论文部分内容阅读
本文首先研究了非线性动力学的基本理论，特别是Lyapunov指数、关联维数和多重分形的基本原理，并研究了在心电分析上的应用。为了实现心脏疾病早期发现这个目标，本文设计了心肌梗塞的动物模型，通过体表同步12导联的心电图来观察并记录心脏电活动，然后用非线性分析手段动态的分析各个生理状态下的心电图，研究疾病发生前后特征参数的变化情况，最后提出了关于这种变化的电生理解释。本论文的主要内容如下：
第一章概述
在论文的开始，先简单介绍一下论文中需要用到的心脏电生理知识以及非线性动力学理论的基本知识，论述了本文的研究目标和研究方法，总结了当前心电图动力学领域内国内外的研究状况，最后简单给出了本文的主要研究成果。
第二章非线性动力学的基本理论及分析方法
在这一章本文总结了非线性动力学特别是混沌的基本理论，介绍了当前应用较多的一些分析方法，如相空间技术、分维、分形、信息和熵，Lyapunov指数等。并着重讨论了三种研究中所使用的方法，分别是关联维数，最大Lyapunov指数和多重分形谱。
第三章心肌梗塞动物模型(MI)的设计、实验和结果
作为本文研究工作的基础，用8只兔子设计一组动物模型，采用打开胸腔分别结扎兔子心脏冠状动脉血管左束支的不同部位制造不同程度的梗塞模型的方法，通过人为的干预形成不同的病理状态。在每种状态下都持续采集了体表同步心电图，本文的研究就是利用随着时间变化且能够反映不同病理状态的心电图序列来研究非线性参数与生理变化间的关系。
第四章MI模型ECG信号的混沌参数分析
本文应用混沌参数分析心电图的目的是在于希望能够分辨心脏缺血的不同病理状态特别是能够辨别轻度的心肌缺血。为此本文选择了关联维数和最大Lyapunov指数作为分析手段，通过分析了心肌梗塞模型的不同病理状态下的心电图序列，发现不仅同一时间下不同导联的关联维数存在分布特性，同一病理状态下同一导联的关联维数和最大Lyapunov指数随时间变化的趋势也是不同的，这显示了这两个参数应用于ECG时是具有不同的生理意义的。ECG的关联维数和最大Lyapunov指数都反映了心脏动力系统的相空间吸引子的复杂性，最大Lypunov指数给出了系统吸引子的混沌性，而关联维数则更细致的显示了系统的复杂性，结果表明ECG的关联维数更多地受到了导联周围心肌生理状态的影响。
第五章MI模型ECG信号的多重分形分析
多重分形谱并不借助于相空间技术，而是通过统计物理的方法直接分析ECG的波形特征。分析结果显示当心脏疾病较轻时，同一个体ECG的多重分形复杂性会随着疾病的发生和加重而增加，并由此本文提出了在分析ECG多重分形时应针对同一个体进行研究的必要性。当在冠心病人ECG信号分析上应用相同的分析方法时，发现同一个体ECG的多重分形复杂性会随着疾病的减轻而降低。总之，ECG多重分形反映了心脏传输网络的结构特性。
第六章总结与展望
最后本文总结一下已完成的研究，同时提出了研究工作下一步可能的方向。