动态血糖序列的精细复合多尺度熵分析

血糖波动复杂性的研究有助于理解血糖调节系统的内在规律。本文以Ⅱ型糖尿病患者(93人)72 h动态血糖序列为分析对象,使用多尺度熵分析技术研究动态血糖序列结构的复杂性。针对72 h动态血糖序列较短的问题,采用了最新改进的精细复合多尺度熵(RCMSE)分析技术,分别观察了基于平均血糖波动幅度(MAGE)和糖化血红蛋白(Hb A1c)进行分组的糖尿病患者的血糖波动复杂性。研究发现,MAGE值大的组其复杂度低,熵值在尺度1~6(5~30 min)之间的差异具有统计学意义,Hb A1c值高的组其复杂度也较低,但是分组之间的熵值差异没有统计学意义。本文研究结果表明,血糖调控不好(无论从MAGE值还是从Hb A1c值来看),将会带来血糖序列动态结构复杂度的损失。本文所提的RCMSE分析技术可为血糖序列波动分析提供一个新的视角,血糖序列复杂度有可能成为血糖波动分析的一个新的生物学指标。

上海中医药大学在校大学生不同情感状态脉图特征参数分析与识别

目的对上海中医药大学在校大学生不同情感状态下脉图特征参数进行分析与识别,以期为大学生情感状态的辨识提供客观的参考依据。方法选择上海中医药大学11名身心健康的大学生,以中医情志脉象理论为基础,通过素材诱导,激发受试者不同情感表达。采用ZBOX-Ⅰ型脉象数字化采集分析仪采集受试者平静、喜悦、恐惧、悲伤4种不同情感状态下的脉图共224人次,提取4组情感状态下脉图时域参数和多尺度熵参数,采用非参数检验统计4组脉图特征参数差异,随机森林分类器对情感状态进行分类识别。结果 4组脉图时域参数及多尺度熵参数差异有统计学意义(P<0.05);基于脉图时域参数对不同情感状态进行识别,识别率为70.52%,基于脉图时域和多尺度熵参数进行识别,识别率提高至74.52%。结论脉图特征参数可为情感状态的辨识提供客观参考依据,脉图时域参数结合多尺度熵参数可提高情感状态识别率。

基于心电和脑电多模态特征组合的自动睡眠分期方法研究

准确的睡眠分期能够评估睡眠质量,在睡眠紊乱或疾病诊断干预中起关键作用。本文利用多尺度熵分析和经验模态分解方法获取多通道脑电信号于睡眠状态下的非线性动力学特征,利用心率变异度时频域指标及多尺度样本熵构建了心电信号睡眠特征。基于最大相关-最小冗余特征选择算法及主成分分析降维,实现了高效多模态特征组合构建。多模态特征组合驱动的多种传统机器学习自动睡眠分期模型在ISRUC-S3数据集上达到了最高84.05%准确率,Kappa系数最高为0.7810,表明所提出多模态特征组合的有效性及准确性。

冠状动脉不同阻塞程度冠心病患者的中医脉图特征参数分析

目的基于脉图特征等信息建立冠心病患者冠状动脉不同阻塞程度评估模型,探讨中医脉图特征的临床诊断价值。方法采用Smart TCM-I型脉象仪采集脉象信息。根据冠状动脉造影检查报告,将531例冠心病及疑似冠心病患者按照冠状动脉不同阻塞程度分为冠状动脉非阻塞组、冠状动脉轻度阻塞组、冠状动脉中/重度阻塞组3组。运用时域分析法和多尺度熵(MSE)分析法提取不同组别脉图的时域特征和多尺度熵特征,并运用非参数检验的方法比较冠状动脉不同阻塞程度患者脉图特征参数的组间差异;基于脉图特征参数,运用随机森林(RF)机器学习算法建立冠状动脉不同阻塞程度评估模型。结果与冠状动脉非阻塞组相比,冠状动脉轻度阻塞组和冠状动脉中/重度阻塞组脉图时域特征主波峡/主波幅值比(h2/h1)、重博前波/主波幅值比(h3/h1)增大,差异具有统计学意义(P<0.05)。与冠状动脉非阻塞组及冠状动脉轻度阻塞组相比,冠状动脉中/重度阻塞组多尺度熵特征MSE1、MSE2、MSE3、MSE4、MSE5均减小,差异具有统计学意义(P<0.01)。本研究基于531例样本的脉图特征等信息建立了冠状动脉不同阻塞程度评估识别模型,当脉图时域特征和多尺度熵特征全部参与建模时,模型平均准确率最高(86.79%)。结论脉图检测技术对于冠状动脉危险事件的评估具有潜在的应用价值。