首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 62 毫秒
1.
在对生物医学信号时间序列进行复杂度分析时,粗粒化预处理有可能会造成丢失原始信号中所蕴含的信息,甚至在某些情况下根本改变原信号的动力学性质。用计算机计算时的量化过程也是一种粗粒化,民有这类问题。通过对近似熵和我们所定义的C0复杂度这两种复杂度在不同量化精度下对一些典型时间序列复杂度分析的比较研究,发现一秀说来量化精度对复杂度分析的影响不是很大,仅当时原始信号进行二值比等极端情况下,才会显著改变原信号  相似文献   

2.
3.
在对生物医学信号时间序列进行复杂度分析时,往往需要首先对原始信号进行粗粒化预处理。这种预处理有可能会造成丢失原始信号中所蕴含的信息,甚至在某些情况下根本改变原信号的动力学性质。本文提出了克服这一问题的一些途径,通过对若干种复杂度定义的比较研究,建议采用近似熵和我们所定义的C0复杂度作为复杂性度量。并以脑电的复杂性分析为例作了说明。  相似文献   

4.
不同生理状态时脑电时间序列的三神复杂度计算比较   总被引:3,自引:3,他引:3  
为了研究不同生理状态下的脑电复杂度变化特点,本文依照1994年徐京等人应用的算法,对4种状态(安静睁眼,清醒闭目,浅度睡眠,深度睡眠)下的三种脑电复杂度(Kc,C1,C2)的变化规律进行了比较分析,Kc与C1的变化相一致,从安静睁眼剂的清醒闭目到浅睡到深度睡眠,Kc与C1值均依次下降,C2值的变化则与它们相反,尤其在深睡期显著升高,实验结果提示,复杂度可做为脑电时间序列的研究指标。  相似文献   

5.
为了研究不同生理状态下的脑电复杂度变化特点,本文依照1994年徐京华等人应用的算法,对4种状态(安静睁眼、清醒闭目、浅度睡眠、深度睡眠)下的三种脑电复杂度(KC、C1、2)的变化规律进行了比较分析,KC与C1的变化相一致。从安静睁眼到清醒闭目到浅睡到深度睡眠,KC与C1值均依次下降。C2值的变化则与它们相反,尤其在深睡期显著升高。实验结果提示,复杂度可做为脑电时间序列的研究指标。  相似文献   

6.
局限性癫痫脑电时间序列的三种复杂度计算比较   总被引:4,自引:1,他引:4  
为探索非线性动力学复杂性测度诊断癫痫病的新方法,对局限性癫痫病患者脑电时间序列进行了三种复杂度(Kc、C1、C2)的计算比较。观察到,痫性导联脑电的三种复杂度多低于对侧导联的值;复杂度Kc的相对变化量较C1和C2大;复杂度Kc和C1的变化趋势相似,而复杂度C2的变化趋势与复杂度Kc和C1的规律不尽相同;但正常人EEG信号的复杂度没有这种显著变化。结果提示,脑电复杂性测度有可能成为诊断癫痫的特征参数,值得进一步深入研究。  相似文献   

7.
卢金婧  迟鑫姝  易松 《生物磁学》2009,(15):2957-2959
心率变异性(HRV)是当前心电图分析的一个前沿热点,它反映了交感神经和副交感神经对心血管系统的综合调节作用,是评价心血管系统功能的重要指标。随着非线性动力学和复杂性科学的发展,HRV信号被普遍认为是混沌或含有混沌成分的信号。复杂度是用来表征一个心率非线性动力学系统复杂程度的量度,以其简单快速的优点引起了众多研究者的兴趣,并广泛应用于心率变异性分析。本文综述了国内外复杂度算法的研究进展及基于复杂度的心率变异性分析的临床应用及前景。  相似文献   

