基于递归复杂网络的房颤术后监测.pdf

第33卷第4期 仪 器 仪 表 学 报 V01．33No．4 2012年4月 ChineseJoumalofScientificInstnlment Apr．2012 基于递归复杂网络的房颤术后监测木 白宝丹，汪源源，杨翠微 (复日．大学电子T程系上海200433) 摘 要：提出了基于递归复杂网络预测房颤术后复发的方法。先通过动物实验得到房颤复发前的犬心外膜信号，将心外膜信 号转换为递归网络，提取网络的平均度、聚群系数和四阶节点模体的参数，采用支撑向量机来预测房颤是否复发及复发的严重 程度。采用由犬心外膜信号组成的数据来评价该方法预测房颤复发的准确率，数据包括A(不会复发)、B(复发类型为阵发性 房颤)和c(复发类型为永久性房颤)3类。同时研究了基于递归思想的定量递归分析方法。实验结果表明：该方法预测房颤复 房颤复发及复发严重程度的能力，对射频消融手术后监测有重要的临床意义。 关键词：房颤；心房动力结构；术后监测；预测；递归复杂网络；模体 中图分类号：R319文献标识码：A 国家标准学科分类代码：510．4050 recrudescenceofatrialfibrnlationbasedon Predicting recurrencenetwOrk cOmplex Bai Cuiwei Baodan，WangYuanyuan，Yang (D印口n胱mo，眈c￡ro冲把E增iMer垤，聪肌‰而B瑙毋，Js^n，咖ni2D舛3j，吼iM) methodbasedontherecurrence to therecrudescenceofat- Abstract：A complexnetwork(RCN)isproposedpredict areobtainedf而manimal the aTe rial矗brillation(AF)．Caninepre—AFepieardium8ignals experiment．Aftersignals transfo珊edinto the and coemcientfour—nodemotif areextracted． RCN， avemge clustering degree， parameters machine Then，a Vector isusedto theI-ecI．udescenceofAF．Themethodisassessed theani— support predict adopting inelude mal datathat AF expeIiment three盯oups：A(no珊alsignal)，B(recrudescencetype：pamxysmalsignals) andC AF and are (recmdescencetype：persistentsignals)．Thepredicted8ensitivity，spec