基于去趋势互相关和符号转移熵的心脑电耦合研究

Research contents of the project:.(1) Studying the change rule of coupling strength and coupling direction between different lead electrocardiogram signals...(2) Studying the change rule of coupling strength and coupling direction between different lead electroencephalogram signals...(3) Studying the change rule of coupling strength and coupling direction between electrocardiogram and electrocardiogram signals...Technical methods of the project:.(1) Appling detrended crosscorrelation symbolic relative entropy to study the coupling rule between the ECG signals and between EEG signals...(2) Appling detrended cross-correlation symbolic transfer entropy to study changing rule of the coupling strength and coupling direction between the ECG and EEG signals...Features and innovations of the project:.(1) It was firstly proposed that by combining detrended cross-correlation and symbols relative entropy to study the irreversibility between different lead ECG signals and between different lead EEG signals of time. It was tried to disclose the physiological function and status of heart, brain by analyzing the irreversibility using detrended cross-correlation symbolic relative entropy method...(2) It was firstly proposed that combining detrended cross-correlation and symbolic transfer entropy to study the coupling strength and coupling direction between lead ECG and EEG signals. It was tried to disclose the mechanism of how collaborative work between heart and brain when in a quiet state, a study state, and the doubled learing task state.

研究内容：（1） 研究正常人群的不同导联心电信号之间耦合强度和方向变化规律。（2） 研究正常人群的不同导联脑电信号之间耦合强度和方向变化规律。（3） 研究正常人群的心电、脑电之间耦合强度和方向变化规律。.项目技术手段：（1）.采用去趋势互相关符号相对熵来研究心电信号之间、脑电信号之间的耦合规律。（2）.采用去趋势互相关符号转移熵来研究心电信号与脑电信号之间的耦合强度、耦合方向变化规律。.项目的特色与创新之处；（1） 首次提出结合去趋势互相关和符号相对熵研究不同导联的心电信号之间和脑电信号之间的时间不可逆性，通过去趋势互相关符号相对熵参量分析耦合后的心电信号、脑电信号的时间不可逆性研究如何反映心脏、大脑的生理功能和状态。.（2） 首次提出结合去趋势互相关和符号转移熵研究不同导联的心电信号与脑电信号之间的耦合强度和耦合方向，研究在安静、学习任务不断加重状态下心脏、大脑如何协同工作。

人类机体是一个相互关联的综合网络和相互作用的生理器官，一个系统的系统故障可能引发级联故障。对心电和脑电信号的耦合现象进行详细深入的研究很有必要，可以帮助我们进一步理解人体不同器官之间的相互作用，对辅助临床诊断有重要的意义。.该项目主要研究健康和疾病人群心电脑电耦合规律、健康人群清醒期和睡眠期心电、脑电耦合、不同年龄人群脑电耦合规律；研究健康和疾病人群心率变异性信号耦合网络以及脑电不同导联耦合网络、健康人群清醒期和睡眠期心脑电信号耦合网络变化规律。.发展了一种新的网络探测病理心跳时间序列，发现EDD的减少可能是心脏疾病的一个动力学指标。成果发表在Europhysics Letters上。.采用基本尺度熵值法和功率谱分析方法研究了24小时心率变异性（HRV）信号。发现随着昼夜，年龄和病理变化出现明显的基本尺度熵和功率谱分布的变化。在三组数据的涨落动力学趋势可以被描述为“HF效应”。成果发表在Europhysics Letters上。.基于可视图算法，构建了在不同睡眠期的极短时心率变异信号复杂网络。发现REM可能是一个潜在的能预测心血管不良事件的危险因子，尤其是在男性，老年人和超重的人群中是这样。此外，可证明在健康的成年人中，性别、衰老、肥胖对睡眠有明显的影响，这可能有助于在不同人群中建立预期的睡眠心率变异信号模型。成果发表在Physica A上。.提出了一种新的时间序列耦合信息分析方法—基于部分互信息符号化部分互信息熵。研究表明，多参量的生物电信号各参量间具有耦合关系，可以作为度量一个物理过程是否处于活跃状态的参数，未来可以应用于临床医学以及生物电传感器等领域。成果发表在物理学报上。.提出改进的符号转移熵算法可以更显著分析心脑电信号耦合作用，能更好的捕捉到信号中的动态信息、系统动力学复杂性的改变，更利于医学临床实践应用中的检测，在分析非平稳的时间序列上具有更好的效果。成果发表在物理学报上。.