一种基于二元生理系统的动态相互作用网络分析方法技术方案

本发明专利技术公开一种基于二元生理系统的动态相互作用网络分析方法，属于动态生理网络技术领域。选定二元器官系统，同步采集睡眠阶段这一生理状态转变前后的生理信号，利用滚动时间窗口进行分段预处理；选定两生理信号段为相互作用对，使用相关系列参数得到相互作用对的时间延迟序列，在此基础上评估相互作用的强度、方向等属性；以各时间窗口为层，每一层网络中的节点定义为该层所对应时刻的生理信号段，借助时间延迟序列特征建立有向加权连边，构建层内、层间链接，使用图论方法表征多层时序生理网络；分析生理状态转变前后二元器官系统间相互作用的强度变化、总体因果效应。其结构简单，使用方便，通过相互作用变化检测人体睡眠阶段变化。变化。变化。

【技术实现步骤摘要】
一种基于二元生理系统的动态相互作用网络分析方法


[0001]本专利技术属于动态生理网络
，具体涉及一种基于二元生理系统的动态相互作用网络分析方法。

技术介绍

[0002]人体是由不同层次复杂生理器官系统组成的有机整体，从微小的分子、细胞到其构成的组织，从功能各异的器官到复杂的生理系统，它们之间广泛地存在着不同程度的相互作用。人体有机体的一个关键特征是器官系统和子系统之间存在复杂的信息传递和相互作用过程。这些相互作用通过不同的耦合反馈发生，在多个整合水平和跨时空尺度上优化和协调生理器官功能。因此，器官系统和子系统之间的动态相互作用对维持健康和产生不同的生理状态至关重要。破坏这种信息传递可以导致单个系统功能障碍，甚至整个生物体奔溃，如昏迷、多器官衰竭等。人体通过神经自主调节以抵抗外部或病理性干扰，其状态和功能可以从单个器官系统的动力学特征和器官系统相互作用时动力学特征的变化中定义。相较于外在的面部表情、肢体动作等，无偏的生理信号直接反映人体各生理系统的活动情况，在区分生理状态及识别其转换等方面更具有客观性。生理信号通常以信号来源命名，常用的生理信号包括脑电图(Electroencephalogram,EEG)、心电图(Electrocardiogram,ECG)、眼电图(Electrooculogram,EOG)、肌电图(Electromyogram,EMG)和皮肤电反应(Galvanic skin response,GSR)等。复杂系统之间的相互作用一直是一个开放性问题，其中的耦合不是先验已知的，并且唯一可用的信息包含在系统的输出信号中。人体每个器官系统都具有自己的结构组织，而在神经调节下的生理系统更表现出高度的功能复杂性，其对应的生理信号则具有多尺度的间歇性、非平稳性和非线性等特征，使得综合生理系统中的相互作用进一步复杂化。生物时间序列分析用于识别隐藏的动态模式，这些模式可以对潜在的生理机制可以产生重要的见解。考虑多器官或多生理系统之间的关联性时，可以通过复杂网络分析角度对复杂生理现象进行研究。
[0003]近年来，现代统计物理学和网络理论衍生的新概念和方法已经引入生物学，系统生物学和综合生理学等领域取得了巨大的进步和成就，专注于从亚细胞和细胞水平到组织和器官水平的垂直整合，对基础生理学和临床实践意义重大。但在器官间相互作用这一水平整合方向存在广泛的知识差距，人体生理系统如何同步和整合以优化生理功能和维持健康仍是未解之谜。生理状态和功能如何从亚细胞到生物体的垂直和水平整合网络中产生，已然成为网络生理学的基本问题之一。网络生理学将人类有机体简化成一个不断发展的综合交互网络，节点与器官相关联，而边则表示节点之间的动态相互作用。从概念上讲，通过观察生物体的动力学来推断相互作用构成了一个基本的逆问题，它没有唯一的解决方案。由于器官系统的复杂动力学，识别和量化这些相互作用是一项重大挑战。传统的复杂网络研究认为网络的结构与时间无关，静态复杂网络所由成对交互的节点组成，以便交互存在某种结构，具有一定程度的随机性和一定的规律性。但大多数动态系统中需要考虑时间维度，以动态网络(或时序网络)的形式捕获涉及多种交互类型的更多信息和潜在模式，其网
