انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
11
4
2018
01
21
پیادهسازی فیلتر ذرهای-حاشیهای کالمن گسترشیافته بهصورت مجذور مربعات در پردازش سیگنال ECG
275
289
FA
حامد
داننده حصار
دانشجوی دکتری مهندسی پزشکی، گروه بیوالکتریک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجهنصیرالدین طوسی، تهران
h_danandeh@ee.kntu.ac.ir
مریم
محبی
استادیار، گروه بیوالکتریک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجهنصیرالدین طوسی، تهران
m.mohebbi@kntu.ac.ir
10.22041/ijbme.2018.78590.1313
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.
فیلتر ذرهای حاشیهای,پردازش الکتروکاردیوگرام,تجزیهی QR
https://www.ijbme.org/article_31340.html
https://www.ijbme.org/article_31340_e36a5c1b94e075d98aa66f6b34eecad9.pdf
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
11
4
2018
01
21
مدلسازی سیستم دوتاخیری گلوکز-انسولین بر اساس اندازهگیری با سیستم غیرتهاجمی پیوسته
291
301
FA
رضا
وثوقی
گروه فیزیک و مهندسی پزشکی، دانشکدهی پزشکی، دانشگاه علوم پزشکی تهران، تهران - مرکز تحقیقات فناوریهای بیومدیکال و رباتیک پزشکی، بیمارستان امام خمینی، تهران
vosoughi.reza20@gmail.com
آرمین
اللهوردی
0000-0002-1507-1819
گروه رادیولوژی، دانشکدهی علوم پزشکی ساری، دانشگاه علوم پزشکی مازندارن، ساری
a.allahverdi@mazums.ac.ir
سجاد
شفیعخانی
گروه فیزیک و مهندسی پزشکی، دانشکدهی پزشکی، دانشگاه علوم پزشکی تهران، تهران - مرکز تحقیقات فناوریهای بیومدیکال و رباتیک پزشکی، بیمارستان امام خمینی، تهران
sd.shafikhani@yahoo.com
امیرهمایون
جعفری
دانشیار، گروه فیزیک و مهندسی پزشکی، دانشکدهی پزشکی، دانشگاه علوم پزشکی تهران، تهران - مرکز تحقیقات فناوریهای بیومدیکال و رباتیک پزشکی، بیمارستان امام خمینی، تهران
h_jafari@tums.ac.ir
10.22041/ijbme.2018.80819.1321
در دهههای اخیر، به علت افزایش شیوع بیماری دیابت و عوارض مزمن آن، اندازهگیری قند خون، مدلسازی سیستم انسولین-گلوکز و کنترل قند خون از اهمیت ویژهای برخوردار شده است. از آنجا که در دیابت نوع اول بدن انسولین ترشح نمیکند، سلولها گلوکز را جذب نمیکنند و بنابراین سطح گلوکز خون افزایش مییابد. برای کنترل قند خون، باید انسولین بهصورت زیرپوستی و در شرایط پیچیدهی کنترل شدهی محیطی، به بدن تزریق شود. اگر سطح انسولین از محدودهی فیزیولوژیکی طبیعی بالاتر رود، احتمال مرگ وجود دارد. درمانهای مختلفی برای بیماری دیابت وجود دارد، که درمان اصلی آن انسولین-درمانی است. پایش سطح قند خون بیمار بهطور پیوسته در طول شبانهروز، راهکار درمانی بسیار مناسبی است از جهت آنکه با کمترین میزان تزریق انسولین در زمانهای مورد نیاز، مقدار قند خون بیمار را در محدودهی ایمن تحت کنترل قرار میدهد. این امر از هایپرگلاسمی (مقدار قند خون بیشتر از 120mg/dl ) و هیپوگلاسمی (مقدار قند خون کمتر از mg/dl 65) بیمار جلوگیری میکند. برای دستیابی به این هدف، یک مدل دوتاخیری موجود، به منظور مدلسازی تغییرات سطح قند خون به طور پیوسته در طول شبانهروز، توسعه داده شده است. برخی از پارامترهای این مدل با استفاده از الگوریتم ژنتیک جهت دستیابی به بیشترین تطبیق بین دینامیک حاصل از مدل با دیتاهای اخذ شده در این مطالعه، تخمین زده شدهاند. در نتیجه، مدل توسعه داده شده در این پژوهش، قادر است دینامیک قند خون را بهطور پیوسته در طول شبانهروز به دست آورد و به تبع آن، دینامیک انسولین مورد نیاز جهت تزریق به بیمار برای تحت کنترل قرار دادن میزان قند خون در محدودهی مجاز را پیشبینی کند. بنابراین، این سیستم کنترلی قادر است از هیپوگلاسمی و هایپرگلاسمی شدن بیمار جلوگیری کند.
