文摘

这个研究来阐述中药(TCM)的非线性动态变量脉冲可以提高中医郑分类模型的性能。脉冲的录音334冠心病(CHD)患者和117名正常受试者被收集在这个研究。重现量化分析(RQA)来获得非线性动态变量的脉冲。在冠心病中医郑模型构造,使用小说和预测multilabel学习算法基于不同的数据集。数据集的设计如下:dataset1,中医的调查信息,包括检验信息;dataset2,脉冲的时域变量dataset1;dataset3RQA变量的脉冲dataset1;和dataset4大RQA变量的主成分dataset1。郑分化的不同模型的性能比较。郑微分模型基于RQA变量结合调查信息的最佳性能,而只有基于调查最糟糕的表现。同时,基于时域模型变量的脉冲结合调查上述两者之间下降。这个结果表明RQA变量脉冲可以用来构建模型的中医郑和提高郑分化的性能模型。

1。介绍

中国传统医学(中医)全球做出了伟大的贡献。在长期的医疗实践,中国医生已经意识到之间的密切关系的外部表现形式人体和疾病的本质;他们通过“郑分化诊断疾病。“郑微分中医认为病因,位置、自然、疾病和条件,以及身体抵抗之间的斗争和致病因素,在特定阶段的疾病过程。郑是一个独特的中医概念。这是一个抽象的集合各种症状和体征,是一个病态的总结一个特定阶段的一种疾病。症状和体征可以被医生通过四种诊断方法,即检查、闻、宗教法庭,脉冲。中医脉冲将被证明是临床上有效的2000多年。在脉冲,中医医生把他们的手指桡动脉,各种生理和病理条件可以被检测出来。传统的脉冲将有重要临床疾病的诊断和预后价值,尤其是心血管病。 Accurate pulse taking can only be done by TCM doctors after years of experience. Therefore, objective and digital pulse diagnosis is highly desirable.

多年来,中医脉搏的量化问题一直是多学科研究的一个热门话题。目前,众多国内外研究人员提出了不同的方法对脉冲分析,如时域、频域、时频联合分析(1- - - - - -4]。然而,这些传统方法基于线性概念局限于系统稳定。他们不是特别敏感的病理状态的变化和不足在描述复杂的非线性动力学系统。非线性动力学方法对时间序列预测可以获得非线性脉冲信息,无法通过传统的分析方法。这些非线性动力学方法已经广泛应用于生理信号,如心率变异性、脑电图、心电图,肌电图(5- - - - - -7]。

许多方法(如钴熵,相关尺寸,最大李雅普诺夫指数,等等),可以披露已有生理信号的非线性特征。然而,这些提到的方法需要大量数据和对噪声敏感。实际测量生理信号常常无法满足这些需求。为了克服这些问题,Eckmann et al。8]介绍了一个工具,使我们调查通过二维维相空间轨迹表示其复发。这种表示方法称为递归图(RP)。数也可以应用,而短,甚至非平稳的数据。韦伯和Zbilut [9,10]重现量化分析(RQA),开发一个工具,量化结构都出“石头”。Marwan et al。11,12量化rp)补充RQA变量。在目前的研究中,RQA采用收购手腕脉冲的非线性动态特性的冠心病(CHD)患者和正常人。对于郑模式分类、RQA变量脉冲的冠心病患者进行了分析。

郑是一种疾病在某一阶段的病理概括。症状构成郑和疾病都是疾病的最基本要素识别和郑分化。一种疾病的不同阶段可能有不同的郑,和类似的郑可能发生在其他疾病。缺乏和过量是两个主要原则区分优势或致病因素和扶助正气的衰落。郑不足和过度郑可以反映两个方面之间的斗争的身体疾病过程中阻力和致病因素。前者指缺乏身体的抵抗,而后者指的是过度和多动症的致病因素。在临床实践中,混合不足和过剩的郑,指并发不足和过剩的一个复杂的条件,是常见的。例如,以益气养阴的模式缺陷(缺乏郑)冠心病患者伴有心脏血管的阻塞模式痰(郑过度)。因此,常与多个郑模式就是一个例子。因此,中医郑模式可分为多标记传统单标牌学习算法不能解决的问题。 The multi-label learning (MLL) algorithm REAL is suitable for solving multi-label recognition of TCM Zheng patterns [13]。该算法应用于构造郑基于不同数据集的分类模型。模型的性能进行了比较。

