生物医学时间序列的多变量多尺度散布熵
定量方法
2017-04-14 v1
摘要
目的：由于众多生物医学信号的非线性，多通道时间序列的非线性分析，特别是多变量多尺度熵（mvMSE），已在生物医学信号处理中被广泛使用。然而，mvMSE 有三个缺点：1) mvMSE 值对于短信号要么未定义要么不可靠；2) mvMSE 对于实时应用不够快；3) 对于具有大量通道的信号，mvMSE 的计算需要存储海量元素。方法：为解决这些问题并改善 mvMSE 的稳定性，我们引入多变量多尺度散布熵（MDE - mvMDE）作为我们最近开发的 MDE 的扩展，以量化多变量时间序列的复杂性。结果：我们在相关与无关多通道噪声信号、双变量自回归过程以及三个生物医学数据集上评估了 mvMDE，并与 mvMSE 和多变量多尺度模糊熵（mvMFE）进行比较。结果表明 mvMDE 考虑了跨时间与空间域模式的依赖关系。mvMDE、mvMSE 和 mvMFE 方法的一致性在于它们对潜在生理条件得出相似结论。然而，所提 mvMDE 比 mvMSE 和 mvMFE 更好地区分了生物医学记录的各种生理状态。此外，对于短和长时间序列，基于 mvMDE 的结果比基于 mvMSE 和 mvMFE 的结果明显更稳定。结论：对于短多变量时间序列，mvMDE 与 mvMSE 不同，不会导致未定义值。而且，mvMDE 明显快于 mvMFE 和 mvMSE，且需要存储的元素数量也大幅减少。意义：由于其检测多变量信号不同动力学的能力，mvMDE 在分析各种生理信号方面具有巨大潜力。
引用
@article{arxiv.1704.03947,
title = {Multivariate Multiscale Dispersion Entropy of Biomedical Times Series},
author = {Hamed Azami and Alberto Fernandez and Javier Escudero},
journal= {arXiv preprint arXiv:1704.03947},
year = {2017}
}