بیومکانیک قلب و عروق
وحید ابوئی؛ فرزاد توحیدخواه؛ وحید رضا نفیسی؛ هانی شریفیان
دوره 5، شماره 4 ، اسفند 1390، ، صفحه 305-311
چکیده
افت فشار خون بیماران دیالیزی در حین فرآیند همودیالیز از شایع ترین مشکلاتی است که امروزه حدود 20 الی 30 درصد از بیماران دیالیزی با آن روبرو هستند. در راستای جلوگیری از این افت فشار، میبایست فشار خون بیمار دیالیزی را در حین فرآیند همودیالیز حتی المقدور به صورت پیوسته و غیرتهاجمی اندازهگیری کرد. اما از آنجائی که این کار عملاً امکان پذیر ...
بیشتر
افت فشار خون بیماران دیالیزی در حین فرآیند همودیالیز از شایع ترین مشکلاتی است که امروزه حدود 20 الی 30 درصد از بیماران دیالیزی با آن روبرو هستند. در راستای جلوگیری از این افت فشار، میبایست فشار خون بیمار دیالیزی را در حین فرآیند همودیالیز حتی المقدور به صورت پیوسته و غیرتهاجمی اندازهگیری کرد. اما از آنجائی که این کار عملاً امکان پذیر نیست و دستگاههای اندازهگیری غیر تهاجمی و پیوستهی افت فشار خون محدود و بسیار گران قیمت میباشند لذا میبایست با استفاده از پارامترهای مرتبط با افت فشار خون به این مقصود رسید. با توجه به ارتباط تغییرات غلظت خون و ضربان قلب با تغییرات فشار خون بیماران دیالیزی، در این مطالعه به ارائه مدلی پرداختیم که بتواند به وسیلهی تغییرات غلظت خون و ضربان قلب، فشار خون بیمار دیالیزی را پیش بینی نماید تا دیگر نیازی به اندازهگیری مستقیم فشار نباشد. در این راستا با استفاده از دستگاههای اندازهگیری تغییرات غلظت خون، ضربان قلب و فشارخون به ثبت داده های کلینیکی از 14 بیمار دیالیزی و پس از آن با استفاده از داده های کلینیکی به ارائه مدل شبکه عصبی پرداختیم که این مدل توانائی پیشبینی افت فشار خون بیمار دیالیزی با استفاده از اطلاعات ضربان قلب و غلظت نسبی خون را با خطای 8/3 درصد دارا میباشد.
مهندسی عصبی عضلانی
راحله شفائی؛ سید محمدرضا هاشمی گلپایگانی
دوره 5، شماره 3 ، آذر 1390، ، صفحه 214-228
چکیده
یکی از مسائل کلیدی در نایل شدن به کنترل موفق FES، استفاده از یک مدل مناسب و صحیح از سیستم تحت تحریک الکتریکی است که بهمیزان کافی بیانکنندهی رفتار آن سیستم باشد. مدلهای محاسباتی کلاسیک که بهطور متعارف برای این منظور استفاده میشوند، ماهیتی جزءنگر دارند؛ بنابراین نمیتوانند اندرکنش موجود در سیستم بیولوژیک را لحاظ کنند. با ...
بیشتر
یکی از مسائل کلیدی در نایل شدن به کنترل موفق FES، استفاده از یک مدل مناسب و صحیح از سیستم تحت تحریک الکتریکی است که بهمیزان کافی بیانکنندهی رفتار آن سیستم باشد. مدلهای محاسباتی کلاسیک که بهطور متعارف برای این منظور استفاده میشوند، ماهیتی جزءنگر دارند؛ بنابراین نمیتوانند اندرکنش موجود در سیستم بیولوژیک را لحاظ کنند. با توجه به این محدودیتها، اخیرا مدلهای رفتاری که جعبه سیاه هستند اغلب استفاده میشوند. این مدلها روی دینامیک ورودی/ خروجی، که همانا اطلاعات مورد نیاز مدلسازی برای طراحی کنترل است تمرکز دارند؛ بدینترتیب به سیستم به عنوان یک کل، که تعاملات بین اجزا را در خود نهفته دارد، پرداخته میشود. تاکنون چنین مدلی برای حرکت مفصل آرنج ارائه نشده است. از این رو در این پژوهش، با استفاده از شبکههای عصبی دینامیک، شامل شبکههای جلوسو با تاخیر زمانی و بازگشتی، به ارائه و اعتبارسنجیِ یک مدل جعبه سیاه از حرکت مفصل آرنج در صفحهی افق، برای کابردهای کنترل حرکت رساندن دست، در افرادی با ضایعهی نخاعی 6C/5Cپرداخته شده است. نهایت انعطافپذیری معماری جلوسو با تاخیر زمانی، در یک ساختار دو لایه با 5 نورون پنهان و استفاده از 25/1 ثانیه از سوابق ورودی، با شاخص عملکرد ضریب همبستگی متقابل %86/89 و نرمالیزه شدهی میانگین مربعات خطای % 85/4 رخ داد و بهعنوان مدلِ برگزیدهی این معماری معرفی گردید. بهترین شبکهی بازگشتی با معماری NARX و تعداد سوابق ورودی و خروجیِ برابر نیز، در ساختاری دو لایه با 12 نورون در لایهی پنهان و استفاده از 1/0 ثانیه از سوابق، با شاخص عملکرد همبستگی متقابل %50/92 و نرمالیزه شدهی میانگین مربعات خطای % 06/4 رخ داد و بهعنوان مدلِ برگزیدهی این معماری معرفی گردید. مقایسهی بهترین نتایج آموزش با استفاده از شبکه جلوسو از هر دو جنبهی کمی و کیفی به شکل آشکاری بیانکنندهی برتری شبکههای بازگشتی در شناسایی سیستم مورد مطالعه است.
