נקודתRא בעלת "גילוי זה יוצר שתי פעימות כ, שאינה אמיתית

.אינטרוול הקצר בכחצי מאורך האינטרוול האמיתי

o מיקום הזמן של נקודת ה) לפני או אחרי(גילוי לא מדוייק-R . שגיאה זו יוצרת שני

אינטרוולים עוקבים שגויים הראשון קצר מהאמיתי והשני ארוך ממנו או להיפך

.בהתאמה

, הגדרת שלושת הקטגוריות הללו מאפשרת יצירת כלים אוטומטיים לאיתורן ואף לתיקונן

באותות הסופיים לא נעשה שימוש , מ להקטין את רמת האי וודיאיות ולהגדיל את הדיוק"ע

. כלים אוטומטיים לתיקון הזיהוי אלא רק לאיתור השגיאותב

התיקון לרוב כלל אחת או יותר מהפעולות . תיקון השגיאות נעשה בצורה ידנית בלבד

:הבאות

זאת . שעליוR- ואות מיקומי גל הECG - מחיקת אזור שלם כולל אות ה •

לא "בעין" המקורי הוא לא תקין ברמה כזו שאפילו ECG-במקרים שאות ה

.QRS-ניתן לזהות את קומפלקסי ה

פ השגיאה" קדימה או אחורה עRהזזת מיקום גל •

. מיותרRמחיקת איתור גל •

. חסרRהוספת איתור גל •

.ועוד •

תלוי זמןECG של ניתוח ספקטראלי: 2נספח 12

כללי 12.1.1

, ןהיא שיטת ניתוח נפוצה עבור אותות מחזוריים בזמ Power Spectral Density (PSD)שיערוך

PSDכיום השימוש בניתוח . PSD מבוססות שערוך HRV-של הרבות שיטות ניתוח לא טריוויאליות

ותרומת כל . מהווה שיטה אמינה להערכת ההשפעות של המערכת האוטונומית על פעולת הלב HRVשל

.)6.6.1 ראה פירוט (סימפתטית על השפעות אלו-אחת מהמערכות הסימפתטית והפרא

) כנגד אינדקס הפעימותRRמרווחי (RR-השערוך הספקטרלי יכול להתבצע הן על סידרת אינטרוולי ה

שתי האפשרויות ) הסדרה כפונציה של הזמן(או על אות דגום אחיד שהתקבל מאינטרפולציה של הסדרה

דות המדידה של הספקטרום והפרמטרים המדודים יחי, מקובלות והבחירה בינהן משפיעה על המורפולוגיה

.מתוך הספקטרום

ניתוח זמן . מאפשר חשיפה של עוצמת התנודות של ההספק עבור כל תדר ספציפי בכל זמן ספציפיניתוח ה

המטרה היא HRV-Heart Rate Variability -קצב הלבשונות מבוצע על אות ECG-תדר של אות ה

. השתנות קצב הלב שלם ספקטרלייםלמצוא את מאפייני

המאפשרות ניתוח , ECG- של אות הAR - וניתוח המבוסס על ההתמרות פוריה - ניתוח בתחום התדר

.12.1.2 ראה פירוט להלן בסעיף של האותPower spectrum - ספקטראלי

שיערוך ספקטרום כללי 12.1.2

מוגדר כהתמרת פורייה של פונקציית האוטוקורלציה של האות , טציונאריהספקטרום של אות אקראי ס

הספקטרום , עבור סידרה סופית של האות. ומבטא את פילוג ההספק של האות כפונצייה של התדר

לפיכך רזולוציית הספקטרום מוגבלת אינהרנטית . המשוערך הוא בעצם ספקטרום האות מוכפל בחלון זמן

). N/1 דגימות מאפשר רזולוציה ספקטראלית של Nבעל רוחב זמני של לחלון (י רוחב החלון "ע

משמעות . הספקטרום המתקבל הוא למעשה קונבולוציית ספקטרום האות הרצוי עם ספקטרום החלון

. הגבלת הרזולוציה בספקטרום המתקבל היא שמתקבל ספקטרום מוחלק יחסית לספקטרום האמיתי

מאונות הצד של ספקטרום החלון אל תחומי תדר בהם אין הספק כתוצאה, בנוסף קיימת בו זליגת הספק

.באות הרצוי כלל

ופרמטריות ) FFTלמשל המבוססות על ( ניתן לסווג לשיטות לא פרמטריות PSD-את שיטות שיערוך ה

:משמעות ההבחנה בין שתי השיטות היא). על מקור האות AutoRegresive (AR) למשל הנחת מודל(

בשיטות לא פרמטריות לא מניחים מודל על מקור האות והשערוך מתבצע ישירות מהדגימות •

: בשיטה פשוטה לביצוע זו. הנתוונות של האות

o אלגוריתם נועד לאתר אך ורק תופעות מחזוריות

o נדרשת הכפלה בחלון המוסיפה עיוותים

o רזולוציה נמוכה בתדר

פ ההדגימות " משערכים את פרמטרי המודל ע,בשיטות פרמטריות מניחים מודל על מקור האות •

.הנתונות ומפרמטרי המודל משערכים את הספקטרום

היות ולא נדרש ; שפורטו לעילFFTבשיטה זו ניתן להתגבר על חלק מהחסרונות שבאלגוריתם

ניתן .תופעות לא מחזוריות ואף סינגולאריות יכולות לבוא ליידי ביטוי, סינון או הכפלה בחלון

בשל כך עיקר הניתוחים .רזולוציות תדר גבוהה יותר עבור מסגרות מידע קטנותלהגיע ל

בגלל FFT נעשו באמצעות ”Senity Check“ ורק בדיקותARהספקטראליים נעשו באמצעות

.קלות המימוש

יותפרמטרשיטות לא 12.1.3

Periodigram-שערוך ה, כללי 12.1.3.1

באופן י ניתן לפירוק אורתוגונאלWoldל פ משפט הפירוק ש"תהליך סטציונרי אקראי במובן הרחב ע

:יחיד לשני תהליכים

.שהוא מוצא של מערכת סיבתית. תהליך דטרמיניסטי .1

Moving Averageהתהליך ניתן לתיאור כפעולת . purely indeterministתהליך .2

מוצא מערכת בלתי סיבתית . שהוא הרעש הלבןInnovation –על תהליך החידוש ה

.רעש לבןי אות "המעוררת ע

} עבור אות כניסה אקראי סטציונארי המסומן }∞−∞=n

nx : נקבל את פונקציית האוטוקולציה הבאה)(

)]()([)( *mnxnxEmxx +=γ . אזי פונקציית צפיפות ההספקPower Spectrum Density

(PSD)של האות היא כאמור התמרת פורייה של פונקציית האוטוקולציה כלומר :

:)ω(xxΓ(( ההספק הספקטראלי צפיפות

∑∞

−∞=

−=Γm

xxxx emfπγ 2)()(

:כאשר

{x(n)} – Wide sense stationary process

{γxx(n)} – Autocorrelation Sequence

Γxx(f) , f<½ - Power spectral density,

: [B1] על מעגל היחידהZ מתקבלים ערכי התמרת z=exp(j2¶f)כאשר בהצבת

∑∞

−∞=

−=)(Γm

xxxx zmz )(γ

}: כלומר, סופי של דגימותNאבל עבור אות כניסה סופי בעל } 1

nnx , פונקציית האוטוקורלצייה

:י סדרת האוטוקורלציה של הממוצע הזמני באופן הבא"אינה ידועה וניתנת לשיערוך ע

−≤≤−−

−≤≤

∑−

−−

mnxnxN

:מאחר ומתקייםmxxγ)( הוא משערך מוטה של rxx(m), סופיNעבור

)(1)]([ mN

mmrE xxxx γ

:כלומר מתקיים, mxxγ)( מהווה משערך עיקבי של rxx(m)אך

( ) 0)](var[lim =∞→

( ) );()]([lim mmrE xxxxN

γ=∞→

:ודי במומנט הראשון והשני מתקיים אפילו שיוויון יותר חזק והואאם האות ארג

( ) );()(lim mmr xxxxN

γ=∞→

.mxxγ)( במקום rxx(m)-שיוויון זה מהווה את ההצדקה לשימוש ב,

: לצורך שערוך פונקציית צפיפות ההספק ונקבלrxx(m)-נשתמש ב

∑ ∑−

−−=

−− ===1

22 )(1

fnjfmj

xxxx fXN

emrfP ππ

}מרת פורייה של היא התX(f)כאשר } 1

): משערך זה אינו מוטה אסימפטוטית כלומר ) )()(lim ffP xxxxN

Γ=∞→

אבל השונות שלו אינו דועך לאפס

שיטות פרמטריות מעשיות לשערוך ספקטרום מקטינות את הרזולוציה בתדר על חשבון . �N∞ בגבול

