- 1次围观
背景与目的：准确参数化生理系统中动态、时变的相互作用是一项方法学挑战，因为全局因果发现方法可能掩盖短暂的局部波动。本研究提出了 tempord，这是一个开源 Python 库，旨在估计局部时间顺序，并评估非平稳生物信号中因果关联的短期稳定性、方向性和强度。方法：该算法在滑动窗口内保持一个信号不变，同时迭代平移另一个信号，以估计时间关系。为对信号间的最优平移量（因果向量，CV）进行参数化，该框架采用线性建模或时间序列距离度量。研究通过仿真实验验证了该方法，所用合成双变量信号具有通过数学方式设定的动态相位延迟，并涵盖确定性和含噪声两种条件。此外，通过评估自发呼吸状态与音乐诱导的放松呼吸状态下的心肺耦合动态，展示了该方法的在体应用能力。结果：仿真研究表明，在无噪声和含噪声的合成数据中，以平均绝对误差和均方根误差进行评估时，提取的 CV 轨迹均与真实时间延迟精确吻合。在体应用展示了动态时间稳定性，并能够检测到自主神经系统状态转换期间的微小阶跃变化。结论：tempord Python 软件包弥合了全局因果发现与局部逐搏统计参数化之间的鸿沟，为研究支配复杂生物网络的瞬态机制提供了一种稳健的“自下而上”分析工具。
局部非平稳生物信号分析中的时间阶数评估：Python框架与仿真研究 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
局部非平稳生物信号分析中的时间阶数评估：Python框架与仿真研究
查看ORCID个人资料
Marcel
Mlynczak
，
查看ORCID个人资料
Maciej
Rosol
，
查看ORCID个人资料
Kacper
Korzeniewski
，
查看ORCID个人资料
Jakub S.
Gasior
doi：
https://doi.org/10.64898/2026.07.26.740785
Marcel Mlynczak
1
华沙理工大学，机电一体化学院，计量与生物医学工程研究所；
在Google Scholar上查找此作者
在PubMed上查找此作者
在本站搜索此作者
Marcel Mlynczak的ORCID记录
通信联系方式：
marcel.mlynczak{at}pw.edu.pl
Maciej Rosol
1
华沙理工大学，机电一体化学院，计量与生物医学工程研究所；
在Google Scholar上查找此作者
在PubMed上查找此作者
在本站搜索此作者
Maciej Rosol的ORCID记录
Kacper Korzeniewski
1
华沙理工大学，机电一体化学院，计量与生物医学工程研究所；
在Google Scholar上查找此作者
在PubMed上查找此作者
在本站搜索此作者
Kacper Korzeniewski的ORCID记录
Jakub S. Gasior
2
华沙医科大学，小儿心脏病学与普通儿科系
在Google Scholar上查找此作者
在PubMed上查找此作者
在本站搜索此作者
Jakub S. Gasior的ORCID记录
摘要
信息/历史
指标
数据/代码
预览PDF
摘要
背景与目的：准确参数化生理系统中动态、时变的相互作用是一项
方法学挑战，因为全局因果发现方法可能掩盖瞬态的局部波动。本研究介绍了 tempord，这是一个开源 Python 库，旨在估计局部时间顺序，并评估非平稳生物信号中因果联系的短期稳定性、方向性和强度。
方法：该算法在滑动窗口内保持一个信号不动，同时迭代平移另一个信号，以估计时间关系。为对最优信号间时移（因果向量，CV）进行参数化，该框架采用线性建模或时间序列距离度量。通过对合成双变量信号开展仿真研究，在确定性和含噪条件下施加数学设定的动态相位延迟，对该方法进行了验证。此外，通过评估自发呼吸和音乐诱导的放松呼吸状态下的心肺耦合动态，展示了其在体应用能力。
结果：仿真研究表明，无论对于无噪声还是含噪声的合成数据，以平均绝对误差和均方根误差进行评估时，提取的 CV 轨迹均与真实时间延迟精确吻合。在体应用展示了动态时间稳定性，并检测到了自主神经系统状态转换期间的微小阶跃变化。
结论：tempord Python 软件包弥合了全局因果发现与局部逐搏统计参数化之间的鸿沟。它为研究支配复杂生物网络的瞬态机制提供了一种稳健的“自下而上”分析工具。
利益冲突声明
作者声明不存在利益冲突。
脚注
https://github.com/MMlynczak/tempord/
已声明资助方信息
国家科学中心，
，2025/57/B/NZ4/01470
版权
本预印本的版权归作者／资助方所有，其已授予 bioRxiv 永久展示本预印本的许可。
保留所有权利。未经许可，不得以任何形式再利用。
返回顶部
上一篇
下一篇
发布于2026年7月29日。
下载 PDF
数据／代码
电子邮件
感谢您有意帮助传播 bioRxiv 的信息。
注意：要求提供您的电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请输入多个电子邮件地址，每行一个，或以逗号分隔。
您将通过电子邮件发送以下内容
局部非平稳生物信号分析中时间阶次的评估：Python 框架与仿真研究
邮件主题
（您的姓名）向您转发了 bioRxiv 上的一个页面
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于验证您是否为真人访客，并防止自动提交垃圾信息。
分享
局部非平稳生物信号分析中时间阶次的评估：Python 框架与仿真研究
Marcel
Mlynczak
，
Maciej
Rosol
，
Kacper
Korzeniewski
，
Jakub S.
Gasior
bioRxiv
2026.07.26.740785；
doi：
https://doi.org/10.64898/2026.07.26.740785
分享本文：
复制
引文工具
局部非平稳生物信号分析中时间阶次的评估：Python 框架与仿真研究
Marcel
Mlynczak
，
Maciej
Rosol
，
Kacper
Korzeniewski
，
Jakub S.
Gasior
bioRxiv
2026.07.26.740785；
doi：
https://doi.org/10.64898/2026.07.26.740785
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（带标签格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks 带标签格式
Ref Manager
RIS
Zotero
推文小工具
Facebook 点赞
Google Plus +1
学科领域
所有文章
动物行为与认知
(7837)
生物化学
(18321)
生物工程
(14499)
生物信息学
(43346)
生物物理学
(22087)
肿瘤生物学
(19197)
细胞生物学
(26324)
临床试验
(138)
发育生物学
(13709)
生态学
(20518)
流行病学
(2067)
进化生物学
(24974)
遗传学
(15915)
基因组学
(23110)
免疫学
(18310)
微生物学
(41570)
分子生物学
(17633)
神经科学
(91404)
古生物学
(683)
病理学
(2927)
药理学与毒理学
(4976)
生理学
(7924)
植物生物学
(15602)
科学传播与教育
(2074)
合成生物学
(4449)
系统生物学
(10048)
动物学
(2331)
关键词：非平稳生物信号 · 局部时间顺序 · 动态时延估计 · 滑动窗口分析 · 心肺耦合 · 仿真验证
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.26.740785v1?rss=1