Çok Değişkenli Sembol Transfer Entropisine Dayalı EKG Sinyali Araştırması
Wang Xuwen
(İletişim ve Bilgi Mühendisliği Okulu, Nanjing Posta ve Telekomünikasyon Üniversitesi, Nanjing 210003, Jiangsu)
Karmaşıklık teorisi, fizyolojik elektrik sinyalleri çalışmasında sıcak bir nokta haline geldi ve işaret transfer entropisi, sistem kaosunun derecesini yansıtan doğrusal olmayan bir göstergedir. Orijinal çok değişkenli transfer entropisine dayanan makale, zaman serilerinin geleneksel statik bölme yöntemini geliştiren, yani dinamik uyarlamalı bölümleme kullanarak zaman serilerini sembolize eden çok değişkenli sembol transfer entropisini önermektedir. Algoritma, normal insanların ve koroner kalp hastalığı olan hastaların EKG sinyallerini analiz etmek için kullanılır ve deneyde en iyi kurşun çifti seçilir.Sonuçlar, algoritmanın normal insanlar ve koroner kalp hastalığı olan hastalar arasında orijinal EKG zaman serisini üst üste bindirerek önemli ölçüde ayırt edebildiğini göstermektedir. Gauss gürültüsünden sonra bile güvenilir ve etkilidir.
Fizyolojik elektrik sinyali; çok değişkenli sembol transfer entropisi; dinamik adaptif segmentasyon
TN911.23 belge tanımlama kodu: ADII: 10.19358 / j.issn.1674-7720.2016.23.017
Wang Xuwen.Çok değişkenli sembolik transfer entropisine dayalı EKG sinyali üzerine araştırma J. Mikrobilgisayar ve Uygulama, 2016,35 (23): 59-61,68.
0 Önsöz
İnsan vücudunun en önemli fizyolojik sinyali elektrik sinyalidir ve elektrik sinyali zamanla anlık olarak değişecektir çünkü insan vücudunun fizyolojik durumu ve patolojik durumu farklıdır. Bir fizyolojik elektriksel sinyal özelliği olarak sembolik transfer entropisi, fizyolojik elektriksel aktivite sinyallerinin özellik çıkarımı ve analizinde giderek daha önemli bir rol oynar [1].
Klinik tıp açısından EKG sinyali, kalbin elektriksel aktivitesinin kapsamlı bir yansımasıdır.Bu nedenle klinik EKG testi, kalp hastalıklarının tespiti ve teşhisi için çok önemli bir öneme sahiptir ve ayrıca yaşam bilgisi bilimi için çok önemli bir araştırma değerine sahiptir.
Bu makale ilk olarak, esas olarak EKG sinyalinin çok değişkenli sembol transfer entropi değerini analiz etmek için kullanılan çok değişkenli bir sembol transfer entropi algoritması önermektedir ve zaman serilerini bölmek için uyarlanabilir bir dinamik yöntem kullanır [2]. Daha sonra, normal kişilerin ve koroner kalp hastalığı olan hastaların EKG verilerini karşılaştırmak, geleneksel algoritmayı önerilen algoritma ile karşılaştırmak ve üst üste binen ve üst üste binmeyen Gauss gürültüsünü karşılaştırmak, önerilen algoritmanın iyi performansa sahip olduğunu göstermektedir [3].
