近年来,已经有重大进展在获得生物医学信号传感装置的应用。可用性大的和/或高维度数据获得的新仪器启发新的信息处理方法的发展旨在显著改善的理解生物医学过程的微妙和复杂的机制。这些数据已被证明有用的诊断、预测的健康状态,优化生存预后及治疗。新的传感设备生成精确的信号,大规模生物医学数据了挑战性的问题管理,加工、存储、检索、传输、和解释这些数据。因此,我们邀请了研究贡献他们的研究在新的算法和工具的建模、生物医学信号处理和分析复杂。严格审查后,这个特殊的问题接受11这里总结的关于这个主题的文章。
摘要“高密度Lipoproteins-Associated蛋白质和亚种与动脉硬化与2型糖尿病的年轻人,“x phospholipid-associated朱等人分析了相关蛋白与脉搏波速度(采集)为了找到蛋白与动脉硬化与2型糖尿病人(T2D)。五个青少年T2D 6精益控制和没有考虑慢性疾病的证据。通过整合病人临床资料、生物实验和生物信息学分析揭示动脉stiffness-related高密度脂蛋白和亚种,作者发现,在68年发现phospholipid-associated蛋白质,七与采集负相关,表明他们可能atheroprotective,和9个蛋白质与采集呈正相关,这表明它们可能是与动脉硬化有关。
病理性震颤是一个复杂的运动障碍的原因,影响到大约5%的人口年龄在65岁以上。帕金森病(PD)的量化和歧视和特发性震颤(ET)患者的治疗和发展产生重大影响的新干预在临床实践中。摘要“新视角的计算机辅助歧视帕金森症和原发性震颤、“p p Bržan等人提出了新颖的指标量化和歧视PD和震颤。这些指标,以及其他已知tremor-related运动指标,测试在27 PD和27等患者。的所有这些指标是评价接受者操作特征,基于决策树建模和二元逻辑回归。个别指标的辨别力测试后,发现新指标优于替代方法。
听诊广泛用于评估心脏功能。这种分析主要取决于医生的个人技能,因此有一个不断增长的需求自动心音解释方法。心音分析的第一步是确定主要的心音,S1和S2。正确识别这些声音识别关键重要心脏信号的其他组件,如额外的声音和杂音。摘要”识别S1和S2心音模式基于分形理论和形状上下文,“a Gavrovska等人提出了一种新的方法,识别和区分主要心音S1和S2,没有心电图参考。新方法基于自适应过滤和修改覆盖的方法,它描述心脏的形状信号。在确定所提出的特征描述符,基于svm的分类和5倍交叉验证已经完成。九百年收集的声音序列大学儿童医院在贝尔格莱德,塞尔维亚,进行了分析。评价结果通过使用接受者操作特征(ROC)曲线。AUC(曲线下的面积)计算和分类精度测量被用作性能的措施。结果与其他已知形状相关的方法。该方法只使用三个描述符,精度高(高于95%),优于其他方法的至少6%。
摘要“跟踪和风险评估心肌梗死患者使用人工神经网络,”t Gligorijević等人描述了一个新颖的方法识别高危患者急性心肌梗塞后死亡的利用人工神经网络(ann)。安训练数据是1705的病人在2003年和2013年之间的冠心病监护病房临床医院中心Bežanijska科莎公司,贝尔格莱德,塞尔维亚,接受24小时心电图监测、短心电图分析、无创性beat-to-beat心率变异性,压力反射敏感性。为生存所提出的神经网络分类器显示良好的性能预测:88%的准确率,敏感性81%,特异性93%,收于0.85点测量,曲线下的面积值为0.77。这些发现支持这一理论,高患者交感神经活动(减少压力反射敏感性)死亡率独立于其他风险因素的风险增加,人工神经网络可以显示个人风险更高。
近似熵(ApEn)是一种最常用的非线性技术量化时间序列的复杂性和不可预测性。ApEn批准作为支持工具在临床前和临床研究,在心血管研究中最突出的应用程序。第一个ApEn修改之一是Cross-ApEn (XApEn)估计相互同时记录两个时间序列的可预测性。鉴于ApEn单独信号的复杂性度量,XApEn应该成为一个等价的成对的生理过程的工具。摘要”的一致性Cross-Approximate熵在心血管和人工环境中,“t Skoric等人研究了更广泛的问题排除XApEn实现和提出方法的调整。他们的研究使用三种类型的数据:人工(用于测试估计的稳定性值),动物(方法开发和重复测试),和人类(验证派生方法在典型实际应用程序记录很短)。验证了新方法通过使用心血管信号记录从老鼠(长信号)和健康志愿者(短临床信号),提出改变传统的参数指导方针。
