پردازش سیگنال‌های حیاتی

1. بررسی ارتباطات عملکردی غیرخطی با استفاده از نظریه گراف و داده های تصویربرداری تشدید مغناطیسی عملکردی حالت استراحت در بیماری آلزایمر

حسام احمدی؛ عمادالدین فاطمی زاده؛ علی مطیع نصرآبادی

دوره 14، شماره 3 ، تابستان 1399، ، صفحه 251-260

چکیده

  تصویربرداری تشدید مغناطیسی عملکردی روشی غیرتهاجمی برای بررسی عملکرد مغز از طریق نوسانات فرکانس پایین سیگنال‌های وابسته به سطح اکسیژن خون می‌باشد. آنالیز عملکردی شبکه‌های مغزی برپایه سری‌های زمانی تصویربرداری تشدید مغناطیسی عملکردی معمولا با استفاده از محاسبه ضریب همبستگی پیرسون بین نواحی مختلف مغز انجام می‌شود. از آنجایی‌که ...  بیشتر تصویربرداری تشدید مغناطیسی عملکردی روشی غیرتهاجمی برای بررسی عملکرد مغز از طریق نوسانات فرکانس پایین سیگنال‌های وابسته به سطح اکسیژن خون می‌باشد. آنالیز عملکردی شبکه‌های مغزی برپایه سری‌های زمانی تصویربرداری تشدید مغناطیسی عملکردی معمولا با استفاده از محاسبه ضریب همبستگی پیرسون بین نواحی مختلف مغز انجام می‌شود. از آنجایی‌که همبستگی پیرسون ارتباطات خطی را آشکار می‌کند و در مورد همبستگی‌های غیرخطی محدودیت دارد، در این تحقیق با استفاده از روش کرنل ارتباطات عملکردی غیرخطی در داده-های تصویربرداری تشدید مغناطیسی عملکردی بیماران آلزایمر مورد ارزیابی قرار می‌گیرند. روش کرنل، با افزایش بعد فضا و انجام محاسبات در فضای جدید که معادل رابطه غیرخطی در فضای اولیه است، امکان ارزیابی ارتباطات عملکردی غیرخطی را فراهم می‌کند. برای ساخت گراف‌های وزن‌دار بدون جهت، از توابع کرنل مختلف با پارامترهای گوناگون استفاده می‌شود. سپس ویژگی-های سراسری گراف از جمله درجه، قدرت، طول مسیر مشخصه، ماژولاریتی، جهان کوچک و بهره‌وری محاسبه می‌شوند و آنالیز آماری غیرپارامتری جایگشتی انجام می‌شود. نتایج آنالیز آماری نشان می‌دهد که همبستگی بدست آمده از روش کرنل در مقایسه با همبستگی پیرسون تمایز بیشتری بین گروه بیمار و کنترل ایجاد می‌کند که می‌تواند به دلیل وجود ارتباطات غیرخطی‌ای باشد که روش پیرسون قادر به آشکارسازی آن‌ها نیست. همچنین در بین توابع کرنل مختلف، بیشترین تمایز آماری هنگام استفاده از کرنل چندجمله‌ای درجه سوم حاصل می‌شود. به منظور حصول اطمینان، از طبقه‌بند ماشین بردار پشتیبان با کرنل‌های مختلف نیز استفاده می‌گردد که بیشترین صحت طبقه‌بندی برابر با 79/0 ± 68/98 است. آنالیز شبکه حالت پایه نیز با روش کرنل و پیرسون انجام می‌شود که در آن، روش کرنل تفاوت آماری معنی‌دار بیشتری نشان می‌دهد. شایان ذکر است نواحی آنگولار راست و چپ که جزئی از شبکه حالت پایه هستند، با هیچ کدام از دو روش تمایزی نشان نمی‌دهند و می‌توان نتیجه گرفت بیماری آلزایمر بر ارتباط عملکردی این نواحی تاثیر چندانی ندارد.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

2. تنک‌سازی رگرسیون PLS با استفاده از نرم-2 ضرایب وزن‌دار: کاربرد در حل مسئله بازشناسی احساسات

سپیده حاجی پور؛ عارف عینی زاده

دوره 14، شماره 3 ، تابستان 1399، ، صفحه 241-250

چکیده

  سیگنال الکتریکی مغز به دلیل سهولت در ثبت، غیرتهاجمی بودن و دقت آن، کاربرد بسیار گسترده‌ای در حوزه‌های کلینیکی و تحقیقات دانشگاهی پیدا کرده است. یکی از کاربردها را می‌توان بازشناسی احساس از روی سیگنال الکتریکی مغزی دانست. برای مشخص کردن نوع احساس برانگیخته عموماً از دو معیار خوشایندی و انگیختگی استفاده می‌شود که به ترتیب "میزان ...  بیشتر سیگنال الکتریکی مغز به دلیل سهولت در ثبت، غیرتهاجمی بودن و دقت آن، کاربرد بسیار گسترده‌ای در حوزه‌های کلینیکی و تحقیقات دانشگاهی پیدا کرده است. یکی از کاربردها را می‌توان بازشناسی احساس از روی سیگنال الکتریکی مغزی دانست. برای مشخص کردن نوع احساس برانگیخته عموماً از دو معیار خوشایندی و انگیختگی استفاده می‌شود که به ترتیب "میزان مثبت یا منفی بودن" و "میزان برون‌فکنی یا هیجان ایجاد شده" را برای احساس خاص مشخص می‌نمایند. اهمیت احساس با توجه به عکس‌العمل‌های ناشی از این پدیده، در انجام وظایف روزانه به‌خصوص در مواردی که شخص با فعالیت‌هایی که نیاز به دقت و تمرکز دارند روبه‌روست، مشخص می‌شود. در مسئله بازشناسی احساس، ابتدا با استفاده از محرک‌های حسی مناسب، احساسات مختلف برای سوژه‌های مورد بررسی ایجاد شده و سیگنال‌های مغزی متناظر با هر تحریک ثبت می‌شوند. دو مرحله پردازش اصلی در حل مسئله بازشناسی احساسات، استخراج ویژگی‌های مناسب و استفاده از طبقه‌بندها یا رگرسیون‌های مناسب است. در پژوهش‌های پیشین، محرک‌های مختلف بینایی و شنوایی مورد استفاده قرار گرفته‌اند و ویژگی‌ها و طبقه‌بندهای متنوع خطی و غیرخطی بررسی شده‌اند. در این مقاله، هدف بهبود الگوریتم‌های رگرسیون خطی برای تخمین بهتر معیارهای بازشناسی احساسات انسانی بوده است. بدین منظور یک الگوریتم جدید ارائه شده است که از تنک بودن بردار ترکیب در کنار تابع هزینه رگرسیون خطی استفاده می‌کند. کارایی الگوریتم‌ ارائه شده بر روی داده‌های ساختگی بررسی شده‌ است و برتری آن نسبت به الگوریتم‌های رگرسیون خطی PLS، LASSO، SOPLS و Ridge نشان داده شده است. هم‌چنین برای اعمال الگوریتم‌ ارائه‌شده بر روی داده‌های EEG مربوط به بازشناسی احساسات، از مجموعه دادگان DEAP استفاده شده و ویژگی ضرایب مدل AR از سیگنال‌های EEG استخراج شده است. نتایج به دست آمده از الگوریتم‌ پیشنهادی با نتایج به دست آمده از دیگر الگوریتم‌ها مقایسه شده‌ است که در مجموع برتری نسبی الگوریتم ارائه‌شده را نشان می‌دهد.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

3. بازشناسی ژست و حالات حرکتی دست در سیگنال های الکترومیوگرام با استفاده از روش جدید هم جوشی نرم در انتخاب ویژگی و طبقه بندی کننده بهینه

خسرو رضایی؛ فردین قادری؛ حامد طاهری گرجی؛ جواد حدادنیا

دوره 14، شماره 3 ، تابستان 1399، ، صفحه 221-230

چکیده

  در پروتزهای مدرن، طبقه بندی سیگنال های الکترومایوگرام سطحی (sEMG) تا حد زیادی بر کنترل مطلوب عضلات اثر دارد. گرچه این سیگنالها در تشخیص بیماریهای عصبی-عضلانی، کنترل دستگاه‌های پروتز و تشخیص حالات دست مفید هستند، با این حال بازشناسی غیر-مقاوم آنها، می تواند سبب بروز عارضه های مختلف حرکتی شود. در این مقاله با هدف ایجاد رویکردی بهینه در ...  بیشتر در پروتزهای مدرن، طبقه بندی سیگنال های الکترومایوگرام سطحی (sEMG) تا حد زیادی بر کنترل مطلوب عضلات اثر دارد. گرچه این سیگنالها در تشخیص بیماریهای عصبی-عضلانی، کنترل دستگاه‌های پروتز و تشخیص حالات دست مفید هستند، با این حال بازشناسی غیر-مقاوم آنها، می تواند سبب بروز عارضه های مختلف حرکتی شود. در این مقاله با هدف ایجاد رویکردی بهینه در طبقه بندی سیگنال های الکترومایوگرام سطحی در تشخیص نوع حرکت و نیز شناسایی ژست دست، مدلی جدید طراحی شده که می تواند در تشخیص بیماری های عصبی-عضلانی، تعیین نوع درمان و فیزیوتراپی مورد استفاده قرار گیرد. با در نظر گرفتن چالش های موجود در شناسایی کلاسهای حرکتی دست، شیوه پیشنهادی از سه گام تشکیل شده است که در ابتدا با قاب بندی و استخراج ویژگی از سیگنال توسط توصیفگرهای حوزه زمان-فرکانس و بُعد فراکتال آغاز می شود. در مرحله دوم با استفاده از یک روش جدید همجوشی نرم سه رویکرد آزمون-T، آنتروپی و پیچش عام، انتخاب ویژگی انجام می شود. در گام سوم طبقه بندی حالات حرکتی و ژست دست با تکیه بر بهینه سازی پارامترهای کرنل ماشین بردار پشتیبان توسط الگوریتم حرکت کاتوره ای گاز انجام می پذیرد. دو مجموعه داده UC2018 DualMyo و UCI جهت ارزیابی روش پیشنهادی مدنظر قرار گرفته‌اند که داده نخست به منظور دسته بندی 8 ژست حرکتی و داده دوم در طبقه بندی 6 نوع حالت حرکت کاربرد دارند. راهکار پیشنهادی با میانگین بالاتر از 98 درصد در هر دو مجموعه داده نشان از عملکرد رضایت بخش الگوریتم دارد. برخلاف رویکردهای مشابه که طبقه بندی را در طبقه‌های محدود و همراه با سطح خطای بالایی اجرا می کنند، مدل طراحی شده از دقت، ثبات و اعتمادپذیری قابل قبولی برخوردار است. نه تنها بکارگیری روش طراحی شده در پروتزهای دست موثر خواهد بود، بلکه می تواند در کاربردهای توان‌بخشی و فرایندهای تشخیص بالینی مطلوب واقع شود