8.
脑死亡诊断是有关病人生死的重要问题.许多国家都把脑电平坦列为脑死亡诊断的基本条件,但研究发现并非所有的脑死亡患者均表现为脑电平坦,同时脑昏迷患者在部分情况下也会表现出脑电平坦的现象,从而有可能在临床中造成误判.C0复杂度判断指标能够利用脑电信号中的复杂度特性帮助临床诊断中对于脑死亡和脑昏迷状况的鉴别.运用C0复杂度算法对22位脑死亡和脑昏迷病例进行分析实验,可以发现脑死亡脑电信号的复杂度明显高于脑昏迷脑电信号的复杂度.实验表明C0复杂度可以用来有效地区分脑死亡和脑昏迷脑电信号,具有潜在的重要临床价值.  相似文献   

9.
采用脑电功率谱(power spectrum,PS)和重心频率(gravity frequency,GF)分析方法研究"莫扎特效应"代表音乐--Sonata K.448的神经电生理效应.在静息和播放不同音乐状态下记录16名非音乐专业大学生的脑电,通过平均周期图法计算脑电PS和GF.结果显示:3种音乐都显著升高了GF值,...  相似文献   

10.
Maxent模型复杂度对物种潜在分布区预测的影响   总被引:4,自引:0,他引:4  
朱耿平  乔慧捷 《生物多样性》2016,24(10):1189-267
生态位模型在入侵生物学和保护生物学中具有广泛的应用, 其中Maxent模型最为流行, 被越来越多地应用在预测物种的现实分布和潜在分布的研究中。在Maxent模型中, 多数研究者采用默认参数来构建模型, 这些默认参数源自早期对266个物种的测试, 以预测物种的现实分布为目的。近期研究发现, Maxent模型采用复杂机械学习算法, 对采样偏差敏感, 易产生过度拟合, 模型转移能力仅在低阈值情况下较好。基于默认参数的Maxent模型不仅预测结果不可靠, 而且有时很难解释。在本研究中, 作者以入侵害虫茶翅蝽(Halyomorpha halys)为例, 采用经典模型构建方案(即构建本土模型然后将其转移至入侵地来评估), 利用ENMeval数据包来调整本土Maxent模型调控倍频和特征组合参数, 分析各种参数条件下模型的复杂度, 然后选取最低复杂度的模型参数(即为最优模型), 综合比较默认参数和调整参数后Maxent模型的响应曲线和预测结果, 探讨Maxent模型复杂度对预测结果的影响及Maxent模型构建时所需注意事项, 以期对物种潜在分布进行合理的预测, 促进Maxent模型在我国的合理运用和发展。作者认为, 环境变量的选择至关重要, 需要综合分析其对所模拟物种分布的限制作用和环境变量之间的空间相关性。构建Maxent模型前需对物种分布采样偏差及模型的构建区域进行合理地判断, 模型构建时需要比较不同参数下模型的预测结果和响应曲线, 选取复杂度较低的模型参数来最终建模。在茶翅蝽的分析中, Maxent模型的默认参数和最优模型参数不同, 与Maxent模型默认参数相比, 采用调整参数后所构建的模型预测效果较好, 响应曲线较为平滑, 模型转移能力较高, 能够较为合理反映物种对环境因子的响应和准确地模拟该物种的潜在分布。  相似文献   

11.
不同状态下脑电图复杂性探索   总被引:12,自引:2,他引:12  
Lempel-Ziv所定义的有限序列的复杂性反映了给定序列随其长度的增长出现新模式的速率,事实上它反映了序列接近随机的程度。将该复杂性度量运用于脑电分析,旨在克服分数维方法的缺陷。文中计算了八种实验条件下脑电图的复杂度,涉及看、听、休息和心算等基本的大脑功能状态,13个被试的16导数据被用于计算分析.结果显示了复杂度在不同电极位置及实验条件下都有变化,睁眼状态的复杂度高于闭眼,而施加任务时有额部大脑活动区域复杂度降低的现象。同时复杂度也提供了一些研究大脑高级认知活动的新思路。  相似文献   