.הקטנת שונות השיערוך

י שימוש "חישוב דגימות באופן יעיל משערוך זה יכול להעשות ע. Periodigram - זהו למעשה שערוך ה

. FFT-ב

12.1.3.2 Short Time Fourier Transform (STFT) , האות ניתוח

FFTבאמצעות

כללי, תדר-טרנספורמציות זמן

:תדר באופן הבא-באופן כללי ניתן לנתח את כל טרנספורמציות הזמן

∫∫∫ ⋅−⋅+⋅−−+⋅= τηηπηπττ

τηϕϕ dudduftjuxuxftC f ))(2exp()2

(),(),,( *

),( -ו, ו הסיגנל הינxכאשר πηϕ התמרות שונות בעלות ). פונקציית הגרעין( הינה פונקציית הקרנל

134 .תדר מתקבלות באמצעות פונקציות קרנל שונות- מאפיינים שונים בטרנספורמציות זמן

שנהפכה לנפוצה . (של אות Power Spectral Density (PSD) -השיטה הקלאסית והנפוצה לחישוב ה

שיטה זו מניחה שהאות ). הממש את המרת פוריהFFTשל היעילות החישובית של אלגוריתם ב

בין רזולוציית tradeoffאורך החלון קובע את הרזולוציה בתדר וקיים . פ חלון חלון העיבוד"סטציונארי ע

: אזי ההתמרה היאw(t)בהנחה שהחלון הוא . זמן ורזולוציית תדר

∫ −+⋅= ττπτ dfjtxtwftSTFT )2exp()()(),(

עליו , R-R המופק ממרווחי IHR-Instantaneous Heart Rate אות הכניסה הוא FFTבמימוש

סידרה , נדרשת סידרת כניסה מחזורית FFTלביצוע ההתמרות . מבוצעת השלמה באפסים והכפלה בחלון

:זו מופקת לרוב באמצעות משוואה מהצורה

zatataaRR iii 32211110 )sin()sin( +++++= φωφω

.[1,1-] -משתנה אקראי בעל התפלגות אחידה ב הוא Zוכן ti+1=ti+RRi: כאשר

: הןFFT-בכאמור המגבלות

אלגוריתם הנועד לאתר אך ורק תופעות מחזוריות

נדרשת הכפלה בחלון המוסיפה עיוותים

רזולוציה יחסית נמוכה בתדר

שיטות פרמטריות 12.1.4

כאמור אילוץ של אך קיים בהן, FFTי "השיטות שאינן פרמטריות פשוטות יחסית ונוחות ליישום ע

tradeoffבשל , תופעת זליגת ההספק, בין אורך הסידרה בכניסה בתחום הזמן לרזולוציה בתחום התדר

ות בשיט. יכולה למסך מרכיבים חלשים באות, )אינהרנטי בסידרה בעלת אורך סופי( מכפלת האות בחלון

יות ולא נדרש סינון או הכפלה ה, אלו ושפורטו לעיל ניתן להתגבר על חלק מהחסרונות פרמטריות כאמור

ניתן להגיע לרזולוציות .תופעות לא מחזוריות ואף סינגולאריות יכולות לבוא ליידי ביטויומכאן ש. בחלון

.תדר גבוהה יותר עבור מסגרות מידע קטנות

, ההגבלה הבסיסית של שיטות לא פרמטריות היא שאות האוטוקורלציה מתאפס מחוץ לגבולות הסידרה

בשיטות פרמטריות נעשית אקסטרפולציה לאות האוטוקורלציה מחוץ . פוגעת באיכות השיערוךהגבלה זו

מידע זה . אקסטרפולציה זו אפשרית רק כאשר יש מידע מוקדם על מאפייני אות המקור. לגבולות הסידרה

למודל מספר פרמטרים המשוערכים . מושג בהתמרות פרמטריות באמצעות מודל שמניחים על מקור האות

.מהאות הנתון ושערוך הספקטרום מתבצע מהמודל והפרמטרים במשולב

ARמימוש עיקרון תהליך 12.1.4.1

linear predictions and optimum Linearחיזוי ליניארי ואופטימיזציית פילטרים ליניאריים

filters

ם ליניארייהאופטימיזציה במסננים. םהכוונה למסננים ליניאריי, אופטימיזציית פילטרים במובן סטטיסטי

היות וכך לקביעת אופטימום המסנן נדרשים . MSE-Mean Square Error היא במובן יובחיזוי ליניאר

).קורלציה-קרוס, קורלציה-אוטו(תהליכים סטטיסטיים של התהליך הסטציונרי מסדר שני בלבד

. לות סימטריה כלשהי לחיזוי תוצאות רצויות של סט משוואות בעיבחיזוי ליניארי קובעים מסנן אופטימאל

Levinson-Durbin ,Schur. [B1]: שני אלגוריתמים משמשים לפתרון בעיה זו הם

AutoRegressive–AR ניתוח ספקטראלי של האות באמצעות

אות הכניסה של , H(f)עם תגובת תדר מודל מקובל הוא להניח כי האות מהווה מוצא של מערכת לינארית

}לבן גאוסי המערכת הלינארית הוא רעש }∞−∞=n

nw 2 בעל תוחלת אפס ושונות )(

wσ , כלומר שצפיפותו

: הספקטרלית היא2)( Wxx f σ=Γ .

: ספקטרות מוצא המערכת יהיה222

)()()()( fHfHff wwxx σ=Γ=Γ

ARשל מערכת כאות מוצא Heart Rate Time Series (HRTS) -בכדי לשערך מגדירים את אות ה

σאליו מתווסף בשערוך אות רעש לבן גאוסי עם תוחלת אפס ושונות . pמסדר ω

:המערכת הלינארית מתוארת באמצעות משוואת ההפרשים, pמסדר AR( Autoregressive(שיערוך ב

+−−=p

nbknykany1

)()0()()()( ω

)()()(: אוה המוצא Zכלומר בתחום zWzHzY :אי ה תגובת התדר של המערכת כאשר=

−−−

)(...)1(1

2במשולב עם שונות הרעש } i=1..p a(i),b(0) {ניתן לשערך את פרמטרי המודל

wσ ופונקציית

משוואות לינאריות הקרויות Pבשיטה זו מייצרים סט של . yule-walkerבשיטת , האוטוקורלציית האות

: המתוארות להלןYule-walker משוואות

−−

)0(..)1()(

......

)(..)1()0(2

xxxxxx

prrr σ

γγγ

:שני חלקיםמבוצע בפתרון משוואות אלו

. שאינם ידועיםγxx(m) במקום rxx(m)ראשית הצבת משערכי האוטוקרלציה

.Levinson Recursiveזאת נעשה באמצעות אלגוריתם , a(k) פרמטרי שיערוךPלמצוא

: פ" עb(0)מציאת פרמטר

+−=p

rlrlab1

)0()()()0(

:הספקטרום עצמו מחושב כפונקצית התדר לפי היחס

.מחזורה הוא זמן Tכאשר *

, סדר נמוך מידי יגרום לחישוב ספקטרום מוחלק: חשיבות מרובה קיימת בשיטות פרמטריות לסדר המודל

קיימים . דה נמוכה שאינם פיסיקלייםיכול לגרום להתווספות שיאים באמפליטו, ואילו סדר גבוהה מידי

באמצעות חישוב ספקטרום בשיטות לא ”sanity check“כללים לבחירת סדר המודל ואפשר לבצע

. פרמטריות להשוואה

המעשימאפייני האות: 3נספח 13

אופן המדידה והשלכותיה 13.1.1

באמצעות מכשיר ) לפחות בשלב הראשוני (ד הנמדד במהלך ערות ושינה הוא אות ארוך שיימדRRIאות

. שעות 24 המוצמד אל החולה למשך Holterהקרוי

גם – האות מכיל פעימות לא נורמאליות והפרעות קצב. נמוכהHolter-איכות האות המתקבל מהקלטות ה

