An exercise stress test is an advanced clinical method to diagnose cardiovascular diseases and to as-sess cardiorespiratory functional capacity for the purpose of guiding cardiovascular and pulmonary diagnoses and therapies. In most cases, the exercise test was conducted by either exercise on a treadmill or pedaling a cycle ergometer using maximal or submaximal test protocols. However, because conventional maximal and submaximal test protocols aim to achieve a higher level of heart rate (typically, at least 70 % of heart rate reserved or 85 % of maximum heart rate), it may be difficult to apply these protocols to inactive individuals, such as children and the elderly. Furthermore, the exercise test conducted on inactive people may provide inaccurate and unreliable results because of local muscle (e.g. quadriceps) fatigue during the exercise. To cope with these problems, a new cycle ergometric exercise test protocol equipped with fixed low and mod-erate workloads is proposed. The fixed workloads make the exercise test simple because physicians and exer-cise physiologists do not need an additional measurement to estimate individual’s fitness level to provide proper exercise test workloads. The low and moderate workloads further allow users, even for inexperienced and inactive people, not only to conduct exercise tests safely but also to elicit the cardiovascular autonomic function more clearly. This is basically motivated from the fact that an increased cardiac sympathetic activation is maximized when the heart rate reaches approximately 100 bpm while the parasympathetic tone is virtually diminished at a peak exercise, which is attainable with the proposed exercise test protocol.
Most conventional exercise tests measure the ECG, the heart rate, and the blood pressure, and then derive analyzing parameters, such as one-minute heart rate recovery (HRR) and the percentage of age-adjusted maximum heart rate, to diagnose cardiovascular diseases and to assess the cardiorespiratory fitness level. Although these parameters describe well the linear properties of the cardiovascular system, there is a limit to overall cardiovascular health and cardiorespiratory fitness assessment because the conventional parameters are mostly derived under the assumption of stationarity of the cardiovascular system, while the human cardiovascular system is a complex (deterministic nonlinear) system in nature. Thus nonlinear dynamics, in addition to the conventional linear delineators, are employed to look into the cardiovascular system more clearly from the viewpoint of complex systems. In addition, the photoplethysmogram (PPG) and the pulse transit time (PTT) are further employed to delineate the cardiovascular system because the PPG, the PTT, and their derivatives are significantly correlated with the cardiovascular system and known to be an independent indicator of cardiovascular events, in addition to the conventional ECG, the heart rate, and the blood pressure.
During exercise tests, accurate and reliable physiological feature (R-waves in the ECG, pulse peaks in the PPG, and PTTs in a combination of the ECG and the PPG) extraction is difficult not only because of the intrinsic variability of physiological features, but also because of the respiratory, motion artifacts, and electri-cal interference noises. In particular, real-time feature extraction for small ubiquitous or wearable applications is a more strenuous task because it further requires low computational burden and low memory capacity. To extract R-waves from the noisy ECG waveforms, the modified Pan and Tompkins algorithm with the negative slope sum function (nSSF) and the dual adaptive thresholding scheme is proposed. A new pulse peak detection algorithm using the morphological operators, the slope sum function (SSF), and the dual adaptive thresholding scheme is also proposed to identify the pulse peak locations from the baseline wandering PPG waveforms. In order to cope with over-detected or missed R-waves and pulse peaks, the knowledge-based rules, which utilize the fact that the ECG and the PPG are slowly time varying signals and a difference between two adjacent pulses cannot go beyond a certain range, are designed. In addition, the Gaussian distribution model based PTT estimation algorithm is also proposed. It utilizes the fact that PTTs corrected by each corresponding heartbeat (RR interval) are normally distributed, and thus PTTs can be easily estimated by picking the PPG peak having the maximum Gaussian probability at each cardiac cycle.
Optimum linear regression models assessing cardiovascular health (arterial stiffness and stenosis) and cardiorespiratory fitness are derived using the exercise-induced heart rate variability (HRV), pulse rate varia-bility (PRV), and PTT variability (PTTV) parameters. Candidate predictors are first identified by picking pa-rameters which have a significant correlation (p < 0.05) with arterial stiffness (via the brachial-ankle pulse wave velocity (baPWV)), arterial stenosis (via the ankle-brachial index (ABI)), and cardiorespiratory fitness (via the maximum oxygen uptake ($VO_{2} max$)). The optimum combinations of predictors for each regression equation are respectively determined using the forward selection technique. In particular, exercise-induced nonlinear parameters, in addition to the linear parameters, are applied to improve the prediction accuracy of the baPWV, the ABI, and the $VO_{2} max$. The efficacy and efficiency of each regression model are evaluated on the real dataset using the Bland-Altman plots and the prediction accuracy (via the percentage of error rate).
