应用多尺度化的基本尺度熵分析心率变异性

本文采用多尺度化的基本尺度熵方法,针对心率变异性信号进行了分析,研究发现多尺度化的基本尺度熵可以区分不同生理病理信号,包括健康人、充血性心力衰竭患者和房颤心律失常患者的心率变异性信号,以及健康人白天黑夜的心率变异性信号.通过对健康人代理数据的分析,发现房颤心律失常患者与代理数据的熵值趋势相似,研究结果表明房颤心律失常患者的心率变异性信号更多的是反映生理信号的线性特征,而对环境变化不能很好的进行自我调节. 关键词： 多尺度化的基本尺度熵 心率变异性 充血性心力衰竭 房颤心律失常     

昼夜节律下心率变异性信号的熵信息和谱特征

生理系统产生的复杂波动信号能够反映其潜在的动力学特征.采用基本尺度熵和功率谱的方法分析24 h心率变异性信号.结果表明,心脏系统昼夜节律下生理和病理的变化伴随着变化的基本尺度熵和功率谱分布,但是对于近似熵,其变化却不明显;同时发现,基本尺度熵的变化能够反映相应的自主神经调控的变化,由于充血性心力衰竭患者迷走神经的调控被抑制,交感神经的调控占优势,所以数据中会出现更多变化的矢量模式组合,因此心力衰竭患者心率变异性信号的熵值较高;在夜间睡眠状态时,由于迷走神经的调控增强,交感神经的调控减少,所以健康人和心力衰竭患者的基本尺度熵都比白天清醒状态时产生了下降趋势.     

颠倒睡眠状态调制心率变异性信号的功率谱和基本尺度熵分析

心率变异性(HRV)信号能够提供心脏活动状态的重要信息.通过建立颠倒睡眠模型,联合功率谱和基本尺度熵方法分析颠倒睡眠状态下24 h的HRV信号,研究颠倒睡眠对自主神经相互作用以及HRV信号混沌强度的调制.结果表明,颠倒睡眠导致自主神经在昼夜间的活动节律发生颠倒,基本尺度熵在昼夜的变化趋势也随之发生逆转,因此HRV信号的混沌强度与自主神经的相互作用密切相关,进一步研究两者之间的关系发现:HRV信号的混沌强度与交感神经的调制强度正相关,与迷走神经的调制强度负相关.     

心率变异性的异方差特征研究

心率变异性数据具有非平稳和瞬时波动的特点,本文提出了采用自回归条件异方差(ARCH)分析方法分析这种波动.分析方法采用自回归移动平均模型消除序列的趋势和相关性,采用F检验法判断残差序列中是否存在ARCH效应,同时给出接受ARCH效应的概率.对充血性心衰竭病人和正常人的心率波动序列进行分析,两类人群ARCH特征接受概率及其变化率的统计值有较大差异,表明该方法可以区分不同的群体,为心电信息学研究提供了一种新的方法.     

功能磁共振成像的基本尺度熵分析

人体大脑活动的复杂度随年龄变化而变化, 并且和性别有一定的联系, 通过对功能磁共振成像复杂度的分析有助于发现人脑活动和性别年龄之间关系的规律. 本文提出需要根据年龄段的变化对基本尺度熵的参数做适当的调整, 以便获得良好的信号区分效果. 本文研究了人脑活动和性别年龄之间存在的关系. 结果证明, 同龄男女的基本尺度熵值存在一定的差异, 并且随年龄段的不同发生相应的变化, 另外基本尺度熵中的参数在数据分析中也随年龄变化存在一定规律的变化. 通过对fMRI数据的分析表明, 基本尺度熵能够有效地区分不同人群fMRI数据特征, 为进一步信号复杂度分析提供方便. 关键词： 功能磁共振成像 基本尺度熵 复杂度     

