Диссертация (Разработка технологии и программно-аппаратного комплекса для исследования структуры сна человека), страница 9
Описание файла
Файл "Диссертация" внутри архива находится в папке "Разработка технологии и программно-аппаратного комплекса для исследования структуры сна человека". PDF-файл из архива "Разработка технологии и программно-аппаратного комплекса для исследования структуры сна человека", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "диссертации и авторефераты" в общих файлах, а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 9 страницы из PDF
}). — средняя длина диагональных линий:∑︀ (). = ∑︀=()=1DIV (Divergence) — величина обратная : =1. — длинна наиболее длинной вертикальной линии: = ({ ; = 1... }). — средняя длина вертикальных линий:∑︀ = ∑︀= ()= ().ENTR (Entropy) — энтропия Шеннона длин диагональных линий: = −∑︁=()(()).66TREND — тренд количества рекуррентных точек от дистанции к главнойдиагонали:̃︀(−)( − ⟨ ⟩)=12.∑︀̃︀ −̃︀ 2()=1 2∑︀̃︀ =График Пуанкаре — метод геометрической оценки ВСР с помощьюточечногографика,гдепоосиабсциссоткладываютсязначения -интервала, а по оси ординат +1 .SD1 — СО проекции точек на продольную ось ( = ) скаттерограммы:√1 =2 −−→ −→( − +1 ),2−−→где = (1 ,2 ,..., −1 ),−→+1 = (2 ,3 ,..., ),а — СО.SD2 — СО проекции точек на поперечную ось (y = -x) скаттерограммы:√︂2 =12( )2 − (2 − +1 )2 .2ApEn — это метод оценки непредсказуемости флуктуаций временныхрядов.
Введём следующие обозначения:– — последовательность RR-интервалов, = 1,..., ;– () — подпоследовательность { ,+1 ,...,+ };– — длинна подпоследовательности;– — критерий схожести.Подпоследовательности () и () будем считать подобными привыполнение условия |+ − + | < , 0 ≤ ≥ . Тогда, функцияопределяющая долю подпоследовательностей длины сходных с -й67подпоследовательностью будет выглядеть как:, () =где, () — число, (), −+1подпоследовательностейсходныхсi-йподпоследовательностью.
А ApEn определятся как:(,,) = ln (),+1 ()где () и +1 () средние значения , () и ,+1 () соответственно.Таким образом, ApEn минимально при регулярном сердечном ритме,так как шанс встретить сходные подпоследовательности RR-интервалов придлинах подпоследовательностей и + 1 будет различаться незначительно.Соответственно, ApEn будет расти вместе с увеличением вариабельностисердечного ритма. Параметры m и r подбираются в соответствии сособенностями задачи, при анализе ВСР обычно используют = 2 и = 0,2.SampEn — является дальнейшей модификацией ApEn, в которой неучитывается самоподобие анализируемой подпоследовательности.
SampEnопределяется следующим образом:(,,) = − ln2.3.4+1 (), ̸= . ()Извлечение признаков из сигнала РИППризнаки, извлекаемые из сигнала РИП, можно условно разделить наследующие группы:– спектральные признаки;68– признаки, основанные на статистических преобразованиях параметровДЦ;– признаки, характеризующие регулярность паттерна дыхания.Спектральные признакиКаждая эпоха описывается следующими спектральными признаками,предложенными в классической работе Redmond и Heneghan [62]:– спектральная мощность волн в диапазоне от 0,01 до 0,05 Гц;– спектральная мощность волн в диапазоне от 0,05 до 0,15 Гц;– спектральная мощность волн в диапазоне от 0,15 до 0,5 Гц;– отношение / ;– частота дыхания , определённая как частота c максимальнойспектральной мощностью в диапазоне от 0,05 до 0,5 Гц;– спектральная мощность на частоте дыхания .Спектр сигнала определялся с помощью дискретного преобразованияФурье с окном Хеннинга.Кроме того, эпохи описываются СО частоты дыхания в течение 11 эпох , использование данного признака было предложено Redmond et al.
[63].Частота дыхания оценивалась в спектральной области каждые 15 секунд, азатем оценивалась СО по 22 значениям соответственно.Признаки, основанные на статистических преобразованиях параметровДЦВведём следующие обозначения:– — медиана,– — межквартильный размах (МКР),– — СО,69–— среднее,– — последовательность высот пиков ДЦ ,– — последовательность глубин впадин начала ДЦ ,– — последовательность ширин ДЦ,– — последовательность амплитуд ДЦ,– — последовательность МПИ.Рис. 2.12.
