發(fā)布時(shí)間：2020-09-15 11:00

　　 人體是多個(gè)非線性生理系統(tǒng)構(gòu)成的綜合體,生理系統(tǒng)之間、器官之間以及器官的不同成分之間都存在不同程度的非線性相互作用。如何通過表征生理系統(tǒng)本身的非線性特征以及生理系統(tǒng)之間相互作用的改變來評(píng)估不同的生理、病理狀態(tài)是生理系統(tǒng)非線性分析的根本問題。本文利用符號(hào)化方法簡(jiǎn)化生理時(shí)間序列非線性分析中的概率估計(jì),并按照生理變量增加的研究主線分別從單一變量的非線性特征(符號(hào)熵值分析和時(shí)間不可逆)、雙變量的因果關(guān)聯(lián)性(符號(hào)轉(zhuǎn)移熵)和多變量之間的交互關(guān)系(網(wǎng)絡(luò)方法)三個(gè)角度對(duì)不同生理、病理的時(shí)間序列進(jìn)行非線性特征分析,具體如下:首先,針對(duì)符號(hào)化對(duì)時(shí)間序列分析的影響,利用Logistic序列和心率信號(hào)對(duì)靜態(tài)和動(dòng)態(tài)符號(hào)熵值方法的非線性復(fù)雜度提取效果進(jìn)行了系統(tǒng)的對(duì)比分析,充分驗(yàn)證了控制參數(shù)對(duì)時(shí)間序列符號(hào)化的影響,并發(fā)現(xiàn)需要根據(jù)時(shí)間序列的結(jié)構(gòu)化或動(dòng)力學(xué)特征的不同選擇相應(yīng)的符號(hào)化方法。文章發(fā)現(xiàn)了心率信號(hào)中大量存在的等值狀態(tài),并論證了等值分布包含的重要的心臟調(diào)節(jié)信息及其對(duì)排列類型和排列熵的影響。另外,針對(duì)如何結(jié)合靜態(tài)、動(dòng)態(tài)符號(hào)動(dòng)力學(xué)信息的問題,從符號(hào)化、編碼和序列分析三個(gè)途徑總結(jié)了可使用的方法,提出了利用聯(lián)合熵將兩種類型的符號(hào)序列相結(jié)合的方法,更有效地提取了心率信號(hào)的非線性特征,并發(fā)現(xiàn)靜態(tài)和動(dòng)態(tài)符號(hào)化方法提取的符號(hào)動(dòng)力學(xué)信息不同。心率信號(hào)的符號(hào)熵值分析有助于加深對(duì)心臟非線性特征的認(rèn)知以及對(duì)心衰、年老相關(guān)的復(fù)雜度丟失理論的理解。其次,針對(duì)心率和腦電信號(hào)時(shí)間不可逆的量化分析,發(fā)現(xiàn)了時(shí)間不可逆統(tǒng)計(jì)定義和相空間理論在數(shù)學(xué)上的相似性,論證了利用排列類型代替高維向量的可行性,指出并驗(yàn)證了正反序列聯(lián)合概率差異性和序列對(duì)稱向量概率差異性的一致性,論證了空排列包含的系統(tǒng)非線性特征及其對(duì)時(shí)間不可逆分析的影響,提出了基于減法的排列概率差異性參數(shù)Ys。在癲癇腦電信號(hào)分析中,驗(yàn)證了腦電信號(hào)固有的非線性特征,發(fā)現(xiàn)了癲癇發(fā)作期腦電信號(hào)異常高的時(shí)間不可逆,提出了癲癇腦電周期性非線性特征的假設(shè)。在心率信號(hào)的非線性分析中,研究了等值狀態(tài)對(duì)基于排列類型的時(shí)間不可逆的影響,發(fā)現(xiàn)等值排列類型可產(chǎn)生意味著時(shí)間可逆的自對(duì)稱形式,論證了基于等值排列的時(shí)間不可逆有更加合理、可靠的非線性特征提取效果。另外,論證了多尺度分析對(duì)心率等值分布的影響,討論了香農(nóng)熵和時(shí)間不可逆在非線性特征分析中的差異性。