基于模糊思想与信号质量评估协同作用的熵测度理论和技术研究

Potential risk assessment for cardiovascular system has become a worldwide problem. The entropy measure analysis of physiological signals is an effective way to solve it. However, entropy measure is susceptible to a variety of factors and has a low accuracy. In order to improve the statistical stability, the single- or multi-variable relationship between different factors and statistical stability will be studied and the quantitative assessment model will be established. So the optimum parameters could be obtained. Then the quality assessment algorithm of the electrocardiogram (ECG) signal will be studied since the signal quality is important for the accuracy of entropy measure. We will propose a new calculation mode for entropy measure, which could adjusts itself according to different signal quality index. Subsequently, we will test the different membership functions and determine the proper one. The determined membership function, combined with the signal quality index, will be used to construct the new entropy measure. Finally, the consistency and sensitivity of new entropy measure will be evaluated. This project aims to explore the construct mechanisms of new entropy measure based on the synergism between fuzzy concept and signal quality assessment. It will improve the analysis accuracy of physiological signals and provide theoretical and technical support for the early detecting and long-term monitoring of cardiovascular diseases.

心血管潜在危险评估是世界各国面临的重大难题，生理信号熵测度分析是解决该问题的有效途径。然而，熵测度易受多种因素影响、准确性难以保证，成为制约该技术临床应用的主要瓶颈。为了提高熵测度统计稳定性，本项目拟通过研究不同影响因素与统计稳定性单一或多变量函数关系建立量化评估模型，确定参数最优选值原则；考虑到信号质量是算法准确性的前提，我们拟研究新的心电信号质量评估算法，建立依据信号质量指数不同而可调的熵测度计算模式；以指数函数为基础寻求更好的隶属函数，融合信号质量指数，提出新的熵测度算法，并对算法一致性和敏感性进行检验。本项目旨在探求基于模糊思想和信号质量评估协同作用的熵测度算法构建机制，为提高生理信号熵测度分析的准确性提供一些新的理论和方法，进而为心血管病早期筛查和长期监测等医学临床应用提供理论和技术支持。

生理信号时间序列分析是心血管疾病早期检测的重要研究领域，近十年基于熵测度的分析方法成为研究热点。深入研究熵测度的作用机制，研究信号质量评估和控制方法，利用两者的协同作用，提高熵测度统计稳定性，能够为疾病早期检测提供崭新的理论工具和分析方法。在基金支持下，本课题组解决了申请书和计划书中拟定的主要科学问题，在熵测度机理分析、基于模糊理论的单变量和多变量熵测度算法设计、动态心电信号质量评估等多方面取得了一系列创新性成果，得到了同行专家的认可。课题组通过对大量仿真和临床数据的分析，揭示了传统熵测度（近似熵和样本熵）统计稳定性差的本质原因，继而在前人样本熵和模糊熵方法基础上，发展了模糊测度熵和分布熵等算法，同时将单变量熵测度发展到对二变量和多变量时间序列的分析，提出了互模糊测度熵、互分布熵和多变量多尺度模糊熵算法，丰富和深化了熵测度分析理论。针对熵方法中存在的参数选择问题，研究了多种影响因素与熵测度统计稳定性间的量化关系和动态演变过程，确定了参数最优选值原则，加深了对熵测度机制的理解和其在心血管疾病早期检测中应用的认识。针对动态环境下心电信号，着力研究了长时、大数据背景下的信号质量评估和特征识别方法，致力于准确提取熵测度分析所用的时间序列，研究了序列坏点的辨识和剔除方法，确保了熵测度分析对象的可靠性和分析结果的可信性，给出了可供参考的依据信号质量不同而参数可调的熵测度实现方案。课题组还将上述熵测度理论研究成果应用于临床健康人群和房颤、心衰、冠心病和动脉硬化病人的检测与分类，取得了显著的临床应用效果。课题组坚持“理论研究为先导，临床应用为根本，理论临床相结合”的研究宗旨，按照计划书中既定的内容开展研究，顺利完成了各项任务，不仅对熵测度理论的研究和临床应用有促进作用，而且对我国发展具有自主知识产权的临床心血管疾病早期检测与预警技术具有重要意义。在基金支持下，共发表学术论文28篇(19篇SCI收录、8篇EI收录)、录用7篇，申请和授权中国发明专利4项，撰写学术著作Chapter 1章。在过去3年间，共培养博士生3名、硕士生7名。课题负责人刘澄玉副教授现担任国际医学生物工程联合会（IFMBE）Federation Journal委员会委员（2016-2018），任2016年于加拿大多伦多举办的第17届国际生理测量挑战赛PhysioNet/CinC Challenge组委会委员。