1 Çok değişkenli sembolik transfer entropisi
1.1 Çok değişkenli transfer entropisi
Zaman serilerinin karmaşıklığını ölçmenin ana yöntemlerinden biri entropidir Entropy, basit kullanım, hızlı hesaplama hızı ve iyi anti-gürültü performansına sahiptir. Transfer entropisi, karşılıklı bilginin bazı yararlı özelliklerini paylaşan ve ayrıca dinamik bilgi iletimini de hesaba katan seçim bilgisi teorisinin ölçümüne dayanır. Ancak sonsuz vektörleri içerir ve yüksek boyutlu değişkenleri güvenilir bir şekilde tahmin etmek zordur. Bu problemi çözmek için, çok değişkenli bir transfer entropi algoritması önerilmiştir: Kararlı çok değişkenli ayrık zamanlı rastgele süreç X verildiğinde, alt işlemleri Y, Z, W ... ve t zamanındaki değerler Xt, Yt ... Geçmiş an süreçleri X-t = (Xt-1, Xt-2, ...) ve Y-t = (Yt-1, Yt-2, ...) olarak tanımlanır ve Y-t, X-t'den biri olarak kabul edilir. Alt küme. Entropy ITEX Transferi > Y = I (Y-t; Zt | X-t \ Y-t), X-t \ Y-t bilinen koşullar altında Y-t'den Zt'ye belirsizliktir. Çok değişkenli transfer entropisi formülünde iki sonsuz boyutlu bileşen vardır: X-t ve X-t \ Y-t.
1.2 Orijinal sekans simgelemesi
Sembolik dinamik, sembolik dinamikleri incelemek için karmaşık ve soyut bir matematiksel teoridir. Sembolik dinamik bir sistemde, sistemin durumu, sonlu soyut sembollerin sonsuz bir dizisi olarak temsil edilebilir.
Sembolik zaman serisi analizi yöntemi, orijinal zaman serisini birkaç sembolden oluşan bir zaman serisine dönüştüren ve daha sonra onu analiz eden "kaba" bir yöntemi ifade eder [4]. Orijinal zaman serilerini simgeleme sürecinde, zaman serileri kaçınılmaz olarak bazı ayrıntılı bilgileri kaybedecektir. Ayrıntılı bilgilerin bir kısmı kaybolsa da, orijinal zaman serilerinin dinamik özellikleri hala korunmaktadır. Hesaplamalarda orijinal zaman serilerini değiştirmek için sembolize edilmiş sembol dizilerinin kullanılması, değerlerin hesaplanma hızını büyük ölçüde artıracaktır.
Orijinal zaman serisinin sembolik analizi sürecinde en kritik şey, orijinal zaman serisinin değerini karşılık gelen sembol alanlarına bölmek için hangi yöntemi kullanmak ve ardından orijinal zaman serisini sembol dizilerine dönüştürmektir.Bazı sembolik dinamik analiz yöntemleri Önce, statik aralık sembol alanını bölmek için kullanılır ve ardından sembol dönüşümü gerçekleştirilir.
Çok değişkenli transfer entropi algoritması, parametreleri için nispeten yüksek koordinasyon gereksinimlerine sahip olduğundan ve aynı zamanda gürültüye daha duyarlı olduğundan, çok değişkenli sembol transfer entropisini [5], yani sekans oluşturmak için simgeleştirme teknolojisine dayalı yeni bir yöntem getirilmiştir. X, S = s1, s2, ..., si, ..., sn, siA (A = 0,1,2,3) sembol dizisine dönüştürülür, Y dizisi J = j1, j2,, ji sembol dizisine dönüştürülür, , Jn, jiA (A = 0,1,2,3), Z dizisi bir sembol dizisine dönüştürülür K = k1, k2,, ki,, kn, kiA (A = 0,1,2 , 3).
1.3 Geliştirilmiş çok değişkenli sembolik transfer entropisi
Geçen 20 yılda, boyutlar ve Lyapunov üsleri gibi zaman serilerinin karmaşıklığını tahmin etmek için birçok geleneksel algoritma kullanılabilir. Bu algoritmalar karmaşıklığı doğru bir şekilde tahmin edebilmesine rağmen, sonuçları hesaplamak için genellikle uzun bir veri seti gerektirir, bu da klinik araştırma ve uygulama için uygun değildir.
