深度学习分析生物时间序列中的混沌动力学：来自蛙心信号的启示
混沌动力学
2025-09-17 v1
摘要
实验数据的研究在诸多物理、化学和生物应用中都是一项重要任务。特别是，心脏系统中的混沌动力学分析至关重要，因为它可能与某些病理性心律失常有关。在处理短且含噪的实验时间序列时，一些标准的混沌检测技术因数据特性而无法提供可靠结果。此外，当可用数据集较小时，无法直接应用深度学习技术（即使用部分数据训练网络，再用训练好的网络分析剩余数据集）。为避免所有这些限制，我们提出了一种自动算法，该算法结合了深度学习与基于与实验数据同性质的数学模型的筛选策略。为展示其性能，我们使用离体蛙心实验获得的实验数据对其进行了测试，取得了高精度结果。
引用
@article{arxiv.2509.13027,
title = {Deep Learning for Analyzing Chaotic Dynamics in Biological Time Series: Insights from Frog Heart Signals},
author = {Carmen Mayora-Cebollero and Flavio H. Fenton and Molly Halprin and Conner Herndon and Mikael J. Toye and Roberto Barrio},
journal= {arXiv preprint arXiv:2509.13027},
year = {2025}
}