12.
豚鼠听神经放电的复杂性分析   总被引:1,自引:0,他引:1  
运用刻划非线性动力系统复杂性的两种测算方法:复杂度和近似熵,结合替代数据法,研究豚鼠听神经单纤维放电时间间隔序列的复杂性。结果显示,听神经自发放电时间间隔序列的复杂度要高于诱发时的复杂度;听神经诱发放电时间间隔序列的近似熵低于随机重排替代数据的近似熵。提示听神经放电不是完全随机的过程,而可能是混沌的动力学行为,而且诱发放电时的规律性更强。  相似文献   

13.
基于高阶复杂性测度的心率变异信号分析   总被引:4,自引:0,他引:4  
心率变异性反映了交感神经和迷走神经对心血管系统的综合调节作用,是评价心血管系统功能的重要指标。复杂度是描述时间信号序列信息量的一个重要参数,传统算法中的过分粗略化会丢失大量的有用信息,而高阶复杂度的引入可较大程度地避免这一问题。在利用Lorenz模型数据仿真的基础上,分别对25例正常人样本和25例充血性心力衰竭病人样本的心率变异信号的1~15阶Kolmogorov复杂度进行了计算,通过对比分析后确定,5阶Kolmogorov复杂度在临床医学上可以为分析心率变异信号获得更为理想的效果。  相似文献   

14.
15.
为分析外源精子对人工诱导雌核发育草鱼基因组的影响,用随机扩增多态性和微卫星技术对经两代连续人工诱导,遗传背景一致的雌核发育草鱼以及母本草鱼和父本鲤鱼的基因组DNA进行了比较分析。10个随机引物在雌核发育草鱼中共检测到104个RAPD位点,在鲤鱼中检测到103个位点。7对微卫星引物在雌核发育草鱼中共扩增出4个微卫星位点,在鲤鱼中检测到22个位点。两种方法在雌核发育草鱼和鲤鱼中所检测到的位点均没有一个相同。根据RAPD和微卫星分析数据进行的遗传相似度分析表明二代人工雌核发育草鱼群体与其一代人工诱导雌核发育草鱼母本的遗传相似度从0.9903到1.000,与父本鲤鱼的遗传相似度为0.000。这些实验结果证明在适当的紫外线处理强度下,鲤鱼精子的遗传物质能够被完全破坏,不会对雌核发育草鱼的基因组造成遗传污染。  相似文献   

16.
1. It had been shown in previous publications that when pure water is separated from a solution of an electrolyte by a collodion membrane the ion with the same sign of charge as the membrane increases and the ion with the opposite sign of charge as the membrane diminishes the rate of diffusion of water into the solution; but that the relative influence of the oppositely charged ions upon the rate of diffusion of water through the membrane is not the same for different concentrations. Beginning with the lowest concentrations of electrolytes the attractive influence of that ion which has the same sign of charge as the collodion membrane upon the oppositely charged water increases more rapidly with increasing concentration of the electrolyte than the repelling effect of the ion possessing the opposite sign of charge as the membrane. When the concentration exceeds a certain critical value the repelling influence of the latter ion upon the water increases more rapidly with a further increase in the concentration of the electrolyte than the attractive influence of the ion having the same sign of charge as the membrane. 2. It is shown in this paper that the influence of the concentration of electrolytes on the rate of transport of water through collodion membranes in electrical endosmose is similar to that in the case of free osmosis. 3. On the basis of the Helmholtz theory of electrical double layers this seems to indicate that the influence of an electrolyte on the rate of diffusion of water through a collodion membrane in the case of free osmosis is due to the fact that the ion possessing the same sign of charge as the membrane increases the density of charge of the latter while the ion with the opposite sign diminishes the density of charge of the membrane. The relative influence of the oppositely charged ions on the density of charge of the membrane is not the same in all concentrations. The influence of the ion with the same sign of charge increases in the lowest concentrations more rapidly with increasing concentration than the influence of the ion with the opposite sign of charge, while for somewhat higher concentrations the reverse is true.  相似文献   

17.
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号