基于序数划分网络的新生儿心脏动力学表征
动力系统
2021-12-14 v1
摘要
自主神经系统(ANS)的成熟始于妊娠期，并在出生后于可变时间内完成，在成年期达到峰值。然而，新生儿ANS成熟的发育过程尚未被完全理解。临床上，ANS状况通过监测胎龄、Apgar评分、心率以及使用线性方法量化心率变异性来评估。很少有研究者从非线性数据分析的角度探讨该问题。本文提出一种基于复杂网络的非线性时间序列分析新数据驱动方法，用于对新生儿ANS状况进行分类。我们将早产与足月新生儿的RR间期给出的74条时间序列映射为序数划分网络，并利用复杂性量化器来判别两种状况下存在的动力学过程。我们通过前向与反向网络映射，并考虑不同时间延迟与嵌入维数，获得三种复杂性量化器（排列熵、条件熵与全局节点熵）。结果表明两组数据均存在时间不对称性，且复杂性量化器能够区分所分析的两组。我们显示条件熵与全局节点熵对检测新生儿间细微差异敏感，尤其对于小嵌入维数()。本研究强化了非线性技术用于RR间期时间序列分析的评估。
引用
@article{arxiv.2112.06458,
title = {Characterisation of neonatal cardiac dynamics using ordinal partition network},
author = {Laurita dos Santos and Débora Corrêa and David Walker and Moacir de Godoy and Elbert Macau and Michael Small},
journal= {arXiv preprint arXiv:2112.06458},
year = {2021}
}