本文针对传统多尺度熵在多尺度化过程中信息丢失问题,提出一种加权多重多尺度熵特征提取算法.该算法在各尺度上构建了从大到小的多重数据序列,考虑多重数据序列对该尺度样本熵的贡献程度不同,计算各个序列在该尺度序列中所占比重,以此作为系数重构各尺度样本熵.相比于传统多尺度熵算法,该算法不但克服了信息丢失问题,还充分考虑了序列的相关性与对总熵值的贡献程度,减小了尺度间的波动,更能挖掘脑电信号的细节信息.基于该算法,本文分析了孤独症(ASD)儿童脑电信号特征,与样本熵、传统多尺度熵及延搁取值法多重多尺度熵算法比较,分类准确率分别提高了23.0％、10.4％与6.4％.基于该算法对比分析孤独症儿童与对照组健康儿童的19通道脑电信号,结果表明除FP2通道外,其余通道的熵值均显示健康儿童略高于孤独症儿童,且F3、F7、F8、C3、P3通道的熵值差异具有统计学意义(P＜0.05).本文通过对各个脑区加权多重多尺度熵进行分类,发现前颞叶区域通道(F7、F8)的分类准确率最高,表明前颞叶可以作为评估孤独症儿童脑功能状态的敏感脑区.

目的:探讨基于多尺度快速样本熵与随机森林的心电图分析方法对常见心律失常 (房性早搏、室性早搏) 的自动诊断的可行性和有效性.方法:利用不同心律失常疾病的心电信号存在复杂性差异的特点, 通过多尺度熵计算心电信号在不同尺度下的样本熵值以组成特征向量;利用kd树提高多尺度熵的计算效率, 增强算法的实时性.利用训练样本的特征向量构建随机森林分类器, 再根据众多决策树的分类结果结合投票原则确定测试样本心律失常疾病的类型.结果:本文提出的心电图分析方法能够有效地识别正常心律、房性早搏 (APB) 及室性早搏 (VPB), 平均识别准确率达到91.60％.结论:本文提出的心电图分析方法对常见心律失常 (APB, VPB) 具有较高的识别准确率及临床实用价值.

目的:过速型室性心律失常[持续性室性心动过速或心室纤颤(VT/VF)]是心脏猝死的主要诱因,测试VT/VF发生前心率变异性信号是否有明显改变可作为VT和VF发生的提前预报信号.方法:以78名患者体内心脏复律除颤器记录的VT/VF事件发生前心率变异性信号(VT/VF序列)和来自同一患者的正常窦性节律(CON序列)组成的135个样本对作为实验序列.通过预处理消除实验序列的伪差、异位心搏等干扰,采用两种基于熵的非线性复杂度测度——样本熵和逐点多尺度熵(PPMSE),分析VT和VF发生前十几分钟的VT/VF序列,以及心率增加和减小的VT/VF序列复杂性,并采用PPMSE方法讨论了接近VT/VF发生时VT/VF序列复杂性变化.结果:与正常对照组CON序列相比,在一定匹配容差内,VT/VF发生前心率变异性信号的样本熵明显减小(r<0.25×SD,P<0.0005),心率增加的VT/VF序列减小更显著(r<0.3×SD,P<0.0001);VT/VF序列的PPMSE在越接近VT/VF发生时刻减小越显著,提取的CI指数存在显著差异(如1～30尺度,N=986、500、250时,P=1.5×10-2、P=4.3×10-3、P=1.3×10-5),心率增加的VT/VF序列区分性能更好.结论:过速型心律失常的自然发作并不是突发现象,在其发作前或许存在某种生理预兆,两种熵测度可能是短时预报恶性室性心律失常事件的有效非线性参数.

目的 基于短时RR间期的非线性分析,探索预报室速和室颤(VT/VF)发生的某些先兆信息.方法 采用逐点多尺度熵(PPMSE)和加权集成多尺度熵(WIMSE)方法分析了78位埋藏式心脏复律除颤器(ICD)记录的VT/VF事件发生前10 min左右的135个RR间期序列(VT/VF序列)的多尺度熵分布,并与同一患者正常窦性节律的对照(CON)序列进行比较;按VT/VF发生前1 min VT/VF序列心率均值是否大于CON序列心率均值的20％,将数据样本划分为心率显著增加(SI_HR组)和心率未显著改变(nSI HR组)两个子样本组,并讨论了其多尺度熵的变化.结果 与正常对照组CON序列相比,VT/VF序列的PPMSE和WIMSE明显减小,WIMSE分析性能优于PPMSE(尺度＞9,PPMSE的P值＜0.05;尺度＞3,WIMSE的P值＜0.005);SI_HR组VT/VF序列的多尺度熵较CON序列减小更明显,提取的复杂性指数(CI)存在显著差异(在1～10尺度范围,PPMSE的P值=4.4×10-5,WIMSE的P值=8.5×10-7).结论 基于短时HRV信号多尺度熵可作为预测恶性室性心律失常的有效特征,对预防潜在性致命性心律失常有十分重要的意义.

目的 提出一种基于足底压力中心和脑肌电相干性特征的人体平衡能力评估新方法.方法 10名受试者平衡能力被划分为P1和P2组,进行平衡实验:通过主成分分析法合成足底压力中心信号各传统特征参数,得到足底压力中心信号(COP)综合特征;在分析人体平衡调节过程中脑肌电相干特性的基础上,引入反映人体平衡的脑肌电协调反应新特征;最后将COP综合特征、协调反应特征和脑电、肌电信号的多元多尺度样本熵组成特征向量,使用支持向量机分类器完成人体平衡能力的评估.结果 本方法的平衡评估正确率可达72.5％,高于传统的基于COP姿态信号方法.结论 人体平衡脑肌电协调反应新特征的加入,显著提高了人体平衡能力分类的正确率.

