python使用Poincare Plot进行HRV非线性分析

介绍：

Poincare Plot是HRV非线性分析的一种方法。对于一段连续的心跳间隔，将第i个心跳间隔作为横坐标，第(i+1)个心跳间隔作为纵坐标，在二维平面可以画出如下图形。这些点的分布可以近似为椭圆，椭圆的中心位于(x轴心跳间隔平均值，y轴心跳间隔平均值)确定的坐标点，椭圆的半长轴和半短轴分别为SD1和SD2。

算法推导：

从上图可以看到，SD1和SD2分别由数据点沿着y=x和y=−x+2∗RRI两条直线的离散程度决定，即在这两个方向上数据的方差决定。这样，对原始坐标轴做逆时针45°旋转，旋转后的坐标系中X′方向和Y′方向的数据标准差就是SD1与SD2。

根据线性代数，旋转坐标系相当于对原坐标系下任意一点P(x,y)，右乘一个如下的矩阵，

记新坐标系下P的坐标为(x′,y′)，

python代码实现：

import numpy as np
import wfdb
import QRSdetectModule
import matplotlib.pyplot as plt

record = wfdb.rdrecord('./test/' + '46', sampfrom=0, smooth_frames=True, ignore_skew=False)
data = record.p_signal[3220114:3295114, 0]

NN1 = []
_, xpeak1, _ = QRSdetectModule.qrs_detector(data, 250)
for i in range(len(xpeak1) - 1):
    NN1.append(xpeak1[i + 1] - xpeak1[i])

SD1 = []
SD2 = []
for i1 in range(len(NN1)-1):
    SD1.append(NN1[i1+1]-NN1[i1])
    SD2.append(NN1[i1+1]+NN1[i1])

for i2 in range(len(NN1)-2):
    plt.plot(NN1[i2], NN1[i2+1], color='b', markerfacecolor='red', marker='o')
plt.legend()
plt.show()

ST1 = np.std(SD1)/np.sqrt(2)
ST2 = np.std(SD2)/np.sqrt(2)

print('-----------------------------')

record1 = wfdb.rdrecord('./test/' + '19830', sampfrom=0, smooth_frames=True, ignore_skew=False)
data1 = record1.p_signal[10000:85000, 0]

NN2 = []
_, xpeak2, _ = QRSdetectModule.qrs_detector(data1, 128)
for j in range(len(xpeak2) - 1):
    NN2.append(xpeak2[j + 1] - xpeak2[j])

SSD1 = []
SSD2 = []
for j1 in range(len(NN2)-2):
    SSD1.append(NN2[j1+1]-NN2[j1])
    SSD2.append(NN2[j1+1]+NN2[j1])

for j2 in range(len(NN2)-2):
    plt.plot(NN2[j2], NN2[j2+1], color='r', markerfacecolor='blue', marker='o')
plt.legend()
plt.show()

SST1 = np.std(SSD1)/np.sqrt(2)
SST2 = np.std(SSD2)/np.sqrt(2)

运行结果如下：
不规律异常心跳：

正常心跳：