או חסרים ואות ) למשל אותות קטומים(בנוסף קיימים קיטעי מידע משובשים .בריאים עבור אנשים

.לו נגרמות מתזוזות הנבדק שממשיך את שיגרת חייו במהלך הבדיקה חלק גדול מתופעות א.רועש

RRIמימד האות 13.1.2

ביצוע . ECG- למשנהו באות הRהאות הוא סדרה בזמן בה כל נתון מייצג את מרווח הזמן שאורך בין גל

לא יעילים עבור אות זה היות והאות מכיל מאפיינים ) כפי שיובהר בהמשך(ניתוח בשיטות מסורתיות

: המקשים על ניתוח האות כפי שמפורט להלןרבים

. ביצירת האות בהכרח משולבות תופעות לא ליניאריות .לא רגולארי,האות הוא מורעש לא סטציונארי

קיים באות תחום דינאמי גדול המשתנה מאוד בין שלבי השינה והערות השונים ואף באותו שלב קיימת

בעל תחום דינאמי רחב ומכיל נקודות : ו קבוע ואינו רציףשל האות אינ) מגמה (trend-ה. השתנות גבוהה

הבסיסי לפיו ניתן לחלק את האות scale -אורך ה, מחזוריות האות משתנה לא באופן עקבי. אי רגולאריות

השונות הכללית של האות גדלה ככל שאורכו גדל כך שחישובים של . בכדי להגיע לקורלציה אינו אחיד

.ים באורך האות ולא ניתן להשוות בין ערכים של אותות בעלי אורך שונהפרמטריים סטטיסטיים תלוי

שונות ומומנטים מסדרים גבוהים יותר משתנים , מכאן שהתכונות הסטטיסטיות של האות כגון ממוצע

. בזמן ואינם אחידים לאורך כל הסדרה

PTSDמגבלות המדידה והתאמות לניתוח האותות של חולי 13.1.3

polysomnogramינה נעשה באמצעות שילוב של מערך מדידות הקרוי אבחון מלא של הפרעות ש

נשימה , EEG ,Electromyography (EMG) ,ElectroOculography (EOG): הכולל בין היתר

holterבשלב הראשון המדידות ייעשו רק באמצעות ]. ECG] 5-לחץ דם ו, חום גוף, ורוויית חמצן

את ניתוח .פ אות זה"ייעשו בעיקר ע) אם אפשרי(י השינה בלבד לכן אבחון מצבECGהמספק אותות

שינה ושלבי השינה כפי שבאים ליידי ביטוי בארכיטקטורת השינה , האות יש להקדים באבחון של ערות

ולחלק את האות לקטעים בהתאמה כך שכל קטע ינותח ) 5.2.7 פירוט בסעיף (PTSDהייחודית לחולי

ירודה וללא מידע של אותות ECG- אך היות ואיכות אות ה.פ קריטריוני שלב השינה הרלוונטי"נפרד עב

לא מתאפשרת הפרדה וודאית של שלב השינה לשלבי השינה השונים ולכן . ממדידות נוספות כאמור לעיל

ת לעומת במחקר זה הניתוח בנושא זה נעשה באמצעות איבחון ההבחנה שבין הפרמטרים שמתקבלים בערו

כאשר שלב השינה במחקר זה צומצם לתחום בו קצב הלב הממוצע נמוך . בכל שלב השינה כמקשה אחת

) באין אינפורמצייה נוספת אמינה לגבי מהלך השינה(זאת , פ שלבי שינה ספציפיים"יותר מבלי לאבחן ע

). על חשבון רזולוציית הקטעים(מ להגביר את נכונות חלוקת האות "ע

כללי, סיולוגיות על קצב הלבההשפעות הפי 13.1.4

פירוט ( intrinsic - העצמוני הקצב :מרווח הזמן שבין פעימות הלב מבוסס בעיקר על שני מרכיבים

וההשפעות על קצב זה בעיקר כתוצאה מכניסות של שני SinoAtrial (SA) node -של ה) 4.2 בסעיף

- והמערכת הפראSympathetic Nervous System (SNS)ית המערכת הסימפתטANS-ענפי ה

ווגלית המאופיינת -פעילות סימפאטו. Parasympathetic Nervous System (PSNS)תסימפתטי

בין היתר ניתן לאבחן באמצעות (משוייכת באופן כללי עם ערנות פיסיולוגית ) SNS(בשליטה סימפתטית

EEG(סימפתטית -המאופיינת בשליטה פראבעוד שפעילות , ) פעילות מוח מוגברתPSNS ( משויכת

. למנוחה ושיקום

אחד . במהלך שלושים השנים האחרונות אובחן קשר בין מערכת העצבים האוטונומית לפעילות הלב

Heart Rate-סימפתטית הוא אות ה-המדדים השכיחים לפעילות המערכות הסיפמפתטית והפרא

Variability (HRV), כלומר שניתוח אות HRV בעיקר מאפשר את שיערוך תפקוד מערכת העצבים

סימפתטית קיימת -למערכת הפרא. RRI (RR Intervals) - האוטונומית מיתוך התנודות שבין פעימות ה

לכן קיימת חשיבות מרובה למחקר של הבקרה . חשיבות מרובה בוויסות מחזור הדם במצבים שונים

דרניות הנפוצות לכך היא חקירת הבקרה על קצב הלב אחת השיטות הלא חו. (vagal)סימפתטית -הפרא

.HRV-באמצעות אות ה

13.1.5 PTSDוהמערכת העצבים המרכזית

- הינן כתוצאה משילוב של השפעות שני ענפי הANS- ההשפעות האבנורמאליות של הPTSDאצל חולי

ANS . קיימת עליה בפעילות של הענף הסימפאתטי של מערכת העצבים האוטונומית הקרוי

Sympathetic Nervous System (SNS)סימפתטי - וירידה בפעילות הענף הפארא

ParaSympathetic Nervous System (PNS)) הפעילות הווגאלית( ] A10, A8.[

אצל חולים לעומת בקרה לרוב באופן כללי גבוהה יותר) Basal Heart Rate - BHR(קצב הלב הבסיסי

כפי שאכן מאומת , ]PTSD ] A30 כולל לעומת בקרה לאחר טראומה שלא פיתחו את הסימפטומים של

יכול לנבוע בשל השפעה PTSDקצב הלב בסיסי גבוהה בצורה לא נורמלית שנצפה רבות בחולי . כאן

.סימפתטית- או השפעה מוחלשת מהנורמה של המערכת הפארא\ימפתטית ומוגברת של המערכת הס

כן ההשפעה -כמו. סימפתטית היא בלתי תלויה בהשפעת המערכת הסימפתטית- השפעת המערכת הפארא

סימפתטית היא משמעותית יותר ואקטיבית לגבי תחום רחב יותר של קצב הלב כולל ההשפעה על - הפארא

. דופק מנוחה

- י ניתוח ספקטראלי של ה" היא עANS-חנות את ההשפעות הנפרדות של ענפי האחת השיטות לאב

HRV כאשר התדר המוגדר גבוהה )HF HRV (סימפתטית - המושפע מהמערכת הפארא) כפי שמפורט

, הוא בממוצע נמוך מאשר בבקרהHF HRV - במצב מנוחה הPTSDנמצא שבחולי ). 6.6.1.1 בסעיף

].A10 [זאת לרוב מופיע בשילוב עם קצב לב בסיסי מוגבר

בהן יכולת ההבחנה היא חלשה יותר, תוצאות כלליות: 4נספח 14

עיבודי סגמנטציית האותות 14.1

ווקטורי האורכים 14.1.1

. הסגמנטיםפ סדר "המייצגים את האורך של כל סגמנט ע, להלן מוצגים ווקטורי האורכים לכל נבדקלא ניתן לאבחן שוני . ולאחריהן קבוצת הבקרהPTSDראשית מוצגים ווקטורי האורכים של קבוצת חולי

.משמעותי בין ווקטורי הערכים המאפשר הבחנה בין הקבוצות

:PTSD- אורכי הסגמנטים של קבוצת ה

Figure 50: Segmentations length vectors of PTSD group (first 4) vs. CTRL group (last 4)

הסטוגרמת האורכים 14.1.2

לא ניתן לאבחן שוני בין שתי הקבוצות כפי , תוצאות היסטוגרמת אורכי הסגמנטים של כל הנבדקים :שמוצגת בגרפים להלן

Figure 51: Amplitude Segments Length Histogram, all Subjects, PTSD (top) & CTRL (bottum)

PTSD -ה

CTRL -ה

על כל הסגמנטיםDerivation Poincaré Plot (Dm1m2) ניתוח 14.1.3

תוצאת חישוב על כל הסגמנטים בהבחנה בין , של האות לאחר חלוקות הסגמנטציהDm1m2ניתוח ):נטים מכילים את אותן קואורדינטות של אותה נקודהככל שהצבע יותר בהיר יותר סגמ(, חולים ובקרה

Figure 52: Dm1m2 for the Amplitude Segmentation Signal

הדבר מתקיים למשל בדוגמא , כאשר התוצאה הצפויה אמורה לשקף שונות יותר גבוהה באות הבקרה

:4PTSD לבין 10CTRLהבאה בין

Figure 53: Dm1m2 example for deference between CTRL10(left) to PTSD4(right)

-אך כפי שניתן לראות ב

Figure 52הבדלים אלו לא מתקיימים בין כל נבדקי שתי הקבוצות בקרה וחולים .