Orijinal zaman serilerini bölmek için dinamik uyarlanabilir yöntemler kullanmak, zaman serilerinin dinamik özelliklerini daha doğru bir şekilde yakalayabilir. Dinamik uyarlamalı bölüm yöntemi aşağıdaki gibidir:
N noktalı bir zaman serisi için u: u = {u (i): 1iN}. Zaman serisi u (i) için, m-boyutlu faz uzayını zaman serisine gömün:
Burada m, gömme boyutu ve L, zaman gecikmesidir. Zaman gecikmesi L 1 olarak seçildiğinde m boyutlu vektörlerin sayısı N-m + 1'dir. Herhangi bir m-boyutlu vektör için, temel ölçek BS, m-boyutlu vektörün iki bitişik noktası arasındaki farkın kök ortalama karesiyle hesaplanır:
Temel ölçeğe bağlı olarak, bölme standardı × BS (i) olarak kabul edilebilir. Herhangi bir m boyutlu X (i) vektörünü sembolik bir diziye dönüştürün S (X (i)) = s (i), s (i + 1), ..., s (i + m-1), sA, A (0,1,2,3). Sembol dönüştürme süreci:
Bunlar arasında i = 1,2,3, ..., N-m + 1, k = 0,1,2, ..., m-1. x, m-boyutlu X (i) vektörünün ortalama değeridir ve BS (i), i-inci m-boyutlu vektörün temel ölçeğidir. 0, 1, 2, 3 sembolleri tüm bölgeleri işaretlemek için kullanılır.Bu değerin bölme için bir anlamı yoktur. özel bir parametredir.Orijinal zaman serilerinin sembol dizilerine dönüştürülmesi sırasında 'nın değeri çok büyükse ayrıntılı bilgi kaybolacak ve dinamik bilgi yakalanmayacaktır; değeri çok küçükse zaman serisi daha belirgin olacaktır. Gürültünün etkisi. Bu makalede, değerinin seçimi Wessel test yöntemini kullanmaktadır. Şematik diyagram Şekil 1'de gösterilmiştir.
İyileştirilmiş çok değişkenli sembol transfer entropisi, orijinal zaman serilerinin dinamik adaptif bölünmesinin kullanılmasını ifade eder ve ardından sembolize edilen sekans, çok değişkenli sembol transfer entropisi kullanılarak analiz edilir [6].
Geliştirilmiş algoritmaya dayalı 2 EKG sinyal analizi
2.1 Deneysel veriler
Normal kişilerin ve koroner kalp hastalığı olan hastaların hastanede klinik tanıdan alınan orijinal EKG sinyallerinin zaman serilerini kullanın. Kitaplık, 12 kurşun sinyal (I, II, III, aVR, aVL, aVF, V1, V2, V3, V4, V5, V6) dahil olmak üzere çok parametreli EEG verilerini kaydeder ve sinyalin kayıt uzunluğu 1 dk, örnekleme periyodu 512 Hz'dir.
20 kişinin EKG verileri, normal kişilerin EKG verilerinden ve koroner kalp hastalığı olan hastaların EKG verilerinden rastgele seçildi. Seçilen veriler, sırasıyla normal insanların EKG verilerinden aVL, aVF ve I üç kurşun sinyalini ve koroner kalp hastalığı olan hastaların EKG verilerinden almak, yani bilinen I koşulunda aVL aVF'nin çok değişkenli işaret transfer entropisini hesaplamaktır. Deneyler, aVL, aVF ve benim iyi derecede ayrımcılığa sahip olduğumu doğruladı, bu nedenle aVL, aVF ve ben araştırma nesnesi olarak seçildim). Bu iki veri seti örnek "normal" ve örnek "koroner kalp" olarak kaydedildi.
2.2 Deneysel yöntem
Öncelikle her orijinal veri grubundaki etkili EKG zaman serisini okuyun, orijinal EKG verilerini sembolize edin ve ardından sembolize edilen zaman serisinin çok değişkenli sembol transfer entropi değerini hesaplayın ve hesaplanan sonuçlar için SPSS istatistiklerini kullanın Analiz yazılımı, algoritmanın [7] etkinliğini doğrulamak için bir önem kontrolü gerçekleştirir.