پردازش تصاویر پزشکی
راحله کافیه؛ علیرضا مهری دهنوی؛ سعید صدری؛ سید حمید راجی
دوره 2، شماره 3 ، آذر 1387، ، صفحه 233-246
چکیده
به منظور پیش بینی رشد فک و صورت و امکان برنامه ریزی درمان های لازم، دانش سفالومتری از طریق مقایسه فک و صورت افراد مختلف بنیان گذاری شده است. تاکنون تلاش های زیادی به منظور اتوماتیک کردن آنالیزهای سفالومتری با هدف کاهش زمان لازم برای آنالیز، بهبود صحت تشخیص لندمارک ها و کاهش خطاهای حاصل از خستگی فرد متخصص صورت پذیرفته است. هدف این طرح ...
بیشتر
به منظور پیش بینی رشد فک و صورت و امکان برنامه ریزی درمان های لازم، دانش سفالومتری از طریق مقایسه فک و صورت افراد مختلف بنیان گذاری شده است. تاکنون تلاش های زیادی به منظور اتوماتیک کردن آنالیزهای سفالومتری با هدف کاهش زمان لازم برای آنالیز، بهبود صحت تشخیص لندمارک ها و کاهش خطاهای حاصل از خستگی فرد متخصص صورت پذیرفته است. هدف این طرح تعیین مکان دقیق لندمارک های سفالومتری بر روی تصاویر دندانپزشکی است. در این طرح یک روش مبتنی بر ترکیب مدل های شکل پذیر و شبکه های عصبی بر روی تصاویر سفالومتری در دندانپزشکی پیشنهاد شده است. به این منظور در گام اول، تعدادی از مشخصات تصویر به وسیله یک فیلتر نفوذ غیرخطی و سپس روش تشخیص لبه سوسان استخراج شده اند تا اثر اندازه، چرخش و شیفت احتمالی جمجمه هنگام تصویربرداری مدلسازی شود. در گام بعدی یک شبکه عصبی برای طبقه بندی تصاویر سفالومتری بر اساس مشخصات هندسی آنها مورد استفاده قرار گرفته است. سپس با استفاده از شبکه آموزش یافته برای هر تصویر جدید ورودی، کلاس مربوط تشخیص داده شده، مکان تقریبی لندمارک ها تخمین زده می شود. سپس با اعمال روش مدل های شکل پذیر بر تصاویر مکان دقیق لندمارک ها در تصویر به دست می آیند و در نهایت یک مرحله تطبیق الگو به منظور تعیین مکان دقیق لندمارک ها بر روی تصاویر به کار برده می شود. برای بررسی صحت عملکرد سیستم از 20 تصویر سفالومتری استفاده شده و در هر تصویر 16 لندمارک مکان یابی می شود. هر یک از تصاویر تقریبا دارای ابعاد mm 170 در mm 200 بوده با قدرت تفکیک ) dpi100هر میلی متر معادل با 4 پیکسل) به صورت دیجیتال در آمده اند. به طور متوسط 24% از لندمارک ها در فاصله mm 1نقاط صحیح، 61% در فاصله mm 2 و 93% در فاصله mm 5 مکان یابی شده اند که بهبود چشمگیری نسبت به روش های قبل نشان می دهد. با توجه به نتایج حاصل مشاهده می شود استفاده از روش پیشنهادی در مقایسه با روش های موجود نتایج بسیار مطلوب تری را ارائه می نماید.
