بیوالکتریک
سبحان شیخی وند؛ زهره موسوی؛ توحید یوسفی رضایی
دوره 14، شماره 3 ، پاییز 1399، ، صفحه 231-240
چکیده
استفاده از روشی هوشمند برای تشخیص خودکار مراحل مختلف بیماری صرعی در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه‌وتحلیل داده‌های صرع از طریق بازرسی بصری، یکی از چالش‌های مهم در سال‌های اخیر محسوب می‌شود. یکی از مشکلات شناسایی خودکار مراحل مختلف بیماری صرعی، استخراج ویژگی‌های مطلوب است؛ به‌گونه‌ای که این ویژگیها بتوانند ...
بیشتر
استفاده از روشی هوشمند برای تشخیص خودکار مراحل مختلف بیماری صرعی در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه‌وتحلیل داده‌های صرع از طریق بازرسی بصری، یکی از چالش‌های مهم در سال‌های اخیر محسوب می‌شود. یکی از مشکلات شناسایی خودکار مراحل مختلف بیماری صرعی، استخراج ویژگی‌های مطلوب است؛ به‌گونه‌ای که این ویژگیها بتوانند بیشترین تمایز را بین مراحل مختلف صرعی ایجاد نمایند. فرآیند یافتن ویژگی‌های مناسب، عموماً امری زمانبر است. این پژوهش، رویکرد جدیدی را برای شناسایی خودکار مراحل مختلف صرعی ارائه می‌دهد. در این مقاله، از دستهبندی مبتنی بر نمایش تنک سیگنال (SRC) به همراه یادگیری دیکشنری آموزشدیده برای شناسایی خودکار مراحل مختلف بیماری صرعی با استفاده از سیگنال EEG استفاده می‌شود. روش پیشنهادی در 8 سناریو از 9 سناریو ارائهشده، به صحت، حساسیت و اختصاصیت 100% میرسد. همچنین، الگوریتم پیشنهادی در برابر نویز گوسی تا سطح 0 دسیبل مقاوم است. نتایج حاصل‌شده نشان می‌دهد که استفاده از الگوریتم پیشنهادی برای شناسایی مراحل مختلف صرعی، درصد موفقیت بالاتری نسبت به سایر روش‌های مشابه را دارا است.
بیوالکتریک
سبحان شیخی وند؛ زهره موسوی؛ توحید یوسفی رضایی
دوره 14، شماره 3 ، پاییز 1399، ، صفحه 211-220
چکیده
در سال های اَخیر خستگی راننده به یکی از دلایل مهم تصادفات جاده‌ای تبدیل شده است و مطالعات زیادی برای تحلیل خستگی راننده انجام‌شده است. سیگنال‌های EEG به دلیل غیرتهاجمی بودن، مطمئن‌ترین روش برای اندازه‌گیری خستگی راننده محسوب می‌شوند. تفسیر دستی از سیگنال‌های EEG برای تشخیص خستگی راننده امری دشوار است؛ بنابراین باید سیستم خودکاری ...