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

4. طبقه بندی افراد الکلی و غیر الکلی مبتنی بر ویژگی‌های فرکانسی و غیرفرکانسی سیگنال مغزی

مریم دوروشی؛ ندا بهزادفر؛ غضنفر شاهقلیان

دوره 14، شماره 2 ، تابستان 1399، ، صفحه 121-130

چکیده

  اثر اصلی عمده و کوتاه مدت الکل بر سیستم اعصاب مرکزی است. مصرف مشروبات الکلی باعث ایجاد ناتوانی در مغز می‌شود به‌طوری‌که مصرف زیاد مشروبات الکلی باعث فلج‌شدن فعالیت‌های مغزی، دستگاه تنفس و در نتیجه مرگ می‌گردد. در این مقاله به‌منظور تشخیص مصرف الکل، سیگنال الکتروانسفالوگرام (EEG) بیست فرد شرکت‌کننده شامل 10 فرد الکلی و 10 فرد کنترل ...  بیشتر اثر اصلی عمده و کوتاه مدت الکل بر سیستم اعصاب مرکزی است. مصرف مشروبات الکلی باعث ایجاد ناتوانی در مغز می‌شود به‌طوری‌که مصرف زیاد مشروبات الکلی باعث فلج‌شدن فعالیت‌های مغزی، دستگاه تنفس و در نتیجه مرگ می‌گردد. در این مقاله به‌منظور تشخیص مصرف الکل، سیگنال الکتروانسفالوگرام (EEG) بیست فرد شرکت‌کننده شامل 10 فرد الکلی و 10 فرد کنترل در 64 کانال مورد بررسی قرار گرفته است. به‌منظور تحلیل سیگنال EEG، ویژگی‌های فرکانسی و غیر-فرکانسی شامل طیف توان زیرباندها، آنتروپی جایگشتی، آنتروپی تقریبی، بعد فراکتال کتز و پتروشن استخراج شده است. برای بررسی تفاوت معنادار بین دو گروه الکل و کنترل از تحلیل آماری و از شاخص دﯾﻮﯾﺲ-ﺑﻮﻟﺪﯾﻦ (DB) برای انتخاب بهترین کانال جهت ایجاد تفکیک بین سیگنال EEG افراد الکلی و کنترل استفاده شده است. نتایج بررسی نشان می‌دهند که در بین ویژگی‌های فرکانسی، توان فرکانسی دومین زیرباند پایین آلفا در افراد الکلی کاهش می‌یابد و با توجه به شاخص DB، کانال CP3 بهترین تفکیک‌پذیری را بین گروه الکل و کنترل دارد. همچنین در بین ویژگی‌های غیر-فرکانسی، بعد فراکتال کتز در افراد گروه کنترل افزایش می‌یابد و کانال FP2 بهترین تفکیک‌پذیری را دارد. در ادامه با استفاده از طبقه‌بندی‌کننده نزدیکترین K همسایه (KNN) با ویژگی‌های توان فرکانسی دومین زیرباند پایین آلفا و بعد فراکتال کتز به ترتیب به دقت 71 درصد و 93 درصد دست یافتیم. بر اساس نتایج به‌دست آمده نشان داده شد که بهترین ویژگی‌ تفکیک‌کننده دو گروه الکل و کنترل، بعد فراکتال کتز و بهترین کانال FP2 است.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

5. تشخیص اختلال نقص توجه- بیش‌فعالی با استفاده از تحلیل نوسان روندزدایی‌شده سیگنال EOG

نسرین شعوری

دوره 14، شماره 2 ، تابستان 1399، ، صفحه 161-170

چکیده

  نتایج حاصل از تحقیقات قبلی نشان می‌دهند که حرکات چشم افراد مبتلا به اختلال نقص توجه- بیش‌فعالی (ADHD) و افراد سالم با هم متفاوت است. در نتیجه این امکان وجود دارد که بین سیگنال‌های الکترواکولوگرام (EOG) دو گروه هم تفاوت وجود داشته باشد. از این‌رو در تحقیق حاضر، سیگنال‌های EOG ثبت‌شده از 30 کودک مبتلا به ADHD و 30 کودک سالم در حین انجام یک فعالیت ...  بیشتر نتایج حاصل از تحقیقات قبلی نشان می‌دهند که حرکات چشم افراد مبتلا به اختلال نقص توجه- بیش‌فعالی (ADHD) و افراد سالم با هم متفاوت است. در نتیجه این امکان وجود دارد که بین سیگنال‌های الکترواکولوگرام (EOG) دو گروه هم تفاوت وجود داشته باشد. از این‌رو در تحقیق حاضر، سیگنال‌های EOG ثبت‌شده از 30 کودک مبتلا به ADHD و 30 کودک سالم در حین انجام یک فعالیت مرتبط با توجه، مورد بررسی قرار گرفتند. به این منظور، نمای مقیاس‌بندی سیگنال‌های EOG دو گروه محاسبه شده و تفاوت دو گروه با استفاده از آزمون‌های آماری بررسی شد. سپس سیگنال‌های EOG دو گروه با استفاده از شبکه Growing Neural Gas طبقه‌بندی شدند. نتایج به دست آمده نشان می‌دهند که نمای مقیاس‌بندی سیگنال‌های EOG کودکان مبتلا به ADHD در مقایسه با کودکان سالم به صورت معنی‌داری بیشتر است (p

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

6. استخراج تفاوت‌های معنی دار بین گروه‌ مبتلا به اختلال طیف اوتیسم و گروه کنترل با استفاده از آنالیز ارتباطات درون/بین شبکه‌ای مغزدر حالت‌های گذرا و با در نظر گرفتن اثر سن و نمرات پاسخ‌دهی اجتماعی

بابک محمدزاده اصل؛ علیرضا طالش جفادیده

دوره 14، شماره 2 ، تابستان 1399، ، صفحه 151-160

چکیده

  اختلال طیف اوتیسم نوعی اختلال عصبی رشدی است که با اختلال در ارتباطات اجتماعی و رفتارهای محدود و تکراری خود را نشان می‌دهد. تصویربرداری تشدید مغناطیسی ابزاری غیر تهاجمی و قدرتمند برای بررسی تغییرات در ساختار، عملکرد و متابولیسم مغز کودکان مبتلا به اوتیسم و معرفی نشانگرهای زیستی مفید فراهم می‌کند. مطالعه مقایسه‌ای بین افراد مبتلا ...  بیشتر اختلال طیف اوتیسم نوعی اختلال عصبی رشدی است که با اختلال در ارتباطات اجتماعی و رفتارهای محدود و تکراری خود را نشان می‌دهد. تصویربرداری تشدید مغناطیسی ابزاری غیر تهاجمی و قدرتمند برای بررسی تغییرات در ساختار، عملکرد و متابولیسم مغز کودکان مبتلا به اوتیسم و معرفی نشانگرهای زیستی مفید فراهم می‌کند. مطالعه مقایسه‌ای بین افراد مبتلا به اوتیسم و کنترل با استفاده از تصویربرداری تشدید مغناطیسی درک باارزشی از تفاوت در عملکرد مغز فراهم می‌کند. امروزه با استفاده از آنالیز ارتباطات عملکردی پویا مشخص شده است که ارتباطات عملکردی مغزی ماهیتی پویا داشته و الگوهای گذرایی (“state”) را از خود نشان می‌دهند که در طی زمان تکرار می‌شوند. در این مطالعه مقایسه‌ای که بین دوگروه مبتلا به اوتیسم و کنترل انجام شد از داده تصویربرداری تشدید مغناطیسی حالت استراحت دانشگاه ایالت سن دیگو استفاده گردید تا ارتباطات درون و بین شبکه‌ای مغزی و همچنین ارتباط سن و نمرات مربوط به پاسخ‌دهی اجتماعی (نمره‌ای برای اندازه‌گیری خواص اوتیستیکی) با قدرت ارتباطات بین نواحی بررسی شوند. این اهداف برای همه stateهای آنالیز ارتباطات عملکردی پویا اجرا شد. افراد مبتلا به اوتیسم، state با ارتباط درون و بین شبکه‌ای کمتر را بیشتر تجربه کردند. همچنین، کاهش جدایی شبکه مد پیش‌فرض از دیگر شبکه‌های عملکردی به عنوان یک ویژگی رایج در بیشتر stateها پدیدار شد. برای گروه مبتلا به اوتیسم، با افزایش سن قدرت ارتباط بین شبکه‌های بینایی و شنوایی کمتر شد. در گروه اوتیسم نسبت به کنترل، رابطه خواص اوتیستیکی با قدرت ارتباطی شبکه‌های مخی، شنوایی و بینایی با شبکه شناختی-کنترلی مثبت‌تر شد. همه این نتایج بیانگر تفاوت‌هایی بین ارتباطات بین شبکه‌های مغزی دو گروه مبتلا به اوتیسم و کنترل و تاثیر سن بر این تفاوت‌ها است و این تفاوت‌ها با کمک آنالیز ارتباطات عملکردی پویا بهتر تمیز داده می‌شوند.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

7. ارزیابی ناهنجاری‎ سیستم شنیداری در کودکان مبتلا به اختلال طیف اوتیسم با استفاده از پتانسیل‌های وابسته به رویداد مغزی (ERPs)