הבקרה

בהבחנה בין Derivation Poincaré Plot (Dm1m2) ניתוח 14.1.4 סגמנטים קצרים וארוכים

כפי שניתן לראות , בהבחנה בין חולים ובקרה, עבור סגמנטים קצרים וארוכים בניפרדDm1m2ניתוח בין שתי ) הן עבור סגמנטים קצרים והן ארוכים(בגרפים להלן לא ניתן לאבחן באמצעות תוצאות אלו

:הקבוצות

נטים הקצרים בלבדתוצאת חישוב על הסגמ

תוצאת חישוב על הסגמנטים הארוכים בלבד

Figure 54: Dm1m2 for seperatly SHORT and LONG Amplitude Segmentation Signal

הבקרה

PTSD -ה

ת תוצאות קבוצ

הבקרה

PTSD -ה

14.2 CM-Dm1m2 עבור סגמנטי האות . בניפרדCM-Dm1m2תהליך בניתוח זה הופרדו הסגמנטים הקצרים מהארוכים ולכל קבוצה חושב

מפיק " מרכז הכובד" וחישוב של Dm1m2 לכל סגמנט מבוצע ניתוח 8.6 בתהליך זה כאמור בסעיף

שילוב של כל הנקודות האלו עבור כל נבדקי כל . נקודה במרחב הקרטזי המאפיינת את הסגמנט הספציפי

פשר להפיק אבחנה בין הקבוצות כאשר מתקבלות תוצאות הפוכות עבור אורכי קבוצה בניפרד מא

: סגמנטים שונים

מתקבלת שונות של נגזרת האות נמוכה יותר בקבוצת החולים מאשר עבור הסגמנטים הקצרים •

. בבקרה

. מתקבלת שונות גדולה יותר בקבוצת החולים מאשר בבקרהעבור הסגמנטים הארוכים •

הבאכפי שמוצג בעמוד

של הסגמנטים הקצרים" מרכזי הכובד" 14.2.1

עבור האותות לאחר Dm1m2 של הצגת - ”Center Mass (CM)“ "מרכזי הכובד"תוצאת הצגת

מרכזי "לכל סגמנט בניפרד ושילוב כל " מרכז המסה" לכל סגמנט ואת Dm1m2 חישוב –הסגמנטציה

. לתצוגה אחת משולבת) חולים ובריאים, ארוכים, קצרים(של כל הסגמנטים בעלי אותם מאפיינים " המסה

גדול בקבוצת Y∆ -התוצאה המתקבלת היא שעבור הסגמנטים הקצרים רואים ש) 6.8 פירוט בסעיף (

3 קטן בערך פי Y∆ -וההפך מתקבל עבור הסגמנטים הארוכים . הבקרה לעומת בקבוצת החולים

:כפי שניתן לראות בגרפים להלן. החוליםבקבוצת הבקרה לעומת בקבוצת

עבור הסגמנטים הקצרים בלבד2m1Dm-CMניתוח

ים בלבדארוכ עבור הסגמנטים ה2m1Dm-CMניתוח

Figure 55: Amplitude Segmentation for Seperatly Short and Long Segments, Center-Mass (CM)

of Dm1m2

PTSD’s CTRL’s

RRI-היסטוגרמת אורכי ה 14.3

כאמור . הבחנה בין קבוצת החולים לקבוצת הבריאים באמצעות תוצאות היסטוגרמת אורכי הפעימות

י בחינת "י ייעשה ע"איבחון לכך ע. צפוי שאותות קבוצת הבקרה יהיו בעלי שונות גבוהה יותר7 בפרק

:תהליך זה מוצג במערך הגרפים שלהלן, את רוחב עקומות ההיסטוגרם יחסית לערך סף

להלן . ראשית נפצל את גרפי ההיסטוגרם המתקבלים עבור כל הנבדקים לגרף עבור כל קבוצה בניפרד

ותוצאת היסטוגרם עבור האות המסונן RRIמוצגים תוצאת ההיסטוגרם עבור אות , בעמוד הבא

)RRIsmltrd:(

Figure 56: Histogram results for RRI & RRIsmltrd, CTRL & PTSD seperately

סיכום רוחבי העקומות מראה . י הקו האופקי"לאחר מכן כל עקומה נבחנת יחסית לערך הסף המסומן ע

יותר 50%י כאשר האות המסונן הדבר בולט עד כד, שהשונות גבוהה יותר בקבוצת הבקרה

:כפי שניתן לראות בגרפים בעמוד הבא) 1.5 ~ = 2730/1780(

: ובקרהPTSD יחסית לערך סף בהשוואה בין קבוצות RRIרוחב עקומות היסטוגרמות אורכי

: ובקרהPTSD יחסית לערך סף בהשוואה בין קבוצות fir RRIרוחב עקומות היסטוגרמות אורכי

Figure 57: Histogram results crossing threshold line calculations for CTRL & PTSD seperately

פיתוח כלי עיבוד:5 נספח 15

- מהקלטות הHRVכלי עיבוד הראשוני של האותות ליצירת 15.1

:כגון] 3[ים חיצוניים לכלי המרכזי נוספMatlabמ לאפשר ניתוח יעיל ואחיד של האותות יוצרו כלי "ע

:Holter-כלים לקליטת אותות ה •כאשר ניתן לבחור את שם . והצגתםMatlab לפורמט של -LifeScreenכלים להמרת האותות מתוכנת ה

.מספר הערוץ להמרה ואיזור באות לעיבוד ולהצגה, הנבדק

כפי שמתואר (mexfile- שייוצר באמצעות הdll- המריצה את הDFA-סביבת הפעלה של ה •הסביבה מאפשרת טעינת אותות באופן אוטומטי המאפשר בחירת ). DFAלעיל באלגוריתם

וכן R-Rאותות ( על אותות הנבדק הספציפי DFAהרצת אלגוריתם . נבדק תוך כדי פעולהdRRIוהצגת תוצאות האנליזה) בנפרד.