بیشتر
در سال های اَخیر خستگی راننده به یکی از دلایل مهم تصادفات جاده‌ای تبدیل شده است و مطالعات زیادی برای تحلیل خستگی راننده انجام‌شده است. سیگنال‌های EEG به دلیل غیرتهاجمی بودن، مطمئن‌ترین روش برای اندازه‌گیری خستگی راننده محسوب می‌شوند. تفسیر دستی از سیگنال‌های EEG برای تشخیص خستگی راننده امری دشوار است؛ بنابراین باید سیستم خودکاری برای تشخیص خستگی راننده از سیگنال‌های EEG فراهم شود. یکی از مشکلات مربوط به الگوریتم‌های تشخیص خودکار خستگی راننده، استخراج و اِنتخاب ویژگی‌های تبعیض‌آمیز است که به‌طورکلی منجر به پیچیدگی محاسباتی می‌شود. در این مقاله یک رویکرد جدید برای طبقه‌بندی خودکار 2 مرحله‌ای از خستگی راننده از 6 منطقه فعال با استفاده از سیگنال‌های EEG ارائه شده است. در روش پیشنهادی، مستقیماً سیگنال EEG ثبت‌شده به‌عنوان ورودی شبکه‌ی عمیق کانولوشنال و شبکه‌ی حافظه طولانی کوتاه‌مدت (CNN-LSTM) در نظر گرفته می‌شود، بدون این‌که از استخراج/انتخاب ویژگی کلاسیک استفاده شود. موارد گفته‌شده به‌عنوان یک روند چالش‌برانگیز در ادبیات قبلی مطرح شده است. معماری شبکه پیشنهادی به‌صورت 7 لایه کانولوشن با 3 لایه LSTM و به دنبال آن 2 لایه کاملاً متصل طراحی شده است. از شبکه LSTM در ترکیب با شبکه CNN برای افزایش پایداری و کاهش نوسانات استفاده شده است. نتایج شبیه‌سازی روش پیشنهادی برای طبقه‌بندی 2 حالت از خستگی راننده برای 6 ناحیه فعال A ،B ،C ،D ، E (بر اساس یک کانال) و F به‌ترتیب صحت 23/99، 55/97، 98، 26/97، 78/98، 77/93 درصد و ضریب کاپاکوهن 98/0، 96/0، 97/0، 96/0، 98/0 و 92/0 را ارائه می‌دهد. علاوه بر این، مقایسه نتایج حاصل‌شده با روش‌های قبلی، عملکرد مطلوب روش پیشنهادی را نشان می‌دهد. همچنین، با توجه به صحت بالای روش پیشنهادی بر اساس یک کانال سیگنال EEG (منطقه E)، می‌توان از الگوریتم پیشنهادی برای طراحی سیستم‌های خودکار تشخیص خستگی راننده با پیش‌شرط سرعت و صحت بالا استفاده کرد.
بیوالکتریک
الیاس ابراهیم‌زاده؛ حمید سلطانیان‌زاده؛ بابک نجار اعرابی؛ سید سهراب هاشمی فشارکی؛ جعفر مهوری
دوره 13، شماره 2 ، تابستان 1398، ، صفحه 135-145
چکیده
با توجه به رزولوشن زمانی خوب EEG و رزولوشن مکانی مناسب fMRI، ترکیب اطلاعات هم‌زمان آنها میتواند باعث بهبود عملکرد مکان‌یابی شود. در این مقاله سعی شده است تا با استفاده از اطلاعات این دو مدالیته در یک ثبت هم‌زمان، به مکان‌یابی کانون‌های صرعی پرداخته شود. از این رو، نخست از طریق شناسایی وقایع اینترایکتال و میانگین‌گیری، یک الگوی ...
بیشتر
با توجه به رزولوشن زمانی خوب EEG و رزولوشن مکانی مناسب fMRI، ترکیب اطلاعات هم‌زمان آنها میتواند باعث بهبود عملکرد مکان‌یابی شود. در این مقاله سعی شده است تا با استفاده از اطلاعات این دو مدالیته در یک ثبت هم‌زمان، به مکان‌یابی کانون‌های صرعی پرداخته شود. از این رو، نخست از طریق شناسایی وقایع اینترایکتال و میانگین‌گیری، یک الگوی اسپایکر مستخرج از EEG خارج اسکنر ساخته شده و سپس از طریق اعمال همبستگی متقابل بین این الگو و سیگنال EEG درون اسکنر، یک سیستم خودکار به منظور استخراج اطلاعات زمانی لحظهی وقوع حادثه طراحی شده است. پس از آن رگرسور به دست آمده بعد از کانوالو شدن با تابع پاسخ سیستم همودینامیک (HRF) از طریق مدل GLM به مکان‌یابی کانون‌های صرعی پرداخته است. این مطالعه روی 6 بیمار صرعی موضعی مقاوم به دارو که در آزمایشگاه ملی نقشهبرداری مغز از آنها ثبت داده صورت گرفته، انجام شده است. نتایج روش پیشنهادی با اطلاعات ارائه شده در EEG برای هر 6 بیمار هماهنگی داشته و از این میان برای 4 بیمار که کاندید جراحی مغز بودند، اطلاعاتی اضافه ارائه کرده است. نتایج به دست آمده حاکی از بهبود صحت و دقت مکان‌یابی نسبت به روش‌های پیشین می‌باشد.
