将 Kubios HRV 分析结果导入 MATLAB 进行二次建模

原创

Scivaro_科采通

发布于 2025-06-25 14:48:08

8000

代码可运行

运行总次数：0

代码可运行

作者：科采通关键词：Kubios、HRV、MATLAB、特征工程、生理信号分析、数据建模

一、前言

Kubios 是目前国际上最权威的 HRV 分析工具之一，广泛应用于临床研究、体育科学、心理生理等多个领域。但它在特征提取后，并不支持复杂建模或机器学习分析。本文将介绍如何将 Kubios 导出的结果文件导入 MATLAB 中，进行进一步的统计分析与模型开发。

二、Kubios 导出文件格式说明

在 Kubios 中分析 HRV 数据后，选择 File > Export > Export HRV results 会生成一个 .mat 文件（推荐）或 .txt/.csv 文件，文件中包含如下内容：

2.1 `.mat` 文件结构（推荐）

Kubios 导出的 .mat 文件包含多个变量，常见的有：

变量名	含义
HRVparams	核心时域、频域、非线性指标
Time	RR 时间序列
RR	RR 间期序列（单位：ms）
PSD	频谱密度分析结果
Annotations	清洗与滤波信息

三、在 MATLAB 中加载与查看 Kubios 导出的结果

matlab复制编辑% 1. 载入 .mat 文件
data = load("hrv_results.mat");

% 2. 查看变量内容
whos('-file', "hrv_results.mat")

% 3. 示例：提取 HRV 时域指标
SDNN = data.HRVparams.TimeDomain.SDNN;
RMSSD = data.HRVparams.TimeDomain.RMSSD;
PNN50 = data.HRVparams.TimeDomain.pNN50;

你也可以这样查看结构体内容：

matlab复制编辑disp(data.HRVparams.TimeDomain)

输出可能如下：

yaml复制编辑           MeanRR: 832.25
             SDNN: 42.35
            RMSSD: 28.15
            pNN50: 15.27
        HR (bpm): 72.08

四、基于 HRV 特征进行二次建模

4.1 多人数据批量读取（示例代码）

matlab复制编辑% 假设你有多个 .mat 文件，每个代表一个个体的 HRV 分析结果
fileList = dir("*.mat");
nFiles = length(fileList);

% 初始化数据表
T = table();

for i = 1:nFiles
    f = fileList(i).name;
    d = load(f);
    % 提取特征
    row = {
        f, ...
        d.HRVparams.TimeDomain.SDNN, ...
        d.HRVparams.TimeDomain.RMSSD, ...
        d.HRVparams.FrequencyDomain.LFHF
    };
    T = [T; row];
end

% 添加列名
T.Properties.VariableNames = {'Filename', 'SDNN', 'RMSSD', 'LFHF'};

4.2 示例：基于 LF/HF 进行分类

matlab复制编辑% 二分类：压力状态 vs 放松状态（手动标注）
labels = [1 0 0 1 1 0]; % 示例：1=压力, 0=放松

% 拟合逻辑回归模型
mdl = fitglm(T.LFHF, labels', 'Distribution', 'binomial');

% 预测并绘图
y_pred = predict(mdl, T.LFHF);
plot(T.LFHF, labels, 'ro')
hold on
plot(T.LFHF, y_pred, 'b-')
xlabel("LF/HF")
ylabel("压力概率")

五、进阶建议

🧠 模型优化方向：

技术方向	推荐方法
多特征建模	fitcensemble、SVM、决策树
交叉验证	crossval、cvpartition
可解释性分析	SHAP、LIME（需导出为 Python 格式）
深度学习	trainNetwork + LSTM（需 RR 原始序列）