@article { author = {Jaafari Kia, Saba and Behnam, Hamid and Vafaeezadeh, Majid and Hosseinsabet, Ali}, title = {Diagnosis of Mitral Valve Disease using Manifold Learning}, journal = {Iranian Journal of Biomedical Engineering}, volume = {15}, number = {3}, pages = {187-197}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2021.530092.1691}, abstract = {Heart diseases are main cause factors endangering human health and life, one of the most important heart diseases is valvular heart disease, which has had an increasing trend in recent years. Therefore, if they are diagnosed and treated in time and correctly, they can improve the quality of life and increase the life expectancy, so researchers have always been looking for ways to improve and accelerate the process of diagnosing this disease. Medical images monitoring and recording the activity of the human heart are the main ways to diagnose heart diseases. Processing of these images is generally complex and time consuming, so scientists and experts have always been looking for ways to speed up and facilitate the detection process. Manifold learning is one of the nonlinear dimension reduction methods which has different algorithms and can simplify the processing of echocardiographic images. In this study, using one of the manifold learning algorithms named LLE, we examined echocardiographic images of the heart, and tried to categorize groups with mitral disorders while identifying healthy data from those with disorders. Results show that the method has carefully separated the data of the healthy group from the group with the disorder, and good results were obtained in the data classification. The results show that more than 80% of the samples of the natural group have a different pattern in terms of manifold structure from the samples with the disorder.}, keywords = {Mitral valve disease,Non-Linear Dimension Reduction (NLDR),Manifold Learning (ML),Locally Linear Embedding (LLE)}, title_fa = {به کارگیری یادگیری منیفلد برای تشخیص بیماری دریچه‌ی میترال}, abstract_fa = {بیماری‌های قلبی یکی از اصلی‌ترین عوامل به خطر انداختن سلامت و زندگی انسان هستند. از مهم‌ترین بیماری‌های قلب، بیماری‌‌های مربوط به دریچه‌های قلب بوده که در طی سال‌های اخیر روندی افزایشی داشته است. تشخیص و درمان درست و به موقع این بیماری‌ها، بهبود کیفیت زندگی و افزایش طول عمر افراد را به دنبال دارد. از این رو محققان همواره به دنبال یافتن روش‌هایی برای بهبود و تسریع روند تشخیص این بیماری بوده‌اند. تصاویر پزشکی، فعالیت قلب انسان را بررسی و ضبط کرده و از جمله راه‌های اصلی تشخیص مشکلات قلبی هستند. عموما پردازش این تصاویر پیچیده و زمان‌بر است، به همین جهت محققان به دنبال پیدا کردن روش‌هایی برای ساده‌سازی پردازش این تصاویر هستند. یادگیری منیفلد یکی از روش‌های کاهش بعد غیرخطی است که الگوریتم‌های مختلفی داشته و می‌تواند موجب ساده‌سازی پردازش تصاویر اکوکاردیوگرافی شود. در این پژوهش ‌‌با کمک یکی از الگوریتم‌های یادگیری منیفلد به نام LLE، تصاویر اکوکاردیوگرافی مورد بررسی قرار گرفته و سعی شده است تا با کمک روش یادگیری منیفلد داده‌های سالم از داده‌های دارای اختلال دریچه‌ی میترال شناسایی شده و ویژگی‌های جدا کننده‌ی سه گروه پاتولوژی دریجه‌ی میترال شامل MVP، MS و III-b استخراج شود. نتایج به دست آمده نشان می‌دهد که بیش از 80% نمونه‌های گروه طبیعی از نظر ساختار منیفلد الگویی متفاوت با نمونه‌های دارای اختلال دارند.