基于近似熵的认知能力对事件相关电位的影响研究

选择青年组、血管性痴呆(VD))组以及与VD同一年龄段的正常老年组作为被试人群,其中VD组又依据简易智能量表的测试结果细分为轻度和重度VD组.采用视觉通道诱发的oddball实验模式,并对事件相关电位(ERP)信号进行近似熵分析.通过对不同被试组的近似熵对比发现,重度VD患者近似熵在整个实验过程中基本保持稳定,没有显著变化,而其余被试组随着刺激任务的开始,近似熵下降,随着任务的结束,近似熵升高.其次,轻度VD组的近似熵值明显高于老年组和青年组,尤其是在任务反应阶段其差异程度更为显著.ERP的近似熵分析较为清晰地展现出具有不同程度认知能力的被试者在执行认知任务过程中脑活动的变化,有效地反映了其大脑认知加工的过程和能力的大小.因此,近似熵为VD的早期诊断及程度分级提供了一个有效的途径.     

基于含熵期望曲线的云模型相关性度量方法

针对现有基于云模型的相关性度量方法缺少必要约束条件的问题,提出一种基于含熵期望曲线的云模型相关性度量方法．将云模型中超熵期望曲线的与区域和或区域的面积比作为相关性的度量基准,解决云模型的区间约束以及半云度量问题．利用3熵（3σ）约束增加云滴的聚集,减少计算开销．将超熵纳入计算,考虑云滴厚度对云模型相关性的影响．本方法克服了面向随机云滴的距离度量方法和数字特征变换方法中存在的计算复杂度高、结果不稳定的问题,同时满足了三类约束的实际计算需求．实验表明该方法能够客观有效地对云模型相关性进行度量,并在基于云模型的系统评价任务中得到了验证．     

瞬态诱发耳声发射信号近似熵的分析及应用

为研究有无对侧刺激声 (CAS)作用下 ,瞬态诱发耳声发射 (TEOAE)信号的变化特征 ,根据耳蜗的非线性特性 ,提出了将近似熵的分析方法引入到耳声发射信号的研究中 ,并将近似熵的分析方法从时间序列复杂性的度量中引入到频率序列复杂性的度量中。结果表明 :无 CAS作用下 ,TEOAE频域信号的近似熵在各频带处 ,蜗性病变耳的近似熵明显低于正常耳的近似熵 ,蜗后病变耳的近似熵与正常耳的近似熵无明显差别。在 CAS作用下 ,听力正常耳的近似熵下降 ,而感音神经性耳聋的近似熵上升 ,且近似熵上升的频带与耳蜗或蜗后神经患病处频带相关 .根据研究结果 ,提出了利用有无对侧刺激声作用下耳声发射信号近似熵的变化来诊断感音神经性耳聋的方法     

粗糙模糊集的关联熵与关联熵系数

在研究模糊集关联熵和关联熵系数的基础上，将关联熵和关联熵系数的概念引入粗糙模糊集，讨论了它们的主要性质，说明关联熵系数可以用于粗糙模糊集之间相似程度的度量．并通过例子证明了粗糙模糊集的关联熵系数比模糊集的关联熵系数更适合用于在分类知识R下模糊集合之间相似程度的比较．     

基于近似熵和样本熵的思维脑电信号分析对比

采用近似熵和样本熵,分别对三种不同思维任务产生的脑电信号进行特征提取,并将其特征进行比较分析,结果显示不同思维作业脑电信号的样本熵的变化幅度明显大于近似熵;近似熵和样本熵作为非线性动力学的统计方法为思维作业脑电信号特征提取提供了一种新的途径.     

基于复杂性测度的心率状态对比

本文介绍了近似熵（ApEn)和谱熵（SE）两种复杂性测度，研究了在两组静默（采用中国气功和Kundalini瑜珈练习方法）和正常状态下的心率复杂性。观察到两种状态下复杂度有明显差异，但两种状态下复杂性数值的大小关系对取决于不同的个体。研究结果进一步在心率变化的复杂性方面支持了关于在人体心率和自主调节间存在某种关联的看法，并提供了新的定量描述心率不同状态的方式和途径。     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上,利用已有的专家人工分期结果,提取睡眠各阶段特征数据,应用近似熵、复杂度和功率谱熵三种方法进行分析,从客观量化的复杂性度量来刻划睡眠深度的变化情况,对每个睡眠分期选取5000点数据,数据窗取1000点,逐次延时一个采样间隔得到几个时间序列,分别求复杂度,最后取均值即得此分期复杂性测度值,结果表明三种方法均与专家人工分期结果相吻合,近似熵算法复杂不适合在线分析;复杂度算法较简单,但数据粗粒化处理容易丢失信息;功率谱熵算法简单、快速及有效,因而用统计分析方法分析,表明功率谱熵能较好地反映睡眠深度的变化情况。     

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.     

培养神经元网络自发活动规律性和复杂度分析

采用近似熵（approximate entropy,ApEn）的新统计方法衡量神经元不同自发放电活动时间序列数据的规律性和复杂度,对多电极阵列上培养的海马神经元网络自发活动的复杂度进行研究．结果表明不同自发放电活动的近似熵动态变化曲线有明显差别．静息期时近似熵值范围1．0-1．2;典型爆发活动时近似熵值呈现迅速下降而后上升再下降小幅振荡（0．2-0．6）;而伪爆发活动时近似熵值在0．2—0．7范围,沿平行时间轴的某一直线上下波动;连续发放锋电位时近似熵值在0．8-0．9范围;而随机单发锋电位时近似熵值0．6—0．8范围．以上分析结果说明近似熵动态变化曲线能够体现爆发活动和锋电位发放过程的规律性和复杂度变化,并可以有效地识别培养神经元网络自发的不同电生理信号,因而在神经元电信号分析中有着潜在的应用价值．     