摘要“稀疏学习疾病严重程度评分的高维数据,”i斯托伊科维奇及其z Obradovic提出了一个新颖的解决问题的方法的学习疾病严重程度评分存在无关或高维测量。稀疏的严重程度评分学习部队的提议制定权重的大多数特性完全为零,因此有效地执行特征选择通过学习稀疏线性评分函数。这部小说严重程度得分目标函数是凸和非光滑,它排除了直接使用方便基于优化工具如梯度方法。他们定义的严重程度评分的线性组合强度最相关的特征。该方法可以作为有效的和可靠的工具得分函数学习和生物标志物的发现,证明通过识别一组稳定的基因相关流感症状的严重程度,丰富了相关的几种流程。
建模和代表生物生化研究的过程是一个具有挑战性的问题。计算系统生物学已经成为生命科学研究的基本工具,旨在开发模型代表生物现象和可靠的计算技术的仿真。摘要“HSimulator:混合随机/确定性模拟生化反应网络,”l .马等人考虑这个问题,描述了模拟器的大规模行动的反应。他们几个策略包括确切的随机模拟相结合,确定模拟和混合模拟。确定性和混合仿真,仿真器自动将质量作用反应网络转换为一组常微分方程适合于进一步解决。他们的模拟器提供了一套先进的仿真算法包括精确的算法,RSSA (rejection-based随机模拟算法),第一个公开的实现它的混合动力版,HRSSA。基准在报纸上显示他们的模拟器的实现通常是速度比最先进的COPASI(复杂的通路模拟器)模拟器。
摘要“添入的布尔网络”,诉Dobrić等人提出了一个广义布尔网络自适应对输入变量的性质提供了更大的描述性的权力与传统模型相比。代替经典的布尔网络,是二进制,通过引入分级在这个模型可以提供更具描述性的权力。这种方法称为作者,添入的布尔网络,基于添入的布尔代数: 布尔代数的价值实现。添入的布尔网络可以用于预测复杂系统的行为。他们的实际应用的目的,一个简单的软件工具。当应用于两个例子从文学与其他实值逻辑方法相比,提出的添入的布尔网络提供了一个优越的描述性的权力。
摘要“监控有效连接在早产婴儿的大脑:图方法研究成熟,”m . Lavanga等人研究了有效的脑电图(EEG)在早产儿大脑连接,其postmenstrual范围从27岁到42周。结果表明,EEG-graphs随年龄变化的拓扑。特别是,聚类系数和成熟的谱半径减小,而路径长度增加。结果表明EEG-connectivity,评估使用图论指标,从随机一个小时,能生成小世界网络,自聚类系数增加和路径长度减少。他们的研究结果表明,可以预测婴儿的年龄与根均方误差等于2.11周。这些结果符合文献中报道的年龄预测早产的婴儿。
在过去的十年里,各种方法提出了人类情感从脑电图(EEG)特征。摘要“因子分析寻找不变的神经人类情感的描述符,“诉佩雷拉等人提出了一种新的时空特性设定明确物理在选定的脑电图电极和因子分析(FA)作为一种替代方法来提取最重要的组件的特性集。与广泛应用主成分分析、FA保存之间的关系因素和特性集,因此结论更容易被心理学家和神经。提出的结合特性和FA导致寻找最具代表性的神经情绪价的描述符,不变的试验和主题。作者提供了证据,与事件相关电位的因子分析是一种很有前途的方法来提取统计基础相关性之间的大脑活动主题和因此解码人类的情绪状态。通过提取时间和空间脑电图特点,结果显示可以构建大脑计算机接口解码人类情感在不同科目。
摘要“向量自回归层次隐马尔可夫模型中提取手指的动作使用多通道表面EMG信号,“n Malešević等人提出了一种新颖的计算技术用于多功能假肢手的健壮的和自适应的控制使用多通道肌电图(EMG)表面。他们的研究表明,使用平均绝对值特性加上分层隐半马尔科夫模型算法会导致运动解码精度高于其他特性和分类器的组合。这种组合也保证最短的运动选择和运动完成时间,影响假肢手的响应用户的意图。他们的算法的特点是低计算复杂度的执行,容易扩张,和噪音的灵活性。
我们相信这个特殊的问题是有用的对于调查人员处理复杂的生物医学信号。我们希望这个问题的论文将启动进一步分析复杂生物系统的兴趣。
确认
客人编辑团队感谢作者提交的论文这个特殊的问题。也,我们真诚的感谢评论者的专用的努力在评估提交论文并提供有用的评论。最后,我们感谢《华尔街日报》的编辑委员会的帮助和援助。
Irini Reljin
Zoran Obradović
米里亚b Popović
博季诺夫Mladenov