Δυναμική ανάλυση της καρδιακής λειτουργίας και μη γραμμική ανάλυση πειραματικών χρονοσειρών σημάτων καρδιακού ρυθμού.: κατασκευή αδρομερούς μοντέλου διάδοσης παλμού μυοκαρδίου
Περίληψη
Στην παρούσα διατριβή μελετάται η δυναμική της καρδιακής λειτουργίας. Αρχικά γίνεται γραμμική ανάλυση πειραματικών χρονοσειρών καρδιακού ρυθμού με υπολογισμό του φάσματος ισχύος Fourier και της συνάρτησης της αυτοσυσχέτισης. Στη συνέχεια πραγματοποιείται μη γραμμική ανάλυση των χρονοσειρών αυτών με ανακατασκευή του φασικού χώρου και εκτίμηση διαστάσεων με τη μέθοδο των χρονικών καθυστερήσεων, την ανάλυση πρωτευόντων ιδιοτιμών και έλεγχος μη γραμμικότητας με παραγωγή παρένθετων δεδομένων. Επίσης γίνεται εκτίμηση εντροπιών, τόσο της προσεγγιστικής εντροπίας όσο και εκτίμηση εντροπιών συμβολικής δυναμικής για τις χρονοσειρές αυτές. Τα αποτελέσματα της μη γραμμικής ανάλυσης ενισχύονται από μεθόδους πρόβλεψης και κατασκευάζεται έμπειρο σύστημα απόφασης με χρήση νευρωνικού δικτύου προς αξιοποίηση των ανωτέρω στην κλινική πράξη. Στο τελευταίο μέρος της διατριβής μελετάται η κατασκευή αδρομερούς μοντέλου διάδοσης ηλεκτρικού παλμού στο μυοκάρδιο. Γίνεται ανάλυση της φυσιολογικής διάδοσης και ύπ ...
περισσότερα
Περίληψη σε άλλη γλώσσα
The main issue of this PhD thesis is the analysis of human cardiac function. Firstly, a linear analysis of experimental Heart Rate Variability (HRV) timeseries takes part, calculating the Fourier Power Spectrum and the Autocorrelation Function. Next, Nonlinear analysis of these HRV timeseries is carried out, reconstructing the Phase Space and estimating the Correlation Dimension with the Method of Delays and Singular Values Decomposition method, where the method of Surrogate Data is used for the nonlinearity test. In order to estimate the complexity of the timeseries we estimate the Approximate Entropy and the Block Entropies of their symbolic correspondents. The conclusions of the whole nonlinear analysis are reinforced with prediction and approximation methods. An automatic decision expert system is constructed with the use of a Learning Vector Quantization neural network, in order to utilize the nonlinear analysis results in clinical practice. In the last part of this thesis we gene ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (4.28 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.