.יבוד בחזרה לאות ארוךושילוב של תוצאות הע, חלוקת האות לחלקים באורכים ברי עיבוד •

המאפשרת לבחור את ) מבחינת צריכת משאבי מחשב( יחסית יעילה ECG+RRתצוגת אות • כגון הוספה הזזה ומחיקת RR -כלים לתיקון נקודות ה. האזור באות המועבר אל התצוגה

.נקודות

: וןכלים לניתוח תוצאות העיבוד הארוכות טווח המבוססות בחינת דינאמיות בין סגמנטים כג •, אחיד המאחד את כל תוצאות העיבוד של כל נבדק בנפרד Structureבניית . LPC- עוצמות ו

.הצגת התוצאות עבור נבדק יחיד או מספר נבדקים להשוואה יחסית

HRVפירוט כלים עיקריים ראשוניים ליצירת אות 15.1.1

: וצהליך לדוגמא של השימוש בהםלהלן פירוט לדוגמא של חלק מהכלים שפותחו

הרלוונטיים RR- ואת מיקומי הECG-מחיקת קטע מאות ה RLמאות

Ecgrr_del.m 1

). תחתונים ועליונים(מציאת והדפסת מיקומי נקודות הקיצון print_ecg_hrv_ver3.m -מימוש באמצעות שימוש ב

ליצירת מערך מטריצות נקודות הקיצון והדפסת כל האות כולל לולאה המריצה עבור כל והפעלת . כל נקודות הקיצון הנדרשות

או (print_ecg_hrv_ver2.mנקודת קיצון בניפרד את עם תלחלופין יותר מתאים לכך השימוש כאן יכול היה להיעשו

print_one_extremum.m ( להדפסת הסביבה הקרובה עבור .כל נקודת קיצון בנפרד

extremum.m

ECG-מציאת זוג אחד של נקודות הקיצון בתוך תחום ה עליו RR- באזור המבוקש עם קווי הECG-הדפסת ה. וקשהמב

. ומיקומי נקודות הקיצון

print_ecg_hrv_ver2.m

-פ הכמות המבוקשת בתוך תחום ה"מציאת כל נקודות הקיצון עECGהמבוקש והדפסתו עם קווי ה -RR עליו ומיקומי נקודות

יצירת מטריצות מיקומי הקיצון הן. הקיצון המבוקשות לפי סדר .RR והן עבור ECGעבור

print_ecg_hrv_ver3.m

הדפסת הסביבה הקרובה של נקודת קיצון בודד בחירתו מיתוך פ " עprint_ecg_hrv_ver3.m - המטריצות שנוצרות ב

.figures-הצגת המבוקש בכותרות ה(המבוקש

print_one_extremum.m

-שנוצר ב( כולל ווקטור הזמן RRהדפסה סופית של אות RL2RRI.m(

printRRIvsTime.m 6

RR RL2RRI.m 7-יצירת ווקטור הזמן עבור אות ה

RL Rr_add.m 8- לאות הRRהוספת מיקום

RL Rr_del.m 9- לאות הRRהורדת מיקום

RL Rr_mv.m 10- לאות הRRהזזת מיקום

באמצעות העלמת שתי נקודות קיצון סמוכות RRIתיקון אות קודות כאלו יכולות להיווצר רק כתוצאה נ. והפוכות קיטוביות

היות ותופעה אינה יכולה להיות RRממיקום מוטה של נקודת .באופן טבעי

smoothing.m

:תהליך עבודת תיקון אות

ECG+RL-טעינת המבנה המכיל את אות הומי ג גרף הנקודה הספציפית את מיק"סימון ע[ � [מציאת נקודות סיכון וגרף נפרד לכל נקודה]2

י "שמירת תוצאה ע] � [ תוצאת התיקון הספציפילבחינת] 5 � [פ הנדרש"ע]�1/8/9/10 ]ההזזות

6 � �7 ג האות הסופי"ע[]�11 [וחוזר חלילה עד לקבלת אות תקין] 9 � [עדכון המבנה המקורי

הגרפי העיקריMatlabמדריך משתמש בכלי 15.2

כללי 15.2.1

או על ECG-את פעולות עיבוד רבות על אות ה מאפשר קריMatlabכלי העיבוד הממומש באמצעות ' לאחר סגמנטציה וכוRRI או RRIאותות שונים הנגזרים ממנו במהלך העיבוד כגון

תהליכים הממומשים על האות הארוך : תהליכי העיבוד האפשריים מחולקים לשתי קבוצות נפרדות .ותהליכים הממומשים על כל סגמנט בנפרד

:ם בכליהתהליכים העיקריים שקיימי). wavelet transform-נגזרות ו, מקסימום מקומי: שיטות שונות אפשריות (QRSמציאת קומפלקס

.RRIויצירת אות

, Rמחיקה והזזה של קווי , הוספה: ואפשרות ידנית לתיקונוRRI-בחינת האות לפני ואחרי הפקת אות ה ).מחיקת קטעים בעייתיים ועוד

. ועודAR apectrogram ,FFT ,dXY: ביצוע התמרות שונות

בכלי העיבוד המרכזי טעינת המידע ושמירתו הומרו משמות קבצים קבועים אל פעולות דינאמיות בהן כך מתאפשרת קליטה אוטומטית של , המשתמש בוחר את הספריות ושמות הקבצים הספציפיים לכל הרצה

כך . וך כדי פעולת המערכתפ שם הספרייה והתאמת התוצאות לכל נבדק נעשית מיידית ת"שם הנבדק ע .מתאפשרת ביעילות הפעלת הכלים החיצוניים המפורטים לעיל במשולב

התהליכים . לתוך הכלי העיקרי שלעיל" הושתל"נכתב כלי נוסף שנועד לתת מענה ברמת הסגמנט ש

:המבוצעים בכלי זה

אות העיבוד הנפרד י חלוקתם לקטעים ושילוב תוצ"הרחבת האפשרות של קריאת נתונים ארוכים מאוד ע .וכן של שמירה וקריאת נתונים בשלבי העיבוד השונים. המבוצע על כל קטע

. בשלב הראשון סגמנטציה זו מבוססת בעיקר על שינויי עוצמת האותHRV-ביצוע סגמנטציה על אות ה

כאשר קיימות אפשרויות רבות של מעבר בין, שנועדה לאפשר בחינת כל סגמנט בנפרדתתצוגה גראפיסגמנטים שונים ובין קטעים שונים וכן מעבר מנקודה ספציפית באות הארוך אל תצוגת הסגמנט הספציפי

ניתן להציג התמרות שונות עבור כל סגמנט בנפרד ולעבור בין תמונת ההתמרות . המכיל את אותה הנקודה .ועוד. השונות של כל סגמנט

.נט בנפרדמימוש התמרות שונות הממומשות מטריציונית על כל סגמ

ניתוח תוצאות גורף על פני כל הסגמנטים מעקב אחר השתנות אורכי הסגמנטים עוצמתם הספקטרום . שלהם ועוד

15.3 ECG-HRV Analysis Main Matlab Tool, User Manual

Main Path

Activation (Opening ECG analysis Main tool):

• Go to working directory and execute:

>>cd 'C:\Thesis\MatECG\ECGRR'

>> ecg

This will activate the operation: <init>

Load Source PrePrepared Data (ECG+RL) First is required to prepare the Data in Matlab Ver6 “*.mat” format.

The loaded file supposes to have the structure: Error! Objects cannot be created

from editing field codes.

• The file is interactive loaded using the LoadParam button:

This Activates the routines: <LoadParameters>, <ClearDat>

• This will enable the selecting input file. Choose the input file with the struct

described above:

o Selecting the file: < fname = ecgin_FSrr_v6.mat >

o From the path: < pname = C:\Thesis\MatECG\ECGRR\Work\PTSD4\

The results are

ECG (& RR) loaded from filename: ecgin_FSrr_v6.mat…

[@:"C:\Thesis\MatECG\ECGRR\Work\PTSD4\" ]

With: < Dat_len = [ 11247658 1 ] >, < RL_len = [ 1 118384 ] >

Viewing the signal

• Select mode to view: {[ECG Disp], [R-R Disp]}

• Select Scaling mode: {x10,+,-,-x10,all}

o For example View-All activates the routines:

� <selectall>, <PreDraw>, <createFigure>, <DisplayEcg>,

<RR_display_only>, <draw> �

The results are

o ECG DISP: Display of ECG signal with R points location upon.

o R-R DISP: Display HRV signal

� With: < xl = [ 1 118383 ] >

All Signal Basic Analysis

• Select Analysis mode to activation over all the signal as one part:

{[AR(lpc)], [AR Spectrogram],[FFT spectrogram], dXY, d([n-1][n-2])}

• < Analysis Button > � With: < AnalysisType = LPC > 153

Results:

< PrepareRR > AverageRR = 0.7422

< AnalyzeAndPlot >

< DispFqRangesPower >

< got back from RRA >

� With: < AnalysisType =ARSpegam > Results:

< AnalyzeAndPlot > [ans = 512 2465 ]

� With: < AnalysisType = ARSpegam >

Results:

< AnalyzeAndPlot > [ans = 512 2465 ]

� With: < AnalysisType = FFTSpecg >

Results:

< AnalyzeAndPlot > [f = 0.6737]

� With: < AnalysisType = dXY >

� With: < AnalysisType = dm1m2>

Results:

< AnalyzeAndPlot > [ q = 40402 27685 22608 27686 ]

