首页 > 文献资料
-
小波变换和非负矩阵分解在心电信号应用的对比分析
为了对心电检测过程中含噪声心电信号进行有效分离,本文结合小波变换和非负矩阵分解(NMF)算法特点及心电信号特征,对比分析两种分析方法在心电信号分析中的应用.针对心电信号自动分析和处理,采取基于小渡分析和基于非负矩阵分解的两种心电信号分离方法,在含有噪声的信号中提取有用的心电信号.
-
基于非负矩阵分解的大脑不同区域基因表达数据分析
基因之间存在多种多样的表达调控活动,一般认为这些调控关系隐含在基因表达谱中.针对阿尔茨海默症(AD)起病隐匿、诊断难、发病机理复杂以及基因信号传导通路和调控关系难以重建等特征,利用非平滑非负矩阵分解(nsNMF)方法提取AD致病基因,聚类过程中利用共表型相关性系数(CCC)选取聚类数k的值,得到优的聚类数目.针对基因表达数据噪声高、信息变量隐藏难分析的困难,考虑AD的发生发展与许多大脑功能区域密切相关的特性,提出将nsNMF分别应用于AD患者的大脑海马区、内嗅区皮质、颞中回及视觉皮层区的基因表达数据中,共提取3800个显著基因,其中包括确定与AD致病机理有关联的10个致病基因,并进行了生物学分析,得到了AD相关的细胞凋亡、代谢及炎症反应等生物过程,显示nsNMF方法及大脑多区域数据集的联合分析能更全面地探寻AD信号传导关系及基因调控方式.
-
基于表面肌电非负矩阵分解与一致性的肌间协同-耦合关系研究
肌肉协同模型是神经产生并控制运动的低维度结构,探讨不同动作任务下的表面肌电信号(sEMG)间的相干性分析,可以体现相应肌群的协同耦合关系,进而能从神经控制运动与肌肉相互配合协调的角度揭示运动产生与执行规律.组织8名年轻健康受试者(男女均半、20 ～ 24岁)进行上肢腕部屈、伸实验,采集动作时相应肌群的sEMG数据,引入非负矩阵分解(NMF)方法分析肌间协同性,并进一步对协同性较高的肌群采用一致性分析方法,研究信号beta(15 ～35 Hz)和gamma(35～60 Hz)频段的耦合强度关系,探讨腕部伸屈动作下不同受试者之间的协同-耦合性差异.结果表明:腕伸动作下,主动肌桡侧腕短伸肌(ECR)、指伸肌(ED)、尺侧腕伸肌(ECU)、肱桡肌(B)在协同模块W5中具有协同关系,且肌间耦合强度显著(P＜0.05),beta频段与gamma频段一致性显著面积相差较大(1.261±0.966);腕屈动作下,分别在协同模块W1W4 W5中存在具有协同关系的肌肉对,且肌肉间耦合强度显著(P ＜0.001),在beta和gamma频段一致性显著面积相差较小(0.412±0.163),但主动肌桡侧腕屈肌、指浅屈肌间不具有协同性,耦合关系较弱.以上说明:神经控制运动的方式不同,体现为肌肉协同-耦合关系有所差异;在同一协同模块中,协同性较高的肌肉间耦合关系较强,揭示神经控制运动规律与肌肉相互配合方式;运用此方法进行肌间协同-耦合联合分析,可望深入揭示中枢神经模块化协同控制运动机制,进一步为运动障碍患者功能分析和评价提供科学依据.
-
基于非负盲分离的胎儿心率检测方法
胎儿心率监测是一种有效评估胎儿当前健康状况的重要参考依据。为了可以快速准确地获取胎儿心率，该文提出一种基于非负盲分离的胎儿心率检测方法。该方法首先对采集得到的腹壁信号进行预处理，平稳小波变换后重构出母亲心电信号；接着，采用相减法去除母亲心电信号，再把剩下含有噪声的胎儿心电信号通过时频变换得到 Born- Jordan分布；后，利用非负矩阵分解得到胎儿心电的特征信号，检测其R波位置求得胎儿瞬时心率。实验结果表明，该方法可以快速、准确有效地获得胎儿地瞬时心率数据。
-
基于改进稀疏非负矩阵分解方法的乳腺癌微阵列表达数据分析
目的 利用改进稀疏非负矩阵分解技术对乳腺癌基因表达谱数据进行双向聚类,挖掘与乳腺癌发病密切相关的基因及其生物过程.方法 用小波对22 283个基因的人乳腺癌基因表达数据进行去噪,然后通过T统计初步筛选出5 067个基因作为改进稀疏非负矩阵的输入矩阵,进行双向聚类进一步筛选出81个与乳腺癌密切相关的显著基因,后通过cytoscape对81个与乳腺癌密切相关的显著基因构建生物过程结构图.结果 筛选出与乳腺癌相关的基因、可能相关的基因以及这些基因参与的生物过程之间的关系.结论 改进稀疏非负矩阵分解与现存的其他非负矩阵分解算法相比具有聚类效果好、稳定性强且迭代次数少的优点,适合于乳腺癌差异表达基因的提取.
-
基于矩阵分解技术的显著基因提取及基因表达数据分析
基因之间存在多种多样的表达调控活动,一般认为这些调控关系隐含在基因表达谱中.因此,可以根据基因表达数据对基因调控状态进行建模,以挖掘具有生物学意义的信息及隐含在其中的基因调控关系.本文分别利用独立成分分析(ICA)和非负矩阵分解(NMF)这两种无监督矩阵分解技术对阿尔茨海默病(AD)基因表达数据进行显著基因提取及基因调控网络的构建,通过生物学分析,探讨了两种不同矩阵分解技术在挖掘潜在致病基因上的作用,通过结合两种方法所提取的显著基因的生物学分析,体现了炎症反应在AD致病机制中的重要作用,为AD早期诊断、致病机制研究及基因生物标志物的探寻提供了有益的方法.
-
独立元分析和非负矩阵分解的盲源分离比较
独立元分析(Independent Component Analysis,ICA)和非负矩阵分解(non-negative matrix factorization,NMF)是盲源分离的研究热点.文章在提出盲源分离框架的基础上,对独立元分析和非负矩阵分解进行了比较,并通过两个实例分别介绍了两者在生物医学领域中的应用.
-
利用矩阵分解提取生物医学文献中潜在相关基因
利用Bicomb从50个基因文档中提取主题词建立词-基因矩阵,用对数权重法对词-基因矩阵进行处理,采用非负矩阵分解和奇异值分解法对词-基因矩阵降维,通过计算余弦相似度推断基因关系.结果表明,利用矩阵分解可以从生物医学文献中提取潜在相关基因.