}, keywords_fa = {بیماری دریچه‌ی میترال,کاهش بعد غیرخطی,یادگیری منیفلد,الگوریتم LLE}, url = {https://www.ijbme.org/article_246617.html}, eprint = {https://www.ijbme.org/article_246617_62bbc1fcae3355627b48b4043ac90894.pdf} } @article { author = {Banki-Koshki, Hossein and Seyyedsalehi, Seyyed Ali}, title = {A Novel Neuronal Model based on Chaotic Behavior of Artificial Neural Networks}, journal = {Iranian Journal of Biomedical Engineering}, volume = {15}, number = {3}, pages = {199-209}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2021.532847.1701}, abstract = {The presentation of new neuronal models to simulate cognitive phenomena in the brain has attracted the research interests in recent years. In this study, a new neural model based on the chaotic behavior of weights of artificial neural networks during training by back-propagation algorithm is presented. This model is the first discrete neuronal model with learning ability and shows complex and chaotic behaviors. The learning ability of this model has enabled it to simulate cognitive phenomena such as neuronal synchronization in near-realistic conditions. The model, which is derived from a simple three-layered feed-forward neural network, has several coexisting attractors that make learning possible in various basins of attraction. The study of model parameters shows that bifurcation occurs not only by changing the learning rate, but also external stimulation can change the model behavior and bifurcation pattern. This point that can be used in modeling and designing new therapies for cognitive disorders.}, keywords = {Discrete Neuronal Model,Artificial neural network,Cognition,chaos,learning,synchronization}, title_fa = {ارائه مدل نورونی جدید مبتنی بر رفتار آشوبگونه شبکه‌های عصبی مصنوعی}, abstract_fa = {ارائه‌ی مدل‌های نورونی جدید به منظور شبیه‌سازی پدیده‌های شناختی در مغز در سال‌های اخیر مورد توجه پژوهش‌گران قرار گرفته است. در این پژوهش مدل نورونی جدیدی مبتنی بر رفتار آشوب‌گونه‌ی وزن‌های شبکه‌های عصبی مصنوعی در حین یادگیری با استفاده از الگوریتم پس‌انتشار خطا ارائه شده است. این مدل نخستین مدل نورونی گسسته با قابلیت یادگیری است و توانایی بروز رفتارهای پیچیده و آشوبی را دارد. قابلیت یادگیری این امکان را به این مدل نورونی داده است که پدیده‌های شناختی مانند هم‌آوایی نورون‌ها را در شرایطی نزدیک به واقعیت شبیه‌سازی کند. مدل نورونی مذکور که از یک شبکه‌ی عصبی جلوسوی سه‌لایه به دست آمده، دارای جاذب‌های هم‌زیست متعددی است که یادگیری را در بستر جذب‌های مختلف امکان‌پذیر می‌کند. بررسی پارامترهای مدل نشان داده که بایفورکیشن نه تنها با تغییر پارامتر ضریب یادگیری روی می‌دهد، بلکه تحریک بیرونی نیز می‌تواند به عنوان یک پارامتر کنترل باعث تغییر رفتار مدل و بایفورکیشن شود. بنابراین این مدل می‌تواند در طراحی و مدل‌سازی روش‌های درمانی برای اختلالات شناختی مورد استفاده قرار گیرد. }, keywords_fa = {مدل نورونی گسسته,شبکه‌ی عصبی مصنوعی,شناخت,آشوب,یادگیری,هم‌آوایی}, url = {https://www.ijbme.org/article_245804.html}, eprint = {https://www.ijbme.org/article_245804_0f9afd8d4cf9c109aae69379a953052e.pdf} } @article { author = {Keyvanfard, Farzaneh and Rahiminasab, Alireza and Nasiraei Moghaddam, Abbas}, title = {Statistical Analysis of Altered Brain Structural and Functional Connectivity in Schizophrenia Patients}, journal = {Iranian Journal of Biomedical Engineering}, volume = {15}, number = {3}, pages = {211-220}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2021.533988.1704}, abstract = {In brain disorders, both the brain structural and functional connectivity are altered and cause different behavioral