睡眠剥夺影响大脑功能区状态的非线性评价

采用近似熵研究睡眠剥夺（sleep deprivation，SD）对脑认知功能的影响，评价SD引起的大脑功能区状态的非线性变化．12名受试者在正常睡眠和一夜SD之后分别接受视觉注意力测试，记录自发脑电和诱发脑电，采用二维插值构建19导脑电近似熵脑信息图（brain information map，BIM）．结果表明，在SD状态下，自发脑电的近似熵在全脑范围内有不同程度的下降，额叶处大脑偏侧性发生变化，复杂度的中心从左脑转移到右脑；前额叶处诱发脑电近似熵值降低，而顶叶和颞叶处则升高．脑电近似熵可以作为指标来评价SD对脑认知功能的负向影响，BIM的变化趋势与从生理学及影像学角度的分析相吻合，与线性方法的研究结论一致，在一定程度上可以反映大脑功能状态，提供一条评价脑功能区状态变化趋势的思路．     

混沌的复杂度研究方法和Logistic映射分析

研究和评价了混沌复杂度3种定量分析方法——Lyapunov指数、分维、测度熵,及其它们之间的内在联系,并研究了一种简单有效的测度熵替代方法——近似熵(approx im ate entropy)方法.应用以上方法对Log istic映射复杂度进行了分析.结果表明Lyapunov指数和测度熵的值与复杂度基本呈线性关系,分维数与复杂度的函数关系尚难确定,且与Lyapunov指数、测度熵之间的关系也不明确.     

人体HRV信号的检测及其复杂性分析

设计开发了一种便携式心电监测仪器,用于监测人的肢体心电(ECG)信号.根据获得的心电数据,采用小波变换技术进行心电R峰的准确定位,进而得到HRV序列.对HRV信号进行复杂性分析的结果表明:处于健康状态下HRV信号的复杂度(C(N))要高于处于病理状态下HRV信号的复杂度,且近似熵和复杂度的分析结果一致;处于健康状态下HRV信号的近似熵要高于处于病理状态HRV信号的近似熵.     

不同脑负荷脑电特征的近似熵表征研究

目的研究不同生理状态下的脑电特征(EEG)。方法利用一种度量时间序列复杂性的非线性统计方法——近似熵(ApEn)方法。结果近似熵能够有效地反映脑电信号的变化情况。结论近似熵是一种值得重视且很有发展前景的复杂性分析方法。     

基于多尺度熵的滚动轴承故障诊断方法

针对滚动轴承故障振动信号具有不同复杂性的特点,提出了一种新的基于多尺度熵(multi-scale entropy,简称MSE)和支持向量机的滚动轴承故障诊断方法.该方法首先利用MSE方法对滚动轴承不同类型振动信号进行故障特征提取,然后与样本熵方法对比说明MSE方法相对于样本熵方法的优势,最后通过适合小样本分类的支持向量机作为分类器来识别滚动轴承故障类型.对实验数据分析的结果表明,该方法能有效地实现滚动轴承故障类型的诊断.     

基于局域波近似熵的声发射信号处理

将近期发展的局域波法和近似熵法相结合应用于声发射信号的特征提取中.首先,将声发射信号进行局域波分解,得到自适应的基本模式分量;然后对各基本模式分量计算近似熵,描述各基本模式分量的复杂程度,监测声发射信号的发生和发展,量化声发射信号的特征.通过预制裂纹钢管静载实验,分析计算了钢管裂纹声发射信号的各基本模式分量的近似熵,表明局域波法与近似熵相结合的方法可以有效地提取声发射信号的特征,从而为声发射信号特征提取提供了一种新方法.     

动态近似熵快速算法在心率变异研究中的应用

提出了一种动态近似熵的快速算法,只要较短数据就能表现信号的非线性特征,并大大缩短了计算时间.对心率变异性分析中静卧-行走实验采集的R-R间期信号进行了动态近似熵分析,描述了心率调节作用的动态变化,反映了受试者生理状态的改变与心率变异的无序性.     

Nonlinear short-term heart rate variability prediction of spontaneous ventricular tachyarrhythmia

As malign ventricular tachyarrhythmias triggering sudden cardiac death （SCD）, both ventricular tachycardla （VT） and ventricular fibrillation （VF） are major causes of mortality. The most efficient therapy for SCD prevention is implantable cardioverter defibrillators （ICD）. The ICD can accurately and effectively Identify the forthcoming of fatal ventricular tachyarrhythmlas and deliver a shock in order to restore patients＇ normal sinus rhythm. In this study, two nonlinear complexity measures based on entropy： approximate entropy （ApEn） and sample entropy （SampEn） as well as two time linear indices： the mean RR interval （the average of time intervals between consecutive R-waves） and the standard deviation of RR Intervals were used for short-term forecasting of VT-VF occurrence. The last small sections of interbeat Intervals preceding 135 VT-VF episodes from 78 patients stored by the ICD were analyzed and compared with individually acquired control time series （CON series） from the same patients, which are normally intrinsic sinus rhythms. The results demonstrate that in addition to an obvious increase in heart rates of the patients, the values of two entropy measures are significantly smaller for VT-VF episodes than those for CON series. Conclusions can be drawn that when a ventricular tachyarrhythmia approaches, the sympathetic tone of the patients is increased, and the complexity of their RR intervals immediately before the onset of VT-VF events is obviously lower than that of RR intervals recorded during sinus rhythms. For a better separation, the optimal range of threshold r is determined for two algorithms. ApEn and SampEn measures might be the suitable nonlinear parameters for shodterm prediction of life-threatening ventricular tachyarrhythmias in the application of the cardioversion and defibrillation.