络结构在时间上持续演化，包含连接时序及其相关性等信息。当时间离散化表示时，可以使用多层网络的形式表征时序网络。离散时间可由设置的离散性、不同时间窗内连续活动的离散性、离散时间发生的数据测量等方式产生。每个复杂网络都呈现特定的拓扑特征，这些拓扑特征表征其连通性且高度影响网络上执行的进程动态，复杂网络的分析、区分和综合依赖于使用能够表达最相关拓扑特征的测量。静态网络的拓扑结构可以用大量测量方法来表征。从本质上讲，此类测量方法通常基于相邻节点之间的连接(如度、聚类系数等)或较大节点集之间的连接(如路径长度、网络直径和各种中心性度量等)。而动态网络需要遵循时间顺序，其拓扑结构也将拓展时间维度，测量方法需在尊重时间路径的概念上重新修改以表征时间拓扑结构。
[0004]将大脑看作是一个多个尺度上元素相互连接组成的大型复杂网络，已经在现代神经科学中占据主导地位。以大脑这一人体高度复杂的器官为例，其连接分为结构连接、功能连接和有效连接三种类型，分别描述结构连通性、功能连通性和有效连通性，得以构建结构型和功能型两种脑网络。结构连接(或称神经解剖学连接)是指不同神经元或区域之间解剖学上的连接。由于人体研究中仍缺少合适的无创性实验手段，故目前人脑结构网络一般建立在宏观范围上，将图像体素或先验模板划分的脑区作为大脑结构网络的节点，连接的定义则依赖不同模态的磁共振成像技术。功能连通性定义为神经生理时间序列之间存在任何统计上的相互依赖性，而不涉及影响方向。人脑功能网络是对大脑结构网络之上不同的神经元、神经元集群或脑区之间动态活动交互整合的直观描述。与结构网络相似，可以对功能性磁共振成像(Functional Magnetic Resonance Imaging,fMRI)将图像体素或先验模板划分的脑区定义为网络节点，而对脑电图EEG、脑磁图(Magnetoencephalography,MEG)等电生理技术则一般将记录电极或磁通道定义为网络节点。人脑功能网络的连接指不同节点记录的神经活动信号之间的动态协调性，其主要度量方法分为线性和非线性两类，线性方法包括相关性、相干性等，非线性方法则主要有相位同步、同步似然性和互信息等。而有效连接则定义为一个系统对另一个系统施加的直接或间接影响，指一种具有方向性的因果影响，描述两者之间的动态定向相互作用。有效连接与结构连接、功能连接并不互相排斥，估计指标具有方向性时即为有效连接。其主要度量方法可以直接从信号中估计(即由数据驱动)或基于指定因果关系的模型，数据驱动技术包括格兰杰因果关系和转移熵等，基于模型的方法由结构方程建模和动态因果建模等。
[0005]与人脑连接类似，人体不同区域之间也存在高度复杂的连接。心(循环)、肺(呼吸)的相互协作为人体氧气和二氧化碳在血液中的传输提供动力，经常性的体育锻炼有助于心肺适能的提高，从而降低脑卒中的长期风险。心脏不仅为血液循环提供动力，其和神经控制系统(大脑)也有着非常密切的联系，心脏和大脑的关联性对生理系统的研究同样具有重要价值。如神经心脏病学作为心、脑研究的交叉学科，主要对心脏调节系统和神经系统的关联性和交互作用进行研究，临床上表现为缺血性脑损伤、神经性心肌病等。将脑连接方式扩展到人体不同器官系统间，探索双器官系统之间的动态相互作用，构建复杂的人体网络，揭示生理状态和功能的潜在机制。生理系统中，某些组织、器官两两间存在密切的关联性。在双生理系统的交互关系研究中，可对观测的时间序列关联性进行线性、非线性统计分析，量化器官间相互作用的强度、方向属性，评估生理系统间的统计相关性、因果关联性等特性，已应用于心肺耦合、心脑耦合和大脑
‑
肌肉通信等研究中。但当前技术主要集中于表征单个生
理状态下的生理网络相互作用特征或对比不同生理状态下的静态网络特征特征，而未深入探究生理状态切换时的相互作用网络及其拓扑结构动态演化过程。运用何种分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于二元生理系统的动态相互作用网络分析方法，其特征在于，该方法主要包括以下步骤：步骤1、将人体内两个器官视为一个整体称为二元生理系统，任选两个可以采集到生理电信号的人体器官作为二元生理系统，同步、连续采集两个选定器官输出的多个生理信号，采集过程中人体经历多个生理状态，人睡眠期间则以各睡眠阶段为不同生理状态，利用滚动时间窗口对各生理信号进行分段预处理；步骤2、选定两个生理信号被同一滚动时间窗口截取的两段经过分段预处理的生理信号段为相互作用对，使用循环互相关函数得到相互作用对的时间延迟序列，从而推断相互作用对之间相互作用的强度、方向性、稳定性