فرزانه داسار؛ مجید قشونی؛ قاسم صادقی

دوره 14، شماره 1 ، بهار 1399، ، صفحه 11-20

چکیده

  اوتیسم یک بیماری عصبی رشدی است که شامل اختلال در تعامل و ارتباطات اجتماعی، رفتار تکراری یا کلیشه‌ای است. در تعدادی از کودکان اوتیسم (تندکار) میزان حساسیت به تحریکات صوتی بسیار زیادتر از حد نرمال است. در مقابل در بعضی دیگر از این کودکان (کندکار) این حساسیت کمتر از حد نرمال است. هدف از پژوهش حاضر ارائه راه‌کاری برای ارزیابی سیستم شنیداری ...  بیشتر اوتیسم یک بیماری عصبی رشدی است که شامل اختلال در تعامل و ارتباطات اجتماعی، رفتار تکراری یا کلیشه‌ای است. در تعدادی از کودکان اوتیسم (تندکار) میزان حساسیت به تحریکات صوتی بسیار زیادتر از حد نرمال است. در مقابل در بعضی دیگر از این کودکان (کندکار) این حساسیت کمتر از حد نرمال است. هدف از پژوهش حاضر ارائه راه‌کاری برای ارزیابی سیستم شنیداری کودکان تندکار وکندکار با استفاده از پتانسیل‌های وابسته به رویداد مغزی (ERPs) است. سیگنال‌ مغزی از 10 کودک اوتیسمی (2 دختر) با میانگین سن 7.7 سال و انحراف استاندارد 2.31 سال اخذشده است. به‌منظور ثبت ERP، 2000 تحریک شنیداری بر اساس الگوی MisMatch Negetivity (MMN) برای شرکت‌کنندگان پخش‌شده است. این تحریکات شامل 1600 تحریک استاندارد با فرکانس 1000 هرتز، تحریک انحرافی با فرکانس 1300 هرتز و تحریک نویز با فرکانس‌های 1500،1000،500 و 2000 هرتز می‌باشد. به‌منظور تحلیل داده‌ها 18 ویژگی‌ زمانی، در هر سه نوع تحریک (استاندارد، انحرافی و نویز) از مؤلفه‌های ERP استخراج‌شده و درنهایت ویژگی‌های معنی‌دار انتخاب‌شده‌اند. بر اساس نتایج حاصل‌شده در تحریکات انحرافی، افزایش معنی‌دار مجموع ناحیه مثبت کانال Pz (p=0.028) در گروه تندکار نسبت به گروه کندکار مشاهده‌شده است. همچنین در تحریکات نویز، افزایش معنی‌دار مجموع ناحیه مثبت کانال C4 (p=0.028) و مجموع ناحیه مثبت کانال Pz (p=0.009) در گروه کندکار نسبت به گروه تندکار مشاهده‌شده است. درنتیجه در کودکان اوتیسمی تندکار هنگام مواجهه با صداهای انحرافی فعالیت نورونی در ناحیه آهیانه‌ای افزایش‌یافته است، اما در کودکان اوتیسمی کندکار هنگام مواجهه با صداهای نویز افزایش فعالیت نورونی در نواحی مرکزی و آهیانه‌ای رخ‌داده است؛ بنابراین این روش در ارزیابی کودکان طیف اوتیسم ازنظر میزان حساسیت به حس شنوایی سودمند است.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

8. پردازش غیرخطی و آنالیز آماری سیگنال‌های EEG در بررسی خوشایندی و علاقه‌مندی به انتخاب یک کالا

سمیه رئیس‌دانا؛ سمانه صفری

دوره 13، شماره 2 ، تابستان 1398، ، صفحه 117-134

چکیده

  در این پژوهش، یک طرح بازاریابی عصبی توسط پردازش سیگنال‌های EEG انجام شده و در آن میزان علاقه‌مندی افراد جامعه به خرید یک کالای تزئینی نسبتا لوکس مورد ارزیابی قرار گرفته است. سیگنال‌های مغزی 24 شرکت کننده در هنگام تماشای تصاویر سنگ‌های زینتی (که بر اساس معیارها و شاخص‌های ارزیابی متداول در امور اقتصادی، دارای مزیت نسبی در صادرات است) ...  بیشتر در این پژوهش، یک طرح بازاریابی عصبی توسط پردازش سیگنال‌های EEG انجام شده و در آن میزان علاقه‌مندی افراد جامعه به خرید یک کالای تزئینی نسبتا لوکس مورد ارزیابی قرار گرفته است. سیگنال‌های مغزی 24 شرکت کننده در هنگام تماشای تصاویر سنگ‌های زینتی (که بر اساس معیارها و شاخص‌های ارزیابی متداول در امور اقتصادی، دارای مزیت نسبی در صادرات است) ثبت و پردازش شده تا اطلاعات معناداری از فعالیت مغزی که درگیر فرایند احساسی/دوست‌داشتن و تصمیم‌گیری/انتخاب است به دست آید. سیگنال‌های ثبت شده در فاز تحریک و انتخاب، برای حذف نویزها و آرتیفکت‌ها در چند مرحله پیش‌پردازش شده‌اند. سپس برای به دست آوردن نواحی فعال مغز هنگام تماشای سنگ‌های ارزشمند، داده‌های 19-کاناله‌ی EEG توسط ابزارهای چندگانه پردازش شده است. نگاشت مغزی و آنالیز منطقه‌ای نشان می‌دهد که فعالیت نواحی اکسیپیتال>فرونتال>لیمبیک بیش از سایر نواحی مغز بوده و هم‌چنین نیم‌کره‌ی چپ بیش از نیم‌کره‌ی راست فعالیت داشته است. در فاز بعدی، ویژگی غیرخطی آنتروپی تقریبی از سیگنال‌ها استخراج شده و از آن برای آموزش شبکه‌ی عصبی-فازی استفاده شده است. شبکه‌ی نوروفازی به عنوان طبقه‌بند اتوماتیک جهت آموزش و پیش‌بینی انتخاب افراد به کار گرفته شده است. نتایج حاصل از این پردازش دارای صحت 25/86% و دقت 4/87% در کلاس‌بندی سه‌گروهه (دو گروه خوشایند و یک گروه ناخوشایند بر حسب انتخاب‌های کابران) می‌باشد. در فاز نهایی، با استفاده از اطلاعات به دست آمده از پرسش‌نامه‌ای که توسط شرکت کنندگان تکمیل شده، بعد از جلسه‌ی ثبت، آنالیز آماری ناخودآگاه و خودآگاه توسط آزمون t، آنالیز واریانس و رگرسیون انجام شده است. نتایج آزمون آماری حاکی از وجود تفاوت معناداری بین شناخت خوشانیدی و ناخوشایندی در انتخاب بین گروه خانم‌ها و آقایان و در انتخاب انواع سنگ‌ها می‌باشد. هم‌چنین با استفاده ازنتایج آزمون آماری، فرضیه‌ی عدم وجود تفاوت معنادار میان انتخاب‌های خودآگاه و ناخودآگاه، مردود شد. 

---

• مشاهده مقاله
• اصل مقاله 2.5 MB

بیوالکتریک

9. بهینه‌سازی ضرایب ویولت پیوسته برای مرتب‌سازی اسپایک‌های عصبی

امیر سلیمان‌خانی؛ وحید شالچیان

دوره 12، شماره 2 ، تابستان 1397، ، صفحه 85-96

چکیده

  ثبت خارج‌سلولی فعالیت تک‌نورون‌های مغزی به عنوان روشی پرطرفدار در تحقیقات حوزه‌ی علوم اعصاب و مهندسی توان‌بخشی عصبی شناخته می‌شود. این ثبت‌ها شامل فعالیت تمام نورون‌های اطراف الکترود می‌شود که برای استفاده‌ی بهتر از آن‌ها باید با روش‌های طبقه‌بندی اسپایک به فعالیت تک‌نورون‌ها رسید. بر اساس ویژگی‌های ساختاری نورون، مانند ...  بیشتر ثبت خارج‌سلولی فعالیت تک‌نورون‌های مغزی به عنوان روشی پرطرفدار در تحقیقات حوزه‌ی علوم اعصاب و مهندسی توان‌بخشی عصبی شناخته می‌شود. این ثبت‌ها شامل فعالیت تمام نورون‌های اطراف الکترود می‌شود که برای استفاده‌ی بهتر از آن‌ها باید با روش‌های طبقه‌بندی اسپایک به فعالیت تک‌نورون‌ها رسید. بر اساس ویژگی‌های ساختاری نورون، مانند درخت دندریتی آن و فاصله و جهت ثابتی که نسبت به الکترود ثبت دارد، می‌توان نتیجه گرفت که شکل اسپایک تولیدی آن منحصر به فرد و ثابت است. با این حال انجام طبقه‌بندی پتانسیل عمل‌ها در مقادیر نسبت سیگنال به نویز پایین، همواره با چالش‌هایی همراه است. طبقه‌بندی اسپایک‌های نورونی معمولا شامل سه بخش آشکارسازی، استخراج ویژگی و طبقه‌بندی می‌شود. در این مقاله، روشی بر مبنای بهینه‌سازی ضرایب ویولت پیوسته در مرحله‌ی استخراج ویژگی­ها ارائه شده که در مقادیر نسبت سیگنال به نویز پایین نیز کارایی خوبی دارد. در روش پیشنهادی، بعد از محاسبه‌ی ضرایب ویولت پارامتری‌شده، با استفاده از معیارهای فاصله‌ی اقلیدسی و سطح زیر منحنی مشخصه‌ی عمل‌گر گیرنده در طبقه‌بندی دو گروه، بهترین پارامترها برای افزایش تفکیک‌پذیری ویژگی‌ها انتخاب می‌شوند، به طوری که ابتدا مقیاس مناسب با معیار فاصله‌ی اقلیدسی پیدا شده و در نهایت انتقال زمانی با معیار دوم انتخاب می‌شود. در این پژوهش برای خوشه‌بندی از الگوریتم ساده و در عین حال کارامد k-means استفاده شده است. برای بررسی و ارزیابی روش پیشنهادی از سه مجموعه داده‌ی شبیه‌سازی‌شده استفاده گردید که در 9 حالت مختلف نسبت سیگنال به نویز و با مدل‌سازی نویز زمینه از نویز حقیقی ثبت‌شده تهیه شده بودند. نتایج به دست آمده از مرتب‌سازی داده‌های شبیه‌سازی‌شده نشان داد که بهینه‌سازی پارامترهای تبدیل ویولت پیوسته با روش پیشنهادی می‌تواند در ارتقای کارایی طبقه‌بندی اسپایک‌ها نسبت به روش آنالیز اجزای اصلی، موثر واقع شود.

