基于替代检验的部分相位同步指数的脑电信号分析

目的针对脑电数据的部分相位同步指数(partial phase synchronization index,PPSI)对数据长度的敏感性而引起计算PPSI时的不准确性等问题,本文提出基于替代检验算法以分析PPSI,进而找到计算PPSI时最优的数据长度。方法基于4种常见的替代数据生成法对10组脑电数据分别生成替代数据,并分析其显著性阈值与原始数据的PPSI的相关系数,选出最合适的替代数据生成法,然后基于选出的替代数据生成法分析脑电数据在多个长度下PPSI的显著性。结果结果显示RSS(rankshuffled surrogate)算法得出的阈值与原始脑电信号的PPSI的相关系数最小,在3~18个周期长度下数据的阈值显著性在一个合理范围内。结论基于RSS算法更适合于脑电信号的PPSI的分析,并且发现3~18个周期长度下的脑电数据更适合分析PPSI。     

基于相位斜率指数的脑电信号方向研究

目的将相位斜率指数(phase-slope index,PSI)算法应用在健康及癫痫患者的脑电数据上,分析导联间信息流的方向和强度,拟为临床医学研究癫痫提供借鉴方法。方法首先在相位斜率指数理论方法的基础上研究了不同脑区间的信息流向的因果关系,并取合适的阈值2作为有效结果;然后对来自军区总医院采集的健康人和癫痫患者的最新脑电数据进行分析,用t检验方法考量健康数据和癫痫数据所得到的有效结果百分比是否具有显著性差异。结果左右区没有明确的方向,前后区在alpha频段有清晰的从前到后的方向;在宽带方法(所有频率)下,健康人数据所得到的有效结果百分比与癫痫患者数据所得到的有效结果百分比的差异无统计意义;在窄带方法(alpha频段)下,健康人数据所得到的有效结果百分比要高于癫痫患者数据所得到的有效结果百分比。结论基于相位斜率指数的脑电信号研究方法得出两种信号的有效结果百分比的差异有统计意义,对临床医学分析癫痫数据具有借鉴意义。     

心率变异性多参数分析的BP网络用于心衰诊断的研究

人工神经网络是由大量并行工作的神经元组成的智能仿生模型,它在模式识别领域已经展示出了广阔的应用前景。鉴于单一心率变异性(HRV)指标所表达出来的信息具有片面性,很难用一个单一的指标来完全分类充盈性心衰(CHF)患者和健康人的不足。本研究提出联合HRV信号分析的时域、频域、非线性方法,选取多个指标作为诊断CHF的特征参数,以BP神经网络为分类器实现对充盈性心衰的诊断。经过10 000次的训练、验证与仿真测试,该网络模型对于全样本集的识别正确率最优高达99.14%,平均可达86.97%。结果表明:联合线性(时域、频域)以及非线性分析方法可以更全面地揭示心脏的动力学特征,从而提高充盈性心衰的诊断正确率。     

少年与中年脑电信号的多尺度符号序列熵分析

目的脑电信号的生理分析对于评估大脑功能的活跃程度、生理状态具有重要意义,脑电图(electroencephalography,EEG)是临床检查脑部疾病的一种手段,而影响脑电图结果的因素很多,其中年龄是不容忽视的因素之一。本论文提出多尺度符号序列熵(multiscale sign series entropy,MSSE)用于分析不同年龄阶段的β波脑电信号,采用符号化的方法来处理时间序列可以去除一些细节的信息而保留感兴趣的部分。方法首先依次对4组中年和少年的β波脑电数据从数据长度N、字长m和噪声等多个角度对其符号序列熵(sign series entropy,SSE)进行分析,验证了SSE能够正确区分中年和少年的β波脑电信号。接着基于SSE算法在多个尺度下对含噪声和去噪声的中年和少年的β波脑电信号进行分析。结果随着尺度的增加,含噪声与去噪声β波脑电信号SSE的值也同步升高,并且少年的SSE均高于中年的SSE。结论脑电信号的多尺度符号熵分析方法可以有效区分少年和中年β波脑电信号,并且在信号噪声的影响下也可对不同年龄段的β波脑电信号进行检测。     

基于复杂网络的高血压患者心率变异性分析

目的利用基于复杂网络理论的心率变异性(heart rate variability,HRV)分析方法来探索高血压所致的心搏动力学变化,为评估高血压患者的心血管系统功能提供新思路。方法分析了来自于中国人民解放军第414医院的17例原发性高血压患者以及17例健康老年人的HRV数据:首先利用相空间重构、内组合排列和替代数据方法将高血压患者组和健康对照组的极短时心率变异性序列(50点)从时间域转换至网络域,然后分析网络拓扑特性,计算了4个基本的网络特征参数,即效率、聚类系数、平均度和度分布熵。结果高血压组的3个网络特征参数,即效率、平均度、度分布熵的值相比对照组存在着显著下降(P0.05),其中尤以度分布熵参数最为明显;聚类系数相比对照组存在着接近显著的下降(P=0.055)。结论高血压患者的心跳动力系统可能发生了两个改变:一是既可以整体协作又能局部专注的经济型工作模式遭到破坏;二是在不同时刻之间的非线性耦合性减弱。     