欧拉视频放大技术常被应用在光电容积脉搏波信号增强过程中,脉率测量是需要经常进行的处理,为明确脉率在经过此放大以后是否受到影响,本研究对放大前后信号的峰值关键特征进行比较和研究.由于熵被广泛用来表征信号的复杂性,其通过计算信息的平均产生率来进行检测和分析,且由于多尺度样本熵的计算不依赖数据长度并具有良好的一致性,所以本研究基于多尺度样本熵对脉搏的瞬时心率进行比较.试验结果表明:脉搏信号放大前后保持基本脉率,但放大后样本熵数值比放大前略低,说明欧拉视频放大技术对数据的复杂度方面有减弱作用,同时使其信号结果更加稳定.

脑电信号与人类情绪具有强相关性,情绪脑网络的节点重要性研究为分析情绪脑机制提供了有效手段.本文采用一种新的节点重要性排序方法——加权K-阶传播数法,设计实现了一种情绪脑网络的分类算法.首先基于DEAP情绪脑电数据构建互样本熵脑网络,对正、负情绪下的脑网络分别进行节点重要性排序,以获得多阈值尺度下的特征矩阵.然后通过特征提取和支持向量机实现对情绪的二分类,分类准确率达到83.6％.结果 表明采用加权K-阶传播数法提取脑网络节点重要性特征进行情绪分类研究是有效的,为复杂网络的特征提取和分析提供了一种新的方法.

目的 探讨发育迟缓儿童的功能性近红外光谱(fNIRS)特点,为发育迟缓儿童的脑功能分析提供参考依据.方法 2019年11日-2020年6月应用8通道功能性近红外光谱成像技术(fNIRS)检测13名发育迟缓儿童(发育迟缓组)和年龄、性别相匹配的19例健康儿童(正常组)的脑功能情况,采用独立样本t检验比较两组儿童各通道多尺度熵(MSE)及前额区MSE均值的差异.结果 发育迟缓组和正常组儿童前额区MSE均值分别为1.570±0.491、2.075±0.791,两组间差异具有统计学意义(t = 2.228,P = 0.034).两组儿童的MSE均值在3通道和8通道差异统计学意义(t=2.513、2.868,P＜0.01).结论 发育迟缓儿童前额区自发脑信号的复杂性较正常健康儿童明显偏低,发育迟缓儿童存在前额叶双侧脑功能受损.

目的:研究癫痫疾病对心率变异性复杂度的影响,探索癫痫疾病的病理生理机制.方法:基于多尺度熵方法回顾性分析212例癫痫患者和212例健康对照清醒状态下相同时间段内4h的RR间期序列,并量化SampEn(样本熵)、Slope1-5(1～5连续5个尺度下SampEn值线性拟合的斜率)、Area1-5(5个SampEn值的总和)、Area6-15(6～15连续10个尺度下SampEn值的总和)、Area6-20(6～20连续15个尺度下SampEn值的总和)以及SampEn5(尺度5下的熵值)等特征参数以表征心率变异性复杂度.基于ROC曲线及其AUC值评估心率变异性复杂度指标区分癫痫患者和健康对照的能力.结果:癫痫患者的心率变异性复杂度指标Slope1-5、SampEn5、Area1-5、 Area6-15、Area6-20均显著低于健康对照(P＜0.001),且与癫痫病程及发作频率无显著相关性.Slope1-5区分癫痫患者和健康对照的性能最佳,AUC值为0.764,灵敏度和特异度分别为75.0％和68.9％.结论:基于多尺度熵方法量化的心率变异性复杂度指标为癫痫病理生理机制的探索提供了新的视角,在癫痫疾病的辅助诊断、治疗、预后及风险预测领域具有潜在的临床应用价值.

目的 基于脉图特征等信息建立冠心病患者冠状动脉不同阻塞程度评估模型,探讨中医脉图特征的临床诊断价值.方法 采用Smart TCM-I型脉象仪采集脉象信息.根据冠状动脉造影检查报告,将531例冠心病及疑似冠心病患者按照冠状动脉不同阻塞程度分为冠状动脉非阻塞组、冠状动脉轻度阻塞组、冠状动脉中/重度阻塞组3组.运用时域分析法和多尺度熵(MSE)分析法提取不同组别脉图的时域特征和多尺度熵特征,并运用非参数检验的方法比较冠状动脉不同阻塞程度患者脉图特征参数的组间差异;基于脉图特征参数,运用随机森林(RF)机器学习算法建立冠状动脉不同阻塞程度评估模型.结果 与冠状动脉非阻塞组相比,冠状动脉轻度阻塞组和冠状动脉中/重度阻塞组脉图时域特征主波峡/主波幅值比(h2/h1)、重博前波/主波幅值比(h3/h1)增大,差异具有统计学意义(P<0.05).与冠状动脉非阻塞组及冠状动脉轻度阻塞组相比,冠状动脉中/重度阻塞组多尺度熵特征MSE1、MSE2、MSE3、MSE4、MSE5均减小,差异具有统计学意义(P<0.01).本研究基于531例样本的脉图特征等信息建立了冠状动脉不同阻塞程度评估识别模型,当脉图时域特征和多尺度熵特征全部参与建模时,模型平均准确率最高(86.79％).结论 脉图检测技术对于冠状动脉危险事件的评估具有潜在的应用价值.