---

• مشاهده مقاله
• اصل مقاله 1.23 MB

پردازش سیگنال‌های حیاتی

10. طراحی یک سیستم فازی عمیق مبتنی بر قاعده به منظور تعیین سطح افسردگی

راحله داودی؛ محمدحسن مرادی

دوره 12، شماره 1 ، بهار 1397، ، صفحه 25-39

چکیده

  افسردگی یکی از شایع‌ترین اختلالات روانی عصر حاضر است که تشخیص زودهنگام شدت آن می‌تواند در روند درمان مفید باشد. یکی از روش‌های تشخیص این بیماری، تحلیل اطلاعات حاصل از سیگنال‌های الکتریکی مغزی می‌باشد. در این مقاله، به دنبال تمایز میان سطوح افسردگی با استفاده از تحلیل سیگنال مغزی هستیم. مدل پیشنهادی، سیستم عمیق مبتنی بر قاعده با ...  بیشتر افسردگی یکی از شایع‌ترین اختلالات روانی عصر حاضر است که تشخیص زودهنگام شدت آن می‌تواند در روند درمان مفید باشد. یکی از روش‌های تشخیص این بیماری، تحلیل اطلاعات حاصل از سیگنال‌های الکتریکی مغزی می‌باشد. در این مقاله، به دنبال تمایز میان سطوح افسردگی با استفاده از تحلیل سیگنال مغزی هستیم. مدل پیشنهادی، سیستم عمیق مبتنی بر قاعده با استفاده از قابلیت پشته است و تمرکز روی تفسیرپذیری قواعد در کنار دقت بالا می‌باشد. سیستم‌های فازی قابلیت مناسبی را در طبقه‌بندی دادگان پزشکی با عدم قطعیت نشان داده‌اند. افزون بر این، در سال‌های اخیر یادگیری عمیق،  توجه ویژه‌ای را در حوزه‌ی هوش مصنوعی کسب کرده است. در این مقاله به دنبال بهره‌گیری از قابلیت‌های هر دو رویکرد، در قالب یک سیستم فازی عمیق هستیم. سیستم پیشنهادی از یک رویکرد خوشه‌بندی مقاوم  بهره می‌برد که قادر است تعداد خوشه‌های بهینه برای هر لایه را به صورت بدون سرپرست تعیین نماید. در کنار آن، مدل پیشنهادی از یک ساختار سلسله‌مراتبی پشته‌ای بهره می‌برد، به این صورت که قواعد آموزش‌یافته‌ی تفسیرپذیر در لایه‌ی اول را با برچسب‌های زبانی یک‌سان برای تمام ورودی‌ها، به صورت خروجی لایه‌ی اول در کنار ورودی، به لایه‌ی بعد منتقل نماید. وجود خروجی قواعد لایه‌های قبل در فضای ورودی لایه‌های بعد معادل قابلیت اطمینان در سیستم فازی با تالی خطی یا یک سیستم فازی با تالی غیرخطی می‌باشد. دادگان مورد استفاده پس از پیش‌پردازش، استخراج ویژگی‌های زمانی، فرکانسی و غیرخطی نظیر بعد نگاشت بازگشتی و کاهش بعد، به سیستم پیشنهادی ارائه شد. سیستم پیشنهادی با طبقه‌بندهای متداول نظیر شبکه‌ی عصبی، ماشین بردار پشتیبان، بیز ساده، درخت تصمیم و آنالیز افتراقی خطی مقایسه شد. نتایج صحت دادگان تست به دست آمده در 30 تکرار (۴۹.۰۱% در مقابل به ترتیب 32/41 %، 47/40%، 01/40%، 38/38% و 28/40%)، بیان‌گر قابلیت قابل توجه این مدل در تفکیک چهار سطح افسردگی می‌باشد.

---

• مشاهده مقاله
• اصل مقاله 1.3 MB

پردازش سیگنال‌های حیاتی

11. پیاده‌سازی فیلتر ذره‌ای-‌حاشیه‌ای کالمن گسترش‌یافته به‌صورت مجذور مربعات در پردازش سیگنال ECG

حامد داننده حصار؛ مریم محبی

دوره 11، شماره 4 ، زمستان 1396، ، صفحه 275-289

چکیده

  فیلتر ذره‌ای-‌حاشیه‌ای کالمن گسترش‌یافته (MP-EKF)، از جمله روش‌های نوین در پردازش سیگنال الکتروکاردیوگرام (ECG) است که با استفاده از مزیت­های دو نوع فیلتر بیزی ذره‌ای و کالمن گسترش‌یافته (EKF)، می‌تواند با محاسبات کمتری نسبت به فیلترهای ذره­ای متداول، برای تخمین مدل‌های دینامیکی غیرخطی ECG مورد استفاده قرار گیرد. برتری این روش در ...  بیشتر فیلتر ذره‌ای-‌حاشیه‌ای کالمن گسترش‌یافته (MP-EKF)، از جمله روش‌های نوین در پردازش سیگنال الکتروکاردیوگرام (ECG) است که با استفاده از مزیت­های دو نوع فیلتر بیزی ذره‌ای و کالمن گسترش‌یافته (EKF)، می‌تواند با محاسبات کمتری نسبت به فیلترهای ذره­ای متداول، برای تخمین مدل‌های دینامیکی غیرخطی ECG مورد استفاده قرار گیرد. برتری این روش در حذف نویزهای ایستان و غیر ایستان، در مقایسه با سایر روش‌های بیزی مدل­پایه، هم‌چون فیلترهای کالمن گسترش‌یافته و  نرم‌کننده‌ی کالمن گسترش‌یافته (EKS)، اثبات شده است. فیلتر MP-EKF این ظرفیت را دارد که بتوان از آن در سایر مدل‌های دینامیکی ECG که قبلا برای کاربردهایی هم‌چون قطعه‌بندی سیگنال ECG به‌کاررفته‌اند، استفاده شود. اما وجود معادلات کالمن داخل این فیلتر، سبب می‌شود که مشکلات عددی و خطاهای گردسازی معادلات فیلتر کالمن در سیستم‌هایی که دقت و رزولوشن محاسباتی محدودی دارند، گریبان‌گیر MP-EKF نیز بشود. فیلترهای کالمن مجذور مربعات، در مقایسه با فیلترهای کالمن معمولی، مقاومت بیشتری نسبت به خطاهای گردسازی دارند. در این مقاله با الهام گرفتن از این‌گونه فیلترها، برای بالا بردن مقاومت MP-EKF نسبت به خطاهای گردسازی و مشکلات عددی، پیشنهاد می‌شود که MP-EKF به‌صورت مجذور مربعات پیاده شود. اما به دلیل وجود عمل‌گرهای تفریق در برخی از معادلات MP-EKF، نمی‌توان از روش‌های متداول در پیاده‌سازی مجذور مربعات فیلتر کالمن برای فیلتر MP-EKF استفاده نمود. روشی که در این مقاله پیشنهاد می‌شود، روش جدیدی است که با الهام گرفتن از تجزیه‌ی  می‌تواند معادلات MP-EKF را به‌صورت مجذور مربعات پیاده‌سازی کند.

---

• مشاهده مقاله
• اصل مقاله 2.8 MB

پردازش سیگنال‌های حیاتی

12. تحلیل پاسخ شنوایی ساقه‌ی مغز به هجای گفتاری/دا/ با استفاده از روش چندفراکتالی

مرجان مظفری‌لقا؛ سیدمحمدصادق موحد

دوره 11، شماره 3 ، پاییز 1396، ، صفحه 255-264

چکیده

  از ویژگی­های پردازش­های ساقه‌ی مغز، حضور پیچیدگی و تاثیرگذاری عوامل فردی در رمزگذاری اصوات می‌باشد. تشریح این پردازش‌ها بر مبنای تحلیل‌های خطی دشوار بوده و این خود انگیزه‌ای است مبنی بر استفاده از روش­های غیرخطی که قادر به تحلیل مناسب­تر سیگنال­های غیرمانا هستند. هدف این تحقیق، بررسی رفتار ساقه‌ی مغز در پاسخ به تحریک ...  بیشتر از ویژگی­های پردازش­های ساقه‌ی مغز، حضور پیچیدگی و تاثیرگذاری عوامل فردی در رمزگذاری اصوات می‌باشد. تشریح این پردازش‌ها بر مبنای تحلیل‌های خطی دشوار بوده و این خود انگیزه‌ای است مبنی بر استفاده از روش­های غیرخطی که قادر به تحلیل مناسب­تر سیگنال­های غیرمانا هستند. هدف این تحقیق، بررسی رفتار ساقه‌ی مغز در پاسخ به تحریک شنوایی هجای گفتاری /دا/ (s-ABR)، با استفاده از تحلیل چندفراکتالی MFDFA)) به همراه روش­های تحلیل روندزدایی، شامل تجزیه به مقادیر تکین (SVD)، روش تطبیقی (AD) و روش تجزیه به مدهای تجربی (EMD) می‌باشد. در این تحلیل، پس از ثبت پاسخ­های شنوایی ساقه‌ی مغز برانگیخته شده با هجای ساختگی /دا/ در 40 فرد بزرگ‌سال هنجار با میانگین سنی 22 سال، تحلیل MFDFA روی سیگنال، جهت ارزیابی تغییرات پیچیدگی و چندمقیاسی آن‌ها انجام می‌شود. هم‌چنین، به‌منظور روندزدایی بهینه از سیگنال، ابتدا روش­های SVD، AD و EMD روی داده‌های ورودی اعمال می‌شود. با محاسبه‌ی تابع افت‌وخیز و ارزیابی رفتار مقیاسی، نماهای مقیاسی مانند نمای هارست تعمیم‌یافته و طیف تکینگی تعیین می‌شود. نتایج نشان می‌دهد که در مقیاس­های کوچک، سیگنال دارای خاصیت نامانایی است. اما در مقیاس­های بزرگ، ویژگی سیستم توسط روند کنترل می‌شود. تمام نمونه­های مورد بررسی در مقیاس  میلی‌ثانیه، دارای تغییر رفتاری در تابع افت‌وخیز هستند که معادل با روند تناوبی غالب است. متوسط نمای هارست تعمیم‌یافته‌ی محاسبه‌شده توسط این روش در مقیاس‌های کوچک، یعنی  میلی‌ثانیه، برابر با  در 68 درصد تراز تطابق است. وابستگی  به ، نشان می­دهد که سیگنال s-ABR خاصیت چندفراکتالی دارد، که غالبا به دلیل همبستگی­ها است. پهنای طیف تکینگی، که معیاری از پیچیدگی سیگنال است، برای داده‌های مورد استفاده به طور میانگین برابر با  در تراز اطمینان  است.