2.3 Deneysel sonuçlar ve analiz
"Normal" ve "koroner kalp" örneklerinden, her bir döngüde her bireyin EEG sinyal dizisi için bir nokta alınır ve tüm EKG zaman serileri çıkarılır. Alınan EKG zaman serileri için, EKG verilerinin çok değişkenli sembol entropisini hesaplamak için L = 160 uzunluğundaki orijinal EKG zaman serisini alın.
Her seferinde orijinal diziyi sembolize edin, 160'lık her bir zaman dizisi uzunluğunun çok değişkenli sembol transfer entropi değerini hesaplayın ve her bir bireyin hesaplanan çok değişkenli sembol transfer entropi değerini bireyin finali olarak ortalayın Sembol transfer entropi değeri. Son olarak, transfer entropi değerini elde etmek için bu 20 normal kişi ve 20 koroner kalp hastalığı hastasının çok değişkenli sembolik transfer entropi değerlerinin ortalaması alınır. Sonuç, Şekil 2'de gösterilmektedir.
Şekil 2, normal kişiler ve koroner kalp hastalığı olan hastalar arasında farklı kurşun gruplarında EKG sinyallerinin çok değişkenli sembolik transfer entropisinin sonuçlarının karşılaştırmasını göstermektedir (yatay eksenin anlamı: 1-- > aVR | I, 2 aVL- > aVF | I, 3 V1- > V2 | I, 4 V3- > V4 | I, 5 V5- > V6 | I). Beş grup kurşun sinyalinde, normal kişiler ve koroner kalp hastalığı olan hastaların EKG sinyallerinin çok değişkenli sembol transfer entropisi hesaplanır.Kurşun I'in koşulu altında kurşun aVL ile kurşun aVF'nin çok değişkenli sembol transfer entropisi arasındaki fark en büyüğüdür. Sinyal ayrımcılığının en iyisi olduğu görülebilir, bu nedenle aVL ve aVF ve I lider grubunun verileri analiz nesneleri olarak alınır.
Normal insanların ve koroner kalp hastalığı olan hastaların EKG sinyallerinin çok değişkenli sembolik transfer entropisi üzerine yapılan temel araştırmalardan sonra, grafik, Şekil 3'te gösterildiği gibi ortalama değer ve varyansa göre çizilir.
Önerilen algoritmanın doğruluğunu ve etkinliğini daha fazla doğrulamak için SPSS istatistiksel analiz yazılımını kullanın ve hesaplama sonuçlarının bağımsız T testi analizini yapın [8]. Sonuçlar Tablo 1'de gösterilmektedir.
Tablo 1'den t = 3.163, Sig = 0.003 < Normal kişiler ve koroner kalp hastalığı olan hastalar arasındaki EKG sinyallerinin çok değişkenli sembolik transfer entropisindeki farkın çok anlamlı olduğunu gösteren 0.05 Bu algoritma, normal insanları koroner kalp hastalığı olan hastalardan etkili bir şekilde ayırt edebilir.
"Normal" ve "koroner kalp" örneklerinin EKG verileri, geleneksel simgeleştirme ve geliştirilmiş çok değişkenli sembolik transfer entropisi ile hesaplanan çok değişkenli sembolik transfer entropisi ile karşılaştırılır Analiz ve karşılaştırmanın sonuçları Şekil 4'te gösterilmiştir.
Şekil 4, iyileştirilmiş algoritmanın entropi değerinin hem normal insanlar hem de koroner kalp hastalığı olan hastalar için geleneksel algoritmadan daha büyük olduğunu ve normal insanları koroner kalp hastalığı olan hastalardan etkili bir şekilde ayırt edebildiğini göstermektedir, bu da gelişmiş çok değişkenli işaret transfer entropisinin EKG sinyallerinden daha üstün olduğunu göstermektedir. Geleneksel çok değişkenli sembol transfer entropisi.