بیوالکتریک
فرزانه کیوان‌فرد؛ عباس نصیرائی‌مقدم
دوره 13، شماره 2 ، تابستان 1398، ، صفحه 147-158
چکیده
مغز به عنوان پیچیده‌ترین عضو بدن انسان، از جنبه‌های مختلفی مورد مطالعه قرار می‌گیرد. بیشترین منشا این پیچیدگی از آن‌جا ناشی می‌شود که با وجود ثبات معماری ساختاری (اتصالات فیزیکی)، اتصالات کارکردی دینامیک و مختلفی در مغز وجود دارد. در بیماری‌های مغزی، معمولا هر دو اتصال ساختاری و کارکردی مغز و همچنین ارتباط میان آنها دچار ...
بیشتر
مغز به عنوان پیچیده‌ترین عضو بدن انسان، از جنبه‌های مختلفی مورد مطالعه قرار می‌گیرد. بیشترین منشا این پیچیدگی از آن‌جا ناشی می‌شود که با وجود ثبات معماری ساختاری (اتصالات فیزیکی)، اتصالات کارکردی دینامیک و مختلفی در مغز وجود دارد. در بیماری‌های مغزی، معمولا هر دو اتصال ساختاری و کارکردی مغز و همچنین ارتباط میان آنها دچار تغییر شده و علایم رفتاری متفاوتی را ناشی می‌شود. مطالعه‌ی تغییرات اتصالات مغزی در این‌گونه بیماری‌ها، به شناخت بهتر ارتباط میان ساختار و کارکرد مغز کمک می‌کند. یکی از اختلالات روانی رایج، بیماری اسکیزوفرنی است که از سایر بیماری‌های روان‌شناختی، وخیم‌تر بوده و هر دو بخش ساختار و کارکرد مغز را به طور گسترده‌ای درگیر می‌کند. در میان روش‌هایی که تا کنون برای بررسی ارتباط میان داده‌های مغز پیشنهاد شده، رویکرد آنالیز توام، به دلیل توانایی استخراج اطلاعات متناظر در چند مدالیته، مورد توجه بسیاری از پژوهش‌گران قرار گرفته است. با وجود یافته‌های ارزشمند این روش‌ها، از آن‌جا که آنالیز آنها تا کنون محدود به واکسل‌های تصویر بوده، اطلاعاتی از ارتباط میان اتصالات مغزی با استفاده از این روش‌ها فراهم نشده است. در این پژوهش از الگوریتم پیوندی آنالیز مولفه‌های مستقل به منظور تحلیل ارتباط میان تغییرات اتصالات کارکردی و ساختاری مغز بیماران اسکیزوفرنی در مقایسه با افراد سالم استفاده شده است. نتایج این مطالعه تایید می‌کند که ارتباط میان اتصالات مغزی الزاما به صورت یک-به-یک نمی‌باشد. همچنین یافته‌های این پژوهش نشان داده که تغییرات اتصالات ساختاری مانند فاسیکولوس طولی فوقانی و فاسیکولوس طولی تحتانی با تغییرات کارکردی در نواحی مختلف مغزی مانند لوب‌های گیج‌گاهی و پیشانی مرتبط است. با مقایسه‌ی قدرت گره و طول کوتاه‌ترین مسیر در زیرشبکه‌های به دست آمده، کاهش بازدهی در انتقال موازی اطلاعات کارکردی در بیماران اسکیزوفرنی مشاهده گردید. با توجه به این یافته‌ها می‌توان نتیجه گرفت که آنالیز توام در سطح اتصالات مغزی میتواند به درک بهتر ارتباط میان تغییرات به وجود آمده در اتصالات ساختاری و کارکردی مغز کمک کند.
بیوالکتریک
فاطمه پرستش؛ سجاد جعفری؛ حامد آذرنوش
دوره 13، شماره 1 ، بهار 1398، ، صفحه 85-93
چکیده
موج‌های مارپیچی نوع خاصی از الگوهای زمانی-مکانی هستند که در بسیاری از سیستم‌های پیچیده از جمله شبکه‌های نورونی وجود دارند. ظهور این امواج به ساختار شبکه و همچنین دینامیک اجزای تشکیل دهنده‌ی آن بستگی دارد. در این مقاله، ابتدا یک مدل نورونی جدید بر پایه‌ی مدل هیندمارش-رز ارائه شده است. در این مدل از یک تابع ممریستوری هیپربولیک به ...
