多尺度扩散透分析用于检测心脏病理学中的关键事件

科学领域:

• 生物医学工程 生物医学工程
• 生理信号处理 生理信号处理
• 复杂性科学 复杂性科学

背景情况:

• 生理系统中的关键事件是理解系统动态的关键,但需要进一步研究临床应用.
• 目前用于分析生理信号的方法,特别是ECG,需要改进,以准确检测关键事件.

研究的目的:

• 引入修改的扩散 (MDEA) 和多尺度扩散分析 (MSDEA),以改善在心电图中的关键事件检测.
• 使用MDEA和MSDEA分析正常鼻腔节律 (NSR),充血性心力衰竭 (CHF) 和心律失常 (ARR) 的ECG信号的时间复杂性.

主要方法:

• 将带条式MDEA和MSDEA应用于30个心电图样本,每个样本都是来自PhysioNet的NSR,CHF和ARR数据集.
• 使用逆功率定律 (IPL) 和缩放三角形 (δ) 指数测量时间复杂性.
• 在MSDEA中与MDEA结合的多尺度 (MSE) 进行多时间尺度分析.

主要成果:

• 与病理性CHF和ARR信号相比,健康的NSRECG显示大约15%更高的IPL和缩放δ指数.
• 病理组在缩放指数中显示出较高的标准偏差,表明变化更大.
• 在MSDEA中,健康心脏信号与病态心脏信号之间的区别明显明显 (p<0.0005).
• 在20个时间尺度中,NSR复杂性指数的范围是病理值的两倍,具有可靠的趋势线 (R2≥0.95).

结论:

• MDEA和MSDEA有效地揭示了与关键事件相关的ECG复杂性的潜在差异.
• 通过MSDEA,可以更好地区分健康的心脏病和病态心脏病.
• 这种方法对于通过ECG信号处理改善心脏病诊断具有临床意义.