symptoms. Recognizing these variations can help us to diagnose, treat, and control its progression. Schizophrenia is one of these mental disorders that widely affects the brain structure and function. Investigation of brain variations in this disease has commonly been based on voxel-wise analysis or region-based studies. The aim of this study is to evaluate brain structure and function alterations in schizophrenia patients comparing to healthy control from the brain connectivity perspective. For this purpose, using the statistical test method, a comparison was made between all the structural and functional connections in the brain of 92 healthy individuals and 37 schizophrenia patients obtained from diffusion tensor imaging (DTI) and functional Magnetic Resonance Imaging (fMRI) respectively. The findings of this study indicate that the number of altered edges in the brain functional network of patients is about 4 times more than the number of varied structural connections, which indicates the high impact of this disorder on brain function. Also, examination of the number of altered edges connected to each node, the affected areas in this disease were identified and it was shown that the schizophrenia patients’ brain has changed in parts of the brain subnetworks related to the default mode network (DMN), attention, somatomotor and vision networks. It was also shown that the altered brain structural connections of patients are involved in the areas of the superior frontal gyrus, temporal gyrus and part of the occipital cortex which are mostly shown relative increasing of the structural connectivity weights. The results of this study indicate the widespread effect of this disorder on the brain and suggest that the occurrence of some abnormal behaviors in schizophrenia patients may be due to some increased structural connectivity weights.}, keywords = {Magnetic resonance imaging,Schizophrenia,Functional Connectivity,structural connectivity}, title_fa = {تحلیل آماری تغییرات اتصالات ساختاری و کارکردی مغز در بیماران اسکیزوفرنی}, abstract_fa = {در بیماری‌های مغزی عموما هر دو اتصال ساختاری و کارکردی مغز دست‌خوش تغییر شده و باعث بروز علایم رفتاری متفاوتی می‌شود. شناخت این تغییرات می‌تواند در راستای تشخیص، درمان و کنترل پیش‌رفت بیماری‌های مغزی کمک کننده باشد. بیماری اسکیزوفرنی یکی از این اختلالات روانی است که هر دو بخش ساختار و کارکرد مغز را به طور گسترده‌ تحت تاثیر قرار می‌دهد. مطالعاتی که در زمینه‌ی تغییرات مغزی این بیماری صورت گرفته عموما از دیدگاه بررسی ناحیه‌ای و یا واکسلی تصاویر مغز بوده است. هدف این پژوهش بررسی تغییرات مغزی از دیدگاه اتصالات مغزی برای بیماران مبتلا به اسکیزوفرنی بوده که از دو جنبه‌ی ساختار و کارکرد مغز مورد سنجش قرار گرفته است. بدین منظور با استفاده از روش آزمون آماری، مقایسه‌ای میان تمام اتصالات ساختاری و کارکردی مغز 92 فرد سالم و 37 فرد مبتلا به اسکیزوفرنی به دست آمده از تصاویر تشدید مغناطیسی صورت گرفته است. یافته‌های این پژوهش حاکی از آن است که تعداد یال‌هایی از شبکه‌ی کارکردی مغز افراد بیمار که دست‌خوش تغییر شده‌ حدود 4 برابر بیش از اتصالات ساختاری تغییر یافته در آن‌ها بوده که نشان از میزان بالای تاثیرگذاری این بیماری بر عمل‌کرد مغز دارد. هم‌چنین با بررسی تعداد یال‌های تغییر یافته به هر گره، نواحی درگیر شناسایی شده و نشان داده شده است که بیماران اسکیزوفرنی در بخش‌هایی از زیرشبکه‌های مغزی مربوط به شبکه‌ی حالت پیش‌فرض، توجه، حرکتی و بینایی دچار اختلال می‌شوند. هم‌چنین اتصالات ساختاری مغز این بیماران در نواحی شکنج