Wang Xuwen
(Ingénierie, Nanjing Université des Postes et de la Communication, Nanjing 210003, Chine)
théorie de la complexité est devenue un des signaux électriques physiologiques de recherche à chaud, et l'entropie de transfert de symbole est le reflet du degré de trouble du système d'index non-linéarité. Proposé dans la base originale de l'article multivariée entropie de transfert de l'entropie à plusieurs variables de transfert de symbole, division statique de la méthode traditionnelle de séries temporelles a apporté des améliorations, va bientôt utiliser la série chronologique de segmentation adaptative symbolisent dynamique. L'application de l'algorithme de la maladie cardiaque normale ECG et coronarienne ont été analysés, sélectionner le meilleur de la tête dans les expériences, les résultats montrent que l'algorithme peut établir de façon marquée entre les sujets normaux et les patients souffrant d'une maladie coronarienne, superposées sur la séquence originale de temps ECG après le bruit gaussien est toujours fiable et efficace.
des signaux électriques physiologiques, une pluralité d'entropie de transfert symbole; segmentation adaptative dynamique
TN911.23 Code du document: ADOI: 10,19358 / j.issn.16747720.2016.23.017
. Kouran étude ECG Wen multi entropie Symbole de transfert [J] SES APPLICATIONS, 2016,35 (23): 59-61,68.
0 introduction
Le plus important signal physiologique humain est un signal électrique va changer avec le temps et les changements instantanés, parce que l'état physiologique et états pathologiques du corps humain est différent. entropie de transfert en fonction de symbole signal électrique physiologique, caractérisé en signaux activité électrique physiologique extraction et l'analyse ont joué un rôle plus important [1].
Du côté clinique, l'ECG est une surface de réflexion globale de l'activité électrique du cur, et par conséquent, l'électrocardiogramme clinique pour la détection et le diagnostic de la maladie cardiaque est très important, et l'information sur les sciences de la vie ont aussi une valeur de recherche très important.
Tout d'abord l'algorithme d'entropie de symboles de transfert multivariables, qui est principalement utilisée pour analyser les signaux ECG à plusieurs variables d'entropie de transfert de symbole à l'aide dynamique adaptatif divisant la méthode des séries chronologiques [2]. Ensuite contraste des données ECG normal avec la maladie de l'artère coronaire du patient, par rapport à l'algorithme traditionnel et l'algorithme proposé, et ne se superposent pas avec gaussienne contraste superposé bruit, montrent que l'algorithme proposé a de bonnes performances [3].
Plus d'une entropie de transfert de symboles variables
Plus de 1,1 entropie de transfert variable
L'une des séries temporelles principales mesures de la complexité de l'entropie, l'entropie est simple à utiliser, le calcul rapide, une bonne immunité au bruit et d'autres avantages. Transfert des informations de mesure entropie est basée sur la théorie du choix, il partage des informations utiles sur la nature de l'interaction entre, et prendra également en compte la dynamique de transmission de l'information. Mais il implique un vecteur infini, il est difficile d'estimer de manière fiable les variables de grande dimension. Pour résoudre ce problème présente l'algorithme d'entropie de transfert multivariée: Etant donné un processus stochastique stable à temps discret multi-X, qui est un sous-processus Y, Z, W ..., à l'instant t est Xt, Yt .... celui-ci est définie comme la dernière fois le processus Xt = (Xt-1, Xt-2, ...), et Yt = (Yt-1, Yt-2, ...), le Yt et Xt en tant que sous-ensemble. Transfert entropie ITEX- > Y = I (Y-t; Zt | X t \ Y-t) dans des conditions connues X-T \ Y-T, Y-t Zt à l'incertitude. Il y a deux équations dans infinis ingrédients d'entropie de transfert à variables multiples dimensions: X-t, et X-t \ Y-t.
1.2 la séquence d'origine des symboles
Est-ce une sorte de dynamique symbolique étudier la dynamique symbolique de la théorie mathématique abstraite complexe. Dans le système de la dynamique symbolique, l'état du système peut être représenté comme des séquences infinies finies de symbole abstrait.
