目的：心肺耦合或心肺交互作用是指心血管循环系统与呼吸系统之间内在的协调机制及其相互作用”’。相对于单变量分析技术如心率变异性分析(Heart Rate Variability:HRV)技术等,心肺耦合分析能反映心肺系统之间的作用关系和耦合强度,可以为人体健康状态的量化表达提供一个新的视角。本文主要研究了心肺耦合的生理现象及其作用规律,并发展了量化心肺耦合强度的方法。方法：首先设计渐进性引导呼吸实验,受试者跟随设定好的呼吸引导模板和引导音乐进行渐进性低频节律性的呼吸运动,呼吸率依次从14次/分—12.5次/分—11次/分—9.5次/分—8次/分—7次/分,采集实验过程中的心肺生理信号进行分析,用经验模态分解的方法提取脉搏波传导时间(pulse transit time, PTT)的基线成分和幅度成分,分析其在渐进性引导呼吸过程中的变化规律,并对各个引导呼吸率下的收缩压、舒张压和平均压进行统计分析；之后基于AR模型的频域方法分析引导呼吸过程中的心率变异性,其中用最终预测误差最小准则来计算AR模型最佳阶数,并对残差序列进行白化检测来验证选择的最佳阶数的合理性；最后为量化渐进性引导呼吸过程中的心肺协调性,采用基于相干性和互功率谱的心肺耦合分析方法进行计算。由于同时测量心电和呼吸信号进行心肺耦合分析并不方便,为提高基于心电中导出的呼吸信号(ECG-Di rived Respiration, EDR)与心电的RR间期信号进行心肺耦合分析的准确性,对原始EDR信号进行自适应滤波获得增强的EDR信号用于心肺耦合分析。用physionet网站上Fantasia数据库的心电和呼吸数据来验证自适应滤波对于提高基于单导ECG的心肺耦合分析的准确性是否有效,先求得增强的EDR序列和RR间期序列的相干性和互功率谱平方的乘积即心肺耦合值,然后对每个时间窗内各个频段的最大心肺耦合值及其相应的频率,与直接使用真实呼吸和原始EDR信号进行心肺耦合分析获得的各个频段的结果进行比较。最后对睡眠呼吸暂停综合症数据库(Apnea ECG Database)整夜的睡眠心电数据进行心肺耦合分析.基于各个频段的心肺耦合值进行睡眠分期和睡眠呼吸事件检测。结果：在进性引导呼吸过程中,脉搏波传导时间的基线从197.2±7.6增加到201.7±7.4,PTT的延长与血压变化呈负相关关系,该结果与实际采集的血压变化(收缩压从124.46±12.79到117.93±13.42)的结果一致,且引导呼吸开始前与引导呼吸结束后的血压之间的差异有统计学意义(p<0.05)。同时随着呼吸的减慢加深,基于AR模型的功率谱分析计算得到的呼吸性类性心律不齐(RSA, Respiration sinus arrhythmia)参数也逐渐增大。渐进性引导呼吸下的心肺耦合分析得到的心肺耦合值也随着呼吸率降低而增大,引导呼吸结束后的心肺耦合值1348109.69明显大于引导呼吸开始前的心肺耦合值109105.77。对Fantasia数据库的心电和呼吸数据进行心肺耦合分析得到各个频段的心肺耦合值,结果显示增强的EDR信号得出的各频段中最大峰值和对应的频率分布,与原始EDR信号分析得到的分布相比更接近基于真实呼吸得到的结果。对睡眠呼吸暂停综合症数据库(Apnea ECG Database)的数据用增强的EDR序列和RR间期序列进行心肺耦合分析,根据各个频带的心肺耦合值得出的睡眠呼吸暂停事件的标示结果与依据真实呼吸的标示相一致。结论：结果表明渐进性引导呼吸通过心血管反射调节,可以起到延长脉搏波传导时间,降低系统血压的作用,同时呼吸性窦性心律不齐也增大,通过分析渐进性引导呼吸过程中的心肺耦合指标,也表明引导呼吸对心肺生理协调性产生了有益的调节。对Fantasia数据库的心电和呼吸数据进行的分析,也验证了自适应滤波增强EDR信号用于心肺耦合分析,与原始EDR信号相比更为准确。对睡眠呼吸暂停综合征患者夜间睡眠的数据,基于增强的EDR信号和RR间期序列进行心肺耦合分析得到不同频段的心肺耦合值,用各个频带的心肺耦合值和它们之间的比例等其他与睡眠信息相关的参数,来进行睡眠分期和睡眠呼吸事件的检测,能得到与依据真实呼吸的标示相一致的结果。讨论：基于自适应滤波来增强EDR信号,这种方法针对不同年龄段的样本或是睡眠呼吸障碍患者是否都能有效提高心肺耦合分析的准确性,有待于进行大样本的分析验证,而基于增强的EDR信号得到的心肺耦合值进行睡眠呼吸事件和睡眠分期的判别阂值,是否与基于真实呼吸或原始EDR的心肺耦合分析的判别标准是一致的.也有待于进一步探索。