پیشانی فوقانی، شکنج گیج‌گاهی و بخشی از قشر پس‌سری درگیر شده و در این نواحی عموما افزایش نسبی قدرت اتصالات ساختاری دیده می‌شود. نتایج این پژوهش حاکی از پراکندگی بالای تاثیرگذاری این بیماری روی مغز است و به بیان فرضیه‌ای کمک می‌کند که بروز برخی از رفتارهای خاص در افراد مبتلا به این بیماری می‌تواند به دلیل افزایش قدرت اتصالات ساختاری باشد. }, keywords_fa = {تصویربرداری تشدید مغناطیسی,اسکیزوفرنی,اتصالات کارکردی,اتصالات ساختاری}, url = {https://www.ijbme.org/article_246489.html}, eprint = {https://www.ijbme.org/article_246489_41afb2493857b60a2c9ef82683332a21.pdf} } @article { author = {Danandeh Hesar, Hamed and Danandeh Hesar, Amin}, title = {An Improved Model-Based Bayesian Framework for ECG Processing in Non-Stationary Environments}, journal = {Iranian Journal of Biomedical Engineering}, volume = {15}, number = {3}, pages = {221-234}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2022.534458.1707}, abstract = {Extended Kalman filter (EKF) is a well-known nonlinear Bayesian framework that has been deployed in various fields of ECG processing. However, it’s not very effective in removing non-stationary noises such as muscle artifacts (MA) which are common in ECG recordings. This paper addresses this issue by proposing a new ECG dynamic model (EDM) and a novel formulation for EKF which improves its performance in non-stationary environments. In the new EDM, the measurement model is modified to include non-Gaussian, non-stationary additive noises as well as stationary ones. The proposed formulation for EKF algorithm in this paper enables it to perform better than standard EKF in removing non-stationary contaminants. The proposed filter also preserves the clinical characteristics of ECG signals better than standard EKF. In order to show the effectiveness of the proposed EKF algorithm, its denoising performance was evaluated on MIT-BIH Normal Sinus Rhythm database (NSRDB) in the presence of two different types of non-stationary contaminants; synthetic pink noise and real muscle artifact noise. The results showed that the proposed EKF framework in this paper has a significant outperformance over the standard EKF framework in non-stationary environments from both SNR improvement and MSEWPRD viewpoints. }, keywords = {Extended Kalman Filter,ECG denoising,Model-Based ECG processing,MSEWPRD}, title_fa = {چهارچوب مدل‌پایه‌ی بیزی بهبود یافته برای پردازش ECG در محیط‌های غیرایستا}, abstract_fa = {فیلتر کالمن گسترش یافته (EKF) نوعی چهارچوب بیزی غیرخطی شناخته شده بوده که تا کنون در زمینه‌های مختلف پردازش ECG به کار گرفته شده است. با این حال عمل‌کرد این فیلتر در حذف نویزهای غیرایستا مانند آرتیفکت‌ ماهیچه (MA) چندان رضایت­بخش نیست. در این مقاله با ارائه­ی یک مدل دینامیک ECG (EDM) اصلاح شده و یک فرمولاسیون جدید برای پیاده­سازی EKF، عمل‌کرد این فیلتر در محیط‌های غیرایستا بهبود داده شده است. در این EDM جدید، مدل اندازه‌گیری طوری اصلاح شده است که علاوه بر نویزهای گوسی، نویزهای غیرایستای غیرگوسی را نیز در نظر بگیرد. هم‌چنین فرمولاسیون پیشنهادی در این مقاله برای الگوریتم EKF، آن را قادر ساخته تا عمل‌کرد بهتری نسبت به EKF استاندارد در حذف نویزهای غیرایستا داشته باشد. فیلتر پیشنهادی مشخصات بالینی سیگنال‌های ECG را نیز بهتر از EKF استاندارد حفظ می‌کند. به منظور نمایش اثربخشی الگوریتم EKF پیشنهادی، عمل‌کرد نویززدایی آن روی سیگنال­های مستخرج از پایگاه داده‌ی ریتم سینوس نرمال MIT-BIH (NSRDB) در حضور دو نوع نویز غیرایستای مختلف (نویز صورتی مصنوعی و نویز