本文的其余部分组织如下。节2我们描述临床数据的收集,包括调查、检查、和脉搏。节3,我们介绍了脉冲通过RQA数据处理方法,郑基于模式识别模型的真实,和评估措施郑模型的识别性能。节4,我们总结了结果。RQA变量的统计分析了冠心病患者和正常人之间建立的生理和病理意义RQA变量。冠心病的郑分类模型构建基于真实使用不同的数据集。数据集被设计如下:dataset1、调查和检验信息;dataset2,结合时域变量dataset1;dataset3RQA变量的脉冲结合dataset1;和dataset4大RQA变量的主成分dataset1。此外,不同的郑模型的识别性能比较根据评估措施,如平均精度,超龄,汉明损失,一个错误,和排名损失。节5,我们讨论了RQA变量的脉冲的影响冠心病患者的中医郑的识别性能。

2。材料

2.1。收集的材料

患者冠心病的诊断标准和那些提供知情同意被纳入本研究。病人的诊断标准是基于西医和中医。采用基于西医诊断标准从“缺血性心脏病的命名和诊断标准”颁发的国际心脏病学会和联合课题小组在世界卫生组织临床命名标准化(14]。基于中医诊断标准是根据“分化标准冠状心脏病和心绞痛的症状与体征在中医”的“标准差异化的胸痛、胸闷,心悸,气短,或衰弱冠心病中医”的修改由中国社会1990年综合中西医的“指导方针在中药新药的临床研究”和教科书的标准(15]。精神疾病患者或其他严重疾病,以及那些不能清楚地表达自己的感受,不提供知情同意,本研究被排除在外。

收集456例冠心病病例,包括脉冲录音。根据患者的纳入和排除标准,纳入了334例冠心病病例,121例冠心病病例被排除在外。脉冲的录音117正常人(对照组)也被收集。冠心病患者(年龄,)是那些承认龙华医院、曙光医院是隶属于上海中医药大学。健康受试者(年龄,)的球员“2010老年人张江球赛竞争”和上海中医药大学的教员。冠心病患者临床分化使用郑模式通过整合检验,脉冲的感觉,和调查信息。每个334名患者都有一个以上的郑模式和模式的发生主要以益气养阴不足(172例),heart-yang不足(72例),heart-yin不足(219例)和heart-vessel由痰阻塞(170例)。因此,这四个郑模式选择。心缺气的模式是指以益气养阴的弱点泵血,血液循环。其主要症状有心悸、精神疲劳和虚郑的一般症状。heart-yang缺陷的模式是指heart-yang未能温暖和血液循环不足的内部生产冷。其主要症状有心悸、胸口压迫,和一般冷郑不足的症状。heart-yin缺陷的模式是指yin-fluid消费的失败来滋养心脏和病机和deficient-heat的内部扰动。它的主要症状包括心悸、烦躁、失眠、和一般deficient-heat郑的症状。 The pattern of heart-vessel obstruction by turbid phlegm refers to the condition of turbid-phlegm obstructing the heart vessel. It is mainly include mild or severe palpitation, chest oppression, and pain.

2.2。收购调查和检查信息

在这项研究中,询问症状量化据调查诊断心脏系统的规模(16]。症状为调查收集的诊断包括温度、出汗,头,身体,胸部和腹部,尿液和粪便,食欲、睡眠、情绪,妇科,舌头的颜色,和脸上的颜色,125的症状。症状被分配与“1”或“0”指的是“存在”或“不存在”,分别。存在的症状被当他们的频率不超过10避免干扰的数据冗余。因此,共有79名冠心病症状被选为郑建模。

2.3。收购脉冲记录

脉冲记录了使用一种Z-BOX脉冲测量装置和经典时域变量,,,,,,,,,,,,,,使用软件计算了包含在Z-BOX类型脉冲测量装置。每位受试者被要求放松多脉冲采集前3分钟。所有受试者的脉冲波形捕获60年代的采样率为720 Hz。

脉冲波形的时域方法是最常用的分析中医。这种方法有很多应用在临床实践。经典的时域变量是通过一些特征点描述脉搏波(数字1和2)[17]。

3所示。方法

3.1。提取RQA变量的脉冲

相空间重构的非线性时间序列分析的基础。它可以用来估计动态系统的特点。通常,必须重构相空间从原来的一维时间序列18,19]。时间延迟方法经常用于重建。一维时间序列的长度,一个轨迹被重建。的长度是,嵌入维数可以用错误的方法估计最近的邻居(20.,21),和时间延迟可以用互信息的方法估计(22]。所有这些标志着时间轨迹组成系统的维相空间轨道。图3(一个)显示一个例子的一维脉冲数据的相空间重建。

数是一个二维的平方矩阵用黑色和白色点,黑点马克复发和轴都是时间轴图3 (b)(12]。当初想象的复发性行为动力系统,可以在数学上表示为(11,12] 在哪里的数量被认为是国家,是一个距离阈值,是欧几里得范数,是亥维赛函数。