بیشتر
موج‌های مارپیچی نوع خاصی از الگوهای زمانی-مکانی هستند که در بسیاری از سیستم‌های پیچیده از جمله شبکه‌های نورونی وجود دارند. ظهور این امواج به ساختار شبکه و همچنین دینامیک اجزای تشکیل دهنده‌ی آن بستگی دارد. در این مقاله، ابتدا یک مدل نورونی جدید بر پایه‌ی مدل هیندمارش-رز ارائه شده است. در این مدل از یک تابع ممریستوری هیپربولیک به عنوان شار مغناطیسی نورون استفاده شده که خاصیت مشتقپذیری به طور یک‌نواخت را دارد. همچنین یک القای الکترومغناطیسی خارجی نیز به نورون وارد شده و مدل نورونی با رسم نمودار بایفورکیشن و طیف لیاپانوف، در دو حالت بدون القای خارجی و با القای متناوب مورد بررسی قرار گرفته است. نمودار بایفورکیشن مدل پیشنهادی، خاصیت ضدیکنواختی را نشان داده که در مدل‌های پیشین مشاهده نشده است. سپس یک شبکه‌ی مربعی از مدل نورونی جدید در نظر گرفته شده و الگوهای مکانی-زمانی مورد بررسی قرار گرفتهاند. موج‌های مارپیچی، با تغییر پارامترها در محدودههایی معین قابل مشاهده بوده و شکل‌گیری این امواج به تعامل بین تمام پارامترها وابسته است.
بیوالکتریک
زهرا السادات حسینی؛ سید محمدرضا هاشمی گلپایگانی
دوره 13، شماره 1 ، بهار 1398، ، صفحه 69-84
چکیده
سرطان مری هشتمین سرطان شایع و ششمین سرطان منجر به مرگ در جهان می‌باشد. 80% از سرطان‌های مری در سلول‌های سنگ‌فرشی رخ می‌دهند. در ایران، این نوع سرطان در استان گلستان شیوع بیش‌تری دارد. پیش از بروز این سرطان، ضایعاتی در بافت اپیتلیوم مری به وجود می‌آید که پیش‌رفت و نفوذ این ضایعات به لایه‌های زیرین، منجر به بروز سرطان می‌شود. ...
بیشتر
سرطان مری هشتمین سرطان شایع و ششمین سرطان منجر به مرگ در جهان می‌باشد. 80% از سرطان‌های مری در سلول‌های سنگ‌فرشی رخ می‌دهند. در ایران، این نوع سرطان در استان گلستان شیوع بیش‌تری دارد. پیش از بروز این سرطان، ضایعاتی در بافت اپیتلیوم مری به وجود می‌آید که پیش‌رفت و نفوذ این ضایعات به لایه‌های زیرین، منجر به بروز سرطان می‌شود. این بیماری در اکثر بیماران از یک مرحله‌ی پیش‌بالینیِ قابل تشخیص شروع می‌شود. این بیماری در صورت عدم مداخله‌ی درمانی مناسب، در اکثر موارد به سمت یک مرحله‌ی بالینی پیش‌رفت می‌کند. در مطالعات انجام شده پیرامون این نوع سرطان، مدلی برای پیش‌رفت این ضایعات (دیسپلازی) در سطح مزوسکوپیک ارائه نشده است. در این مقاله، مدلی بر پایه‌ی شبکه‌ای از نگاشت‌های لاجستیک کوپل شده برای مدل‌سازی عملکرد بافت اپیتلیوم ارائه شده است. از تصاویر میکروسکوپیک مربوط به نمونه‌های بیوپسی بافت سالم و بافت با دیسپلازی خفیف، به عنوان دادگان این مطالعه استفاده شده است. طراحی ساختار و تنظیم پارامترهای این مدل بر مبنای فرضیاتی از ساختار و عملکرد بافت اپیتلیوم، با وارد نمودن اطلاعاتی از هندسه‌ی فرکتالی این بافت انجام شده است. عملکرد مدل، بر مبنای تغییرات نمای لیاپانوف در راستای ضخامت اپیتلیوم مورد ارزیابی قرار گرفته است. در این مدل، الگوی کاهشی این شاخص برای بافت سالم، از صحت و حساسیت مناسبی در تشخیص بافت سالم از بافت با دیسپلازی خفیف برخوردار است. نتایج این مدل‌سازی نشان می‌دهد که بین پیچیدگی ساختاری این سیستم زیستی و عدم قطعیت رفتار زمانی آن، میتواند ارتباط مستقیمی وجود داشته باشد.
