基于復雜網絡統(tǒng)計特性的非線性時間序列分析方法研究.pdf

1、一些生物醫(yī)學信號表現(xiàn)出非線性，屬于非線性時間序列。而且生物醫(yī)學信號是現(xiàn)代信號處理的重要領域，主要分為三大類:腦電信號、心電信號和肌電信號。對醫(yī)學信號的研究不僅有助于醫(yī)療事業(yè)的發(fā)展，而且對提高人類的健康水平具有重要意義。近年來，心臟病患者和癲癇患者的人數逐漸增多，嚴重影響患者的正常生活。醫(yī)學研究表明，腦電信號和心電信號表現(xiàn)出非線性特性，分別反映大腦和心臟的生物電活動，成為患者診療的科學依據。而時間序列復雜網絡構造算法的出現(xiàn)，使得研究者可以

2、利用復雜網絡的統(tǒng)計特性分析非線性時間序列。本文基于復雜網絡統(tǒng)計特性對癲癇腦電信號和心顫、心動信號進行分析，分別提出新的特征分類算法，使得分類性能得到提高。對于癲癇腦電信號，本文所提出的特征分類算法能夠準確判斷出癲癇腦電信號間歇期和發(fā)作期狀態(tài)，根據不同狀態(tài)對患者進行科學的用藥和治療。對于心臟病患者，發(fā)生心臟猝死的主要原因是心室纖顫或心動過速的惡化。對于這兩種癥狀采取的治療措施不同;若診斷錯誤，會對患者造成無法彌補的傷害。對于心顫和心動信號

3、，本文提出的特征分類算法可以準確辨別心顫和心動信號，及時對患者采取治療措施，對心臟猝死病例的減少具有重要意義。
　　首先利用水平可視圖算法將實驗數據從時間域轉換到復雜網絡域。在水平可視圖算法中，時間序列的每個采樣點看作復雜網絡中的節(jié)點，節(jié)點之間是否有邊連接，取決于局部凸約性。該算法在構造復雜網絡的過程中不涉及任何參數的選擇，使得主觀性大大降低，可準確得到時間序列所對應的復雜網絡。
　　其次對得到的復雜網絡結構以及統(tǒng)計特性進行

4、分析。針對癲癇腦電數據，提出度中心度以及其數學變換作為分類特征對其進行分類，其分類效果相比于傳統(tǒng)的非線性分析方法，例如樣本熵、近似熵等得到提高?？紤]到線性特征同樣可以反映時間序列的信息，提取波動指數、相關系數與度中心度組合成三維向量作為分類特征對腦電數據進行分類，相比于單特征分類效果更好。通過進一步分析復雜網絡，構造新特征以及特征和對癲癇腦電進行分類，分類性能得到進一步的提升，對癲癇疾病的診斷和治療具有重要的意義。同時，本文首次利用復雜

5、網絡理論對心室纖顫和心動過速信號進行研究，為研究心電信號提供了新方法。通過分析心電信號所對應的復雜網絡，提出基于度中心度的特征分類算法，該算法相比于傳統(tǒng)的非線性分析方法以及現(xiàn)有分類性能較好的復雜度算法，得到更好的分類效果，準確率可達99.5％。
　　通過實驗驗證，復雜網絡理論很適合對癲癇腦電和心顫和心動信號進行研究，其統(tǒng)計特性可以反映原時間序列的非線性動力學信息。本文提出的特征分類算法可以準確辨別不同的醫(yī)學信號，有助于癲癇病人和心