心臟和大腦單一器官的時(shí)間不可逆分析為理解復(fù)雜生理系統(tǒng)的非平衡性以及相關(guān)生理、病理的特征等提供了幫助。再次,針對(duì)不同睡眠狀態(tài)下心腦信號(hào)之間關(guān)聯(lián)性的特征,利用靜態(tài)和動(dòng)態(tài)符號(hào)轉(zhuǎn)移熵量化方法進(jìn)行了研究,并從系統(tǒng)的動(dòng)態(tài)關(guān)聯(lián)性以及相互之間信息量的影響兩個(gè)角度對(duì)轉(zhuǎn)移熵進(jìn)行了解析,研究了心臟和大腦信號(hào)之間以及心電信號(hào)和不同波段的腦電活動(dòng)之間存在的信息交換量,發(fā)現(xiàn)心腦信號(hào)之間信息關(guān)聯(lián)性隨著睡眠的加深而降低,而心電信號(hào)和不同腦波段的信息交換量隨著頻段頻率的增加而增加。心電信號(hào)至腦電的信息流受睡眠影響更大,因而能更加有效地反映睡眠狀態(tài)的變化,并且心電活動(dòng)至腦電信號(hào)的信息量高于反向腦電至心電信號(hào)的信息量,表明在心腦信號(hào)的信息交互作用中,心臟活動(dòng)是驅(qū)動(dòng)因素,而腦電活動(dòng)是響應(yīng)因素。另外,對(duì)符號(hào)序列編碼、排列和相空間、采樣頻率之間的理論和應(yīng)用中的關(guān)系進(jìn)行了充分的討論。心腦信息關(guān)聯(lián)性的量化分析提供了對(duì)心腦信號(hào)之間因果關(guān)系的新認(rèn)識(shí),并且為睡眠分期的研究提供了有價(jià)值的信息。最后,針對(duì)多生理變量的網(wǎng)絡(luò)關(guān)聯(lián)性,利用排列轉(zhuǎn)移熵量化生理節(jié)點(diǎn)之間的連接并構(gòu)建了有向加權(quán)的生理網(wǎng)絡(luò),分析了癲癇腦網(wǎng)絡(luò)和睡眠生理器官網(wǎng)絡(luò)的統(tǒng)計(jì)特征。在腦信息網(wǎng)絡(luò)中,癲癇患者腦通道之間、各個(gè)腦區(qū)和整個(gè)大腦的信息傳輸總量以及信息流概率分布的香農(nóng)熵值都低于健康人,表明癲癇抑制了不同腦區(qū)之間的信息交換以及腦區(qū)交互活動(dòng)復(fù)雜度。在生理器官網(wǎng)絡(luò)中,器官之間信息傳輸量以及各器官的信息流入、流出信息總量和信息交互的復(fù)雜度都隨著睡眠深度的增加而降低,表明人體各器官在睡眠狀態(tài)下存在普遍的信息交互關(guān)聯(lián)性,但是器官之間信息交換的活躍度會(huì)隨著睡眠的加深而有所下降。另外,結(jié)合癲癇和睡眠的生理、病理特點(diǎn),討論了生理信息交換網(wǎng)絡(luò)的特征。腦網(wǎng)絡(luò)和生理器官網(wǎng)絡(luò)的分析對(duì)探索生理系統(tǒng)中復(fù)雜的相互作用的本質(zhì)以及了解相關(guān)癲癇和睡眠的特點(diǎn)起到重要的作用。本文在生理時(shí)間序列的符號(hào)化和非線性特征分析中,提出了符號(hào)聯(lián)合熵和基于排列的時(shí)間不可逆分析,驗(yàn)證了符號(hào)化和等值心率對(duì)非線性分析的重要影響,提出了癲癇腦電周期性非線性特征的假設(shè),研究了生理器官之間的關(guān)聯(lián)性并構(gòu)建了生理信息交換網(wǎng)絡(luò),取得一定成果但也發(fā)現(xiàn)一些需要進(jìn)一步研究的問題。
【學(xué)位單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：O211.61;R33