；步骤3、构建多层时序生理网络：一个滚动时间窗口对应一个时间切片，以各滚动时间窗口对应的时间切片为层，每一层网络中的节点代表各生理信号，借助时间延迟序列特征描述所有节点两两之间的相互作用关系，建立有向加权连边，构建层内、层间链接；步骤4、在多层时序生理网络的基础上，计算稳定数据点比例、概率分布、特征向量中心性三种网络特征，分别用于量化二元生理系统之间相互作用的强度、总体因果效应、关键节点，比较各睡眠阶段时段中的网络特征区别，将相互作用网络特征作为睡眠阶段的标志，从而通过相互作用变化检测人体睡眠阶段变化，即在人体经历多种睡眠阶段，利用构建多个生理信号持续的动态相互作用网络，比较不同睡眠阶段的网络特征。2.根据权利要求1所述的基于二元生理系统的动态相互作用网络分析方法，其特征在于，所述步骤1具体包括：步骤1.1：选定人体器官X、Y为二元生理系统，对同步输出的m个生理信号连续采样一段时间T0，每个信号长度为N，排列组合获得对生理信号{x}和{y}，采样时人体连续经历H个生理状态，即H个睡眠阶段；步骤1.2：使用窗口长度为L的滚动时间窗口将各生理信号切分成等长不重叠的步骤1.2：使用窗口长度为L的滚动时间窗口将各生理信号切分成等长不重叠的个数据段，则生理信号{x}经第t个滚动时间窗口截断后可得第t段信号段L为滚动时间窗口的窗口长度，也是各信号段长度，具体表达式为：步骤1.3：将对每一生理信号段进行降序排序，得到原始数据的秩次将得到信号段x
t
所对应的秩次数据段步骤1.4：将各秩次信号段分别进行Z
‑
score标准化处理，使经处理的数据段符合标准正态分布，具体计算公式为：其中，为秩次信号段的均值，为秩次信号段的标准差。3.根据权利要求1所述的基于二元生理系统的动态相互作用网络分析方法，其特征在于，所述步骤2具体包括：步骤2.1：选定的两个信号{x}和{y}被第t个滚动时间窗口截取的两段生理信号段x
t
和
y
t
，得到对应的秩次信号段和选取经Z
‑
score标准化处理的秩次信号段和为相互作用对；步骤2.2：对长度为L的信号段和应用周期性边界条件，将信号段相对于信号段在时间前进方向上移动固定数量τ个数据点，此时与两个数据点在时间轴上处于同一时刻，将各时刻的两个数据点相乘并求和，得到循环互相关函数具体计算过程如下：如下：式中L为秩次信号段长度，i为秩次信号段中各数据点序号，可知，循环互相关函数周期为L，限制时移τ∈[
‑
L/2,L/2]∩Z可得到一个完整周期的步骤2.3：将循环互相关函数绝对值最大值相对应的时移τ定义为最大相关时延得到最大相关时延序列得到最大相关时延序列代表生理信号{x}和{y}在第t个滚动时间窗口对应时段中相关性最大时的时间延迟，其具体表达式如下：步骤2.4：如果生理信号{x}和{y}在几个连续时段中显示的时延变化不超过
±
1s，则可认定为两个生理信号在这些时段中存在稳定相关性；最大相关时延序列的每5个数据点中，如果至少有4个时间延迟保持在[τ0‑
1,τ0+1]范围中，则认为此时存在稳定相关性，将对应数据点标记为稳定(即)，得到稳定标签序列用于记录信号{x}和{y}之间存在稳定相关性的滚动时间窗口；步骤2.5：根据最大相关时延序列推断生理信号{x}和{y}在第t个滚动时间窗口对应时段中的动态方向性，具体表达为：4.根据权利要求1所述的基于二元生理系统的动态相互作用网络分析方法，其特征在于，所述步骤3具体包括：步骤3.1：将一个滚动时间窗口对应一个时间切片，得到N
L
个时间切片，第t个滚动时间窗口对应第t个时间切片，以一个时间切片为一层，每层网络都包含代表m个生理信号的m个节点及表示相互作用关系的连边，第t层网络表示m个生理信号在第t个滚动时间窗口时段中存在的稳定相关性和引导追随关系，将多层时序生理网络表示为G＝(V,E,T)，其中V＝{v1,v2,
…
,v
m
}是每一层网络中所有节点的集合，用v
m
表示第m个节点，代表第m个生理信号，
是所有时间切片的集合，用表示第N
L
个时间切片，代表第N
L
个滚动时间窗口，E表示所有连边的集合，用表示从第t
a

【专利技术属性】
技术研发人员：杨小冬，洪彬一，张曙萱，杜文亮，芮晓彬，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：