如图3RP是由点和线的对角线和垂直结构。对角线结构意味着国家的演变过程是相似的在不同的时间,可以确定的。垂直结构描述系统的稳定性。rp的视觉解释只会让一个定性分析系统的动态特性。因此,定量分析石头剪刀。韦伯和Zbilut [9,10)定义的措施使用递归点密度和对角结构复杂性的奢望。高(23)定义了垂直结构的措施。在目前的研究中,我们计算了脉冲的RQA措施使用以下变量:复发率(RR)决定论(检波器),平均对角线长度(),最大对角结构长度(),香农熵的对角线长度的频率分布(ENTR),层流性(LAM),垂直结构的平均时间(TT)和垂直结构的最大长度()。

脉冲形态指血压、血管阻力动脉合规,等等,这是评估心血管系统的重要变量。脉冲形态变异是指改变和脉冲波形的形态的变化24]。在这项研究中,RQA被用来分析脉冲形态变化。在这种情况下,嵌入维数,时间延迟,距离截止。每个脉冲记录分割使用移动窗口大小为1000个采样点。窗外推进到300年每一次采样点。在这里,我们应用八RQA措施:{RR,侦破,,ENTR,林、TT和。对于每个RQA测量窗口运动期间,每个脉冲记录应该产生一系列窗口RQA变量。窗口RQA变量(MWRQA)的均值和标准偏差的窗口RQA变量(SWRQA)为每个RAQ测量计算基于以下数学表达式: 西北是窗户的数量,是th RQA变量的th的窗户一个脉冲记录,的意思是th RQA变量所有窗口的一个脉冲记录,和的标准偏差th RQA变量所有窗口的一个脉冲记录。

在这项研究中,我们选择8 RQA措施然后应用八MWRQAs 8 SWRQAs描述脉冲记录的形态学变化。

3.2。使用实际建设郑分类模型

多标记学习处理对象同时拥有多个标签。中医郑模式属于这样的一个问题。正式,让是维输入空间,让是有限的可能的标签。多标记学习的任务(或多标记分类)是学习一个函数映射每个实例为一组适当的标签(25]。真实的,一种新的多标记学习算法通过互信息最大化的功能选择,提出了我们的研究团队和确认适合中医郑分化(13,26]。这种方法,特征变量相关的主要是根据互信息最大化郑被选中。该方法充分注意特性和郑之间的关系;因此,它更适合中医郑分类。本文真正应用于构建一个模型,中医郑基于不同的数据集。

郑的性能评估模型基于不同的数据集,五个评价措施(27,28特别是针对多标记学习使用。

平均精度评估适当的标签的平均分数排名高于某一特定标签集。这个评价指标,高值意味着更好的分类性能。

报道评估我们需要多远,平均下降的列表标签覆盖所有适当的标签的多标记的例子。对于这个评价指标,值越小意味着更好的性能。

汉明损失评估多少次标签对分类错误是一个例子。对于这个评价衡量,小汉明损失值意味着更好的性能。

一个错误评估多少次顶级标签没有设置适当的标签的多标记的例子。对于这个评价指标,值越小意味着更好的性能。

排名的损失计算的平均分数郑标签对无序的多标记的例子。对于这个评价衡量,较小的值排名损失意味着更好的性能。

4所示。结果

4.1。RQA变量比较冠心病患者和正常人之间的脉冲

RQA变量的生理和病理意义进行了讨论5。在本节中,脉冲RQA变量的统计分析采用独立样本以及和rank-based方差分析冠心病患者和健康者之间。独立样本以及应用分析RQA变量方差正态分布和均匀。Rank-based RQA变量的方差分析应用进行分析没有这些提到的要求。年龄变量协变是统计模型中包含正确的年龄的影响。在表1,组值影响年龄效应修正后计算。如表所示1两组RQA变量,除了MWRQAslSWRQAs LAM和SWRQAs精细,没有显著差异。的MWRQAs {RR,侦破,ENIR,林、TT和和SWRQAs {RR,l,、ENIR TT,冠心病的患者明显高于健康者。

4.2。RQA变量的主成分分析

传统上,主成分分析(PCA)的标准方法来减少原始高维向量空间到低维特征向量空间模式。它已经广泛应用于特征识别。RQA变量包含很多冗余,因为一些变量可能是高度依赖对方。在目前的研究中,PCA提取四个主要RQA变量的主成分代表83.24%的那些RQA变量可以表示,这可能是非常有用的分类的目的。