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張笑東;夏筱筠;蒲寶明;公緒超;王帥;;基于非穩(wěn)態(tài)時(shí)間序列的生理控制模型研究[J];系統(tǒng)工程理論與實(shí)踐;2020年02期

2 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時(shí)間序列分類方法[J];計(jì)算機(jī)應(yīng)用;2017年02期

3 王金策;楊寧;;時(shí)間序列趨勢(shì)預(yù)測(cè)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年02期

4 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點(diǎn)的證券時(shí)間序列分段表示法[J];商;2016年31期

5 劉偉龍;;基于ARMA模型的股價(jià)預(yù)測(cè)及實(shí)證研究[J];智富時(shí)代;2017年02期

6 周仰;;《漫長(zhǎng)的告別》(年度資助攝影圖書)[J];中國(guó)攝影;2017年04期

7 王嵬;;王嵬作品[J];當(dāng)代油畫;2017年07期

8 劉明華;張晉昕;;時(shí)間序列的異常點(diǎn)診斷方法[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2011年04期

9 郭崇慧;蘇木亞;;基于獨(dú)立成分分析的時(shí)間序列譜聚類方法[J];系統(tǒng)工程理論與實(shí)踐;2011年10期

10 王佳林;王斌;楊曉春;;面向不確定時(shí)間序列的分類方法[J];計(jì)算機(jī)研究與發(fā)展;2011年S3期

相關(guān)會(huì)議論文 前10條

1 馬俊;曹成度;閔陽(yáng);周呂;;基于主成分分析去除GNSS站坐標(biāo)時(shí)間序列有色噪聲[A];第十一屆中國(guó)衛(wèi)星導(dǎo)航年會(huì)論文集——S05 空間基準(zhǔn)與精密定位[C];2020年

2 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

3 張可;李媛;柴毅;黃磊;;基于分段趨勢(shì)的符號(hào)化時(shí)間序列聚類表示[A];第37屆中國(guó)控制會(huì)議論文集（D）[C];2018年

4 張立波;龐蓉蓉;王勇;黃敏;何成濤;傅強(qiáng);曲賢敏;仲昭衍;;基于時(shí)間序列的隨機(jī)質(zhì)控設(shè)計(jì)與應(yīng)用[A];中國(guó)輸血協(xié)會(huì)第九屆輸血大會(huì)論文專輯[C];2018年

5 徐光晶;;統(tǒng)計(jì)學(xué)在大地電磁測(cè)深時(shí)間序列處理中的應(yīng)用[A];2017中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)論文集（二十九）——專題57：電磁地球物理學(xué)研究及其應(yīng)用[C];2017年

6 毛宇清;王詠青;王革麗;;支持向量機(jī)方法應(yīng)用于理想時(shí)間序列的預(yù)測(cè)研究[A];中國(guó)氣象學(xué)會(huì)2008年年會(huì)氣候預(yù)測(cè)研究與預(yù)測(cè)方法分會(huì)場(chǎng)論文集[C];2008年

7 吳麗娜;黃領(lǐng)梅;沈冰;呂繼強(qiáng);;黃河上游降水時(shí)間序列混沌特性識(shí)別與預(yù)測(cè)年限分析[A];水系統(tǒng)與水資源可持續(xù)管理——第七屆中國(guó)水論壇論文集[C];2009年

8 吳堅(jiān)忠;路子愚;鄭應(yīng)平;;時(shí)間序列社會(huì)悖論模型及分析[A];1989年控制理論及其應(yīng)用年會(huì)論文集（上）[C];1989年

9 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對(duì)復(fù)雜時(shí)間序列的熵分析的影響研究[A];中國(guó)力學(xué)大會(huì)-2015論文摘要集[C];2015年

10 林忠輝;莫興國(guó);薛玲;;用NDVI時(shí)間序列確定作物物侯和作物類型判別[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

相關(guān)重要報(bào)紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動(dòng)率的均值回復(fù)特征[N];期貨日?qǐng)?bào);2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日?qǐng)?bào);2009年