آرتیفکت ماهیچه‌ی واقعی) ارزیابی شده است. نتایج ارزیابی­ها نشان داده که از منظر معیارهای بهبود SNR و MSEWPRD، چهارچوب EKF پیشنهادی در این مقاله عمل‌کرد بهتری نسبت به چهارچوب EKF استاندارد در محیط‌های غیرایستا دارد. }, keywords_fa = {فیلتر کالمن گسترش یافته,نویززدایی از سیگنال ECG,پردازش مبتنی بر مدل ECG,MSEWPRD}, url = {https://www.ijbme.org/article_248796.html}, eprint = {https://www.ijbme.org/article_248796_263f39967340f824d42670d24ff3eb10.pdf} } @article { author = {Soltanifar, Zahra and Behnam, Hamid and Khorrami Banaraki, Anahita and Khodadadi, Mojtaba and Hamed Ali, Behnoosh and Golbazi Mahdipour, Ali}, title = {Analysis of Eye Tracking in Individuals with Autism Spectrum Disorder and Control Group in the Task of Staring at the Emotional Facial Expressions}, journal = {Iranian Journal of Biomedical Engineering}, volume = {15}, number = {3}, pages = {235-246}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2021.534533.1708}, abstract = {The pattern of abnormal gaze is observed in individuals with autism spectrum disorders. Studies of eye movements in people with autism have shown significant difference in the pattern of staring at the eyes and mouth compared to control groups. Yet, findings have been contradictory to date, and in spite of the fact that previous studies on eye dazzling in people with autism are expanding, the findings still do not appear to be consistent. Thus, we tracked eye movements in face processing for 25 teenagers with autism and 25 teenagers from the control group to examine any abnormal concentration in the facial areas. Experimental task used in this study includes standard images of the emotional states of the male and female faces (roundness of the face) in the state of anger, surprise, happiness, sadness and neutrality and subjects looked at these faces, while the eye tracker recorded their eye movements. In this task, they were required to select the displayed emotional state by the reply box. The selected Boosted Trees Ensemble classifier was able to use features related to the total data received from eye tracking in face segmentation into 8 areas (forehead, right and left eye, right and left cheek, nose, mouth and chin) with an accuracy of 83.31% in separating the two groups of autism and control. Moreover, in the study of facial components, left eye, left cheek, right cheek, and right eye, with 84.18%, 83.85%, 82.73% and 81.25% accuracy respectively, were able to make the most difference in the classification. Non-normal patterns in eye gaze can be very important because biomarkers indicate a condition that can be used for early diagnosis. It can also be a guide for researchers to design a game based on the results of this paper to improve the social interactions by strengthening eye contact for people with autism.}, keywords = {Eye tracking,Autism Spectrum Disorder,gaze,Emotional Facial Expressions. Early Diagnosis}, title_fa = {تحلیل ردیابی چشم در افراد مبتلا به اختلال طیف اتیسم و گروه کنترل در تکلیف خیره شدن به حالت‌های احساسی چهره}, abstract_fa = {تفاوت الگوی خیرگی چشم در اختلالات طیف اتیسم مشاهده می­شود. مطالعات حرکات چشم در افراد دارای اتیسم، نشان دهنده‌ی تفاوت در الگوی خیره شدن به چشم و دهان نسبت به گروه‌های کنترل است. با این حال یافته‌ها تا به امروز متناقض بوده و در حالی که مطالعات پیشین در مورد خیره شدن چشم در افراد دارای اتیسم در حال گسترش است، هنوز هم به نظر می‌رسد یافته‌ها