In conclusion, a new cycle ergometric exercise test protocol, which allows users, even inactive or in-experienced individuals, to conduct the exercise test more safely and conveniently, and physiological feature extraction algorithms, which detect R-waves, pulse peaks, and PTTs accurately from noisy and baseline wan-dering cardiovascular signals, are developed. Exercise-induced cardiovascular variability is used to predict the baPWV, the ABI, and the VO2max more accurately instead of using only the parameters at rest condition. In addition, the feasibility of nonlinear dynamic parameters to delineate intrinsic complex phenomena of the cardiovascular system is demonstrated. It can therefore be concluded that this dissertation develops a new simple, safe, and accurate method to assess cardiovascular health and cardiorespiratory fitness simultaneously using the low-to-moderate cycle ergometric exercise-induced cardiovascular variability. It is expected that the proposed method improves availability and accuracy of the exercise stress test in assessing overall cardiovascular health and cardiorespiratory fitness. It can also be rather easily adopted in ordinary healthcare environments because it is safe and convenient, and can assess cardiovascular health and cardiorespiratory fitness accurately without professional help.
운동부하검사는 운동을 통하여 신체에 스트레스를 가한 후 운동부하에 따른 다양한 생리변수들(심전도, 혈압, 심박수 등)의 반응을 살펴보는 것으로써, 안정상태에서는 잘 나타나지 않는 심혈관계의 이상징후들(ST 분절 상승/하강, 비정상적 혈압 증가/감소 등)과 운동능력을 평가하는 데 사용된다. 임상에서는 허혈성 심장질환, 관상동맥질환, 부정맥, 협심증 등의 심혈관기능을 평가하는 데 널리 사용되고 있으며, 최근에는 심혈관계 질환으로 인한 사망 위험성(cardiovascular morbidity and mortality) 예측, 각종 질환의 치료과정(예후) 평가, 및 개인화된 운동 처방을 위한 기초자료 제공 등의 목적으로 활용되고 있다.
대부분의 기존 운동부하검사 방법들은 트레드밀과 자전거 에르고미터를 이용하여 최대(maximal) 또는 최대하(submaximal) 운동을 실시한 후 운동 전, 운동 중, 운동 후의 생리변수를 측정하여 분석한다. 하지만 최대운동과 최대하운동 검사 프로토콜은 중o고강도의 운동강도를 이용하여 높은 수준의 심박수에 도달하는 것(일반적으로 예비심박수의 70 % 또는 최대심박수의 85 % 수준)을 목표로 하므로 어린이나, 노인, 잠재적 심혈관계 질환자 등에게 적용하기에 위험이 있다. 또한 신체활동이 부족한 피험자를 대상으로 운동부하검사를 실시할 경우 국소 근육(예를 들어, 대퇴사두근)의 피로 등에 의해 측정결과의 정확성과 신뢰성이 저하되는 문제점이 있다. 본 연구에서는 이러한 문제점들을 해결하면서 기존 운동부하검사 방법들이 갖고 있는 임상적 유의성과 활용성을 극대화하기 위한 중o저강도의 운동부하를 갖는 자전거 에르고미터 기반의 새로운 운동부하검사 프로토콜을 제안하였다. 제안한 운동부하검사 프로토콜은 5분간 지속되는 총 6개의 운동 단계(안정단계, 본 운동 단계(4 단계), 회복단계)로 구성되며, 안정단계와 회복단계(0 RPM)를 제외한 본 운동 단계에서는 60 ± 5 RPM의 속도로 페달링을 하도록 고안되었다. 운동부하검사 목적에 따라 심전도(ECG), 맥파(PPG), 혈압(BP), 운동자각도(RPE)를 측정하고, 심전도와 맥파는 운동부하검사 기간 동안 연속적으로 측정하며, 혈압과 운동자각도는 각 세션 종료 1분 전과 15초 전에 측정하도록 설계하였다.
제안한 운동부하검사 프로토콜에서 수집된 심전도와 맥파로부터 심혈관계 건강상태와 심폐체력을 평가하는 데 사용할 3가지의 특징점(심전도의 R-wave, 맥파의 최정점, 맥파전달시간(PTT))을 정의하였다. 잡음이 포함된 심전도부터 정확한 R-wave의 위치 정보를 검출하기 위하여 음-기울기 합 함수(nSSF)와 이중 적응 역치 스키마(dual adaptive thresholding scheme)를 이용하였다. 기저선 변동 성분이 포함된 맥파로부터 정확한 최정점(pulse peak) 위치를 검출하기 위하여 형태학적 함수들(morphological operators)과 기울기 합 함수(SSF)를 이용하였다. SSF에 의해 변환된 신호로부터 최정점을 검출하기 위하여 이중 적응 역치 스키마를 사용하였고, 이중 적응 역치 스키마에 의해 과대 검출(over-estimated) 또는 놓친(missed) 특징점을 검출하기 위하여 후처리(post processing)로서 지식 기반의 규칙(knowledge-based rules)을 제안하여 검출 능력을 향상시켰다. 또한 잡음이 포함된 심전도와 맥파로부터 맥파전달시간(R-wave와 최정점 간의 시간 간격)을 검출하기 위하여 정규화된 맥파전달시간(normalized PTT)을 정의한 후 가우시안 분포 확률 모델을 이용하였다. 각각의 제안한 특징점 검출 알고리즘들은 선행 연구에서 제안된 다양한 알고리즘들과 성능을 비교함으로써 제안한 알고리즘들의 우수성을 검증하였다.
