来自多导联心电图数据的多重递归网络
物理与社会
2021-02-03 v1 定量方法
摘要
我们提出一种集成方法，利用多重递归网络(MRNs)框架分析多导联心电图(ECG)数据。我们探索其层内和层间拓扑特征如何捕捉底层时空动力学递归模式的细微变化。我们发现，来自健康案例的ECG数据的MRN具有显著更高的相干性，具有高互信息，且各自度分布之间的发散较小。在疾病案例中，层间相似性的特定度量存在显著差异。在伴有局部异常（如束支传导阻滞）的疾病案例中，相干性受影响最大。我们注意到，必须使用所有度量进行综合分析才能得出疾病特异性模式。我们的方法非常通用，因此可应用于任何其他具有来自高度复杂系统的多变量或多通道数据的领域。
引用
@article{arxiv.2008.12049,
title = {Multiplex Recurrence Networks from multi-lead ECG data},
author = {Sneha Kachhara and G. Ambika},
journal= {arXiv preprint arXiv:2008.12049},
year = {2021}
}
备注
23 pages, 8 figures