众所周知,生物医学信号,如心率变异性(HRV)、心电图(ECG)、脑电图(EEG)和声音,源于复杂的非线性动力系统,心血管,紧张,或发音的。从这些信号中提取信息的关于潜在生理的状态提供了见解。复杂性措施有助于定量描述非线性生物医学系统和检测的变化动态,可以与生理或病理相关事件(1- - - - - -5]。这些措施在生物医学信号与图像可用于多种领域的应用程序作为病理检测、决策支持系统、治疗监测和时间分割。他们也可以用来描述生物医学系统引发了那些图像和时间序列。然而,在实践中,许多挑战出现时,这些复杂性措施被应用,如噪声的影响,量化效果,可用数据的长度,或者参数调优。这些问题仍然没有解决6- - - - - -8]。如何应对这些困难和如何获取工具,可以用于临床实践的主题是这个特殊的问题。不仅是集中在应用程序的现有措施生物医学信号复杂性和图片还在开发新的复杂性度量算法。一些有趣的因工作也与基于机器学习策略,有关自动化的参数设置,和应用模式识别问题,以及小说的发展和应用的复杂性估计多元、多尺度、多通道数据9,10]。
在这种背景下,不同的因措施建议,探索理论与应用程序相关的生物医学信号选择的问题。经过严格的审查过程,8篇论文已经接受了这个特殊的问题。
m·阿尔维斯等人贡献的论文题为“心率变异性的线性和复杂的措施在健康女性暴露于交通噪音”的评价的复杂性HRV在交通噪声暴露。他们分析健康女学生暴露于交通噪音通过耳机一段20分钟。交通噪声记录从一个非常繁忙的城市街道(71 - 104分贝)。他们观察无显著变化的线性分析方法。混乱的全球分析和香农,Renyi Tsallis熵也考虑。他们的结论是,交通噪声在实验室条件下提高HRV的复杂性通过混乱的全球分析和熵在健康女性的一些措施。
在他们的文章“基于U-Correlation积分不变量措施:一个应用程序来研究人类的声音”,j·f·雷斯特雷波和g . Schlotthauer使用非线性相关尺寸等措施,相关熵和噪音水平描述正常和病理的声音。这条线后,读者可以识别两个原始的贡献。第一个是一个自动化的算法,基于最近提议U-correlation积分,计算上述不变量。第二个是利用噪声的概念定量区分声音的类型。这两个建议测试使用“马萨诸塞州眼睛和耳朵医院”声音障碍数据库,由凯Elemetrics分布。结果表明,语音动态有较低的维度中增加病理状态。这表明存在固有的随机扰动,增强的声音类型。最后,作者得出结论,声音生产动力系统复杂性的增加的一个病理学和声音的类型。
A . j . Ibanez-Molina和美国Iglesias-Parro探讨有趣的问题意识的措施的工作理论和实验之间的比较意识的措施作为基于解剖学上的综合信息网络的耦合振子。"意识的理论导致了检测系统中意识的新措施。综合信息理论(IIT)可能是一个最好的数学扎根试图量化系统的意识水平。从实验的角度,介绍了微扰复杂性指数(PCI)尝试检测意识状态几乎完美的分类精度。在这项研究中,作者探讨了统计理论和实验之间的对应措施通过知名neurocomputational模型。这个模型由耦合振子,可以人为地不安。结果表明,这两种方法在统计上相关,但原则上,这种关系是完美的。讨论了这些结果的上下文模型的耦合振荡器使用,主要侧重于集体的动态同步子集之间的大脑区域。
论文题为“复杂措施量化脑电图的变化在阿尔茨海默氏症”,a . h . Husseen Al-Nuaimi等人探讨因措施尽可能的生物标志物的应用阿尔茨海默病(AD)。这是一个进步的障碍,多年前开始其临床表现。出于这个原因,重要的是要找到准确、低成本和易于使用的生物标记,提供定量措施的大脑的变化在早期阶段的广告。这是一个横断面研究,旨在展示脑电图复杂性措施在这种情况下的有效性。Tsallis熵(TsEn) Higuchi分形维数(HFD)和Lempel-Ziv复杂性(LZC)方法进行了分析。在这项研究中,措施的复杂性来源于脑电图频段,因为它们与大脑状态的关系。结果表明,对特定的脑电图频带/频道,这里因措施评估并提供有用的信息来检测广告。
p·卡斯蒂格利奥尼等人,在他们的论文中“Multifractal-Multiscale分析心血管信号:血压和心率的复杂性的DFA-Based表征性别,”提出一个基于联合多重分形去趋势波动分析的新方法/多尺度分析设计为克服现有方法的局限性评估心血管信号的多尺度或多重分形特性。在这部作品中,作者研究了多重分形/ interbeat间隔的多尺度性质,收缩压,舒张压,在42岁女性,42名男性健康志愿者。他们的研究结果表明,尺度系数和分度取决于类型的心血管信号和时间范围内,有显著的性别差异。
这篇题为“酗酒基于小波的识别Renyi熵和Three-Segment Jaya编码算法”工程学系。王等人描述了处理管道结构磁共振成像(MRI)的数据,通过小波Renyi熵特征提取和分类器是用来区分人与酗酒和健康对照组。除了描述的实现分类方法在Java中,这手稿展示了潜在的非线性指标应用于临床和生物医学数据时间序列。通过考虑二维对象(如图片、作者展示entropy-based技术(在这种情况下Renyi熵)有潜在的应用在更多设置比传统的时间序列分析。
在他们的论文中,题为“高效计算多尺度熵的短生物医学时间序列线性状态空间模型的基础上,”l .西班牙等人提出一个新方法来评估复杂性,所谓的线性多尺度熵(MSE)。相比其他MSE-based方法,如精制MSE (RMSE)、线性均方误差是理论而不是实证依据。因此,它可以分析计算参数表示的一个随机过程。为此,线性MSE使用线性状态空间(SS)模型。模拟和短生物医学时间序列的分析表明,线性随机过程,线性均方误差优于RMSE。
篇名为“因差异措施应用于检测低通气事件”由r . e . Rolon等人探讨了使用因差异措施的背景下,生物医学信号的分类。作者提出一个方法来构造有识别力的子字典稀疏表示的脉搏血氧测量信号的具体情况应用于低通气事件检测。除了传统差异的措施,他们研究的简单和最近推出了测量不同条件激活频率(DCAF)。他们还探索overcompleteness效果和冗余的字典以及稀疏表示。结果表明,因措施能够充分指出歧视字典的原子。此外,DCAF收益率竞争力平均检测准确率较低的计算成本。这表明歧视subdictionary施工方法对脉搏血氧测量信号的稀疏表示是一个有价值的工具,用于低通气筛选。
的利益冲突
编辑们宣称他们没有利益冲突有关的出版这个特殊的问题。
确认
客人编辑团队想感谢所有作者的兴趣选择这个特殊的问题和有价值的贡献。编辑还要感谢所有那些匿名评论者导致提高论文。
加斯顿Schlotthauer
安妮Humeau-Heurtier
哈维尔Escudero
雨果·Rufiner