Symbole méthode d'analyse des séries temporelles se réfère à la séquence temporelle d'origine est converti en une série temporelle d'une pluralité de symboles, suivie d'une analyse de « grossière » [4]. Dans le processus symbolique des séries chronologiques d'origine, la série de temps vont inévitablement perdre quelques détails. En dépit de la perte d'une partie des détails des caractéristiques dynamiques des séries chronologiques d'origine est encore préservée. En utilisant la séquence de symboles des symboles dans le calcul au lieu de la série chronologique d'origine, il augmenterait considérablement la vitesse des valeurs calculées.
Processus symbolisait l'analyse des séries chronologiques d'origine, le plus important est la façon dont une sorte d'approche d'analyse de la dynamique symbolique prises pour diviser le champ de symbole correspondant à la série de valeurs de temps d'origine, puis la séquence temporelle originale est convertie en une séquence de symboles, Tout d'abord, la plage statique pour diviser la zone de symbole et symbole transformé.
Étant donné que les paramètres de l'algorithme d'entropie de transfert multivariables qui ont une des exigences de coordination relativement élevées, et est un bruit relativement sensible, il est également introduit une nouvelle approche basée sur le signe de l'art, pour former une entropie de transfert Symbole multiples [5], à savoir la séquence la conversion de X en une séquence de symboles S = s1, s2, ..., Si, ..., sn, siA (a = 0,1,2,3), la séquence Y est convertie en une séquence de symboles J = j1, j2, ..., ji, ..., jn, jiA (a = 0,1,2,3), la séquence Z est convertie en une séquence de symboles K = k1, k2, ..., ki, ..., kn, kiA (a = 0,1,23).
1.3 amélioration de l'entropie de transfert de symboles à variables multiples
Au cours des 20 dernières années, la plupart des algorithmes traditionnels peuvent être utilisés pour estimer la complexité des séries temporelles, telles que les dimensions et l'indice Lyapunov. Bien que ces algorithmes sont capables d'estimer correctement la complexité, mais ils nécessitent généralement une statistique longue série de données, pas facile dans la recherche clinique et de l'application.
En utilisant la méthode adaptative dynamique pour diviser les séries temporelles originales pour capturer plus précisément la dynamique des séries chronologiques. partitionnement dynamique adaptatif comme suit:
Pour obtenir une série temporelle de N points u: u = {u (i): 1iN}. Pour la série de temps u (i), l'espace de phase m-dimensionnelle est noyé dans une série chronologique:
Dans lequel m est la dimension d'inclusion, L est un temps de retard. Lorsque le temps de retard est choisi en tant que L 1, m le nombre de dimensions vecteur est le N-m + 1. Pour toute m dimensions vecteur, il est la mesure de base de la racine carrée moyenne de différence entre deux points adjacents BS vecteur à m dimensions calculé par:
Sur la base de l'échelle de base, on peut voir que la division norme BS x (i). L'un quelconque des m dimensions vecteur X (i) est convertie en une séquence de symboles S (X (i)) = s (i), S (i + 1), ..., S (i + m-1), sA, A (0,1,2,3). Symbole processus de conversion est la suivante:
Si, i = 1,2,3, ..., N-m + 1, k = 0,1,2, ..., m-1. x est la moyenne du vecteur X m dimensions (i), et la BS (i) est la mesure de base des i-ième vecteurs m dimensions, pour tous les symboles 0,1,2,3 drapeau de la zone, ce qui signifie cette valeur ne se fend pas. est un paramètre spécial, au cours des séries chronologiques d'origine dans la séquence de symboles, si la valeur de est trop grande, les détails seront perdus, ne peut pas saisir les informations de dynamique, si est trop petit, les séries chronologiques seront évidentes l'effet du bruit. Ici, les valeurs alpha utilisées pour sélectionner la méthode d'essai Wessel. La figure 1 représente une vue schématique de la Fig.
L'amélioration de l'entropie de transfert multi-symbole se réfère aux séries temporelles originales en utilisant divisé adaptatif de dynamique, alors la séquence de symboles, symboles analyse multivariée entropie transfert [6].