Определение дыхательных циклов на сигнале дыхательныхдвиженийИ выразим через них следующие признаки:– среднее пиков ,– среднее впадин ,– среднее амплитуд ,– среднее ширин ,– среднее МПИ ,– СО пиков = ( ),– СО впадин = ( ),– СО амплитуд = (),– СО ширин = ( ),– СО МПИ = (),– медиана пиков = ( ),– медиана впадин = ( ),– медиана амплитуд = (),70– медиана ширин = ( ),– медиана МПИ = (),– МКР пиков == ( ),– МКР впадин = ( ),– МКР амплитуд = (),– МКР ширин = ( ),– МКР МПИ = (),– нормализованное среднее пиков =,( )– нормализованное среднее впадин =,( )– нормализованное среднее амплитуд =,()– нормализованное среднее ширин =,( )– нормализованное среднее МПИ =,()– нормализованная медиана пиков = ( ),( )71– нормализованная медиана впадин = ( ),( )– нормализованная медиана амплитуд = (),()– нормализованная медиана ширин = ( ),( )– нормализованная медиана МПИ = (),()– максимальный модуль разностей МПИ [152] = ({|2 − 1 |,|3 − 2 |,...,|+1 − |}).Long et al.
[61] предложили использовать признаки основанные наоценке дыхательного объёма и скорости потока воздуха. Дыхательныйобъем оценивается как площадь между сигналом дыхательных движенийи базовой линией (Рис. 2.13), а скорость потока воздуха как отношениедыхательного объёма к времени.
Разумеется, данные показатели не являютсяреальными дыхательным объёмом и скоростью потока, которые можнооценить с помощью спирометрии. Однако, как показано в работе [111],дыхательный объем линейно зависит от амплитуды дыхательных движений.Очевидно, что данная линейная зависимость сохраняется только в случаеисследования данных с одного испытуемого и неизменности условий72эксперимента (расположения датчика, фиксирующего дыхательные движения;поза испытуемого).
Таким образом, можно считать что данные показателикоррелирует с реальным дыхательным объёмом и скоростью потока, покрайней мере в пределах отдельного МАП.Рис. 2.13. Определение дыхательных объёмов на сигнале дыхательныхдвиженийВведём следующие обозначения:– ={1 , 2 ,..., } — абсолютные значения сигнала дыхательныхдвижений, где — длина анализируемого участка сигнала;– Ω = {Ω1 , Ω2 ,..., Ω } — ДЦ в анализируемый период, где — количествоДЦ;– Ω — инспираторная фаза ДЦ;– Ω — экспираторная фаза ДЦ;– — длительность ДЦ;– — длительность экспираторной фазы ДЦ;– — длительность инспираторной фазы ДЦ.И выразим через них следующие признаки:– медианный дыхательный объем во время ДЦ = (∑︁∈Ω1 ,∑︁∈Ω2 ,...,∑︁∈Ω ),73– дыхательный объем во время инспираторной фазы ДЦ (светло серыеобласти на Рис.
2.13) = (∑︁ ,∈Ω∑︁ ,...,∈Ω1∑︁ ),∈Ω2– дыхательный объем во время экспираторной фазы ДЦ (темно серыеобласти на Рис. 2.13) = (∑︁∈Ω1 ,∑︁ ,...,∈Ω2∑︁ ),∈Ω– скорость потока воздуха во время ДЦ = (1 ∑︁1 ∑︁1 ∑︁ ), , , ...,1 2 ∈Ω1∈Ω2∈Ω– скорость потока воздуха во время инспираторной фазы ДЦ = (1 ∑︁1 ∑︁1 ∑︁,,..., ),1 2 ∈Ω1∈Ω2∈Ω– скорость потока воздуха во время экспираторной фазы ДЦ = (1 ∑︁1 ∑︁1 ∑︁,,..., ),1 2 ∈Ω1∈Ω2∈Ω– отношения скоростей потока в инспираторную и экспираторную фазуДЦ / .Признаки регулярности дыхательного паттернаКаждая эпоха описывается следующими признаки, оценивающимирегулярность дыхательного паттерна:74– энтропия шаблонов (см. раздел 2.3.3) пиков ДЦ ,– энтропия шаблонов впадин ДЦ ,– энтропия шаблонов паттерна дыхания ,– среднее и СО мультимасштабной энтропии перестановок(Multiscale Permutation Entropy) [153] паттерна дыхания,– динамическая трансформация временной шкалы ( , DynamicTime Warping) [66],– динамическая трансформация частотной шкалы ( , DynamicFrequency Warping) [66].2.3.5Классификация и результатыПризнаки ВСР, описанные в разделе 2.3.3, извлекались с помощьюскользящего окна длинной в 9 эпох; целевая эпоха располагалась в серединеокна.
В начале и конце записи, когда это было невозможно, целеваяэпоха располагалось максимально близко к середине окна. Признаки РИП,описанные в разделе 2.3.2, извлекались из сигнала соответствующего эпохи,кроме того следующие признаки извлекались с помощью скользящего окнадлиной в 25 эпох [61]: , , , , , , , , , , , / .ПризнакибылинормализованыcпомощьюZ-нормализациисцелью устранения межиндивидуальной вариабельности. Классификация эпохосуществлялась с помощью алгоритма XGBoost [154], который представляетсобой быструю реализацию градиентного бустинга над деревьями решений.Выбор данного алгоритма обусловлен тем фактом, что данный алгоритмпоказал высокую эффективность при решении самых разных задач присравнительно небольшом времени вычислений [155].75С целью уменьшения времени вычислений и устранения рискапереобученияалгоритманаполномнабореданных,настройкагиперпараметров алгоритма осуществлялась на случайной выборке в 50испытуемых используя скользящий контроль по 5 блокам.