[ q = 34.1288 23.3864 19.0977 23.3872]

< got back from RRA >

� < SaveParameters > Results:

� ECG (&RR) saved to filename: Params [ @:

"C:\Thesis\MatECG\ECGRR\Results\PTSD4\" ]

� end of save source variables in the ECG only format

RR Analysis

• From <menu R-R>: Select: o < Part_HRV_Calc>

Results:

loading: [RL]= 118384, [Dat]= 0

Finish the part R-R (HRV) calcularion; out of RL(place of the R-R ditection

o < HRV_Segmentaion > Results:

[InLnth = 118380] 154

[ans = 5939 454]

[ans = 1 454]

• R-R FUll Segmentation is successfully done

o < HDFA_Algorithm >

<Start DFA Operation> Results:

[Alpha_dfa2 = 0.7337] + Chart

DFA operation is successfully done and result saved to a mat file,

The saved file should be moved to relevant candidate. >> R-R Segmentation Window

Open window by:

• From <menu ECG>: Select: (P.S.: this feature supposed to be in menu R-R)

o < Display full segmentation > Results:

New Window: R-R segmentation is open

15.3.1 Segmentation Analyze

Two operationally modes:

1. Short Analysis: Each segment separately

2. Long Analysis: Combine all segment results together to one global

• Short Analysis:

o <menu PROC!!>:

� RR Interval(HRV) Calculation – Prepare

� AR (LPC) Analysis � Dm1m2 Analysis

This activates the next routines:

• <DisplayFullSegment>

• <HRV_Calculation>

• <Seg_LPC_Analysis> Results:

Display in each Segment the relevant required result, and scrolling with

SegNext/SegPrev buttons. Mark all will display for each segment all its result (3

charts)

{LPC_H_matLong: [512x454 double]}, {[LPC_AH_matLong:[512x454 double]},

{LPC_f_matLong: [512x454 double]}

• Long Analysis: o <Option Select>:

� Select <SegsVar>, <AR(LPC)>, <Dm1m2>

� <AnalysisLongRes> button This activates the next routines:

� <Seg_LPC_Plot>

� <DispFqRangesPower>

� <Seg_dm1m2_Analysis> 155

� <Seg_dm1m2_Plot> And also routines in scrolling between segments, for example next:

� DisplayNextFullSegment

� Seg_dm1m2_Plot Results:

Are asked to be saved during operation

Post Processing – Printing results separately outside from the tool

Go to directory:

<c:\Thesis\MatECG\ECGRR\Results\Processing_print\>

Activates:

• Post_proc – To prepare the three results: Amp+LPC+Dm1m2 to one long

structure for compatibility to the "print_one_long_analysis.m" requireds.

• print_one_long_analysis.m – Using the tool segmentation data Display

Amplitude segmentations Length, Spectrogram and Dm1m2. The program

asks online for the saved file from the tool the file default name is

LongAnalysis. The script looks for the structure name of the directory name.

Some time the name is too long and should be corrected

• print_multi_long_analysis.m – Same as print_one_long_analysis just for a

few examinees in a row and display in the same figure.

כלי עיבוד האותות המרכזי 15.3.3

).MexFileבאמצעות שיטת (C ומשלבות גם הרצת תוכניות Matlabמערך של תוכניות המבוססות .(data base tree)באמצעותו ממשים את תהליך המחקר ובונים את עץ הנתונים של המחקר

שעות ייוצרו מערך 24 לא נועד להתמודד עם אותות ארוכים של 15.2 היות והכלי הגרפי המתואר בסעיף .8 י שמפורט בסעיף כלים המבצע את כל תהליך העיבוד כפ

מדריך למשתמש, DFAתוכנית לבחינת 15.4 הקדמה 15.4.1

חלוקת - (time scalingהמבוססות על , אחת הטכניקות המאפשרת להפיק מידע מיתוך דינאמיות האות Detrendedקרויה Self-Similarityוהנובעת מעיקרון ) האות למקטעים שונים בתחום הזמן

Fluctuation Analysis (DFA) . באמצעות טכניקה זו ניתן לאבחןself-similarity בסדרה בזמן שהיא פירוט העיקרון . באותתלא סטציונארית ללא השפעות הורסות כתוצאה מנקודות אי רגולאריו

0 : האלגוריתמי מופיע בסעיף

.עיקרון, האלגוריתםמימוש 15.4.2

6.7.3 : פ פירוט הטכניקה כפי שמתואר בסעיף"מימוש האלגוריתם ע

אינטגרציית הסדרה בזמן בהפחתת הממוצע , ”detrended signal“ אות הבסיס לניתוח הינו :שלב א

:הכללי של האות

[ ]Nk ,...,1= ∑=

))(()( ττ

. הוא ממוצע הבסדרהτו , בסדרהi- הוא אורך הנתון הτ(i)כאשר

: שהתקבלה בשלב אY(k) של ערכי הסדרה scaling - תהליך מציאת מאפייני ה:שלב ב

)int/( -חלוקת האות ל - nNNn .n חלונות לא חופפים באורכים שווים=

Pν(k)- המסומן כLeast Square Line המקומי נעשה באמצעות local trend-עבור כל חלון מציאת ה - . ν=1,…,Nn: עבור כל אחד מהחלונות

- מציאת השונות נעשית באמצעות חישוב האות ללא ה, n החלונות באורך Nn - בכל אחד מ:שלב ג

Local Trend) detrend (י חיסור "עPν(k) מערכי הסדרה Y(k) ,באופן הבא:

−+−=n

kPknYn

22 )]())1(([1

)( ννν

-n) “time נוסחת התנודתיות של האות כולו עבור אות המחולק באמצעות חלון באורך :שלב ד

scale”=n (היא מיצוע השונות המתקבלת עבור כל חלון בנפרד:

ν for window length Detrended Fluctuation Function

יש לבצע את שלבי החישוב הללו עבור תחום nלבין אורך החלון F(n)בכדי למצוא את היחסיות בין יעלה ככל F(n)אופייני שערכו של , F(n)כך מתקבלים רצף של ערכי . (time-scales)של אורכי חלון

:כלומר, אורך החלון גדל -nשגודלו של α

nnF ∝)(

שיפוע הגרף , באותself-similarityל מצביע על בגרף לוגריתמי כפוn לבין F(n)יחס ליניארי בין ערכי ).DFA-כפי שתואר לעיל במשמעות ה (Self Similarity :α -הליניארי המתקבל מגדיר את פרמטר ה

מימוש האלגוריתם 15.4.3

כללי 15.4.3.1י סביבת ממשק " עMatlab בהתאמה מלאה להפעלתו באמצעות סביבת Cהאלגוריתם ממומש בשפת

Matlab-Cהמבוססת על כלי ה -Mexfile של ה - Matlab ,כלי המאפשר יצירת .כולל מבנה ההדפסותgateway להפעלת תוכניות בשפת C תחת סביבת Matlab . התוצאה הסופית של כלי זה היא יצירת

כך המשתמש מתאים את הפעלת . Matlab-אותו אפשר להריץ כפקודה מיתוך ה) dll(קובץ הרצה .Matlab-תוח האות בהפעלות כלים נוספים לסביבת ההאלגוריתם לצרכיו מבלי צורך במהלך ני

מבנה המימוש 15.4.3.2

:כניסותInput_ptr :התוכנית מקבלת מצביע לווקטור כניסה המכיל את המידע עליו מבוצע חישוב ה-DFA.

N :מספר האיברים בווקטור המידע. Printer_flag : לבחירת אופן הדפסות מהלך הריצה.

:יציאותdfa_dat_out_ptr : וצאת חישוב הת-DFA

dfa_wsize_out_ptr : מ לבצע את החישוב"אורכי חלונות שונים שנדרשו ע. Nbox: מספר אורכי החלונות)wsize.(

:פ מבנה הקבצים העיקריים"תיאור מבנה התוכנית ע

• Hdfa – ה-mainמעטפת התוכנית, הכללי.

• Hdfa_init –אתחול המערכת :

.ממשק נתוני כניסה � .הנתונים הכלליבניית מבנה �בהתאמה להצגת התוצאות בסקלה , בניית ווקטור אורכי החלונות הבסיסי �

.לוגריתמית דו ממדית

• Hdfa_core –מימוש משוואת הבסיס של ה -DFA 2)( למציאת νFn כפי שתוארה לעיל

ך החלון החישוב מבוצע על גבי כל מערך נתוני הכניסה המחולקים לפי אור. בפירוט העיקרון לשם החישוב נקראת תוכנית למציאת .לכל חלון בסיסי מחושבת המשוואה בנפרד. הבסיסי

Least Square Line.