بیوالکتریک
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.
بیوالکتریک
سبحان شیخی‌وند؛ توحید یوسفی رضایی؛ زهره موسوی؛ سعید مشگینی
دوره 11، شماره 4 ، زمستان 1396، ، صفحه 313-325
چکیده
در سال‌های اخیر، استفاده از روشی هوشمند برای تشخیص خودکار مراحل خواب در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه و تحلیل داده‌های خواب از طریق بازرسی بصری، یکی از چالش‌های مهم به حساب می‌آید. در این مقاله، الگوریتمی مبتنی بر EEG تک‌کاناله برای شناسایی خودکار مراحل خواب، با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم ...
بیشتر
در سال‌های اخیر، استفاده از روشی هوشمند برای تشخیص خودکار مراحل خواب در کاربردهای پزشکی، برای کاهش حجم کار پزشکان در تجزیه و تحلیل داده‌های خواب از طریق بازرسی بصری، یکی از چالش‌های مهم به حساب می‌آید. در این مقاله، الگوریتمی مبتنی بر EEG تک‌کاناله برای شناسایی خودکار مراحل خواب، با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم تبرید و شبکه‌ی عصبی ارائه می‌شود. سیگنال با استفاده از تبدیل موجک گسسته به 7 سطح تجزیه شده و ویژگی‌های آماری از هر یک از سطوح تجزیه شده، استخراج میگردد. جهت بهینه‌سازی و کاهش ابعاد بردارهای ویژگی، از یک مدل ترکیبی الگوریتم تبرید و شبکه‌ی عصبی چندلایهی پس انتشار خطا استفاده شده، و سپس از آزمون ANOVA برای تائید صحت ویژگی‌های بهینه استفاده می‌شود. طبقه‌بندی نهایی روی این ویژگی‌های بهینهشده توسط یک شبکه‌ی عصبی پرسپترون با یکلایهی پنهان انجام می‌شود، که به طور میانگین برای طبقه‌بندی 2-کلاس تا 6-کلاس مراحل مختلف خواب دقت بالای 90% را فراهم کرده و نشان می‌دهد که روش پیشنهادی درصد موفقیت بالاتری در طبقه‌بندی مراحل خواب نسبت به پژوهشهای پیشین دارد.
بیوالکتریک
سمیرا عباسی
دوره 11، شماره 2 ، تابستان 1396، ، صفحه 127-135
چکیده
عملکرد نورون، وابسته به خواص سیناپس‌های دریافتی و خواص ذاتی نورون است. با این حال، جمع‌آوری سیناپسی و پاسخ‌های ذاتی میتواند تا حد زیادی وابسته به ورودی سیناپسی باشد. هسته‌های عمقی مخچه که سیناپس‌های مهاری از سلول‌های پورکنژ دریافت می‌کنند، در این زمینه مورد توجه هستند. انتقال رفتار از سلول پورکنژ به هسته‌ی عمقی در حیوان بیدار ...
