非线性时间序列是数字信号处理中最重要的研究对象之一,包含丰富的信息。时间序列复杂网络转换算法的相继提出,使得复杂网络方法成为分析非线性时间序列的主要工具。可视图算法作为其中之一,已经被广泛应用于实际生活的各个领域。本文在可视图算法基础上,通过更新复杂网络节点和连边的映射规则,对传统可视图算法进行改进,并将其应用于生物医学信号的分析研究中,包括心电信号、脑电信号和眼部染色图像,探索其潜在特性并实现同一信号下不同状态的检测。本文的主要研究工作概括如下:(1)在对多维信号的处理中,提出改进的多路可视图算法,用于心电信号分析,实现心梗的自动检测。将人体12导联心电图信号转换为多路可视图,以每个导联为节点,两导联之间的层间互信息为连边权重,将其映射到复杂网络。由于Spinal biomechanics不同人群的全连通网络表现为完全相同的拓扑结构,引入阈值重构网络并提取权重度和加权聚类系数的结果表明,健康受试者对应复杂网络表现为更加规则的结构、更高的复杂性和连接性,可以与心梗患者进MC3作用行区分,两个参数的识别精确度均达到93.3%。(2)对于多维信号连接系数有限的问题,提出多元水平联合模体熵算法,用于多维情感脑电信号的识别中。首先提取水平可视图的模体熵特征提取情感识别时的关键频带和关键通道。在此基础上,多路水平可视图网络两两联合,提取多元水平联合模体熵,并在不同的信号分割窗口下进行情感脑电识别。结果表明,当脑电信号以10s为窗口进行切割时,多元水平联合模体熵对积极脑电/消极脑电、积极脑电/中性脑电、消极脑电/中性脑电信号二分类的精确度分别为95.07%、97.73%和90.26%,三分类的准确率达到93.67%。(3)针对生物图像,构造图片可视图并提取图片节点度,以眼部角膜溃疡染色图像作为研究对象,将图片可视图应用于医学图像中。首先,将每个像素点作为节点构造图片可视图网络并计算其平均节点度,用于眼部疾病图像识别。selleckchem Dinaciclib接着,提取图片可视图的节点度特征并映射为度拓扑图,使用度拓扑图进行图像过滤,构造灰度共生矩阵并提取参数,证明了度拓扑图在图像纹理提取时的作用,并利用对比度特征实现了不同类别和不同严重程度时眼部染色图像的有效检测。本文利用可视图及其改进算法分别将心脑电信号和医学图像转换为复杂网络,并进行复杂网络分析,是临床医学检测的一次重要尝试。可视图算法不仅简单、直观,且能有效继承原始时间序列的固有特征,为生物学医学领域的后续研究提供了新的思路。