---

• مشاهده مقاله
• اصل مقاله 1.09 MB

پردازش سیگنال‌های حیاتی

13. ارزیابی روش هم‌گامی فاز با استفاده از مقدار قفل‌شدگی فاز در آزمایش بینایی تمایز رنگ

سعیده داودی؛ محمدرضا دلیری

دوره 11، شماره 3 ، پاییز 1396، ، صفحه 265-273

چکیده

  تنوع وظایف مغز نشان می‌دهد که تعامل بین فعالیت نوسانی در باندهای فرکانسی مختلف، مکانیزم‌های کلی ارتباط عصبی را شکل می‌دهد. روشی که اخیرا برای کدگذاری اطلاعات در مغز مورد استفاده قرار می­گیرد، روش­ هم‌گامی فاز می‌باشد، که به فرایندی اطلاق می­شود که از طریق آن دو یا چند سیگنال چرخه‌ای، با نوسان تکراری از زاویه‌های فاز نسبی ...  بیشتر تنوع وظایف مغز نشان می‌دهد که تعامل بین فعالیت نوسانی در باندهای فرکانسی مختلف، مکانیزم‌های کلی ارتباط عصبی را شکل می‌دهد. روشی که اخیرا برای کدگذاری اطلاعات در مغز مورد استفاده قرار می­گیرد، روش­ هم‌گامی فاز می‌باشد، که به فرایندی اطلاق می­شود که از طریق آن دو یا چند سیگنال چرخه‌ای، با نوسان تکراری از زاویه‌های فاز نسبی نوسان می‌کنند. برخی مطالعات، نقش محوری هم‌گامی فاز را در آزمایش­های شناختی نشان داده‌اند. در این مقاله، ما نقش این معیار را در یک وظیفه‌ی جدید بینایی تمایز رنگ بررسی کرده‌ایم. بدین منظور، سیگنال الکتروانسفالوگرافی را برای 15 سوژه، در طی وظیفه‌ی بینایی تمایز رنگ جمع‌آوری نموده‌ایم. سپس، از الگوریتم یادگیری ماشین، ماشین بردار پشتیبان، استفاده شد تا توانایی معیار هم‌گامی فاز در تمایز دو حالت، یعنی تفکیک دو رنگ آبی و نارنجی،  در وظیفه‌ی بینایی مورد نظر مشخص گردد. نتایج نشان می­دهد که این معیار با دقت کلاس­بندی 75%  می­تواند در طبقه‌بندی دو حالت مختلف در وظیفه‌ی بینایی مورد استفاده قرار گیرد. هم‌چنین، باندهای فرکانسی موثر و الکترودهایی که موثرترین ویژگی­ها از آن­ها استخراج شده­اند، نشان داده شده است.

---

• مشاهده مقاله
• اصل مقاله 849.54 K

پردازش سیگنال‌های حیاتی

14. تشخیص زودهنگام مرگ ناگهانی قلبی با استفاده از پردازش سیگنال قلبی و فیلتر کالمن تعمیم‌یافته

فرین کهربا؛ مریم محبی؛ حامد داننده حصار

دوره 11، شماره 2 ، تابستان 1396، ، صفحه 187-199

چکیده

  مرگ ناگهانی قلبی یکی از مهم­ترین عوامل مرگ و میر در جهان به شمار رفته، و در بین مرگ­های ناشی از بیماری­های قلبی سهم عمده­ای را به خود اختصاص می­دهد. یکی از راه­های کاهش آمار مرگ ناشی از این دسته از بیماری­ها، تشخیص به موقع وقوع ناهنجاری‌های خطرناک قلبی است. اساس این تحقیق بر این باور استوار است که ناهنجاری­های مخاطره­آمیز ...  بیشتر مرگ ناگهانی قلبی یکی از مهم­ترین عوامل مرگ و میر در جهان به شمار رفته، و در بین مرگ­های ناشی از بیماری­های قلبی سهم عمده­ای را به خود اختصاص می­دهد. یکی از راه­های کاهش آمار مرگ ناشی از این دسته از بیماری­ها، تشخیص به موقع وقوع ناهنجاری‌های خطرناک قلبی است. اساس این تحقیق بر این باور استوار است که ناهنجاری­های مخاطره­آمیز قلبی به صورت ناگهانی رخ نمی­دهند، بلکه دقایقی قبل از وقوعشان، علائم و یا اختلالات پیش­زمینه­ای به وجود می‌آید که حاکی از وقوع آن‌ها است. هدف این مقاله، بررسی و مدل­سازی سیگنال­های قلبی با استفاده از فیلتر کالمن تعمیم­یافته، بر اساس مدل دینامیکی غیرخطی برای آشکارسازی ناهنجاری­های پیش‌زمینه­ای و معرفی یک اندیس برای تشخیص زودهنگام مرگ ناگهانی قلبی می­باشد. در روی‌کرد ارائه شده، از نسخه­ی قطبی مدل دینامیکی غیرخطی سیگنال قلب مک‌شری استفاده می­شود. در این مدل غیرخطی، هر ضربان از سیگنال الکتروکاردیوگرام به صورت مجموعه‌ای از موجک­های گوسی بیان می شود. در الگوریتم پیشنهادی این مقاله، ابتدا مدل دینامیکی قلب با افزودن معادلات خودبازگشتی مربوط به پارامترهای مدل، اصلاح شده و سپس یک فیلتر کالمن تعمیم‌یافته، از آن مدل برای پردازش سیگنال قلبی استفاده می­کند. در گام بعد، یک الگوریتم ابتکاری بر اساس ساختار پیشنهادی و با استفاده از نظارت بر سیگنال وفاداری (که تابعی از سیگنال نوآوری فیلتر کالمن است)، به تشخیص ناهنجاری­های موجود قبل از وقوع مرگ ناگهانی قلبی می‌پردازد. روش ارائه شده، روی سیگنال­های قلبی گرفته شده از 20 فرد مبتلا به مرگ ناگهانی قلبی (گروه تست) و هم‌چنین 18 فرد نرمال (گروه کنترل) موجود در پایگاه­های داده‌ی فیزیونت ارزیابی شده است. نتایج به دست آمده حاکی از تغییر رفتار سیگنال وفاداری قبل از وقوع مرگ ناگهانی قلبی است. نتایج اعمال این الگوریتم روی20 فرد بیمار موجود در پایگاه داده­ی  "مرگ ناگهانی قلبی هولتر" فیزیونت نشان داده است که شاخص استخراج شده قادر است  17 مورد از 20 حمله را قبل از وقوع تشخیص دهد و  دقتی در حدود 85 % داشته باشد.

---

• مشاهده مقاله
• اصل مقاله 1.17 MB

پردازش سیگنال‌های حیاتی

15. شکل‌دهندة پرتو تمام‌وفقی سریع بهبود‌یافته برای مکان‌یابی فعالیت‌های کوتاه‌مدت مغزی

علیرضا طالش جفادیده؛ بابک محمدزاده اصل

دوره 10، شماره 4 ، زمستان 1395، ، صفحه 347-359

چکیده

  در مکان‌یابی فعالیت مغز از روی سیگنال EEG یا MEG، روش­های مبتنی بر شکل­دهندة پرتوی وفقی کمینه واریانس، به‌دلیل رزولوشن بالا، کاربرد گسترده­ای دارند. متأسفانه، این روش­ها به‌دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونه­برداری در مقایسه با تعداد گیرنده­ها کم است، با شکست مواجه می­شوند. این ...  بیشتر در مکان‌یابی فعالیت مغز از روی سیگنال EEG یا MEG، روش­های مبتنی بر شکل­دهندة پرتوی وفقی کمینه واریانس، به‌دلیل رزولوشن بالا، کاربرد گسترده­ای دارند. متأسفانه، این روش­ها به‌دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونه­برداری در مقایسه با تعداد گیرنده­ها کم است، با شکست مواجه می­شوند. این اتفاق، به‌خصوص برای داده­های حاصل از پتانسیل­های برانگیخته رخ می‌دهد. برای حل مشکل، روشی به نام تمام‌وفقی سریع (FFA) پیشنهاد شد، که یک روش چند‌مرحله­ای وفقی با الهام از ساختار پروانه­ای تبدیل فوریه (FFT) بوده و تعداد نمونه­های لازم برای مکان­یابی را به مقدار قابل‌توجهی کاهش می­دهد. از سوی دیگر، حساسیت زیاد این روش به توالی تقسیم داده و عملکرد ضعیف آن در SNRهای پایین، استفاده از آن را برای مکان­یابی فعالیت­های کوتاه­مدت مغزی با تردید همراه کرده است. در این مقاله، یک مرحلة پیش­پردازشی برای بهبود عملکرد FFA ارائه می­شود که در آن،  مغز به نواحی مجزا تقسیم و پایه­های هر ناحیه تعیین شده و با استفاده از این پایه‌ها، دادة هر ناحیه به‌دست می­آید. در ادامه، الگوریتم FFA روی دادة به‌دست آمده، اعمال می­شود. برای اثبات عملکرد روش ارائه‌شده، از داده­های شبیه­سازی ERP و دادة واقعی ERF استفاده شد. در تمام شبیه­سازی‌ها، FFA بهبود‌یافته، عملکرد بهتری از لحاظ شعاع پراکندگی (بهبود در حدود 4-9 میلی‌متر) و خطای مکان­یابی (بهبود در حدود 2-10 میلی‌متر) در مقایسه با روش FFA از خود نشان داد. همچنین روش پیشنهادی، رزولوشن بهتری در مکان­یابی داده واقعی ERF نشان داد. این نکته نیز مهم است که روش پیشنهادی، حساسیت کمتری نسبت به توالی تقسیم داده دارد. نتایج هر دو دادة شبیه­سازی و واقعی نشان می­دهد، که می­توان از FFA بهبود‌یافته به‌عنوان روشی مطمئن برای مکان­یابی فعالیت­های کوتاه‌مدت مغزی استفاده کرد.