بیشتر
عملکرد نورون، وابسته به خواص سیناپس‌های دریافتی و خواص ذاتی نورون است. با این حال، جمع‌آوری سیناپسی و پاسخ‌های ذاتی میتواند تا حد زیادی وابسته به ورودی سیناپسی باشد. هسته‌های عمقی مخچه که سیناپس‌های مهاری از سلول‌های پورکنژ دریافت می‌کنند، در این زمینه مورد توجه هستند. انتقال رفتار از سلول پورکنژ به هسته‌ی عمقی در حیوان بیدار و نحوه‌ی کد کردن این اطلاعات توسط هسته‌ی عمقی ناشناخته مانده است. برای بررسی این موضوع ثبت‌های هم‌زمان از حدود 50 سلول پورکنژ هم‌گرا به هر هسته‌ی عمقی مورد نیاز است که در آزمایش‌ها غیرممکن است. بنابراین لازم است از روش‌های مدل‌سازی استفاده شود. در تحقیق حاضر به منظور بررسی اثر ورودی‌های سلول پورکنژ بر طیف فرکانسی هسته‌ی عمقی، نحوه‌ی انتقال اطلاعات رفتاری از سلول پورکنژ به هسته‌ی عمقی و کدینگ رفتار توسط هسته‌ی عمقی، قطارهای اسپایک مصنوعی از سلول پورکنژ تولید و مدولاسیون رفتاری (تنفس) به آنها اضافه، و سپس به مدل هسته‌ی عمقی اعمال شدند. چگالی طیف توان آتش کردن هسته‌ی عمقی در پاسخ به سیناپس‌های ورودی از سلول پورکنژ بررسی و باندهای فرکانسی طیف خروجی هسته‌ی عمقی تحلیل شد. نتایج نشان دادند که فرکانس مدولاسیون رفتاری در طیف خروجی هسته‌ی عمقی منعکس می‌شود و در خروجی هسته‌ی عمقی در پاسخ به مدولاسیون رفتاری دریافت شده از سلول‌های پورکنژ، پیک فرکانس پایینی قابل مشاهده است. از طرفی مطالعه‌ی قبلی نشان داده است که هسته‌ی عمقی مخچه در پاسخ به مدولاسیون رفتاری دریافت شده از سلول‌های پورکنژ کدینگ فرکانسی انجام می‌دهد، نتایج تحقیق حاضر میتواند تاییدی باشد بر انجام کدینگ فرکانسی توسط هسته‌ی عمقی مخچه. به‌علاوه در خروجی هسته‌ی عمقی با نرخ آتش کردن بالا، یک پیک فرکانس بالا مشاهده شد که میتواند ناشی از آتش کردن تونیک هسته‌ی عمقی باشد.
بیوالکتریک
سید حجت سبزپوشان؛ تینا قدسی اثناعشری؛ فاطمه پورحسن زاده
دوره 11، شماره 1 ، بهار 1396، ، صفحه 41-49
چکیده
سرطان یکی از مهمترین عوامل مرگ‌‌و‌میر در جامعة بشری است؛ از این‌‌رو، دانشمندان همواره به دنبال یافتن روش‌های نوین برای مقابله با این بیماری هستند. درک بیشتر از دینامیک تومورهای سرطانی در بدن، کمک قابل‌توجهی به این تحقیقات می‌کند؛ بنابراین ساخت مدل‌های دقیق و ساده برای رشد تومور، اهمیت زیادی دارد. مدل‌های گوناگونی برای ...
بیشتر
سرطان یکی از مهمترین عوامل مرگ‌‌و‌میر در جامعة بشری است؛ از این‌‌رو، دانشمندان همواره به دنبال یافتن روش‌های نوین برای مقابله با این بیماری هستند. درک بیشتر از دینامیک تومورهای سرطانی در بدن، کمک قابل‌توجهی به این تحقیقات می‌کند؛ بنابراین ساخت مدل‌های دقیق و ساده برای رشد تومور، اهمیت زیادی دارد. مدل‌های گوناگونی برای دینامیک رشد سلول‌های سرطانی در بدن ارائه شده است. در برخی از مدل‌ها، به اندرکنش انواع سلول‌ها در سیستم سرطانی اشاره شده است. سلول‌های موجود در سیستم سرطانی، شامل سلول‌های تومور، سالم و سیستم ایمنی میهستند. مدل‌های ارائه‌شدة قبلی که برمبنای این سه جمعیت سلولی بنا شده‌اند، به‌طور معمول قادر به شبیه‌سازی رفتارهای آشوبگونه نیستند؛ در‌حالی‌که بیولوژی سرطان، وجود آشوب در این سیستم را تأیید کرده است. در این مقاله، مدلی سه متغیر‌حالته