心电信号时间序列的复杂网络拓扑研究

论文摘要

在过去几年,复杂网络领域的研究取得了重大进展,为工程,社会,生物等诸多领域的研究提供了全新的视角。时间序列动力学一直是众多研究领域的研究热点,研究人员提出了很多指标来研究时间序列动力学,例如：Lyapunov(?)指数,熵,分形维数。最近,研究人员通过设计转换算法,在时间序列与复杂网络之间建起了一座桥梁,因而可以通过复杂网络的方法和理论来刻画时间序列的性质。复杂网络方法弥补了其他时间序列分析方法的不足,加深了人们对其动力学的理解。本文主要内容如下：1.回顾了时间序列到复杂网络的若干典型转换算法。讨论了各种算法的优势以及局限性,并具体介绍了通过这些转换算法将复杂网络理论应用到心电信号分析中的研究现状。2.针对可视图算法和自适应最近邻网络算法这两种时间序列的转换算法,研究了它们的伴生网络在倍周期分叉和混沌等各种类型时间序列的模体分布特征,分析了这两种算法各自的优点。3.我们利用可视图算法构建了正常心电信号与心室纤颤时间序列的网络,研究了网络子图的顺序,结果表明网络中百分比最大的子图可以用于区分正常的心电信号与心室纤颤信号。4.我们利用可视图算法构建了健康的个体与充血性心力衰竭病人的心跳间隔时间序列的网络,讨论了网络同配属性,指出同配系数不能作为识别心力衰竭的判断指标。

论文目录

• 摘要
• ABSTRACT
• 第一章 综述
• 1.1 引言
• 1.2 复杂网络简述
• 1.3 将时间序列映射到网络的转换算法
• 1.3.1 周期网络算法
• 1.3.2 相关网络算法
• 1.3.3 自适应最近邻网络
• 1.3.4 递归网络算法
• 1.3.5 转移网络算法
• 1.3.6 可视图算法
• 1.4 复杂网络理论在心电时间序列分析中的应用
• 1.5 本文的研究内容及意义
• 第二章 离散时间序列的网络模体分析
• 2.1 引言
• 2.2 Logistic映射的网络模体分析
• 2.2.1 Logistic映射
• 2.2.2 分叉区
• 2.2.3 混沌区
• 2.2.4 倒分叉区
• 2.2.5 窗口区
• 2.3 不同类型的时间序列分析
• 2.4 本章小结
• 第三章 子图顺序对心室纤颤（VF）的识别
• 3.1 引言
• 3.2 可视图算法识别心室纤颤
• 3.3 主要结果
• 3.4 本章小结
• 第四章 同配系数对充血性心力衰竭（CHF）的诊断
• 4.1 引言
• 4.2 方法与数据
• 4.3 主要结果
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