基于递归定量分析的癫(癎)脑电研究

目的 从非线性动力学的角度出发来分析正常脑电EEG与癫(癎)脑电的区别,提出利用递归定量分析方法对两种不同脑电信号进行定量分析.方法 首先在递归图原理基础上,利用符号动力学方法改进为排序递归图;然后利用递归定量分析方法(recurrence quantification analysis,RQA)量化参数——平均对角线长度;最后分别对16组正常人与癫(癎)患者的脑电信号的α波用排序递归图定性法分析不同脑电的动力特性,再用递归定量分析来量化参数.结果 癫(癎)患者的脑电信号的排序递归图规律性更强,表示癫(癎)患者的脑电信号确定性更强.结论 利用递归定量参数可以完成对癫(癎)脑电的检测.     

基于中文医药文本的实体识别和图谱构建

知识图谱技术促进了新药研发的进展,但国内研究起点晚且领域知识多以文本形式存储,图谱重用率低。因此,本研究基于多源异构的医药文本,设计了以Bert-wwm-ext预训练模型为基础,并融合级联思想的中文命名实体识别模型,从而减少了传统单次分类的复杂度,进一步提高了文本识别的效率。实验结果显示,该模型在自建的训练语料上的F1分数达0.903,精确率达89.2%,召回率达91.5%。同时,将模型应用于公开数据集CCKS2019上,结果显示该模型能够更好地识别中文文本中的医疗实体。最后,利用此模型构建了一个中文医药知识图谱,图谱包含13 530个实体,10 939个属性,以及39 247个相关关系。本研究所提出的中文医药实体识别与图谱构建方法,有望助力研究者加快医药知识新发现,从而缩短新药研发进程。     

基于Jensen熵的运动想象脑电信号稳态子空间分析

目的虽然稳态子空间分析(stationary subspace analysis,SSA)算法在脑电研究领域取得了一定的成效,但目前该算法还不够完善,脑电数据分类误差还比较大,因此要想更好地研究脑电信号,就必须进一步加强算法优化,减少分类误差。本文提出了一种基于Jensen熵(Jensen-Shannon divergence,JSD)的稳态子空间分析算法,并将改进后的算法应用到二类和四类运动想象脑电信号中。方法将JSD代替原SSA算法中的KL散度(Kullback-Leibler divergence,KLD),对改进后的算法(以下简称为JSSA算法)进行模拟仿真,然后将SSA算法和JSSA算法应用到二类和四类运动想象脑电信号中,对Graz2003和Graz2008数据集进行分类提取,并用t检验方法考量SSA算法和JSSA算法所得到的分类准确率是否有显著提高。结果相比于普通算法,SSA算法可以提高运动想象脑电数据的分类准确率,而且基于JSSA算法比基于SSA算法能使运动想象脑电信号分类效果更加准确。结论基于Jensen熵的运动想象脑电信号稳态子空间分析算法相比于SSA算法准确率更好,从而可以使运动想象脑电分类准确率更高。     

自回归模型和隐马尔可夫模型在癫痫脑电识别中的应用

目的研究自回归(autoregressive model,AR)模型和隐马尔可夫模型(hidden Markov model,HMM)在癫痫脑电(electroencephalogram,EEG)识别中的应用,以期减轻医生工作量,减少人工识别主观因素的影响。方法使用基于联合信息准则(combined information criterion,CIC)的最佳阶数AR模型对脑电信号进行特征提取,连续密度隐马尔可夫模型(continuous density hidden Markov model,CD-HMM)作为正常脑电和癫痫脑电的分类工具,对南京军区总医院的临床脑电数据(8组采样频率为512 Hz的16导正常、癫痫脑电信号)进行分析和识别。实验时对每一例样本选取T3、T4、FP1、FP2、C3、C4六个导联的数据。使用训练集中的15段样本进行HMM建模,剩下35段用作测试。结果癫痫脑电的识别率可达90%。结论 AR模型结合HMM建模的方法对正常脑电信号和癫痫脑电的识别率较高,在脑-机接口设备的开发中有一定的应用前景。     

肺癌病例资料数据库系统的建立

研究开发了肺癌病例资料数据库系统,旨在实现肺癌病例资料的数字化管理,更好地服务于临床应用和科学研究。本数据库系统一方面采用SQL Server2000开发底层数据库,可以保证数据的完整和安全;另一方面采用VC++6.0进行用户界面设计,编写代码控制底层数据,这样可以使得医生在完全不了解SQL Server的情况下轻松操纵数据库。