利用非线性预测和信息论工具研究多变量心血管相互作用中的高阶行为

《IEEE Transactions on Biomedical Engineering》：Investigating High-Order Behaviors in Multivariate Cardiovascular Interactions via Nonlinear Prediction and Information-Theoretic Tools

　　

摘要：

目的：评估从潜在结构机制中产生的协同高阶行为（HOBs）对于表征复杂系统至关重要。本研究结合使用了可预测性和信息论度量方法来检测和量化合成和生理网络系统中的HOBs。方法：在为复杂系统中的机制和行为提供正式定义后，定义了统计协同的度量方法，即整体减总（WMS）的互预测性 excess（ΔMP）或互信息（ΔMI），这些是在将系统作为一个整体考虑时观察到的，而不是将其视为其单位的组合时观察到的。这两种度量方法都是基于非线性预测和熵估计的无模型方法计算的。结果：将这种方法应用于模拟的线性高斯系统以及非线性确定性和随机动态系统表明，ΔMP对于受单个独立源变量加性效应影响的目标变量来说往往消失，而在存在源之间群体交互作用的情况下则为正；而ΔMI则更倾向于显示正值。然后，对生理变量的分析显示，在研究收缩压和舒张压对平均动脉压的加性效应时，以及研究ΔMP和ΔMI对舒张压如何受射前期和左心室射血时间调节的影响时，也显示出了显著的值。结论：通过信息论WMS度量可以更清晰地识别HOBs，而预测WMS度量似乎对系统控制规则产生的协同作用更为敏感，而不是对纯粹的统计依赖性更为敏感。意义：通过对复杂结构机制敏感的WMS度量来