过速型室性心律失常事件的短时非线性心率变异性预测

过速型室性心律失常(室速和室颤)是心脏猝死的一个主要诱因, 有效的治疗手段是在体内置入埋藏式心脏复律除颤器. 心脏复律除颤器能够准确、有效地捕捉到患者心律失常事件的发作并及时发放电击指令. 本文采用两种基于熵的非线性复杂度测度——近似熵和样本熵, 以及两种线性测度——平均RR间期(心电图相邻R波之间的时间间隔)和平均RR间期的标准差, 分析了78名患者体内心脏复律除颤器中存储的135个室速或室颤事件刚刚发生前的一段RR间隔片段, 并与来自同样患者的没有室性心律失常事件发生时(通常为窦性节律)记录到的RR间隔序列进行比较. 结果显示, 过速型室性心律失常发作前患者心跳会出现明显的加快现象, 并且其心率变异性信号的近似熵和样本熵值均明显减小. 室速或室颤事件发作前的一段时间内, 患者自主神经系统中的交感神经张力增加, 而其心率变异性信号的复杂度却降低了, 表明心脏病患者过速型室性心律失常事件的自然发作并不是突发现象, 而是在发作前的一段时间内就已经有了某种先兆. 为了获得更好地识别室性心律失常事件的能力, 单独分析了矢量匹配容差对两种算法性能的影响, 从而确定了最佳的容差取值范围. 因此, 近似熵和样本熵测度有可能成为心脏复律除颤器中短时预测恶性过速型心律失常事件的有效的非线性参数.     

短时心率变异性信号的基本尺度熵分析

心率变异性信号的复杂性能够反映出心脏的生理功能和健康状态, 从短时的心率变异性信号中探测到复杂性特征具有重要的现实意义. 提出一种基本尺度熵方法来探讨时间序列的复杂性. 该方法对于低维的混沌序列logistic映射, 其基本尺度熵的计算结果与Lyapunov指数的计算结果非常相似, 并且叠加上随机Gauss噪声依然显示方法的有效性. 通过用低维的3个非线性确定性混沌系统检验, 表明该方法有效. 我们把它应用到短时心率变异性信号, 该方法能够很有效的区分出不同的生理、病理信号, 由于方法简单、运算快速、有一定的抗干扰能力使其能够为实际的应用提供方便.     

模式熵与高频心电图信号不规则性的动态分析

通过对近似熵的分析、修正, 提出了新的算法——模式熵的概念, 使得不规则性分析能适用于短时大幅缓慢变化信号的时间序列中. 然后将模式熵用于心肌梗死动物模型(Myocardial infraction, MI) 中高频心电信号(High Frequency Electrocardiogram, HFECG)不规则性动态分析. 结果表明, 急性心肌缺血时HFECG的模式熵有着显著的动态变化. 因此, 模式熵在心脏疾病的早期诊断中显示出潜在的应用价值.     

短时心率变异信号非线性程度的研究

用非线性自回归(nonlinear autoregressive, NAR)模型对一组健康人的短时心跳间期信号进行建模, 用模型最佳阶数来评价心率变异信号(heart rate variability, HRV)的非线性程度. 认为该方法可以有效地从短时心跳信号中提取出非线性信息, 从而反映心率变异性的强弱, 给临床应用提供了方便. 并与传统评价短时心率变异性强弱的时域方法进行了比较, 认为NAR模型的方法更能反映信号的整体复杂性并且不受信号非平稳性以及噪声的影响.     

短时心率变异符号序列的熵分析方法

使用复杂性和非线性方法研究心率变异(heart rate variability, HRV)信号时序和结构中的规律, 对揭示心血管调节的潜在规律和生理本质具有重要的研究价值, 而研究适用于短时HRV信号的方法更具有重要的临床应用价值. 根据HRV信号方向信息的特点, 提出了符号序列的熵分析(sign series entropy analysis, SSEA)方法, 并将其应用于实际HRV信号的分析. 结果显示, SSEA方法能从短时HRV信号中敏感地检测出生理和病理状态的变化, 并且受信号噪声和非平稳性的影响较小, 为临床HRV信号或其他复杂生理信号分析提供了一个有效的方法.     