ارائه شده و نشان داده می‌شود که به‌ازای مقادیری از پارامترها، سیستم قادر به شبیه‌سازی رفتارهای آشوبگونه میاست. پارامترهای مدل، براساس روابط بیولوژیکی تعریف شده‌اند و هر‌یک از آنها، نقش خاصی در دینامیک سیستم ایفا می‌کنند. برای تجزیه و تحلیل نقش پارامترها، بازة مشخصی به هر پارامتر اختصاص داده و با رسم نمودار، دوشاخگی تغییر رفتار سیستم مشاهده شده است. نتایج نشان می‌دهد، برخی از پارامترها نقش کمتری در رفتار سیستم دارند و با تنظیم بعضی دیگر، می‌توان سیستم را به درمان کامل (یعنی تنها سلول‌های سالم) هدایت کرد. با تنظیم پارامترهای دیگر نیز می‌توان سیستم را به‌سوی تومور بدخیم سوق داد. پارامترهای مربوط به معادلة سیستم ایمنی، کم‌ترین تأثیر را در دینامیک سیستم دارند. می‌توان با توجه به این یافته گفت، که اعمال روش درمانی، به‌طوری‌که پارامترهای سیستم ایمنی را تغییر دهد، نقش کمی در درمان خواهد داشت؛ در‌حالی‌که اعمال روش درمانی، به‌نحوی که پارامترهای مربوط به سلول‌های سالم را تغییر دهد، بیشترین تأثیر را دارد.
بیوالکتریک
مرضیه علیرضایی علویجه؛ علی مالکی
دوره 10، شماره 2 ، تابستان 1395، ، صفحه 187-196
چکیده
سیستم واسط مغز- کامپیوتر مبتنی بر پتانسیل‌های برانگیختة بینایی حالت ماندگار، به‌دلیل مزایایی چون سادگی راه‌اندازی و استفاده از سیستم، صحت کافی و همچنین نرخ تبادل اطلاعات قابل‌قبول، مورد توجه قرار گرفته است. علاوه‌بر این مزایا، برای داشتن سیستمی که در دنیای واقعی قابل‌استفاده بوده و قابلیت کاربرد برخط را داشته باشد، زمان ...
بیشتر
سیستم واسط مغز- کامپیوتر مبتنی بر پتانسیل‌های برانگیختة بینایی حالت ماندگار، به‌دلیل مزایایی چون سادگی راه‌اندازی و استفاده از سیستم، صحت کافی و همچنین نرخ تبادل اطلاعات قابل‌قبول، مورد توجه قرار گرفته است. علاوه‌بر این مزایا، برای داشتن سیستمی که در دنیای واقعی قابل‌استفاده بوده و قابلیت کاربرد برخط را داشته باشد، زمان پردازش کوتاه نیز معیاری مهم است. در این مقاله، با ارائة روشی برمبنای استفاده از معیار همبستگی، فرکانس تحریک در SSVEP بازشناسی شده است. روش پیشنهادی در دو مرحلة برونخط و برخط انجام می‌شود. در مرحلة برونخط، روش CCA استاندارد، بین ثبت SSVEP فرد و سیگنال‌های مرجع سینوسی- کسینوسی اجرا شده و برای ساخت سیگنال‌های الگو از وزنهای بهوجود آورندة بیشینة همبستگی استفاده می‌شود. در مرحلة برخط، با محاسبة همبستگی برای سیگنال آزمایش و سیگنال‌های الگو و استفاده از بزرگترین مقدار همبستگی، فرکانس متناسب با آن به‌عنوان فرکانس تحریک تعیین می‌شود. نتایج شبیه‌سازی، صحت بازشناسی فرکانس بیشتر و در عین حال، زمان محاسبات کمتر روش پیشنهادی را نسبت به روش CCA استاندارد، نشان می‌دهند.
بیوالکتریک
حمید حیدری نژاد؛ هادی دلاوری
دوره 9، شماره 4 ، زمستان 1394، ، صفحه 327-339
چکیده
بیماران دیابت نوع 1 نیاز به کنترل پیوسته و دقیق گلوکز خون دارند زیرا تولید و مصرف انسولین در بدن آنها دچار اختلال شده و در نتیجه سطح گلوکز خون افزایش می یابد. در این مقاله کنترل کننده های مدلغزشی مرتبه کسری و مدلغزشی مرتبه کسری تطبیقی برای پایداری مقاوم سطح گلوکز خون در بیماران دیابتی نوع 1 در حضور اغتشاشات متعدد و نامعینی های پارامتری ...
