心血管时间序列的图形分析和应用

论文摘要

心血管疾病的发病率持续上升且发病人群趋于年轻化,给家庭和社会带来巨大的危害。在心血管疾病的临床前期进行早期干预是降低其发病率和遏制年轻化趋势的有效手段,这需要有效的早期检测工具,如何在无创无损的前提下实现早期、精准检测是生物医学工程研究者面临的重大挑战。为实现心血管疾病的早期、精准检测,国内外研究者做出了大量的研究。基于图形的方式分析心血管系统时间序列为实现这一目的提供了新思路。庞加莱图可以用来刻画生理时间序列的内部结构,描述动力学系统相空间的几何构型,己被广泛应用于心脏动力学分析。但现有庞加莱图分析方法仅度量图形数学特征的某个侧面,而且无法评估多维信号间的相互关系。本文探究新的庞加莱图分析算法,研究算法的影响因素,并建立多模态图形分析的概念,旨在研究短时心血管时间序列的图形分析在心血管疾病早期检测中的应用价值,所做主要工作和创新点如下。（1）提出了度量心率不对称性的面积指数。传统算法采用数量、距离或角度等一维方式评估心率不对称性,本研究将距离和角度结合提出面积指数算法。分析公开数据库和临床试验数据中长时和短时心动周期序列的结果表明,相对传统算法,该算法在分析短时心动周期序列时表现出更稳健的特性;心律失常或心衰等心血管疾病会导致心率不对称性增大,提示疾病可能造成自主神经功能退化,交感神经和迷走神经对心率调控能力下降;探究了心率不对称性分析的影响因素,提出了四个参考点和两条参考线,优化了心率不对称性算法分析结果。（2）探讨了冠心病患者经皮冠状动脉介入术后的心率不对称性变化规律,揭示了冠心病患者介入手术后24h的血运恢复情况和心血管功能状态。多种心率变异性的分析手段结果表明,冠心病患者手术后的面积指数相对手术前显著降低,这可能意味着经皮冠状动脉介入术后第一天冠心病患者的心血管功能或自主神经功能得到一定程度的恢复,也许是面积指数综合两个维度特征可以获得隐藏在短时心动周期序列中更多的信息。混合模型分析表明,性别对手术前后患者的心血管功能状态恢复没有显著影响。（3）建立了网格分布率和网格分布熵算法,分析庞加莱图散点的分布规律。定义了网格庞加莱图,提出了计算时间序列散点在庞加莱图中分布情况的网格分布率算法,并结合香农熵对散点分布概率加权平均,建立了网格分布熵算法。仿真结果表明:两种新方法统计性能的一致性和稳定性显著高于传统庞加莱图算法;临床试验分析表明:健康青年组的网格分布率和网格分布熵大于健康老年组,提示老年人的庞加莱图中散点分布更为紧密,这可能意味着老年人的自主神经的功能已经出现退化;冠心病组的网格分布率和网格分布熵显著低于健康对照组,揭示冠心病患者的网格分布率和网格分布熵趋于低不规则度或低复杂度的方向。（4）基于同步记录的心血管系统时间序列,开创性地构建了多模态生理信号图。建立了心电、脉搏和心音时间序列的多模态生理信号图,同时借助一维时间序列庞加莱图的研究模式,提出了度量多模态生理信号图中散点离散程度的算法,从图形空间结构探索心血管时间序列的分布。分析结果表明,冠状动脉狭窄导致心脏电-机械,心脏-血管时间序列的空间分布离散化增大,揭示冠心病降低同一心动周期内时间序列空间分布的相关性;三模态生理信号图分析显示,收缩间期变异性相对独立且稳定,而舒张间期和心动周期序列之间的耦合作用更为明显,冠心病导致舒张间期和心动周期序列之间的耦合现象退化,提示三模态生理信号图对心血管时间序列之间的相互作用描述更为准确,逐拍对应心动周期的多模态时间序列图形分析可以有效提供有关多维时间序列相互关系的信息,可能为解释心血管系统生理或病理变化提供更多依据。

论文目录

文章来源

类型: 博士论文

作者: 颜昌

导师: 刘常春,李鹏

关键词: 心血管疾病,心血管时间序列,庞加莱图,多模态生理信号图

来源: 山东大学

年度: 2019

分类: 基础科学,医药卫生科技

专业: 数学,心血管系统疾病

单位: 山东大学

分类号: O211.61;R54

DOI: 10.27272/d.cnki.gshdu.2019.000045

总页数: 139

文件大小: 9309K

下载量: 132

相关论文文献

• [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
• [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
• [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
• [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
• [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
• [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
• [7].王嵬作品[J]. 当代油画 2017(07)
• [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
• [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
• [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
• [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
• [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
• [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
• [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
• [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
• [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
• [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
• [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
• [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
• [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
• [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
• [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
• [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
• [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
• [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
• [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
• [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
• [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
• [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
• [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

标签：心血管疾病论文;  心血管时间序列论文;  庞加莱图论文;  多模态生理信号图论文;