---

• مشاهده مقاله
• اصل مقاله 1.01 MB

پردازش سیگنال‌های حیاتی

16. تشخیص تومور مغزی با استفاده از ویژگی‌های خطی و غیرخطی سیگنال‌های الکتروانسفالوگرام

زهرا تابان‌فر؛ سیدمحمد فیروزآبادی؛ زینب شنکائی؛ گیو شریفی؛ کامبیز نوین؛ آناهیتا ذوقی

دوره 10، شماره 3 ، پاییز 1395، ، صفحه 211-221

چکیده

  در پژوهش حاضر، سیگنال­های الکتروانسفالوگرام بیماران مبتلا به تومور مغزی و افراد سالم را برای مطالعة تغییرات ناشی از بروز تومور مغزی در سیگنال­های مغزی و در‌نهایت امکان­سنجی تشخیص این بیماری توسط سیگنال­های EEG، بررسی کرده‌ایم. برای این منظور از داده‌های EEG ثبت­شده از چهار کانال F3، F4، T3 و T4 برای پنج فرد مبتلا به تومور مغزی ...  بیشتر در پژوهش حاضر، سیگنال­های الکتروانسفالوگرام بیماران مبتلا به تومور مغزی و افراد سالم را برای مطالعة تغییرات ناشی از بروز تومور مغزی در سیگنال­های مغزی و در‌نهایت امکان­سنجی تشخیص این بیماری توسط سیگنال­های EEG، بررسی کرده‌ایم. برای این منظور از داده‌های EEG ثبت­شده از چهار کانال F3، F4، T3 و T4 برای پنج فرد مبتلا به تومور مغزی و چهار فرد سالم، استفاده شده است. پس از پیش‌‌پردازش، ویژگی­های خطی زمانی و طیف فرکانسی و ویژگی­های غیرخطی بُعد فرکتال و آنتروپی، استخراج شد. سپس تمایزپذیری میان دو گروه، با استفاده از اندیس دیویس-بولدین، طبقه‌بندی خطی LDA، غیرخطی KNN و SVM بررسی شد. بر‌اساس مقادیر به‌دست‌آمده برای اندیس دیویس-بولدین در وضعیت استراحت ذهنی چشم­بسته، ویژگی­های RMS، توان مطلق باند تتا، آنتروپی ­نمونه و آنتروپی تقریبی و در وضعیت استراحت ذهنی چشم­باز، ویژگی­های RMS و توان مطلق باند تتا، بیشترین تمایزپذیری را میان دو گروه سالم و بیمار نشان دادند. در این مرحله، طبقه­بندی دو گروه سالم و بیمار با استفاده از تک­ویژگی­ها انجام شد، که بهترین صحت طبقه­بندی مربوط به ویژگی RMS در حالت استراحت ذهنی چشم­بسته و 88.89% به‌دست آمد. این موضوع نشان­دهندة این است که ویژگی خطی RMS در افراد سالم و مبتلایان به تومور مغزی، تمایز خوبی ایجاد می­کند. در پایان نیز برای دو حالت استراحت ذهنی چشم­بسته و چشم­باز و با استفاده از تمامی ویژگی­های منتخب، طبقه‌بندی انجام شد. با توجه به نتایج، بیشترین صحت طبقه­بندی 82.54% با استفاده از ویژگی­های برتر RMS، توان مطلق باند تتا، آنتروپی ­نمونه و آنتروپی تقریبی در حالت استراحت ذهنی چشم­بسته، به‌دست آمد. با توجه به نتایج مشاهده می­شود که ویژگی­های خطی، قابلیت خوبی برای جداسازی سیگنال­های EEG افراد سالم و بیماران مبتلا به تومور مغزی دارند، که می‌توان از آنها، به‌دلیل سادگی و بار محاسباتی کم، برای تشخیص برخط بیماری تومور مغزی، به‌خصوص در آزمون­های دوره­ای غربالگری، استفاده کرد.

---

• مشاهده مقاله
• اصل مقاله 1.3 MB

پردازش سیگنال‌های حیاتی

17. یک روش ترکیبی جدید برای حذف آرتیفکت EOG از سیگنال EEG با استفاده از CCA و RLS

مریم توکلی نجف آبادی؛ وحید ابوطالبی؛ فرزانه شایق بروجنی

دوره 10، شماره 1 ، بهار 1395، ، صفحه 1-10

چکیده

  هدف این مقاله، ارزیابی روش ترکیبی آنالیز همبستگی کانونی- فیلتر تطبیقی حداقل مربعات بازگشتی (CCA-RLS) در حذف آرتیفکت چشمی (EOG) از سیگنال مغزی (EEG) و مقایسة آن با روش‏های آنالیز مؤلفه‏های مستقل (ICA)، آنالیز همبستگی کانونی(CCA)، فیلتر تطبیقی حداقل مربعات بازگشتی (RLS) و روش ترکیبی ICA-RLS است. برای این منظور، بعد از تجزیة سیگنال نویزی توسط CCA، مؤلفة ...  بیشتر هدف این مقاله، ارزیابی روش ترکیبی آنالیز همبستگی کانونی- فیلتر تطبیقی حداقل مربعات بازگشتی (CCA-RLS) در حذف آرتیفکت چشمی (EOG) از سیگنال مغزی (EEG) و مقایسة آن با روش‏های آنالیز مؤلفه‏های مستقل (ICA)، آنالیز همبستگی کانونی(CCA)، فیلتر تطبیقی حداقل مربعات بازگشتی (RLS) و روش ترکیبی ICA-RLS است. برای این منظور، بعد از تجزیة سیگنال نویزی توسط CCA، مؤلفة شامل آرتیفکت EOG با محاسبة مقدار کرتوزیس شناسایی شده و با استفاده از فیلتر RLS، فیلتر شد؛ سپس با ترکیب مؤلفه‏ها، سیگنال حذف نویز­شده بازسازی شد. برای مقایسة کمّی روش‏ها از دو معیار ارزیابی میانگین مجذور مربعات خطا (MSE) و نسبت سیگنال به نویز (SNR) برای داده­های شبیه‏سازی شده استفاده­شده است. متوسط مقادیر MSE وSNR برای 5 نفر در 4 کانال مختلف محاسبه شد. داده­های استفاده­شده از مجموعه داده­های مسابقات BCI2008 انتخاب شدند. با توجه به نتایج به‏دست آمده، روش ترکیبی پیشنهادی CCA-RLS ، عملکرد بهتری نسبت به سایر روش‏های استفاده­شده در این مقاله دارد.

---

• مشاهده مقاله
• اصل مقاله 940.2 K

پردازش سیگنال‌های حیاتی

18. تشخیص وفقی وقوع بیماری نقص بین بطنی قلب: مدلی خودکار با امکان آنالیز از طریق سیگنال‌های صوتی قلب

علیرضا رضائی؛ سارا بلباسی

دوره 10، شماره 1 ، بهار 1395، ، صفحه 69-83

چکیده

  در مقاله حال حاضر، با آنالیز سیگنال­های صوتی قلب به طراحی الگوریتمی ترکیبی پرداخته شده که متشکل از استخراج ویژگی بر اساس تکنیک آشوب، کاهش ابعاد توسط آنالیز اجزای اصلی و دسته بندی خروجی­ها با اتکاء بر شبکه­های عصبی-فازی تطبیقی می­باشد. عدم قطعیت و خطای بالا در تشخیص روزنه بین بطنی از عدیده مشکلات روش­های پیشین است که در این ...  بیشتر در مقاله حال حاضر، با آنالیز سیگنال­های صوتی قلب به طراحی الگوریتمی ترکیبی پرداخته شده که متشکل از استخراج ویژگی بر اساس تکنیک آشوب، کاهش ابعاد توسط آنالیز اجزای اصلی و دسته بندی خروجی­ها با اتکاء بر شبکه­های عصبی-فازی تطبیقی می­باشد. عدم قطعیت و خطای بالا در تشخیص روزنه بین بطنی از عدیده مشکلات روش­های پیشین است که در این زمینه مطرح بوده و به سبب اهمیت تشخیص خودکار این عارضه قلبی، نیاز است تا طراحی وفقی و به دور از بروز خطا باشد.  انتقال فضای ویژگی­ها با نگاشت آنها توسط الگوریتم آنالیز اجزای اصلی در دو گام، با انتخاب تعداد 18 تا 25 ویژگی از میان حدود 50 ویژگی استخراج شده، ورودی طبقه­بندی پیشنهادی را می­سازد. طبقه بند پیشنهادی، سیستم شبکه عصبی فازی تطبیقی با امکان پیش­بینی بروز بیماری قلبی است که با ورود داده­ها، در تعداد تکرارهای محدود در سطح قابل قبولی خروجی­ها را پیش­بینی می­نماید. داده­ها از پایگاه دادهUmichدانشگاهمیشیگاندریافت شده و شامل نمونه­های از بیماری روزنه بین بطنی است. نسبت تقسیم داده­ها در مرحله یادگیری و آزمایش، 9/0 به 1/0 (ارزیابی متقاطع) است و از شیوه اعتبارسنجی K-fold استفاده شده است. محاسبه معیارهایی چون دقت، حساسیت و نیز عدم قطعیت توسط مفهوم آنتروپی در الگوریتم ترکیبی حاکی از عملکرد مناسب روش پیشنهادی است. 