4.3。郑微分模型性能的比较有/没有RQA变量

在这项研究中,每个冠心病病例同时与多个郑,即以益气养阴不足,heart-yang不足,heart-ying缺乏症,heart-vessel阻塞浑浊的痰。因此,郑构建分类模型,使用MLL算法和预测都是真实的。相比较而言,数据集的建筑模型设计如下:dataset1,只有调查和检验信息;dataset2,脉冲的时域变量dataset1;(3)dataset3RQA变量的脉冲dataset1;和(4)dataset4,RQA变量和四大主要组成部分dataset1。十倍交叉验证进行每个实验数据集。高达90%的样本作为训练集随机;另外10%是随机测试集预测。分析中医郑后执行测试模型和均值的10倍。

不同的模型基于不同数据集的表演比较不同评价措施(表2)。为平均精度意味着更好的性能,更高的值。其他四个评价指标(报道,汉明损失,一个错误,排名损失),较小的值意味着更好的性能。如表所示1,因为dataset1的价值,平均精度是最低的。其他四个的值最高的评价措施。这些结果表明,基于性能的模型dataset1没有脉搏信息是最坏的打算。为datset2脉冲时域变量,模型的性能优于dataset1但不如那些dataset3和dataset4包括RQA脉冲的变量可以表示的信息。该模型基于dataset4有最好的性能由于主要RQA变量的主成分,维护相关的部分信息丢弃的小noise-dominated部分信息,可以提高模型的识别能力。

5。讨论

脉冲诊断是中医最重要的诊断方法之一。脉冲由心脏通过动脉传播。因此,脉冲波对心血管系统应该包含的大部分信息。许多临床实验证实,脉象心血管系统密切相关。脉冲波形(形状)、速度(快或慢),(节奏),和摇摆(强度)是影响心血管系统的生理和病理特征(29日]。传统的脉冲分析方法包括时域、频域、时频联合分析。然而,这些方法基于线性概念不能用于提取脉冲的非线性特征。因此,在这项研究中,RQA非线性动力学方法应用于提取脉冲的非线性特征。RQA代表复发现象,确定动态系统的基本属性。不同的RQA变量代表不同的非线性动态特性。RR密度是复发的措施。高RR值表明存在强烈的循环过程。和侦破系统决定论的措施。高决定论和精细值显示更强的系统。ENTR是测量系统中的确定性结构的复杂性。林、TT和标志着一个时间间隔,状态不变化或变化非常缓慢。因此,更高的林,TT,值显示更高的系统稳定性。如表所示1,{MWRQAs RR,侦破,l,ENIR,林、TT和冠心病的患者显著高于健康受试者的意思健康受试者的略高于冠心病的病人。这一发现表明,冠心病患者的心血管系统,密切与脉搏,有更大的规律性和稳定性比正常人,这是符合系统的许多研究发现病理状态通常是更稳定。此外,SWRQAs {RR,l,ENTR,林、TT和冠心病的患者明显高于健康者。这一发现表明,脉冲形态的冠心病患者比正常人的大变化。因此,我们推测,冠心病患者表现出较弱的能力比健康受试者在调节心血管系统。

冠心病是一种复杂的过程表示为不同的郑模式处于不同的阶段。冠心病能破坏心脏的泵血功能,导致血管的结构和功能的变化,不可避免地导致脉冲的变化。这些变化随不同的郑模式。因此,在这项研究中,脉冲的RQA变量被用来描述变化的郑分类。在临床实践中,一个病人通常与多个郑模式有关。郑属于多标记分类问题。因此,郑模型构造,使用MLL算法和预测进行了真实的。基于不同数据集的模型的性能比较(表2)。根据五个评价措施,基于RQA郑微分变量的模型结合调查的最佳性能,而仅基于调查信息最糟糕的表现。同时,基于时域模型变量的脉冲结合调查上述两者之间下降。因此,RQA变量可以提高郑分类模型的能力。此外,模型的基础上dataset4有最好的性能由于主要RQA变量的主成分,维护相关的部分信息丢弃的小noise-dominated部分信息,可以提高模型的识别能力。

线性方法由经典的时域方法被广泛用于分析脉冲。然而,非线性动力学方法看上去很明亮,承诺在透露内部信息和系统的动态特性。RQA变量脉冲可以用来构建模型的中医郑和提高郑分化的性能模型。

利益冲突

作者宣称他们没有金融和个人关系与他人或组织不当会影响我们的工作和没有专业或其他任何性质的个人利益或在任何产品,服务,和/或公司可能被视为影响的位置,或审查。

确认

这项工作由上海市教委创新项目支持下批准号11 yz71,中国国家自然科学基金批准号下81173199。由于将所有志愿者提供宝贵的脉搏数据。