生理信号中的分形图案

健康的生理信号既不是完全周期性的，也不是单纯随机的。其中一些信号表现出长程相关性和与尺度相关的波动，这些现象可以用分形或多分形方法来概括。

一个通过频谱生成的 1/f 型信号，展示了在生理时间序列中研究的长程波动。图片: Björn Kindler / MandelKit · MandelKit Wissensgrafik · Eigene Darstellung · Own work

时间取代空间

在信号中，自相似性关注的是时间窗口内的波动统计特性，而非嵌套的几何形状。去趋势波动分析、谱斜率和多分形谱分别量化了不同的方面，不可互换使用。

对于心率或呼吸序列，时间窗口取代了空间标尺。分析旨在探究波动如何随窗口长度或频率范围而增长。趋势、缺失值和不规则采样可能会产生表观缩放效应。在估算维数或赫斯特指数之前，必须明确输入数据是原始信号、时间间隔还是去趋势残差。

心跳、步态和神经活动共同构成作用于毫秒至数小时时间尺度的反馈回路。丰富的尺度变化可以反映调节因子之间的相互作用；不应将其浪漫化为“越不规则就越健康”的证据。

生理调节将快速反射、呼吸、活动、睡眠和长期适应联系在一起。多个特征时间尺度可以产生宽带统计特征，而无需依赖单一的分形机制。多分形分析试图区分不同强度的波动，但需要长且高质量的数据序列。短时间记录可能会产生令人印象深刻的频谱，但其不确定性很大。

记录时长、伪影、体位、用药情况及预处理都会影响指数值。人群差异在科学研究中可能具有实用价值，但个体诊断需要经过验证的方案以及超越通用分形计算的临床背景。

研究中观察到的组间差异并不必然成为针对个人的诊断阈值。设备、时间、药物和身体活动都会影响信号。分形测量指标虽可为模型提供特征，但仍需经过临床验证并综合考虑其他变量。应用程序或教育页面不应将其作为健康诊断依据。

本文以原文措辞总结了以下专业资料来源。访问并经编辑审核于 12 年 2026 月。