精化复合多尺度离散熵及其在生物医学信号中的应用
信息论
2017-05-04 v3 math.IT
摘要
多尺度熵（MSE）是一种广泛用于分析生物医学信号的工具。它的提出是为了克服传统熵方法在量化时间序列复杂性时的不足。然而，由于使用了样本熵（SampEn），MSE 对于极短信号无定义，且在实时应用中速度较慢。为克服这些缺点，我们引入多尺度离散熵（DisEn - MDE），作为一种极快且强大的信号复杂性量化方法。MDE 基于我们近期开发的 DisEn，其计算成本为 O(N)，而 SampEn 为 O(N²)。我们还提出了精化复合 MDE（RCMDE）以提高 MDE 的稳定性。我们在合成信号上评估了 MDE、RCMDE 和精化复合 MSE（RCMSE），发现这些方法具有相似的行为，但 MDE 和 RCMDE 分别比 MSE 和 RCMSE 显著更快。结果还表明，对于生物医学应用中常见的短信号和含噪信号，RCMDE 比 MDE 更稳定。为在真实信号上评估所提方法，我们使用了三个生物医学数据集，包括局灶性和非局灶性脑电图（EEG）、Fantasia 数据库中的血压记录，以及阿尔茨海默病（AD）的静息态 EEG 活动。结果再次证明了 RCMSE、MDE 和 RCMDE 的相似行为，尽管 RCMDE 和 MDE 速度显著更快，并且在已知会改变生理记录复杂性的不同生理状态之间导致了更大的差异。总而言之，由于 MDE 和 RCMDE 能够区分不同类型的动力学特征，它们有望在生理信号分析中发挥作用。
引用
@article{arxiv.1606.01379,
title = {Refined Composite Multiscale Dispersion Entropy and its Application to Biomedical Signals},
author = {Hamed Azami and Mostafa Rostaghi and Daniel Abasolo and Javier Escudero},
journal= {arXiv preprint arXiv:1606.01379},
year = {2017}
}
备注
8 pages, 6 figures