2 algorithme d'analyse d'ECG sur la base de l'amélioration
2.1 Données expérimentales
Utilisez la maladie coronarienne et l'acquisition normale signal ECG d'origine obtenu à partir du diagnostic clinique de l'hôpital de séries chronologiques. L'enregistrement de base de données comprend un conducteur de signaux EEG de données multi-paramètres 12 (, , , aVR, aVL, aVF, V1, V2, V3, V4, V5, V6), le signal d'enregistrement est supérieure à la longueur de la 1 min, la période d'échantillonnage de 512 Hz.
20 ont été choisis au hasard des données ECG individuelles et les données ECG à partir des données ECG chez les patients atteints coronarienne normale. les données sélectionnées ont été prises à partir d'un coeur normal données électriques aVL et ECG chez les patients atteints coronarienne, aVF, I 3 de guidage des signaux associés, à savoir I dans des conditions connues, l'entropie de transfert est calculé à variables multiples symboles aVL aVF (composé de expériences confirmées, aVL, aVF, je mène a une bonne discrimination, de sorte que le choix aVL, aVF, je mène en tant que sujets de recherche). Les deux séries d'échantillons de données ont été enregistrées comme « normal » et de l'échantillon « Guanxin. »
2.2 Méthodes
Chaque ensemble de données d'origine est lu pour la première série chronologique ECG valide, le traitement de symboles de données d'ECG brut, puis calculer l'entropie de la pluralité séquence de temps de transfert Symbole de symboles, l'utilisation des résultats statistiques de SPSS calculé logiciel d'analyse vérifier de manière significative pour vérifier la validité de l'algorithme [7].
2.3 Résultats et analyse expérimentale
Extrait de la séquence d'échantillons de signal EEG « normal » et « coronaire » de chaque point individuel de tous les cycles, enlever toute la série chronologique de l'ECG. séquence temporelle ECG a été supprimé, en prenant L = longueur de l'entropie multi-symbole ECG 160 originaux calcule les séries temporelles de données d'ECG.
Pour chaque séquence dans un temps symbole du processus original, on calcule la longueur de chaque série temporelle de symbole d'entropie de transfert à plusieurs variables 160, et chacun de la pluralité Symbole entropie de transfert est calculé pour chaque individu de l'individu comme une moyenne finale symbole d'entropie de transfert. Enfin, cette entropie transfert de symbole à plusieurs variables 20 sujets normaux et 20 patients souffrant d'une maladie coronarienne ont été en moyenne pour obtenir un transfert d'entropie. Les résultats représentés sur la figure.
. Signification des résultats de la figure 2 symboles connus transfert d'entropie à variables multiples patients normaux et CAO à différentes comparaison du jeu de dérivation ECG (coordonnée horizontale est représentée par: 1-- > aVR | I, 2-aVL - > aVF | I, 3-V1- > V2 | I, 4-V3- > V4 | I, 5 V5- > V6 | I). l'entropie de différence de transfert multi-symbole plomb plomb aVL et aVF dans des conditions de plomb I Symbole pluralité d'entropie transféré dans cinq groupes conduire le signal, le calcul patient ECG normal à des maladies cardiaques coronaires par cette discrimination de signal de préférence visible, aVL et aVF, et ainsi de prendre l'ensemble de données de plomb I comme cible d'analyse.
Après l'entropie de transfert de base multi Symbole ECG normaux et des patients atteints d'une maladie coronarienne, la valeur moyenne et la variance tracées, comme le montre la figure.
En utilisant le logiciel d'analyse statistique SPSS pour l'exactitude et de l'efficacité de l'algorithme proposé une vérification plus poussée, les résultats seront une analyse T-test indépendant [8]. Les résultats sont présentés dans le tableau 1.
D'après le tableau 1, t = 3,163, Sig = 0,003 < 0,05, ce qui indique la différence multivariée ECG normal et l'entropie de transfert coronaire maladie cardiaque symbole est très important que l'algorithme peut distinguer efficacement les sujets normaux et les patients atteints d'une maladie coronarienne.