یک‌پارچگی ندارند. در این مقاله ردیابی چشم در پردازش چهره برای 25 نوجوان دارای اتیسم و 25 نوجوان از گروه کنترل مورد بررسی قرار گرفته است تا هرگونه تمرکز غیرعادی در مناطق صورت بررسی شده و بهترین نتایج در این خصوص به دست آید. تکلیف طراحی شده شامل تصاویری استاندارد از حالات احساسی چهره‌ی زن و مرد (گردی صورت) در حالت خشم، تعجب، شادی، ناراحتی و خنثی بوده که افراد پس از نگاه کردن به این چهره­ها، در حالی که ردیاب چشم اطلاعات مربوطه را ثبت کرده باید حالت احساسی نمایش داده شده را توسط صفحه کلید اختصاصی انتخاب کنند. طبقه­بند منتخب Boosted Trees Ensemble توانسته است با استفاده از ویژگی‌های مرتبط با مجموع داده‌های دریافتی از ردیابی چشم در تقسیم­بندی صورت به 8 ناحیه (پیشانی، چشم راست و چپ، گونه‌ی راست و چپ، بینی، دهان و چانه) با دقت 31/83% دو گروه اتیسم و کنترل را از یک‌دیگر جدا کند. هم‌چنین در بررسی اجزای صورت، چشم چپ، گونه‌ی چپ، گونه‌ی راست و چشم راست، به ترتیب با دقت­های 18/84% ، 85/83%، 73/82% و 25/81% بیش‌ترین تفکیک را با استفاده از طبقه­بند خانواده‌ی Boosted Trees بین دو گروه ایجاد کرده‌اند. الگوهای غیرطبیعی در خیره شدن چشم می­تواند بسیار حائز اهمیت باشد چرا که نشان‌گر زیستی از وضعیتی است که می‌تواند برای تشخیص زودهنگام مورد استفاده قرار گیرد. هم‌چنین می‌تواند راهنمایی برای پژوهش‌گران باشد تا بر اساس نتایج حاصل از این مقاله، به طراحی بازی شناختی با هدف بهبود تعاملات اجتماعی از طریق تقویت تماس چشمی برای افراد دارای اختلال اتیسم بپردازند.}, keywords_fa = {ردیابی چشم,اختلال طیف اتیسم,خیرگی,حالت‌های احساسی چهره,تشخیص زودهنگام}, url = {https://www.ijbme.org/article_247380.html}, eprint = {https://www.ijbme.org/article_247380_e717ad109077bcb42fd70b3667506078.pdf} } @article { author = {Grailu, Hadi}, title = {High-Sampling-Rate Heart Sound Compression based on Downsampling and Pattern Matching}, journal = {Iranian Journal of Biomedical Engineering}, volume = {15}, number = {3}, pages = {247-262}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2021.536135.1712}, abstract = {Today, auscultation is one of the most effective methods in monitoring heart disease. With the advancement of technology and the facilitation of telecare on the one hand, and the increasing need for high quality and long-term recording of cardiac audio signals on the other hand, the amount of data generated has increased and therefore, the storage and transmission of these signals has become a challenge. This, in turn, demonstrates the importance and necessity of using efficient methods for compression of these types of signals. In this paper, a lossy compression method is proposed for PCG signals recorded at a relatively high sampling rate so that it can control the quality of the compressed signal. This method is based on two techniques: "two-stage downsampling" and "pattern matching". The proposed two-stage downsampling technique increases the amount of compression ratio and at the same time reduces the computational complexity. The pattern matching technique is able to reduce the inter-period redundancy and therefore, increase the compression ratio. The simulation results of the proposed method on the two databases of the University of Michigan and the University of Washington showed that the two-stage downsampling and pattern matching techniques have a large contribution in increasing the compression ratio. The performance of the proposed method was evaluated according to the PRD and CR criteria and compared with that of some existing methods. In this evaluation, for the PRD range of 5%, the CR value was between 2500 and 3900 for the University of Michigan database and between 2500 and 4125 for the University of Washington database. Also, the results of applying the proposed method on the Pascal database showed that the efficiency of the proposed method depends to a large extent on the quality and regularity of the input PCG signals.