검출된 특징점들로부터 심혈관계 건강상태와 심폐체력을 평가하기 위한 다양한 예측인자들(분석 파라미터)을 추출하기 위하여 시간영역, 주파수영역, 비선형 동역학 분석을 실시하였다. 시간영역 분석에서는 통계적 분석 인자(SDNN, RMSSD, NN50, CV, etc.)와 기하학적 분석 인자(TI, TINN)를 계산하였다. 주파수영역 분석에서는 높은 주파수 분해능을 갖는 자기회귀모델(autoregressive model) 기반의 스펙트럼을 이용하여 TP, ULF, VLF, LF, LF_{norm}, HF, HF_{norm}, LF/HF 비를 계산하였다. 비선형 동역학 분석에서는 푸엥카레 플롯을 이용하여 SD1, SD2, S, SD 비, SD1up, SD1down 파라미터를 계산하였고, 위상공간에서의 프랙탈 분석을 통하여 박스 계수 차원(box counting dimension), 상관차원(correlation dimension), Higuchi의 프랙탈 차원, Katz의 프랙탈 차원, Lyapunov 지수 등을 계산하였으며, 그 외 카오스 특징을 반영하는 Hurst 지수, 스케일링 지수 등을 계산하였다. 또한 Shannon 엔트로피, 근사 엔트로피, 샘플 엔트로피 등을 계산하였고 심혈관계의 비선형성을 시각적으로 분석하기 위한 리커런스 플롯(recurrence plot) 분석을 실시하였다. 각 인자들은 RR간격, 최정점 간격, 맥파전달시간 데이터에 각각 적용하여 심박변이율(HRV), 맥박변이율(PRV), 맥파전달시간 변이율(PTTV)로 구분하여 정의하였다. 분석에 사용한 알고리즘들은 C++로 구현하였으며, 다양한 생체신호에의 활용을 위하여 DLL(dynamic-link library) 형태로 라이브러리화하였다.
HRV, PRV, PTTV를 이용하여 심혈관계 건강상태(혈관경화도와 혈관협착도)와 심폐체력을 평가하기 위한 선형회귀방정식을 산출하였다. 최적의 선형회귀모델을 추정하기 위하여 심혈관계 건강상태(baPWV와 ABI) 또는 심폐체력(VO2max)과 유의한 상관관계를 갖는 예측인자들을 상관관계 분석을 통하여 선정하였다. 선정된 분석 파라미터들 중 심혈관계 건강상태와 심폐체력 상태를 예측하는 데 사용할 최적의 인자를 결정하기 위하여 전진적 선정(forward selection) 방법을 이용하여 각각의 선형회귀모델을 제안하였다. 특히, 본 연구에서는 심혈관계 신호의 선형적 특성뿐만 아니라 비선형적 특성을 나타내는 다양한 예측인자들(i.e., 변이도와 복잡도)을 선형회귀모델에 적용함으로써 심혈관계 건강상태와 심폐체력 상태를 보다 더 정확하게 예측하고자 하였다. 제안한 방법의 통계적 유의성과 성능을 검증하기 위하여 Bland-Altman 분석과 예측 정확도(prediction accuracy) 분석을 실시하였다.
본 연구의 결과로서 남녀노소 구분 없이 신체활동이 부족한 피험자에게도 적용할 수 있는 중o저강도의 운동부하를 갖는 자전거 에르고미터 기반의 새로운 운동부하검사 프로토콜을 제안하였고, 운동 시 발생한 잡음과 기저선 변동 성분에 강인한 특징점 검출 알고리즘을 제안하였으며, 심혈관계의 선형적 특성뿐만 아니라 비선형적 특성을 나타내는 다양한 분석 파라미터들을 산출하여 선형회귀모델에 적용함으로써 심혈관계 건강상태와 심폐체력 상태를 보다 더 정확하게 예측하였다. 따라서 고강도의 운동부하를 제공하는 기존의 운동부하검사 방법에서 벗어나 안전하고 간편하며 정확하게 심혈관계 건강상태와 심폐체력을 평가할 수 있는 자전거 에르고미터 기반의 새로운 운동부하검사 방법을 개발하였고, 이를 바탕으로 운동부하검사의 임상적 활용도와 정확도가 한층 더 높아질 것으로 기대된다. 특히, 중o저강도의 운동부하를 이용하여 심혈관계 건강상태와 심폐체력을 정확하게 분석할 수 있으므로 유비쿼터스 건강관리, 재택건강관리 환경 등에서 전문가의 도움 없이 안전하고 편리하게 운동부하검사를 실시할 수 있을 것으로 기대된다.
