پردازش گفتار
ایوب دلیری؛ فرزاد توحیدخواه؛ شهریار غریب‌زاده؛ یاسر شکفته
دوره 2، شماره 2 ، شهریور 1387، ، صفحه 123-129
چکیده
سیستم تولید گفتار، یکی از پیچیده ترین سیستم های فیزیولوژیکی است. این سیستم خود از زیر سیستم های مختلفی تشکیل شده است که کنترل حرکت و هماهنگی آنها بسیار مهم می باشد، چرا که با هر گونه ناهماهنگی، ریتم رشته گفتار تولید شده به طور کامل مختل می شود. فک یکی از قسمت های مهم این سیستم است. تاکنون مدل های مختلفی برای حرکت فک ارائه شده است اما مدلی ...
بیشتر
سیستم تولید گفتار، یکی از پیچیده ترین سیستم های فیزیولوژیکی است. این سیستم خود از زیر سیستم های مختلفی تشکیل شده است که کنترل حرکت و هماهنگی آنها بسیار مهم می باشد، چرا که با هر گونه ناهماهنگی، ریتم رشته گفتار تولید شده به طور کامل مختل می شود. فک یکی از قسمت های مهم این سیستم است. تاکنون مدل های مختلفی برای حرکت فک ارائه شده است اما مدلی که در برگیرنده برهم کنش کامل عضلات، استخوان ها و اعصاب به طور جامع باشد، ارائه نشده است. در این مقاله با استفاده از مفاهیم فنر- جرم- دمپر و نیز یک مدل غیرخطی، مدلی جامع برای حرکت فک در حین تکلم ارائه شده و برای محاسبه پارامترهای مدل از داده های تجربی استفاده گردیده است. نتایج شبیه سازی ها نشان دادند که مدل پیشنهادی می تواند الگوهای حرکتی فک را با خطای بسیار کم مشابه حالت فیزیولوژیکی ایجاد کند. با توجه به جامع بودن مدل از یک سو و سادگی آن از سوی دیگر، می توان از آن در توصیف رفتار حرکتی فک استفاده کرد.
پردازش تصاویر پزشکی
سید محمد شمس؛ غلامعلی حسین‌زاده؛ محمد مهدی کریمی
دوره 1، شماره 1 ، خرداد 1386، ، صفحه 29-37
چکیده
در این تحقیق، پارامتر های یک مدل غیر خطی از سیستم همودینامیک معروف به مدل بالون به منظور تحلیل تصاویر تصویر برداری عملکردی تشدید مغناطیسی (fMRI) مورد شناسایی و ارزیابی قرار گرفته است. برای تخمین پارامتر های این مدل از دو روش استفاده شد. در این روش ها ابتدا واکسل هایی که سری های زمانی آنها حاوی فعالیت عصبی (ایجاد شده در اثر تحریک) هستند، ...
بیشتر
در این تحقیق، پارامتر های یک مدل غیر خطی از سیستم همودینامیک معروف به مدل بالون به منظور تحلیل تصاویر تصویر برداری عملکردی تشدید مغناطیسی (fMRI) مورد شناسایی و ارزیابی قرار گرفته است. برای تخمین پارامتر های این مدل از دو روش استفاده شد. در این روش ها ابتدا واکسل هایی که سری های زمانی آنها حاوی فعالیت عصبی (ایجاد شده در اثر تحریک) هستند، شناسایی می گردد. سپس برای سری زمانی هر واکسل، پارامتر های مدل بالون یک بار با استفاده از روش «تندترین شیب» و یک بار با استفاده از الگوریتم ژنتیک تخمین زده می شوند. روش های پیشنهادی فوق روی داده های واقعی تصویربرداری عملکردی تشدید مغناطیسی به کار گرفته شد و شناسایی سیستم غیرخطی بالون برای واکسل های مختلف مغز توسط آنها انجام گرفت. دقت این شناسایی ها با مقایسه خروجی مدل حاصل و سری زمانی هر واکسل (داده واقعی) نشان داده شد. همچنین نتایج تخمین پارامتر با روش های پیشنهادی و نتایج حاصل از شناسایی سیستم به وسیله کرنل های ولترا که در سایر تحقیقات انجام شده است، کاملا سازگار بود. از این رو روش های پیشنهادی با احتراز از پیچیدگی های تحلیل نظری و با سرعت قابل قبول (به ویژه روش تندترین شیب) می توانند شناسایی سیستم را با بکارگیری روش های عددی انجام دهند.