échantillon de données ECG « normale » et « coronaire » en symboles multi-classiques Symbole entropie de transfert et le calcul amélioré entropie de transfert multi-Symbol Analyse comparative comparant les résultats présentés sur la Fig.
La figure 4 montre que les deux normaux et des patients avec une maladie coronarienne, l'algorithme amélioré entropie entropie sont plus grandes que les algorithmes classiques, et peut efficacement faire la distinction entre des sujets normaux et des patients atteints d'une maladie cardiaque coronaire, ce qui indique une amélioration des signaux électriques multiples de transfert Symbole de l'entropie du cur le symbole traditionnel à plusieurs variables transfert entropie.
Après un bruit blanc gaussien sur l'ECG de séries temporelles originales superposées [9], en utilisant un algorithme amélioré d'entropie multi-transfert Symbole Symbole transfert multiple entropie de sujets normaux et de patients atteints de signaux électriques cardiaques coronaires, et une pluralité de bruit gaussien ne se superpose pas transférer la comparaison de symboles entropie, les résultats montrés sur la Fig.
On voit sur la figure. 5, la transition symbole bruit blanc gaussien à plusieurs variables après l'entropie des sujets normaux et les patients atteints de coronaropathie superposées et non plus le changement, qui démontre une meilleure robustesse de l'algorithme haute entropie multi transfert Symbole.
3 Conclusion
algorithme d'entropie de transfert multi-Symbole objectif proposé est de calculer l'entropie d'une série de temps de transfert multi-symbole du signal électrique d'origine, de faire la distinction entre les sujets normaux et des patients. sign-on multivariée entropie de transfert de signal à l'esprit, pour obtenir les résultats souhaités, la recherche et le diagnostic clinique de l'ECG sont d'une grande aide.
Cependant, cet algorithme, il y a beaucoup de lacunes et d'amélioration. D'une part, le transfert symbolique à plusieurs variables de l'entropie peut être appliquée dans un champ plus large de signaux physiologiques, tels que les EEG, d'autre part, des études théoriques doivent être plus étroitement associée au diagnostic clinique réel et le traitement de la maladie, afin d'améliorer encore l'algorithme et la recherche de la valeur pratique et opérabilité.
références
[1] Le signal ECG caractéristique de Bob [D] Nanjing:. University Nanjing, 2005.
[2] WESSEL N, ZIEHMANN C, Kurths J, et al. Prévision Shortterm de lifethreatening troubles du rythme cardiaque basé sur la dynamique symbolique et les taux de croissance finitetime [J]. Physical Review E Physique statistique Plasmas Fluides et connexes Sujets interdisciplinaires , 2000, 61 (1): 733-741.
[3] Songai Ling, Huang Xiaolin, haute Division pointe, et d'autres dynamiques symboliques sélectionner [J] dans les paramètres de la variabilité de la fréquence cardiaque Physique, 2011,60 (2): 120-127.
[4] Caoxue Hong, Zhang théorie de l'information orange et codage [M] Pékin: Tsinghua University Press, 2004.
. [5] Bien entropie de transfert de symbole à base de Ru Xiao et la dissipation d'énergie moyenne de l'analyse de la mise en scène du sommeil [D] Nanjing: Nanjing Université des Postes et Télécommunications, 2012.
[6] FERNANDO L D S.EEG et MEG: pertinence neuroscience [J] Neuron, 2013, 80 (5) :. 1112-1128.
[7] FEIGE B, Voderholzer U, RIEMANN D, et al. Slowwave EEG du sommeil indépendant et dynamique de la bande broche associés à 4 semaines d'application continue d'hypnotiques de vie shorthalf chez des sujets sains [J]. Scandinave Journal of Public Health 1999, 110 (11): 1965-1974.
. [8] Stephen Chan, Yuan Huaping, Joseph Lee, rouge, et ainsi de suite le suivi des progrès Holter dans le diagnostic et le traitement de la science moderne [J] Chinese Medical Digest: Internal Medicine, 2004 (1): 100-101.
[9] Tien-Hua Chen, le major Han, Cheng Yu filtrage ECG bruit numérique [J] Informations microordinateur, 2008,24 (18): 252-254.