脑电信号的多尺度排列熵分析

本文利用多尺度排列熵对正常脑电信号和癫痫脑电信号进行了详细的分析和比较,研究了脑电图信号多尺度排列熵值和年龄的关系以及尺度因子对多尺度排列熵值的影响.通过对处于各个年龄段的22组正常人和22组患有癫痫人群的脑电图进行多尺度排列熵分析,发现在相同年龄段的人群中,正常脑电信号的多尺度排列熵值要高于癫痫脑电信号,熵值平均高出约0.19,约7.9%.另外,在尺度因子小于15的情况下,对于在30到35的年龄段正常人群,其多尺度排列熵值最大,随着年龄段的增大或降低熵值都一定程度的降低.结果证明,多尺度排列熵可以成功区分正常脑电信号和癫痫脑电信号,并且熵值可以正确地反映人体大脑发育的一般过程.     

多尺度多变量模糊熵分析

多尺度多变量样本熵评价同步多通道数据的多变量复杂度, 是非线性动态相互关系的一种反映, 但其统计稳定性差, 且不适用于非线性非平稳信号. 研究利用模糊隶属度函数代替模式相似判断的硬阈值准则, 并分析模糊隶属度函数形式的影响; 研究利用多变量经验模态分解算法进行多尺度化, 并对比其处理效果. 仿真试验表明, 模糊隶属度函数的引入可以有效提高算法的统计稳定性, 所构造的物理模糊隶属度函数的性能最为显著; 基于多变量经验模态分解算法的多尺度化过程可更有效地捕获信号的不同尺度成分, 从而更敏感地区分具有不同复杂度的信号. 对临床试验数据的分析支持以上结论, 且结果提示随着年龄增加或心脏疾病的发生, 心率变异性和心脏舒张间期变异性的多变量复杂度以不同的方式降低: 年龄增加会使低尺度熵值降低, 表示近程相关性的丢失; 而心脏疾病会同时影响各个尺度的熵值, 即同时丢失了近程和长时相关性. 该结论可用于指导心血管疾病的无创预警研究. 关键词： 多变量复杂度 多尺度多变量模糊熵 物理模糊隶属度函数 多变量经验模态分解     

基于多尺度熵的交通流复杂性分析

交通流演化复杂性的研究有助于深刻理解交通系统的内在演化规律,为交通流的预测和控制提供理论依据.多尺度熵方法在生理时间序列和计算机网络流量的分析中得到了广泛的应用.考虑到交通流中的车辆到达和计算机网络中的分组到达具有类似特性,本文以刹车灯模型的车头时距为分析对象,利用多尺度熵方法来分析交通流演化的复杂性.分析结果表明:1)车头时距的复杂性随着时间尺度的增加而降低,反映了交通流的短时间难预测性;2)当时间尺度较小时,车头时距复杂性在自由流时和同步流时差异不大,但是,随着时间尺度的增加,自由流时车头时距的熵值迅速下降,而同步流时车头时距的熵值下降较慢.这一特性对于识别自由流中是否产生了同步流有非常重要的参考价值.本文的研究可以为揭示交通流演化的复杂性提供新的思路和方法.     

金属互连电迁移噪声的多尺度熵复杂度分析

针对传统频域方法用于分析金属铝互连中的噪声信号的局限性,本文采用多尺度熵方法分析电迁移噪声时间序列.结果表明在电迁移早期,噪声信号较不规律,复杂度较大;随空洞成核的发生,噪声信号规律性增强,复杂度明显减小,反映出随电迁移过程的进行系统的混乱度不断减小.通过与传统表征参量的对比,证明多尺度熵能够对电迁移失效过程进行表征. 关键词： 电迁移 噪声 多尺度熵 复杂度     

