LUP Student Papers

LUND UNIVERSITY LIBRARIES

Classifying Heart Rate Variability Data using Multitaper Spectrum Analysis

(2021) In Bachelor's Theses in Mathematical Sciences MASK11 20201
Mathematical Statistics
Abstract
Heart rate variability (HRV) is the variation between two consecutive heartbeats. The irregular variability in this interval can indicate different health issues such as stress. The goal of this project is to correctly classify if a HRV signal comes from a resting state or a state which is affected by stress related stimuli. The analysis will be conducted using non-parametric multitaper spectrum analysis in the frequency bandwidth, 0.12-0.4 Hz. Two different multitaper methods will be tried; Welch method and Thomson method. For the binary classification of the HRV signal, it was assumed that there was a difference in energy distribution. In the pair-wise classification the assumption was instead that there was a difference in total energy.... (More)
Heart rate variability (HRV) is the variation between two consecutive heartbeats. The irregular variability in this interval can indicate different health issues such as stress. The goal of this project is to correctly classify if a HRV signal comes from a resting state or a state which is affected by stress related stimuli. The analysis will be conducted using non-parametric multitaper spectrum analysis in the frequency bandwidth, 0.12-0.4 Hz. Two different multitaper methods will be tried; Welch method and Thomson method. For the binary classification of the HRV signal, it was assumed that there was a difference in energy distribution. In the pair-wise classification the assumption was instead that there was a difference in total energy. The highest and most trustworthy binary classification of the methods was 65% for Welch and 69% Thomson, with the assumption of there being difference in energy distribution. For the pair-wise classification, it was 74% and 77%, respectively. (Less)
Popular Abstract (Swedish)
Heart rate variability (HRV) mäts från tidsintervallet mellan två hjärtslag. Tidsintervallet benämns oftast som variation i hjärtslagen. Med hjälp av HRV går det att beskriva vissa av kroppens olika tillstånd. Det finns en naturlig variation i HRV som associeras med ett friskt eller neutralt kroppstillstånd. Ibland när det uppstår en abnormal variation, då kan det innebära att kroppen är i ett stresstillstånd. Det är skillnaden mellan dessa tillstånd som är av intresse. För att beräkna HRV, används oftast ett elektrokardiogram (EKG).

I rapporten kommer data från en studie i Kristianstad att användas. Sammanlagt var det 53 personer som deltog. Deltagarna fick först ha sin hand i kallt vatten, sedan gjorde en kontrollset där de istället... (More)
Heart rate variability (HRV) mäts från tidsintervallet mellan två hjärtslag. Tidsintervallet benämns oftast som variation i hjärtslagen. Med hjälp av HRV går det att beskriva vissa av kroppens olika tillstånd. Det finns en naturlig variation i HRV som associeras med ett friskt eller neutralt kroppstillstånd. Ibland när det uppstår en abnormal variation, då kan det innebära att kroppen är i ett stresstillstånd. Det är skillnaden mellan dessa tillstånd som är av intresse. För att beräkna HRV, används oftast ett elektrokardiogram (EKG).

I rapporten kommer data från en studie i Kristianstad att användas. Sammanlagt var det 53 personer som deltog. Deltagarna fick först ha sin hand i kallt vatten, sedan gjorde en kontrollset där de istället fick ha handen i ljummet vatten. Detta gjordes för att kallt vatten var känt för att få igång stress stimulus, alltså, få deltagaren i stresstillstånd. I de två tillstånden producerades två olika HRV.

Baserat på det givna HRV vill vi veta i vilket av de två tillstånden personen är i. Vi kommer att utföra en binär klassificering, där HRV data antingen klassas som positiv eller negativ. I detta fall innebär positiv att från testet med kallt vatten klassas som kallt, medan negativ innebär att data från testet med ljummet vatten klassas som varm. Syftet med rapporten är att använda oss av frekvensanalys för att kunna utföra binär klassificering. Beroende på koncentration av energi vid viss frekvens domän kan vi då bestämma vad för HRV det är. I denna rapport kommer vi att använda oss av Thomson-metoden och Welch-metoden för vår frekvensanalys.

Det bästa och mest tillförlitliga klassificeringsresultatet i den här rapporten är 69%. Det uppmättes när vi använde Thomson-metoden och antagandet att det finns en skillnad i energidistribution i tidsdomänen. (Less)
author
supervisor
organization
course
year
type
M2 - Bachelor Degree
subject
publication/series
Bachelor's Theses in Mathematical Sciences
report number
LUNFMS-4055-2021
ISSN
1654-6229
other publication id
2021:K26
language
English
id
9057383
2021-06-22 09:44:49
date last changed
2021-07-08 16:02:03
```@misc{9057383,
abstract     = {{Heart rate variability (HRV) is the variation between two consecutive heartbeats. The irregular variability in this interval can indicate different health issues such as stress. The goal of this project is to correctly classify if a HRV signal comes from a resting state or a state which is affected by stress related stimuli. The analysis will be conducted using non-parametric multitaper spectrum analysis in the frequency bandwidth, 0.12-0.4 Hz. Two different multitaper methods will be tried; Welch method and Thomson method. For the binary classification of the HRV signal, it was assumed that there was a difference in energy distribution. In the pair-wise classification the assumption was instead that there was a difference in total energy. The highest and most trustworthy binary classification of the methods was 65% for Welch and 69% Thomson, with the assumption of there being difference in energy distribution. For the pair-wise classification, it was 74% and 77%, respectively.}},
author       = {{Mach, Heidi}},
issn         = {{1654-6229}},
language     = {{eng}},
note         = {{Student Paper}},
series       = {{Bachelor's Theses in Mathematical Sciences}},
title        = {{Classifying Heart Rate Variability Data using Multitaper Spectrum Analysis}},
year         = {{2021}},
}

```