---

• مشاهده مقاله
• اصل مقاله 1.11 MB

پردازش سیگنال‌های حیاتی

19. بررسی ارتباطات مغزی مؤثر به روش تابع انتقال جهت‌دار برای ترکیب‌های مختلف توجه و هوشیاری بر‌اساس سیگنال EEG

معصومه رحیمی؛ محمد حسن مرادی؛ فرناز قاسمی

دوره 10، شماره 1 ، بهار 1395، ، صفحه 59-68

چکیده

  هدف این مقاله، بررسی ارتباطات مؤثر مغزی بر‌اساس روش تابع انتقال جهت­دار (DTF) است. این ارتباطات برای داده­های ثبت‌شده، از ترکیب حالت­های توجه و هوشیاری، که چهار دستة توجه-هوشیاری، توجه-عدم هوشیاری، عدم توجه-هوشیاری و عدم توجه-عدم هوشیاری را ایجاد کرده­اند، به‌دست آمدند. از روی ماتریس­های به‌دست­آمده برای هر دسته، شاخص­هایی ...  بیشتر هدف این مقاله، بررسی ارتباطات مؤثر مغزی بر‌اساس روش تابع انتقال جهت­دار (DTF) است. این ارتباطات برای داده­های ثبت‌شده، از ترکیب حالت­های توجه و هوشیاری، که چهار دستة توجه-هوشیاری، توجه-عدم هوشیاری، عدم توجه-هوشیاری و عدم توجه-عدم هوشیاری را ایجاد کرده­اند، به‌دست آمدند. از روی ماتریس­های به‌دست­آمده برای هر دسته، شاخص­هایی مرسوم در حوزة DTF، معرفی و محاسبه شدند. سپس شاخص­های این چهار دسته، برای بررسی وجود اختلاف معنادار از نظر ارتباطات مؤثر، با یکدیگر مقایسه شدند. برای به‌دست آوردن روابط علّی خطی میان کانال‌ها به روش DTF، از مدل خود‌کاهشی چندمتغیره استفاده شد. برای بررسی دقیق­تر، سیگنال­ها به چهار باند فرکانسی پایه تقسیم شده و با آزمون اندازه­های تکراری دوطرفه، وجود اختلاف معنادار در دسته­ها و باندها بررسی شد. براساس نتایج، از 12 شاخص به‌‌دست‌آمده، دو شاخص  و  به تنهایی قادر به نمایش تمایز میان 5 حالت از 6 حالت ممکن از ترکیبات دوتایی دسته­ها هستند. تنها حالتی که هیچ کدام از شاخص­ها، تفاوت معناداری برای آن نشان ندادند، حالت عدم توجه-هوشیاری و عدم توجه-عدم هوشیاری بود.

---

• مشاهده مقاله
• اصل مقاله 903 K

پردازش سیگنال‌های حیاتی

20. آشکارسازی مولفة P300 سیگنال مغزی با استفاده از الگوی زمانی مشترک وزن‌دار

فرشته سلیمیان ریزی؛ وحید ابوطالبی؛ محمدتقی صادقی

دوره 9، شماره 4 ، زمستان 1394، ، صفحه 387-397

چکیده

  آشکارسازی پتانسیل‌های وابسته به رخداد، یک پیش‌نیاز مهم در سیستم‌های واسط مغز و کامپیوتر (BCI) مبتنی بر ERP است. برای افزایش درصد صحت طبقه‌بندی در این سیستم‌ها، از روش‌های فیلتر‌ینگ مختلفی استفاده می‌شود تا نرخ سیگنال به نویز بهبود یابد و در نتیجه تشخیص و طبقه‌بندی پتانسیل‌های وابسته به رخداد آسان شود. پیش از این، عملکرد فیلترهای ...  بیشتر آشکارسازی پتانسیل‌های وابسته به رخداد، یک پیش‌نیاز مهم در سیستم‌های واسط مغز و کامپیوتر (BCI) مبتنی بر ERP است. برای افزایش درصد صحت طبقه‌بندی در این سیستم‌ها، از روش‌های فیلتر‌ینگ مختلفی استفاده می‌شود تا نرخ سیگنال به نویز بهبود یابد و در نتیجه تشخیص و طبقه‌بندی پتانسیل‌های وابسته به رخداد آسان شود. پیش از این، عملکرد فیلترهای الگوی مکانی مشترک (CSP) و الگوی زمانی مشترک (CTP) که به‌ترتیب فیلتر‌های مکانی و زمانی هستند، در آشکارسازی مولفة P300 بررسی شده ‌است. در این روش‌ها، فیلترها به صورتی آموزش داده می‌شوند که واریانس یک کلاس، بیشینه شده و واریانس کلاس دیگر به‌طور همزمان کمینه شود. نتایج نشان داده است که در سیستم‌ P300Speller، عملکرد فیلترهای زمانی CTP بهتر از فیلترهای مکانی CSP است. در این مطالعه برای بهبود عملکرد روش CTP، الگوریتم ترکیبی الگوی زمانی مشترک وزن‌دار (WCTP) پیشنهاد شده است. در این روش به هر دسته ویژگی، وزنی متناسب با اهمیت مقادیر ویژه مربوطه داده می‌شود. در واقع در این روش، ویژگی‌های تولیدی توسط فیلترهای ابتدایی و انتهایی CTP وزن بیشتری در تصمیم‌گیری دارند. در روش ترکیبی به‌کار رفته در این الگوریتم، از طبقه‌بندی‌ کننده‌های LDA استفاده شده است.  با توجه به آزمایش‌های انجام شده روی دو نمونة مورد بررسی و با 5 ثبت میانگین‌گیری شده، دسته ویژگی به‌دست آمده توسط WCTP با میانگین درصد صحت طبقه‌بندی 2/90 بهترین عملکرد را از خود نشان داد که نشانگر بهبود تقریباً 4 درصدی نسبت به CTP است.

---

• مشاهده مقاله
• اصل مقاله 1001.72 K

پردازش سیگنال‌های حیاتی

21. ارزیابی میزان ولع مصرف پایه در بیماران وابسته به مت آمفتامین با استفاده از سیگنال الکتروانسفالوگرام در روند نوروفیدبک

مهدی ذوالفقارزاده کرمانی؛ محمد علی خلیل زاده؛ مجید قشونی؛ پیمان هاشمیان

دوره 9، شماره 3 ، پاییز 1394، ، صفحه 243-251

چکیده

  ارزیابی و اندازه­گیری پارامترهای مرتبط با ولع ­­مصرف مت آمفتامین می­تواند ابزاری ارزشمند در برنامه­های درمانی و مداخله­ای برای سوءمصرف کنندگان به­شمار آید. باور ما بر این است که کمّی­سازی سیگنال الکتروانسفالوگرام (EEG) می­تواند انقلابی را در شناخت زیرساخت­های عصبی مرتبط با پردازش ولع ­­مصرف به ارمغان آورد. بنابراین ...  بیشتر ارزیابی و اندازه­گیری پارامترهای مرتبط با ولع ­­مصرف مت آمفتامین می­تواند ابزاری ارزشمند در برنامه­های درمانی و مداخله­ای برای سوءمصرف کنندگان به­شمار آید. باور ما بر این است که کمّی­سازی سیگنال الکتروانسفالوگرام (EEG) می­تواند انقلابی را در شناخت زیرساخت­های عصبی مرتبط با پردازش ولع ­­مصرف به ارمغان آورد. بنابراین هدف این مطالعه، طراحی و ارائة روشی جدید برای سنجش ولع مصرف در بیماران وابسته (یا معتاد) به مت‌آمفتامین با استفاده از سیگنال الکتروانسفالوگرام (EEG) در روند نوروفیدبک برای تفکیک میان سه حالتِ میل به مصرف خفیف، متوسط و شدید است. برای اجرای این مطالعه، 10 سوء­مصرف کنندة مت‌آمفتامین انتخاب شدند که در مرکز اجتماع درمان مدار در شهر مشهد نگهداری می‌شدند و تحت درمان نوروفیدبک توسط یک روانپزشک قرار داشتند. تمام بیماران در 10 جلسه درمان نوروفیدبک با پروتکل آلفا- تتا حضور داشتند. در طول دورة درمان بانوروفیدبک، قبل و بعد از هر جلسة آموزش، EEG ثبت شد. برای برچسب زدن سیگنال‌های مغزی از پرسشنامة سنجش ولع مصرف مت‌آمفتامین DDQ استفاده شد. ویژگی‌های زمانی، فرکانسی و آشوب‌گونة سیگنال EEG استخراج شد و با استفاده از تحلیل همبستگی، ویژگی‌های بهینه و تأثیرگذار انتخاب شده و به طبقه‌بندی کنندة فازی داده شد. صحّت تفکیک مبتنی­بر ویژگی‌های منتخب برای دادة آموزش 96.67% و برای دادة آزمایش 75.15% به­دست آمده است. از مزایای قابل توجه روش ابداعی این تحقیق، علاوه بر تخمین ولع ‌مصرف پایه در سوءمصرف کنندگان مت آمفتامین با استفاده از کمی‌سازی سیگنالEEG، می‌توان به بهینه‌سازی تعداد جلسات آموزش برای شرکت‌کنندگان در فرآیند درمانی نوروفیدبک اشاره کرد.