多尺度策略和替代数据检验——HRV时间不可逆性分析的两个要素

本文通过应用基于多尺度思想的（Pm,Gm）平面法和替代数据检验,对来自于不同人群以及来自于健康年轻人清醒、睡眠状态下的心率变异性（heartratevariability,HRV）进行了时间不可逆性分析．结果表明：健康成人的HRV普遍存在着时间不可逆性,而随着疾病的出现,这种不可逆性减弱但并非消失,大部分（超过75％）充血性心力衰竭患者的HRV仍具有时间不可逆性：健康年轻人的HRV不可逆性存在着昼夜节律和显著的昼夜差异,夜间睡眠时不可逆性更强．我们认为：由于产生HRV的心脏动力系统具有复杂的延迟特性,在对HRV进行时间不可逆分析时,为了得到更可靠的结论,建议采用多尺度策略以及进行替代数据检验．综合考虑上述两个因素的分析方法也较好地统一了已有报道的不同结论．     

Classification of physiologic and synthetic heart rate variability series using base-scale entropy

The base-scale entropy method was used as a measure to classify physiologic and synthetic heart rate variability series. This method enables analyzing very short, non-stationary, and noisy data. We used it to analyze short-term heart rate variability series. The results show that our method can effectively detect the complex dissimilarity of physiologic time series in different physiologic/pathologic states. We then applied it to the CinC 2002 test datasets. Using the base-scale entropy, we correctly classified 43 of 46 (93%) time series. In combination with time domain analysis, we correctly classified all time series.     

符号动力学在心率变异性分析中的参数选择

时间序列的符号动力学信息熵H_k因其计算简单快速,对数据量要求小,而被应用于心率变异性(heart rate variability, HRV)分析,然而符号化的参数选择至今却并未形成统一标准.HRV作为典型的生理信号,存在着极大的个体间差异和非平稳性,要获得稳健的一致性分析,在符号化过程中必须考虑符号化参数α与序列本身均值、标准差的综合影响.文中,首先以仿真噪声序列为对象,考察了3个参数对于H_k的影响及三者相互之间的关联性,研究表明当满足特定关系时,H_k的曲线簇收敛于反映序列动力特性的H_k-up;随后在对15例心跳间隔序列的分析中,验证了H_k-up在消除个体间差异及减弱非平稳干扰影响两方面都优于α取固定值时的研究结果. 关键词： 符号动力学 熵 心率变异性     

Detecting dynamical complexity changes in time series using the base-scale entropy

Timely detection of dynamical complexity changes in natural and man-made systems has deep scientific and practical meanings. We introduce a complexity measure for time series： the base-scale entropy. The definition directly applies to arbitrary real-word data. We illustrate our method on a practical speech signal and in a theoretical chaotic system. The results show that the simple and easily calculated measure of base-scale entropy can be effectively used to detect qualitative and quantitative dynamical changes.     

Multiscale entropy based study of the pathological time series

This paper studies the multiscale entropy （MSE） of electrocardiogram＇s ST segment and compares the MSE results of ST segment with that of electrocardiogram in the first time. Electrocardiogram complexity changing characteristics has important clinical significance for early diagnosis. Study shows that the average MSE values and the varying scope fluctuation could be more effective to reveal the heart health status. Particularly the multiscale values varying scope fluctuation is a more sensitive parameter for early heart disease detection and has a clinical diagnostic significance.     

心率变异性分析在新生儿疼痛检测中的应用

为了研究疼痛暴露对新生儿自主神经系统的影响,并建立基于心率变异性(heart rate variability,HRV)指标的新生儿疼痛检测模型,采用时域、频域和非线性方法对40名新生儿疼痛暴露前后的心电数据进行短时HRV分析,Wilcoxon符号秩检验用于统计分析,支持向量机(support vector machine,SVM)用于建立检测模型.结果表明,RR间期均值a RR、低频段功率LF、高频段功率HF等3个线性指标和近似熵Ap En、样本熵Samp En、递归率REC等9个非线性指标在疼痛前后具有统计学差异;基于a RR、相邻两个RR间期对差值大于50 ms的百分比p NN50,Ap En,关联维D2和REC等5个指标和SVM的疼痛检测模型检测正确率达到83.75%.HRV的相关指标可反映新生儿自主神经系统对疼痛暴露的应答,基于HRV指标和SVM的模型可用于新生儿疼痛检测.