• Hdfa_res_disp – תוצאת החישוב– ממשק והדפסת נתוני מוצא .

16 References

Books B1. Proakis J. P., Manolakis D. G. (1996): ‘Digital Signal Processing’.

B2. Bezdek J. C. and Pal, S. K. (1992) ‘Fuzzy models for fuzzy recognition’

B3. Porat B., ‘Digital Processing of Random Signals, Theory & methods’

B4. Thibodeau G. A., and Patton K. T., ‘Anatomy & Pysiology’.

B5. Plonsey R., and Barr R. C., ‘Bioelectricity : a quantitative approach’

B6. Diggle P. J., ‘Time series : a biostatistical introduction’

B7. Kazakos D., Papantoni-Kazakos P., ‘Detection and estimation‘

B8. Sophocles J., ‘Optimum signal processing: an introduction Orfanidis’

Articles A1. A.Geva A. B. (1998): ‘Feature extraction and state identification in biomedical

signals sing hierarchical fuzzy clustering’.

A2. Geva, A. G., and Pratt, H. (1994): ‘Unsupervised clustering and evoked

potentials by waveform,’ Med. Biol. Eng. Comput.

A3. Geva, A. B., and Keren ,D. H. (1998): ‘Forecasting Generalized Epileptic

Seizures from the EEG Signal by Wavelet Analysis and Dynamic Unsupervised

Fuzzy Clustering’

A4. Davrath L. R., and Goren Y., and Pinhas I. and Toledo E. and Akselrod S.

(2003): ‘Early autonomic malfunction in normotensive individuals with genetic

predisposition to essential hypertension’

A5. Neumann T., and Post H., and Ganz R. E., and Walz M. K., and Skyschally A.,

Schultz R., and Heusch G. (2001): ‘Linear and non-linear dynamics of heart rate

variability in brean dead organ donors’

A6. Naidu V.P.S., and Reddy M.R.S. (2003): ‘Autoregressive (AR) based power

spectral Analysis of Heart Rate Time Series signals (HRTS signal)

A7. Moody GB (2001): ‘Spectral Analysis of heart rate without resampling’,

Harvard-M.I.T.

A8. Cohen H., Kotlet M., Mata M.A., Kaplan Z., Miodownik H., Cassuto Y.,

(1997): ‘Power Spectral Analysis of Heart Rate Variability in Posttraumatic

Stress Disorder petients’

A9. Cohen H., Benjamin J., Geva A. B., Matar M. A., Kaplan Z., Kotler M. (2000):

Autonomic dysregulation in panic disorder and in post-traumatic stress disorder:

application of power spectrum analysis of heart rate variability at rest and in

response to recollection of trauma or panic attacks’

A10. Cohen H., Kaplan Z., Kotler M., Mittelman I., Osher Y. and Bersudsky

Y.,(2003): ‘Impaired heart rate variability in euthymic bipolar patients’

A11. Pyetan E., Akselrod S.,(2003): Do the high-frequency indexes of HRV provide

a faithful assessment of cardiac vagal tone? A critical theoretical evaluation.

A12. Haapaniemi T. H., Pursiainen V., Korpelainen J. T., Huikuri H. V., Sotaniemi

K. A., Myllylä V. V., (2001): ‘Ambulatory ECG and analysis of heart rate

variability in Parkinson’s disease’

A13. Pyetan E., Toledo E., Zoran O., Akselrod S.,(2003): ‘Parametric description of

cardiac vagal control.’

A14. Penzel T., Kantelhardt J. W., Grote L., Peter J-H., Bunde A. (2003):

‘Comparison of deterended Fluctuation Analysis and Spectra Analysis for heart

rate variability in Sleep and Sleep Apnea’.

A15. Kantelhardt J. W., Koscielny-Band E., Rego H. H. A., Havlin S., Bunde A.,

(2001): ‘Detecting Long-Range Correlations with Detrended Fluctuation

Analysis’.

A16. Echeverr J. C., Woolfson M. S., Crowe J. A., Hayes-Gill B. R., Croaker G. D. H., Vyas H., (2004): ‘Interpretation of heart rate variability via detrended fluctuation analysis

and αβ filter’

A17. Goldberger A. L., Amaral L. A. N., Hausdorff J. M., Ivanov P., Peng C-K,

(2002): ‘Fractal dynamics in physiology: Alterations with disease and aging’.

A18. Penzel T., Conradt R. (2000): ‘Computer based sleep recording and analysis’.

A19. Task forceof the European Society of Cardiology and the North American

Society of Pacing and Electrophysiology (1996): ‘Heart rate variability

Standards of measurement, physiological interpretation, and clinical use’.

A20. JE Mietus JE., Peng C-K, Ivanov P., Goldberger A. (2000): ‘Detection of

Obstructive Sleep Apnea from cardiac Interbeat Interval Time series’. Comp. in

A21. Contreras P., Canetti R., Migliaro E. R., (2002): ‘Correlations between

frequency-domain HRV indices and lagged Poincaré plot width in healthy and

diabetic subjects ’

A22. Lerma C., Infante O., Pérez H., Marco V., (2003): ‘Poincaré plot indexes of

heart rate variability capture dynamic adaptations after haemodialysis in chronic

renal failure patients’

A23. Brennan M., Palaniswami M., Kamen P., (2001): “Do existing measures of

Poincare plot geometry reflect nonlinearfeatures of heart rate variability?”

A24. Zhu K., Noakes P. D., ‘ ECG Monitoring with artificial neural networks’.

A25. Pillar G., Malhotra A., Peretz L., ‘Post-Traumatic stress disorder and sleep –

what a nightmare!’

A26. Abonyi J., Feil B., Nemeth S., Arva P. (2004): ‘Modified Gath-Geva Clustering

for Fuzzy Segmentation of Mutivariate Time-series’

A27. Zhangyong L., Biao L., Zhengxiang X. (2005): ‘Extracting and analyzing sub-

signals in heart rate variability’

A28. Hyvärinen A., Oja E. (2000): ‘Independence component Analisys: Algorithms

and Applications’

A29. Clfford G.D., Tarassenko L. (2004): ‘Segmenting Cardiac –related data using

sleep stages increases separation between normal subjects apnoeic patients’

A30. Hopper J. W., Spinazzola J., Simpson W.B., Van Der Kolk B. A. (2004):

‘Preliminary evidence of parasympathetic influence on basal heart rate in

posttraumatic stress disorder’

A31. Orr SP, Metzger LJ, Pitman RK. (2002): ‘Psychophisiology of post-traumatic

stress disorder.’

A32. Elsesser K., Sartory G., Tackenberg A. (2005): ‘Initial Symptoms and Reactions

to Trauma-Related stimuli and the development of Posttraumatic Dtress

Disorder’

A33. Takase B., Akima T., Satomura K., Ohsuzu F., Mastui T., Ishihara M., Kurita

A. (2004): Day-to-day variability of long-term fractal component of heart

variability (β) and the effect of an anginal agent in patients with silent

myocardial ischemia 160

A34. Friesen, G.M.; Jannett, T.C.; Jadallah, M.A.; Yates, S.L. Nagle, H.T. (1990): "A

comparison of the noise sensitivity of nine QRS detection algorithms,"

A35. Cohen A., Zigel, Y.; (1998): ‘ECG Signal Compression’

A36. Halfon R., Ram D.; (2004): ‘a comparison of QRS Detection Algorithms’

A37. Hotta N., Otsuka K. Murakami S., Nishinaga M., Cornélissen G., Halberg F.,

(2005): ‘Fractal analisys of heart rate variability and mortality in elderly

community-dwelling people – Longitudinal Investigation for the Longevity and

Aging in Hokkaido County (LILAC) study.’

A38. Cohen A., Kam A; (2000): ‘Blind Source Seperation with application to ECG

processing’

17 Abstract

17.1 General – Goals

This research avaluate a new study method in the field of Electrocardiogram

(ECG) signal of Post Trauma Stress Disorder (PTSD) study. Due to the

comprehensive changes that have been made in gathering and analyzing

information, it is the first time that research of PTSD’s ECG signals has been

changed from short term source signal to 24 hour long term signals.