---

• مشاهده مقاله
• اصل مقاله 1.69 MB

پردازش سیگنال‌های حیاتی

22. تشخیص همزمانی فاز در سیگنال‌های EEG نوزادان با استفاده از روش اطلاعات متقابل

سارا محمدی؛ قاسم عازمی

دوره 9، شماره 3 ، پاییز 1394، ، صفحه 215-227

چکیده

  یکی از مهم‌ترین اختلالات سیگنال‌های EEG نوزادان، همزمان نبودن کانال‌ها است. مطالعات بالینی نشان­داده است که این امر می‌تواند به نتایج عصبی و جسمی نامطلوبی در بزرگسالی منجر شود. هدف اصلی این مقاله، معرفی روشی جدید برای تشخیص خودکار همزمانی فاز در سیگنال‌های EEG چندکانالة نوزادان است. در روش پیشنهادی، ابتدا فاز لحظه‌ای هر کانال ...  بیشتر یکی از مهم‌ترین اختلالات سیگنال‌های EEG نوزادان، همزمان نبودن کانال‌ها است. مطالعات بالینی نشان­داده است که این امر می‌تواند به نتایج عصبی و جسمی نامطلوبی در بزرگسالی منجر شود. هدف اصلی این مقاله، معرفی روشی جدید برای تشخیص خودکار همزمانی فاز در سیگنال‌های EEG چندکانالة نوزادان است. در روش پیشنهادی، ابتدا فاز لحظه‌ای هر کانال از سیگنال EEG نوزاد با استفاده از تبدیل هیلبرت برآوردشده است. به­دلیل چند­جزئی بودن سیگنال‌های EEG، اجزای سیگنال قبل از استخراج فاز لحظه‌ای با استفاده از مجموعه‌ای از فیلترهای میان‌گذر روی باندهای فرکانسی EEG، به­دست می­آیند. سپس با استفاده از معیاری مبتنی­بر اطلاعات متقابل بین فازهای لحظه‌ای مولفه‌های به­دست­آمده، هم­زمانی کانال‌های مختلف در سیگنال به­طور کمّی اندازه‌گیری می‌شود. در ادامه، از روش پیشنهادی در این مقاله برای بررسی هم­زمانی کانال‌های سیگنال‌های EEG نوزادان در دوره‌های تشنجی-غیرتشنجی و الگوهای B-S استفاده می‌شود. از منحنی ROC برای نمایش عملکرد روش پیشنهادی استفاده­شده است.همچنین عملکرد روش پیشنهادی با روش مبتنی­بر کواینتگریشن مقایسه­شده است. نتایج به­دست­آمده از تحلیل سیگنال‌های EEG پنج نوزاد نشان می‌دهند که روش پیشنهادی عملکرد بهتری در اندازه‌گیری هم­زمانی فاز تعمیم‌یافته نسبت به روش‌های موجود دارد. همچنین با توجه به نتایج، مقدار هم­زمانی فاز تعمیم‌یافته در طول هر دو دورة تشنجی و غیرتشنجی بزرگ‌تر از صفر است که این نتیجه نشان­دهندة وجود اتصالاتی در نیم‌کره‌های مغز نوزادان در هر دو حالت است. همچنین نتایج نشان می‌دهند که دوره‌های تشنجی نسبت به دوره‌های غیرتشنجی هم­زمان‌تر هستند. از بررسی هم­زمانی فاز در الگوهای B-S مشاهده می‌شود که دوره‌های Burst هم­زمان‌تر از دوره‌های Suppression هستند و در هردو حالت، هم­زمانی فاز وجود دارد.

---

• مشاهده مقاله
• اصل مقاله 1.11 MB

پردازش سیگنال‌های حیاتی

23. ارزیابی عملکرد الگوریتمLASSO با فاز تصحیح‌شده در سیستم‌هایBCI مبتنی بر SSVEP

محمدعلی منوچهری؛ وحید ابوطالبی؛ امین مهنام

دوره 9، شماره 2 ، تابستان 1394، ، صفحه 205-214

چکیده

  سیستم‌های BCI مبتنی­بر SSVEP به­دلیل مزایایی چون سرعت انتقال اطلاعات بالا، نسبت بالای سیگنال به نویز و راحتی کاربران در استفاده از آن‌ها، توجه بسیاری از محققان را به خود جلب کرده­اند. هدف پردازشی در این سیستم‌ها، شناسایی فرکانس ظاهر­شده در سیگنال EEG کاربر است. از میان روش‌های پردازشی مختلفی که برای شناسایی فرکانس در سیستم‌های ...  بیشتر سیستم‌های BCI مبتنی­بر SSVEP به­دلیل مزایایی چون سرعت انتقال اطلاعات بالا، نسبت بالای سیگنال به نویز و راحتی کاربران در استفاده از آن‌ها، توجه بسیاری از محققان را به خود جلب کرده­اند. هدف پردازشی در این سیستم‌ها، شناسایی فرکانس ظاهر­شده در سیگنال EEG کاربر است. از میان روش‌های پردازشی مختلفی که برای شناسایی فرکانس در سیستم‌های BCI مبتنی­بر SSVEP استفاده می­شوند، روش LASSO با استقبال فراوانی همراه بوده­است. باوجود عملکرد قابل­قبول روش LASSO در سیستم‌های BCI مبتنی­بر SSVEP، این روش در هنگام ساخت سیگنال مرجع، اختلاف فاز احتمالی بین سیگنال مرجع و سیگنال EEG ثبت­شده را درنظر نمی‌گیرد. در این مقاله، ایدة اصلاح فاز سیگنال مرجع با توجه به سیگنال EEG ثبت‌شده بررسی شده و روش پیشنهادی با عنوان LASSO با فاز تصحیح‌شده مطرح­شده است. در این مطالعه، ابتدا کانال مناسب برای شناسایی فرکانس در سیستم‌های BCI مبتنی­بر SSVEP انتخاب شد و در ادامه، مقایسه‌ای بین روش LASSO استاندارد و روش پیشنهادی LASSO با فاز تصحیح‌شده انجام شد. نتایج این مقاله نشان می‌دهد که اصلاح فاز سیگنال مرجع در روش پیشنهادی LASSO با فاز تصحیح‌شده، به بهبود نتایج شناسایی فرکانس نسبت به روش LASSO استاندارد منجر می‌شود.

---

• مشاهده مقاله
• اصل مقاله 868.78 K

پردازش سیگنال‌های حیاتی

24. شاخص هورست چندگانة اصلاح شده برای ارزیابی میزان آشوبناک بودن در کاربرد طبقه‌بندی آریتمی‌های قلبی

مینا همتیان؛ علی مالکی

دوره 9، شماره 2 ، تابستان 1394، ، صفحه 163-178

چکیده

  قلب انسان سیستمی آشوبناک است؛ از­این­رو برای شناسایی انواع آریتمی‌های قلبی از بعد فرکتال استفاده می­شود. آریتمی‌های قلبی یکی از شایع‌ترین بیماری‌ها هستند که شناسایی آن‌ها بسیار مهم است. نمای هورست معیاری برای ارزیابی میزان آشوبناکی سیستم‌ها و کمی‌سازی بعد فرکتال سیستم‌های آشوبناک است، که با روش تحلیل دامنة بازمقیاس محاسبه ...  بیشتر قلب انسان سیستمی آشوبناک است؛ از­این­رو برای شناسایی انواع آریتمی‌های قلبی از بعد فرکتال استفاده می­شود. آریتمی‌های قلبی یکی از شایع‌ترین بیماری‌ها هستند که شناسایی آن‌ها بسیار مهم است. نمای هورست معیاری برای ارزیابی میزان آشوبناکی سیستم‌ها و کمی‌سازی بعد فرکتال سیستم‌های آشوبناک است، که با روش تحلیل دامنة بازمقیاس محاسبه می‌شود. براساس مطالعات انجام شده، نمای هورست کلاسیک ویژگی مناسبی برای طبقه‌بندی آریتمی‌های قلبی نیست؛ زیرا از یک­سو، انتخاب و تعیین مقدار پارامترها به­شدت بر مقدار محاسبه شده برای نمای هورست تاثیر می‌گذارد و از سوی دیگر، این روش وابستگی بسیاری به نرخ ضربان قلب دارد. در این مقاله، شاخص هورست چندگانة اصلاح شده برای طبقه‌بندی آریتمی‌های قلبی پیشنهاد­شده است که نسبت به نمای هورست کلاسیک، ویژگی‌های مناسب‌تری برای طبقه‌بندی آریتمی‌های قلبی فراهم می‌سازد و نسبت به تغییرات نرخ ضربان قلب نیز مقاوم است. بررسی‌های انجام شده با استفاده از این روش روی 80 سیگنال، شامل ریتم نرمال و آریتمی‌های انسداد دستة‌ شاخة راست (RBBB)، انسداد دستة شاخة چپ (LBBB) و انقباض زودرس دهلیزی(APC) از پایگاه دادة MIT-BIH، توانسته است با استفاده از طبقه‌بندی‌کننده‌های LDA ، نزدیک‌ترین همسایه و شبکة عصبی به­ترتیب به صحت طبقه‌بندی 75/88 %، 25/96 % و 100 % منجر شود.

---

• مشاهده مقاله
• اصل مقاله 1.17 MB

پردازش سیگنال‌های حیاتی

25. تعیین درجه‌ی بهینه مقطع پوانکاره سه‌بعدی برای تشخیص حملات صرعی با استفاده ازEEG

صالح لشکری؛ محمد علی خلیل زاده؛ سید محمدرضا هاشمی گلپایگانی

دوره 9، شماره 1 ، بهار 1394، ، صفحه 59-69

چکیده

  استفاده از روش‌های مبتنی بر دینامیک پویای غیرخطی مانند قطع پوانکاره، در آشکارسازی دینامیک سامانه‌های زیستی مفید است. انتخاب صفحه­ی قطع مناسب، مرحله‌ای تعیین‌کننده در تحلیل داده‌ها است. اغلب پیدا کردن محل مناسب برای صفحه قطع به تنظیم پارامترهای مختلفی نیازمند است. اگر هندسه­ی صفحه پوانکاره اطلاعات وابسته به قبض و بسط پدیده ...  بیشتر استفاده از روش‌های مبتنی بر دینامیک پویای غیرخطی مانند قطع پوانکاره، در آشکارسازی دینامیک سامانه‌های زیستی مفید است. انتخاب صفحه­ی قطع مناسب، مرحله‌ای تعیین‌کننده در تحلیل داده‌ها است. اغلب پیدا کردن محل مناسب برای صفحه قطع به تنظیم پارامترهای مختلفی نیازمند است. اگر هندسه­ی صفحه پوانکاره اطلاعات وابسته به قبض و بسط پدیده را برداشت کند، حالت‌های سیستم بهتر تفکیک می­شوند. ازاین‌رو در این مطالعه به بررسی تأثیر درجه­ی صفحه و محل مقطع در تشخیص حمله صرعی از وضعیت طبیعی پرداخته می‌شود تا درنهایت معادله­ی مقطع بهینه که به حداقل شدن خطای طبقه‌بندی منجر می‌شود، تعیین گردد. پس از بازسازی فضای فاز قطعه‌های EEG در سه بعد، برای400 حالت مختلف درجه مقطع، قطع بر رویدادها انجام شد. سپس ویژگی‌های استخراج­شده از مقطع پوانکاره به دسته‌بندی کننده­ی SVM اعمال گردید. در ادامه برای شناسایی رفتار طبقه‌بندی کننده، همبستگی میان درجه­ی مقطع و صحت تفکیک سنجیده­شد. خروجی دسته‌بندی کننده با افزایش درجه­ی صفحه رفتار مشخصی از خود بروز می‌دهد. به‌این‌ترتیب که با بالا بردن درجه صفحه در دو راستای مقطع، الگوی افزایشی و سپس کاهشی مشاهده شد. براساس نتایج حاصل، صحت تفکیک معادله­ی مقطع بهینه برای m=12 و n=6 برابر با 96.6 درصد است.

---

• مشاهده مقاله
• اصل مقاله 1.07 MB