بیشتر
بیماران دیابت نوع 1 نیاز به کنترل پیوسته و دقیق گلوکز خون دارند زیرا تولید و مصرف انسولین در بدن آنها دچار اختلال شده و در نتیجه سطح گلوکز خون افزایش می یابد. در این مقاله کنترل کننده های مدلغزشی مرتبه کسری و مدلغزشی مرتبه کسری تطبیقی برای پایداری مقاوم سطح گلوکز خون در بیماران دیابتی نوع 1 در حضور اغتشاشات متعدد و نامعینی های پارامتری پیشنهاد شده است. کنترل کننده های پیشنهادی بر اساس مدل مینیمال برگمن طراحی شده اند. ساختار کنترل کننده پیشنهادی برای ساخت پمپ های تزریق انسولین در کنترل حلقه بسته دیابت مناسب است و همچنین اثر چترینگ را حذف می کند. کنترل کننده مدلغزشی تطبیقی، کنترل کننده را در مقابل اغتشاشات و نامعینی ها حفاظت می کند و حسابان مرتبه کسری عملکرد مقاوم را فراهم می نماید. در نهایت نتایج با برخی روش‌های دیگر از جمله کنترل کننده های مدلغزشی پسگام، مدلغزشی پسگام مرتبه کسری و نوعی دیگر از کنترل کننده مدلغزشی مرتبه کسری تطبیقی مقایسه می شود. شبیه سازی ها نشان می دهد که کنترل کننده پیشنهادی در حذف نامعینی ها و اغتشاشات موفق بوده و سیگنال کنترل با حذف چترینگ همراه است.
بیوالکتریک
سعید شاکری
دوره 9، شماره 4 ، زمستان 1394، ، صفحه 399-410
چکیده
افتادن یکی از اصلیترین دلایل مصدومیت افراد مختلف، به‌خصوص در سالمندان است. اطلاع‌رسانی سریع و دقیق از افتادن میتواند مقدار زیادی از خطرات آسیب‌دیدگی ناشی از آن را کاهش دهد. در این پژوهش، سعی شده است تا سیستمی معرفی و پیاده‌سازی شود که بتواند دو وظیفة اساسی را به درستی و در مدت زمان اندکی انجام دهد. در مرحلة اول، بتواند افتادن ...
بیشتر
افتادن یکی از اصلیترین دلایل مصدومیت افراد مختلف، به‌خصوص در سالمندان است. اطلاع‌رسانی سریع و دقیق از افتادن میتواند مقدار زیادی از خطرات آسیب‌دیدگی ناشی از آن را کاهش دهد. در این پژوهش، سعی شده است تا سیستمی معرفی و پیاده‌سازی شود که بتواند دو وظیفة اساسی را به درستی و در مدت زمان اندکی انجام دهد. در مرحلة اول، بتواند افتادن را از سایر فعالیتهای روزمره تشخیص دهد و به دنبال آن اطلاعات لازم و مؤثر از افتادن فرد را در اختیار دیگران بگذارد. سیستم مورد نظر در این پژوهش، قابلیت پیاده‌سازی روی تلفنهای همراه هوشمند را دارد. برای شناسایی افتادن، از حسگرهای شتاب‌سنج و میکروفن موجود در تلفنهای همراه استفاده شده است. حسگر شتاب‌سنج میتواند شتاب دستگاه را در سه جهت ثبت کند و می‌توان از آن برای دریافت اطلاعات شتاب حرکت فرد استفاده کرد. علاوه بر این، عملکرد سیستم شناسایی با تحلیل صداهای محیط بهبود داده شده است. افتادن با استفاده از این دو حسگر، آشکارسازی شده و پیام هشدار، که شامل اطلاعات مکانی و زمانی افتادن فرد است، اطلاع‌رسانی می‌شود. برای ارزیابی سیستم طراحی شده، از دو معیار حساسیت و اختصاصیت استفاده شده که مقادیر آنها به‌ترتیب 96% و 77% بهدست آمده است.