پردازش سیگنالهای حیاتی
محمد رضا نوروزی؛ محمد جواد یزدان پناه
دوره 1، شماره 1 ، خرداد 1386، ، صفحه 53-62
چکیده
در این تحقیق، با استخراج خواص پدیده های آشوبگون و بررسی سه دسته سیگنال قلبی شامل سیگنال های طبیعی، تاکیکاردی بطنی و فیبریلاسیون بطنی مشاهده شد که این خواص به صورت مشخصی در سیگنال فیبریلاسیون بطنی وجود دارند. از یک شبکه عصبی پس انتشار خطا برای جدا سازی سیگنال فیبریلاسیون بطنی نسبت به دو نوع دیگر سیگنال قلبی استفاده گردید. شبکه در دو ...
بیشتر
در این تحقیق، با استخراج خواص پدیده های آشوبگون و بررسی سه دسته سیگنال قلبی شامل سیگنال های طبیعی، تاکیکاردی بطنی و فیبریلاسیون بطنی مشاهده شد که این خواص به صورت مشخصی در سیگنال فیبریلاسیون بطنی وجود دارند. از یک شبکه عصبی پس انتشار خطا برای جدا سازی سیگنال فیبریلاسیون بطنی نسبت به دو نوع دیگر سیگنال قلبی استفاده گردید. شبکه در دو حوزه زمان و فرکانس تحت آموزش قرار گرفته و نتایج نشان داد که در حالت عادی، استفاده از سیگنال های زمانی در مقایسه با طیف فرکانسی از قابلیت اعتماد بالایی برخوردار نیست. بر اساس یک ایده نو و با استفاده از تکنیک «داده های جایگزین» که در فرآیند های آشوبگون به کار می رود، بهبود چشمگیری در کارآیی شبکه در حوزه زمان به دست آمد. همچنین شبیه سازی ها نشان داد که دینامیک آشوبگون تولید کننده سیگنال فیبریلاسیون بطنی، یک دینامیک متغیر با زمان است.
پردازش سیگنالهای حیاتی
نادر جعفرنیادابانلو؛ احمد آیت الهی؛ وحید جوهریمجد؛ دزموند مک لرنون
دوره -2، شماره 1 ، تیر 1384، ، صفحه 71-80
چکیده
در سال ها اخیر توجه زیادی به تولید مصنوعی سیگنال های الکتروکاردیوگرام (ECG) به کمک یک مدل ریاضی معطوف گشته است. یکی از کاربردهای یک مدل دینامیکی که بتواند سیگنال های ECG مصنوعی تولید کند، ارزیابی آسان دستگاه های پردازش سیگنال تشخیصی ECG می باشد. به علاوه، می توان چنین مدلی را در فشرده سازی و تله مدیسن نیز به کار برد. هم چنین مناسب ...
بیشتر
در سال ها اخیر توجه زیادی به تولید مصنوعی سیگنال های الکتروکاردیوگرام (ECG) به کمک یک مدل ریاضی معطوف گشته است. یکی از کاربردهای یک مدل دینامیکی که بتواند سیگنال های ECG مصنوعی تولید کند، ارزیابی آسان دستگاه های پردازش سیگنال تشخیصی ECG می باشد. به علاوه، می توان چنین مدلی را در فشرده سازی و تله مدیسن نیز به کار برد. هم چنین مناسب است مدل از توانایی لازم برای تولید سیگنال های ECG طبیعی و غیر طبیعی برخوردار باشد. در این تحقیق با به کارگیری شبکه عصبی با توابع پایه شعاعی (RBF) در یک مدل دینامیکی غیر خطی که بر پایه مدل دینامیکی McSharry و همکاران بنا شده است، روش مناسبی برای تولید مصنوعی سیگنال های الکتروکاردیوگرام ارایه شده است. مزیت این روش جدید نسبت به روش McSharry و همکاران، در توانایی شبیه سازی طیف وسیع تری از سیگنال های فیزیولوژیکی اعم از طبیعی و غیر طبیعی نهفته است. ضمن ارایه نتایج شبیه سازی برای سیگنال ECGطبیعی و سه حالت غیر طبیعی، صحت مدل توسط تابع خطای معرفی شده مورد ارزیابی قرار گرفته است. میانگین این خطا در مدت 100 ثانیه با به کارگیری 20 نرون، کمتر از 2.5 درصد برای چهار حالت مدل شده (یک حالت طبیعی و سه حالت غیر طبیعی) به دست آمد.