火积耗散数及其应用

基于描述物体热量传递能力的物理量—— , 定义了用于评价换热器整体性能的 耗散数. 发现在传热单元数和热容率比一定时, 耗散数越小, 换热器性能越好. 通过分析 耗散数随换热器有效度的变化规律, 发现 耗散数避免了熵产数导致的“熵产悖论”, 并可作为评价不同流动型式的换热器整体性能的标准, 因而和改进的熵产数相比, 具有明显优势. 同时 耗散数体现了换热过程中冷热流体不均衡引起的不可逆性.     

STPV系统熵产及效率研究

根据热力学第二定律对太阳能热光伏系统进行建模分析, 研究并比较了系统各组成部件中的熵产大小, 同时讨论了各模块的转换效率. 分析了辐射器温度、聚光器会聚比、电池禁带宽度、电池温度及滤波器透射率等参数对熵产及效率的影响. 得出系统总熵产随着辐射器温度的升高呈现先减小后增大的趋势, 而随着聚光器会聚比的增加, 系统总熵产逐渐减小. 电池禁带宽度、化学势的增加使得系统各部件熵产减小, 电池温度的升高影响了其转换性能, 使得熵产增加的同时转化效率逐渐降低.     

系统发育β多样性指数的比较:以古田山样地为例

系统发育β多样性由于在物种β多样性的基础上包含了群落的系统发育信息,从而使人们能够从物种之间的亲缘关系来分析群落间的生态关系.系统发育β多样性指数作为系统发育β多样性具体的度量,为定量地研究系统发育β多样性提供了依据.不同的系统发育β多样性指数反映不同侧面的β多样性信息,同时也给研究者之间进行结果比较带来了不便.本文以浙江古田山24hm2样地的森林群落为例,对具有不同意义的系统发育β多样性指数进行比较后发现:(1)物种多度加权处理的Dpw指数与Rao’s二次熵的Rao’sD定义相似;PhyloSor与UniFrac指数生态学含义相似,因此具有很高的相关性;Dnn与PhyloSor,Dnn与UniFrac虽然生态学意义有些差别,但相关性也很高;(2)多度是否加权对同一个指数的影响在小尺度上并不明显;随着尺度的增大,多度加权与否的形式之间的差别才逐渐显现出来,可能是因为群落物种均匀度随尺度增大而降低;(3)PST和Rao’sH在较大尺度上比其他指数能够更好地反映生境和空间距离的衰减效应;随着尺度的减小,AW-Dnn和Dnn能够更好地反映生境和空间距离的衰减效应.     

我国玉米种植区分布的气候适宜性

针对气候变化背景下我国玉米生产布局及其应对气候变化政策制定的需求,基于已有研究成果从全国层次和年尺度筛选出的影响玉米种植区分布的潜在气候因子,结合玉米种植地理分布信息,利用最大熵(MaxEnt)模型和ArcGIS空间分析技术,研究了我国玉米种植区分布的气候适宜性.结果表明,基于影响我国玉米种植区分布的气候因子构建的最大熵模型可以用于我国玉米种植区分布研究;影响我国玉米种植区分布的主导气候因子有:无霜期、年平均温度、≥0℃积温、≥10℃积温持续天数、≥10℃积温、年降水、最热月平均温度和湿润指数.利用所建模型给出的玉米作物在待预测地区的存在概率,提出了我国玉米种植区分布的气候适宜性等级划分;并基于玉米种植区的分布面积,给出了我国玉米潜在种植区分布的主导气候因子阈值.研究还表明,影响不同品种玉米种植分布的主导气候因子重要性及其气候阈值并不相同,在实际研究中需要针对不同的品种、熟性开展作物种植区分布的气候适宜性研究,以取得更为准确的种植分布区信息;但最大熵模型方法可以有效地用于玉米作物种植区分布的气候适宜性研究.研究结果可为我国玉米生产布局、气候区划及制定应对气候变化对策提供参考.     

基于相对熵的蛋白质设计方法的普遍近似

发展了最近提出的一种基于相对熵原理的蛋白质设计方法. 将该方法从必须满足特定的条件才能适用, 推广到普遍适用. 研究表明, 扩展前的方法可被看作扩展后方法的特例, 扩展后的采用普遍近似的蛋白质设计方法更利于蛋白质设计的研究, 使基于相对熵的蛋白质设计方法更具有普遍性, 同时还提高了对蛋白质序列的预测精度.