Hodnocení vztahu mezi kardiovaskulárními signály pomocí nelineárních metod

Abstract

Krátkodobá regulace krevního tlaku je ovlivňována mnoha vlivy, některé jsou reprezentovány kardiovaskulárními signály a jejich změnami. Kvůli složitosti tohoto systému nejsou lineární metody pro jeho analýzu dostatečné. Nelineárních metod pro analýzu časových řad bylo vymyšleno poměrně mnoho. V rámci této práce byla pro analýzu vztahů více signálů vyhodnocena jako nejvhodnější podmíněná entropie a z ní vycházející indexy spřažení a direkcionality. Tato metoda byla aplikována na sadu signálů tepových intervalů, systolického a diastolického tlaku naměřených u osmi dospělých a devíti dětí. Vztahy byly analyzovány, ale po provedení statistického testu nebyly prokázány očekávané informační vazby mezi jednotlivými signály. Indexy byly velmi malé, v řádech setin bitů. Na závěr byla provedena optimalizace algoritmizace celé metody a nově upravená funkce již vykazuje podstatně lepší výsledky, například silnou informační vazbu z časové řady systolického tlaku do řady diastolického tlaku.

The short-term regulation of blood pressure is influenced by many influences, some being represented by cardiovascular signals and their changes. Because of the complexity of this system, the linear methods for its analysis are not sufficient. Non-linear methods for time series analysis have been devised quite a lot. In the course of this work, the analysis of the relations of several signals was evaluated as the most suitable conditional entropy and the resulting indexes of affinity and directionality. This method was applied to a set of heart-rate signals and systolic and diastolic pressure signals measured on eight adults and nine children. Relationships were analyzed but unfortunately after the statistical test was held the expected information links between the individual signals were not established. The indices were very small - in the hundredths of bits. Finally, optimization of the algorithm of the whole method has been performed and the newly modified function already shows significantly better results, for example strong information binding from the time-series of systolic pressure to a series of diastolic pressures.