Orijinal EKG zaman serisini Gauss beyaz gürültüsü [9] ile üst üste getirdikten sonra, normal insanların ve koroner kalp hastalığı olan hastaların çok değişkenli sembol transfer entropisini hesaplamak için geliştirilmiş çok değişkenli sembol transfer entropi algoritması kullanılır. Değişken sembol transferinin entropi değerinin karşılaştırması Şekil 5'te gösterilmektedir.
Şekil 5'den, normal insanların ve koroner kalp hastalığı olan hastaların çok değişkenli işaret transfer entropisinin, Gauss beyaz gürültüsü üst üste getirildikten sonra çok fazla değişmediği görülebilir, bu da, gelişmiş çok değişkenli işaret transfer entropi algoritmasının oldukça sağlam olduğunu gösterir.
3 sonuç
Bu yazıda önerilen çok değişkenli sembol transfer entropi algoritması, normal insanlar ve hastalar arasında ayrım yapmak için elektrik sinyallerinin orijinal zaman serilerinin çok değişkenli sembol transfer entropi değerini hesaplamayı amaçlamaktadır. Çok değişkenli sembolik transfer entropisinin EKG sinyali üzerine uygulanması beklenen etkiyi sağlayabilir, bu da EKG sinyalinin araştırılmasına ve klinik yardımcı tanıya çok yardımcı olur.
Bununla birlikte, algoritmanın hala birçok dezavantajı ve iyileştirme için yeri var. Bir yandan, çok değişkenli sembolik transfer entropisi, EEG sinyalleri gibi daha geniş bir fizyolojik sinyal alanı yelpazesine uygulanabilir; diğer yandan, teorik araştırmanın, algoritmayı daha da iyileştirmek için gerçek klinik tıbbi hastalıkların tanı ve tedavisi ile daha yakından bütünleştirilmesi gerekir. Ve araştırmanın pratik uygulama değeri ve işlerliği.
Referanslar
[1] Wang Jun. Research on the Linear Non Characteristics of ECG Signal D Nanjing: Nanjing University, 2005.
2 WESSEL N, ZIEHMANN C, KURTHS J, et al. Sembolik dinamiklere ve sonlu zamanlı büyüme oranlarına dayalı olarak yaşamı tehdit eden kardiyak aritmilerin kısa dönemli tahmini J. , 2000, 61 (1): 733-741.
[3] Song Ailing, Huang Xiaolin, Si Junfeng, ve diğerleri Kalp atış hızı değişkenliği analizinde sembolik dinamiklerin parametre seçimi J. Acta Physica Sinica, 2011, 60 (2): 120-127.
[4] Cao Xuehong, Zhang Zongcheng Bilgi Teorisi ve Kodlama M Pekin: Tsinghua University Press, 2004.
[5] Jing Xiaoru İşaret transfer entropisine ve ortalama enerji dağılımına dayalı uyku evreleme analizi D Nanjing: Nanjing Posta ve Telekomünikasyon Üniversitesi, 2012.
6 FERNANDO L D S.EEG ve MEG: sinirbilimle ilgili J. Neuron, 2013, 80 (5): 1112-1128.
7 FEIGE B, VODERHOLZER U, RIEMANN D, et al. Sağlıklı deneklerde kısa yarı ömür hipnotiklerinin 4 haftalık sürekli uygulamasıyla ilişkili bağımsız uyku EEG yavaş dalgası ve iğ bandı dinamikleri J. Scandinavian Journal of Public Health , 1999, 110 (11): 1965-1974.
[8] Chen Zhiyun, Yuan Huaping, Li Jinghong, ve diğerleri Holter'in modern tanı ve tedavide ilerlemesi J Chinese Medical Abstracts: Internal Medicine, 2004 (1): 100-101.
[9] Chen Tianhua, Han Liqun, Zheng Yu EKG Sinyal Gürültüsünün Dijital Filtreleme Araştırması J Mikrobilgisayar Bilgileri, 2008,24 (18): 252-254.