3 國(guó)家統(tǒng)計(jì)局核算司 呂峰;不變價(jià)GDP時(shí)間序列數(shù)據(jù)的構(gòu)造[N];中國(guó)信息報(bào);2016年

4 ;《時(shí)間序列與金融數(shù)據(jù)分析》[N];中國(guó)信息報(bào);2004年

5 何德旭 王朝陽(yáng);時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國(guó)社會(huì)科學(xué)院院報(bào);2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2003年

7 卞紀(jì);我國(guó)多時(shí)間序列濕地遙感制圖完成[N];中國(guó)氣象報(bào);2011年

8 權(quán)證一級(jí)交易商 國(guó)信證券;正股走勢(shì)及時(shí)間序列主導(dǎo)下半年權(quán)證市場(chǎng)運(yùn)行結(jié)構(gòu)[N];證券時(shí)報(bào);2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場(chǎng)升勢(shì)或?qū)⑿纬蒣N];上海證券報(bào);2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應(yīng)用[N];期貨日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 姚文坡;生理時(shí)間序列的符號(hào)化和非線性特征分析[D];南京郵電大學(xué);2019年

2 劉海洋;復(fù)雜環(huán)境下時(shí)間序列預(yù)測(cè)方法研究[D];北京交通大學(xué);2019年

3 石巍巍;大規(guī)模多源時(shí)間序列預(yù)處理與隱藏空間映射分析研究[D];上海交通大學(xué);2018年

4 顏昌;心血管時(shí)間序列的圖形分析和應(yīng)用[D];山東大學(xué);2019年

5 張弼堯;基于遙感時(shí)序分析的半干旱地區(qū)森林生態(tài)系統(tǒng)變化研究[D];中國(guó)地質(zhì)大學(xué)(北京);2019年

6 黃田;面向超大規(guī)模時(shí)間序列的異常檢測(cè)[D];上海交通大學(xué);2015年

7 康峻;基于時(shí)間序列遙感數(shù)據(jù)的植被精細(xì)分類與覆蓋度反演研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2018年

8 林蕾;基于循環(huán)神經(jīng)網(wǎng)絡(luò)模型的遙感影像時(shí)間序列分類及變化檢測(cè)方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2018年

9 丁紅;柳江徑流分析與預(yù)測(cè)研究[D];武漢理工大學(xué);2016年

10 周超;集成時(shí)間序列InSAR技術(shù)的滑坡早期識(shí)別與預(yù)測(cè)研究[D];中國(guó)地質(zhì)大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 吳振宇;復(fù)雜時(shí)間序列的信息熵及其應(yīng)用[D];北京交通大學(xué);2019年

2 劉彩云;基于時(shí)間序列挖掘技術(shù)的南水北調(diào)工程安全監(jiān)測(cè)數(shù)據(jù)異常檢測(cè)[D];華北水利水電大學(xué);2019年

3 武帥;面向時(shí)間序列的增量模糊聚類算法研究[D];河南理工大學(xué);2018年

4 陳洋;中高空間分辨率衛(wèi)星NDVI時(shí)間序列數(shù)據(jù)重建技術(shù)研究[D];電子科技大學(xué);2019年

5 蔡曉軍;區(qū)域GPS坐標(biāo)時(shí)間序列特性分析[D];長(zhǎng)安大學(xué);2019年

6 肖寧寧;基于時(shí)間序列InSAR技術(shù)的成都地區(qū)地表沉降研究[D];電子科技大學(xué);2019年

7 靳東明;基于時(shí)間序列的地鐵列車測(cè)速定位系統(tǒng)故障診斷方法[D];北京交通大學(xué);2019年

8 趙子新;基于時(shí)間序列新陳代謝法的深基坑變形分析預(yù)測(cè)[D];上海交通大學(xué);2018年

9 王璇;基于MODIS時(shí)間序列的河南主要農(nóng)作物種植信息提取[D];河南大學(xué);2019年

10 潘壯壯;微博熱點(diǎn)話題表示及演化研究[D];安徽理工大學(xué);2019年

本文編號(hào)：2818878