The main focus in this research is the differences between patients in a sleep state to

wake state. We expect this study to be the trigger for new analysis methods, based on

long term PTSD’s ECG research, with a variety of different sleep stages and even

awake stages resolutions. Higher resolution accuracy can be reached by making use of

polysomnograms, although the financial constraints demand that the final diagnosis

depends exclusively on ECG signals.

There are two main research goals:

17.1.1 Main Goal

Previous studies have shown the close connection between the Autonomic Nervous

System (ANS) and the heart’s functionality. Especially notable is the connection

between the ANS and the Heart Rate Variability (HRV).

The main goal of this research is to study the abnormality of the Sympato -Vagal

influence on the HRV of PTSD patients by making use of ECG signals. The research

focus is the investigation of the differences between HRV of the PTSD group

compared to that of the control group. These differences enable the diagnosis of the

deficiency of the ANS control of the PTSD group

17.1.2 Secondary Goal

A secondary goal is to deepen the awareness of the symptoms of PTSD, arising

mainly from the Sleep / Awake results. The goal here is to clearly identify the PTSD

problem source. The comparison of the Sleep / Awake period will allow us to

conclude whether the source of the ANS abnormality (in PTSD) is emotional or

physical. 162

17.2 Research Principle

The focus in this study is the analysis of long term ECG signals. These signals are

measured during a full 24-hour period. The goal is to build a model that extracts the

features to diagnose the PTSD – ECG signal by identifying the Autonomic Nervous

System (ANS) control abnormalities.

The basic research signal is Heart Rate Variability (HRV) that is derived from the

RR-Interval (RRI) signal. This signal variability reflects the ANS System activity, so

that it’s possible from that to analysis the required vagal activations.

17.2.1 The Research Process

There are four main stages:

• First stage: Recording of ECG input signal and the creation of an HRV signal

to serve as the basic signal of all the research to form the following analysis.

The Holter device is used to take recordings over a 24 hour period of four

PTSD patients. Parallel recordings were made of the Control Group. (Ages of

all Subjects are between 20 to 50 years).

• Second Stage: The filtering of signals and creation of the basic variety of

signal structures for future DSP analysis. The Data-Base includes all the

signals and its different partitioned structures is the main source for all the

future algorithm analysis.

• Third Stage: Activation of Main Analysis algorithms, for each subject

separately over the Basic Data-Base. This algorithm analysis activation is

done in two stages:

1. Basic operations, like Histogram and Spectrum analysis.

2. “Second order” operations, like DFA and Dm1m2.

• Fourth stage: Comparison of results between each subject in the Control and

PTSD groups.

17.3 Results and Conclusions

Most of the diagnostic conclusions were achieved via the analysis described below.

The analysis was performed over the Entire signal, Sleep signal and Awake signal

separately and in comparison.

• Fractal analysis by DFA algorithms and long term correlation.

• Dm1m2 signal display (this section also refers to activation over long and

short segments separately).

• Variance ratio between sleep to wake periods.

• Spectral analysis with emphases over variant of the low and high spectral

bands.

Mainly accordingly to those results we concludes that there are differences between

the wake and sleep signals analysis of each group (PTSD and Healthy). Those

differences that allow the required diagnose are emphases in features like: Long Term

correlation, Variability, Signals slopes and the Spectral power.

Those results lead to the conclusions that describe below:

• The Sympathetic system dominant affective is constantly high during sleep

and wake period for the PTSD group, relatively to the Healthy group that has

less Sympathetic dominant effective that is also reducing through the sleep

period. Appropriately the Vagal influence of the PTSD group is (almost)

constantly low and not increment during the sleep portion as in the Healthy

subjects, this cause to reduce the signal dynamic. Those results emphases that

the PTSD subject are in a state of constant stress. This stress situation isn’t

allowing them to reach a full relaxation as the Healthy subjects do.

• The Sympato-Vagal modulation Rate change between sleep and wake in

PTSD subjects relative to Healthy subjects.

• Higher signal variability dynamic range between sleep and wake states of the

PTSD subjects relatively to the Healthy signals variability.

• The PTSD Sympato-Vagal influence abnormality is more dominant in the

sleep portion. So most of the patient’s abnormality source is more

physiologically influenced than mentally influenced. The assumption is that

both options are possible for different patients.

17.4 Next continue research

This primary study to diagnose PTSD illness only by there ECG measurement

designed to open a new research path. It shows methods that allow to distinct between

PTSD illness group to a control group only with ECG signal is possible. Though,

currently this research is based on a small sample space. This research concludes

required wider sample space to makes them a clinical instrument.

Future studies can specifically verify the correctness the methods developed here to

diagnose PTSD over its ECg signal and generally the Sympato-Vagal influences.

This research emphasis is the differences between sleep and wake portions and

derived from that more information regards the PTSD source to be more

physiologically influenced than mentally influenced. This primary research path

“open a window” to a future better understanding of the PTSD source.

This research succeeds to show that partitioning the analysis signal to periods of wake

and sleep succeed to “sharpen” and emphasis the differences between PTSD to

Healthy subjects. In future reset it seems that higher sleep stages resolution and even

partitioning to wake stages (typical wake stages) can enlarge the diagnosed process

accuracy.

Some results for some parameters showed that the PTSD group isn’t homogeneous

and that the PTSD illness can be separately to a few sub-groups. Big amount of

examinee future studies will require also multi dimension clustering to an unknown

number of sub-groups.

Ben-Gurion University of the Negev

Faculty of Engineering Science Biomedical Engineering Department

Time versus frequency

domain techniques of ECG

signal for diagnostic and

forecasting Sympato-Vagal

abnormality regulation for

PTSD illness

Thesis submitted in partial fulfillment of the

Requirements for the M.Sc. Degree

By: Haim Rizi

Supervised by:

Prof. Geva Amir, Ben-Gurion University

Prof. Cohen Hagit, Ben-Gurion University

August 2007

ק. ג אות א של חקירת זמן תדר נורמאליות אב לאבחון וחיזוי

Documents

Transcript of ק. ג אות א של חקירת זמן תדר נורמאליות אב לאבחון וחיזוי

קשיי סטודנטים בפענוח משמעויותיהן של מילות קישור פוליסמיות ואחרות

ג'נטריפיקציה ? ירושלים של מעלה בקעה של מטה, והגירה גבוהה בשכונת ...

רגעים של לסביות ייצוגים של לסביות בתרבות הוויזואלית הפופולרית ...

א ل א ل - ﻟﻼﻣﺎﻡ ﺍﳊﺎﻓﻂ ﺃﰊ ﺃﲪﺪ ﻋﺒﺪ ﺍﷲ ﺑﻦ ﻋﺪﻱ ﺍﳉﺮﺟﺎﱐ - elibrary

משחקים של פעם, 60 שנות משחק

שובו של לאמארק

חומר המלא לחידון ציונות שלב א - אמית בר אילן - תשעה

הלכה א פרק א , והכוסמין , והשעורין , החיטים . חמשה דברים חייבין בחלה

תכתובת בנושאי הספר " הרפובליקה השניה של ישראל ," הבחירות של ...

s , מ א ל דרעסםאמרץלאז, און - eCommons@Cornell

מעמדו של הקיטש באמנות הישראלית העכשווית: הופעתו בעבודתם של ...

גלגולו של ניגון: ה'תחיה' וה'פתטית' בזמר העברי

ארץ ישראל בהגותו של הרב שמואל מוהליבר

רבקה שץ אוטונומיה של הרוח ותורת משה

יחסה של האגדה אל ההלכה - ישיבת מקור חיים

מאגדה להלכה: לגלגוליה של סוגיית מצהב"ע

"הפירוש האנונימי ל"אלפא-ביתא דמטטרון" : חיבור נוסף של ר’ נחמיה בן שלמה הנביא", תרביץ עו, א-ב (תשסז) 255-264

הדרג הצבאי והדרג המדיני - האתיקה של הממשק

האיקונוגרפיה של ביאת המשיח באמנות הישראלית ומאפייניה התיאולגיים והפוליטיים

פרוטוקול החלטה ח' כסלו תשפ;quot&א - 24/11/2020 תאריך ועדה ... - NET