Практические решения для декомпозиции частот физиологических сигналов
Содержание
Физиологические процессы часто проявляют циклические паттерны, но анализ этих паттернов может быть сложным, если данные разрежены и нерегулярно отсэмплированы. Для решения этой проблемы была разработана новая модель под названием «basis pursuit denoising with polynomial detrending» (BPWP). Она эффективно восстанавливает осцилляции и тренды из разреженных временных рядов, что делает ее особенно ценной для анализа физиологических данных.
Ценность
Модель BPWP предлагает практическое решение для анализа циклических физиологических процессов.
Она способна обрабатывать разреженные и нерегулярно отсэмплированные данные, что часто встречается в физиологических приложениях.
Модель была проверена на длительных межприступных эпилептиформных разрядах (ИЭР), демонстрируя ее эффективность в выявлении циркадных и многодневных циклов, связанных со сном, бодрствованием и приступами.
Путем вычисления спектральной мощности узкополосных и коэффициентов полиномиального тренда модель позволяет идентифицировать циклы ИЭР у амбулаторных людей на основе многомесячных записей интракраниальной ЭЭГ.
Практические последствия
Модель BPWP может быть применена для анализа физиологических сигналов даже с произвольным и нерегулярным отсэмплированием.
Она представляет ценный инструмент для исследователей и врачей для извлечения значимых выводов из разреженных физиологических данных, что потенциально может привести к улучшенному пониманию и управлению различными заболеваниями.
Эти практические решения могут улучшить анализ физиологических сигналов в клинических исследованиях, способствуя разработке более эффективных медицинских вмешательств.
Полный отчет о клиническом исследовании Метод обнаружения циклов в разреженных, нерегулярно отсэмплированных, длительных нейро-поведенческих временных рядах: Basis pursuit denoising with polynomial detrending of long-term, inter-ictal epileptiform activity
Детали и скидки можно найти здесь: docsym.ru/mobile.