}, keywords = {Heart Sound Signal,Signal Compression,Pattern Matching,Downsampling}, title_fa = {فشرده‌سازی سیگنال‌های صوتی قلب نمونه‌برداری شده با نرخ بالا مبتنی بر نمونه‌کاهی و انطباق الگو}, abstract_fa = {امروزه قلب‌شنوایی یکی از راه‌های مهم و موثر در پایش بیماری‌های قلبی است. با پیش‌رفت تکنولوژی و تسهیل انجام دورمراقبتی از یک سو و افزایش نیاز به ضبط باکیفیت و طولانی‌مدت سیگنال صوتی قلب (PCG) از سوی دیگر، حجم داده‌های تولید شده افزایش پیدا کرده و بنابراین ذخیره‌سازی و انتقال این سیگنال‌ها با مشکل روبه‌رو شده است. این امر به نوبه‌ی خود اهمیت و ضرورت استفاده از روش‌های کارآمد فشرده‌سازی این نوع سیگنال‌ها را نشان می‌دهد. این روش‌ها باید میزان فشرده‌سازی بالا داشته و در عین حال کیفیت سیگنال و اطلاعات کلینیکی مهم را تا حد ممکن حفظ کنند. در این مقاله یک روش فشرده‌سازی با اتلاف برای سیگنال‌های PCG که با نرخ نمونه‌برداری نسبتا بالا ضبط شده پیشنهاد شده است به طوری که قادر به کنترل نسبی کیفیت سیگنال فشرده شده باشد. این روش مبتنی بر دو تکنیک نمونه‌کاهی دومرحله‌ای و انطباق الگو است. تکنیک پیشنهادی نمونه‌کاهی دومرحله‌ای موجب افزایش میزان فشرده‌سازی و کاهش حجم محاسبات می‌شود. تکنیک انطباق الگو نیز قادر به کاهش تزاید بین‌دوره‌ای و بنابراین افزایش میزان فشرده‌سازی است. نتایج شبیه‌سازی روش پیشنهادی روی دو پایگاه داده‌ی دانشگاه میشیگان و دانشگاه واشنگتن نشان داده که نمونه‌کاهی دومرحله‌ای و انطباق الگو سهم زیادی در افزایش میزان فشرده‌سازی دارند. کارایی روش پیشنهادی طبق معیارهای PRD و CR ارزیابی شده و با نتایج چند روش موجود مورد مقایسه قرار گرفته است. در این ارزیابی به ازای محدوده‌ی 5%PRD≤، مقدار CR برای پایگاه دانشگاه میشیگان بین 2500 تا 3900 و برای پایگاه دانشگاه واشنگتن بین 2500 تا 4125 به دست آمده است. هم‌چنین نتایج حاصل از اعمال روش پیشنهادی روی پایگاه داده‌ی پاسکال نشان داده که کارایی روش پیشنهادی تا حد زیادی به کیفیت و یک‌نواختی سیگنال‌های PCG ورودی بستگی دارد.}, keywords_fa = {سیگنال صوتی قلب,فشرده‌سازی سیگنال,انطباق الگو,نمونهکاهی}, url = {https://www.ijbme.org/article_247697.html}, eprint = {https://www.ijbme.org/article_247697_297b46504395c6363e375d2b4a786d68.pdf} } @article { author = {Akhlaghi, Pedram and Khorshidparast, Setareh and Rouhi, Gholamreza}, title = {Investigation on Primary Stability of Dental Implants: In-Vitro Cyclic Compressive Loading-Unloading and Micro-Finite Element Analysis}, journal = {Iranian Journal of Biomedical Engineering}, volume = {15}, number = {3}, pages = {263-277}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2022.538500.1720}, abstract = {Today, the success and failure of treatment by dental implants is influenced by the concept of primary and secondary stability. Primary stability is the capacity of the bone-implant system to withstand the loads, without noticeable damage to the adjacent bone, which may cause the implant to loosen, and thus the implantation process fails. The aim of this study was to develop a micro-finite element (μFE) model and validate it with an in-vitro mechanical test, in order to evaluate the primary stability of dental implants by measuring the stiffness and ultimate load of the bone-implant