基于改進(jìn)的符號(hào)轉(zhuǎn)移熵的生理電信號(hào)耦合網(wǎng)絡(luò)研究.pdf

1、人體有著復(fù)雜的生理系統(tǒng)，在神經(jīng)中樞的調(diào)節(jié)下表現(xiàn)出高度的復(fù)雜性與非平穩(wěn)、間歇性和非線性行為，每一處控制機(jī)能都在不斷的相互作用并構(gòu)成一個(gè)綜合的網(wǎng)絡(luò)，任何一個(gè)系統(tǒng)的故障都會(huì)影響整個(gè)網(wǎng)絡(luò)的正常運(yùn)轉(zhuǎn)。生理網(wǎng)絡(luò)的開發(fā)有助于研究生理系統(tǒng)之間的相互作用、網(wǎng)絡(luò)的拓?fù)浜蛣?dòng)力學(xué)信息以及與生理功能、疾病產(chǎn)生的關(guān)系。鑒于研究生理耦合網(wǎng)絡(luò)具有重要的意義，本文主要做了以下工作：
　　一、本文對(duì)傳統(tǒng)時(shí)間序列符號(hào)化方法做出改進(jìn)，在原有符號(hào)轉(zhuǎn)移熵的基礎(chǔ)上，創(chuàng)新性地采

2、用動(dòng)態(tài)自適應(yīng)分割方法。由于傳統(tǒng)的符號(hào)動(dòng)力學(xué)采用靜態(tài)劃分方法，符號(hào)化的過程中丟失細(xì)節(jié)信息在所難免，盡管保留了動(dòng)力學(xué)特征，但時(shí)間序列的非平穩(wěn)性還是使結(jié)果受到嚴(yán)重影響。實(shí)驗(yàn)表明，應(yīng)用改進(jìn)的符號(hào)轉(zhuǎn)移熵算法分析心腦電信號(hào)有更顯著的耦合作用效果，能更好的跟蹤信號(hào)中的動(dòng)態(tài)信息以及系統(tǒng)動(dòng)力學(xué)復(fù)雜特征的變化。
　　二、本文應(yīng)用改進(jìn)的時(shí)間序列符號(hào)轉(zhuǎn)移熵算法，進(jìn)一步對(duì)睡眠分期的生理電信號(hào)進(jìn)行耦合量化處理，計(jì)算腦電、心電、肌電之間的符號(hào)轉(zhuǎn)移熵值，綜合得到

3、不同時(shí)期的耦合網(wǎng)絡(luò)。與傳統(tǒng)算法所得結(jié)果相比，有明顯優(yōu)勢(shì)。實(shí)驗(yàn)表明，量化結(jié)果可以較為清晰的分析不同生理系統(tǒng)不同時(shí)期的交互強(qiáng)度與變化。
　　三、本文綜合應(yīng)用小波分解技術(shù)與改進(jìn)的符號(hào)轉(zhuǎn)移熵計(jì)算方法，將腦電信號(hào)分解為?、?、?和?波四種不同的基本波，計(jì)算出EEG信號(hào)基本波與ECG、EMG相互之間的STE值，從而得到更為豐富的生理電信號(hào)耦合交互網(wǎng)絡(luò)，實(shí)驗(yàn)發(fā)現(xiàn)，不同睡眠時(shí)期分別對(duì)應(yīng)不同類型的基本波在耦合交互中占主導(dǎo)作用。通過量化生理網(wǎng)絡(luò)中鏈接