system through cyclic compressive loading-unloading test. After bone-implant preparation, a quasi-static compressive step-wise loading-unloading cycles, with a displacement rate of 0.0024 mm/s and displacement-controlled were applied to the bone-implant structure with the amplitudes of 0.04 mm to 1.28 mm. Force-displacement curve and the stiffness of the structure in each step then were obtained. Prior to loading, the bony sample was scanned through a μCT device and a μFE model was developed based on the boundary and loading conditions similar to the in-vitro test to predict the force-displacement curve of the structure. Finally, the predicted force-displacement curve from μFE model was compared with the results of the experimental in-vitro test. Results showed that the predicted force-displacement curve from the μFE model is in agreement with the results of the experimental test. The μFE model developed here has the capability to show the overall response of the bone-implant structure under large deformations, and can also be used as a tool to improve the design of the dental implants, with the ultimate goal of increasing the stability of dental implants in immediate loading dental implants.}, keywords = {dental implant,Primary stability,bone-implant stiffness micro-finite element,in-vitro cyclic compressive loading-unloading mechanical test}, title_fa = {بررسی پایداری اولیه‌ی ایمپلنت‌های دندانی: بارگذاری-باربرداری فشاری دوره‌ای برون‌تنی و تحلیل میکروالمان محدود}, abstract_fa = {امروزه موفقیت و شکست روش درمانی ایمپلنت‌گذاری، می­تواند تحت تاثیر پایداری اولیه‌ی ایمپلنت باشد. پایداری اولیه عبارت است از ظرفیت تحمل سازه‌ی ایمپلنت-استخوان در برابر بار­های وارده، بدون ایجاد آسیب­های جبران‌ناپذیر بر استخوان مجاور، که سبب شل شدن ایمپلنت و شکست فرایند ایمپلنت‌گذاری می­شود. هدف این مطالعه توسعه‌ی یک مدل میکروالمان محدود (μFE) اعتبارسنجی شده با داده­های آزمون مکانیکی برون‌تنی، به منظور بررسی پایداری اولیه از طریق اندازه­گیری سفتی و بار نهایی سازه‌ی ایمپلنت-استخوان در بارگذاری-باربرداری فشاری دوره­ای است. پس از آماده­سازی نمونه‌ی استخوان-ایمپلنت، آزمون مکانیکی بارگذاری-باربرداری فشاری دوره­ای به شکل شبه‌استاتیک، با نرخ 0024/0 mm/s به صورت مرحله به مرحله و جابه‌جایی-کنترل از دامنه‌ی 04/0 تا 28/1 میلی­متر به سازه‌ی استخوان-ایمپلنت اعمال شده است. سپس منحنی نیرو-جابه‌جایی به همراه سفتی سازه در هر جابه‌جایی اعمالی محاسبه شده است. پیش از اعمال بار، از استخوان تصاویر میکروسی‌تی گرفته شده و یک مدل μFE بر مبنای شرایط مرزی و بارگذاری-باربرداری آزمون مکانیکی ایجاد شده و منحنی نیرو-جابه‌جایی سازه استخراج گردیده است. در نهایت منحنی نیرو-جابه‌جایی پیش­بینی شده توسط مدل μFE با منحنی نیرو-جابه‌جایی به دست آمده از آزمون برون­تنی مقایسه شده و مدل μFE اعتبارسنجی شده است. نتایج نشان داده است که منحنی نیرو-جابه‌جایی پیش‌بینی شده توسط مدل μFE، تطابق قابل قبولی با نتایج حاصل از آزمون تجربی دارد. مدل μFE ارائه شده در این مطالعه، توانایی نشان دادن پاسخ کلی سازه‌ی استخوان-ایمپلنت را در تغییر شکل­های بزرگ داشته و می­تواند به عنوان ابزاری در جهت بهبود طراحی ایمپلنت­های دندانی با رویکرد افزایش پایداری اولیه در ایمپلنت­های دندانی بدون درنگ بارگذاری شده مورد استفاده قرار گیرد.}, keywords_fa = {ایمپلنت دندانی,پایداری اولیه,سفتی سازه‌ی استخوان-ایمپلنت,مدل‌سازی میکروالمان محدود,آزمون مکانیکی برون‌تنی بارگذاری-باربرداری فشاری دوره‌ای}, url = {https://www.ijbme.org/article_248843.html}, eprint = {https://www.ijbme.org/article_248843_1e8b99663fe3a64081b91e71c2d03937.pdf} }