مدلسازی سیستم گلوکز-انسولین,مدل دوتاخیری,الگوریتم ژنتیک
https://www.ijbme.org/article_31321.html
https://www.ijbme.org/article_31321_29479f07da3ec24592ad99757f5a626e.pdf
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
11
4
2018
01
21
شبیهسازی دینامیک مولکولی اضافه شدن رشتهی PAS به داروی پپتیدی G-CSF و پیشنهاد توالی جدید برای رشتهی PAS به منظور بهبود عملکرد داروی مورد نظر
303
311
FA
عباس
غلامی
کارشناس ارشد مهندسی مکانیک، گروه تبدیل انرژی، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران
abbas.gholami71@gmail.com
امیر
شاملو
دانشیار، گروه تبدیل انرژی، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران
shamloo@sharif.ir
10.22041/ijbme.2018.81637.1324
در مطالعات اخیر، PASylation به عنوان یک روش موثر به منظور افزایش نیمهعمر داروهای پروتئینی و جایگزینی مناسب برای PEGylation مطرح شده است. در این روش، یک رشتهی به مراتب زیستسازگارتر و متشکل از پلیمرهای طبیعی، شامل پرولین، آلانین و سرین، که به اختصار به آن رشتهی PAS گفته میشود، برای بهبود مشخصههای دارو مورد استفاده قرار میگیرد. در این مقاله، برخی از مشخصههای داروی G-CSF، نظیر میانگین توانی فاصلهی اتمی (RMSD)، حجم هیدرودینامیکی، انرژی کل و میزان آبدوستی پروتئین مورد بررسی قرار گرفته است. در این راستا، خواص مختلف داروی پروتئینی متصل به رشتهی PAS برای سه طول مختلف رشتهی مورد نظر (طولهای 210، 420 و 630) مورد بحث و بررسی قرار گرفته است. نتایج به دست آمده بیانگر این نکته است که با اتصال رشتهی PAS به داروی پروتئینی، حجم هیدرودینامیکی آن افزایش یافته و به واسطهی آن نیمهعمر دارو نیز افزایش مییابد. در نهایت، با در نظر داشتن نتایج به دست آمده در این قسمت، یک توالی اصلاحشده برای رشتهی PAS مورد نظر پیشنهاد شده است.
Pegylation,Pasylation,G-CSF,نیمهعمر,حجم هیدرودینامیکی,دینامیک مولکولی
https://www.ijbme.org/article_31339.html
https://www.ijbme.org/article_31339_a2dc8d5a64aed7d2610d0bb314a94fc3.pdf
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
11
4
2018
01
21
شناسایی خودکار مراحل خواب از سیگنال EEG تککاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم تبرید و شبکهی عصبی
313
325
FA
سبحان
شیخیوند
0000-0002-2275-8133
دانشجوی کارشناسی ارشد مهندسی پزشکی، گروه مهندسی پزشکی، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز
s.sheykhivand@gmail.com
توحید
یوسفی رضایی
استادیار، گروه مهندسی پزشکی، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز
yousefi@tabrizu.ac.ir
زهره
موسوی
دانشجوی دکتری مکانیک، گروه مهندسی مکانیک، دانشکدهی مهندسی مکانیک، دانشگاه تبریز، تبریز
z.mousavi2014@yahoo.com
سعید
مشگینی
0000-0001-5023-0961
استادیار، گروه مهندسی پزشکی، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز
meshgini@tabrizu.ac.ir
10.22041/ijbme.2018.82011.1327
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.
تبدیل موجک گسسته,شناسایی خودکار مراحل خواب,الگوریتم تبرید,شبکهی عصبی
https://www.ijbme.org/article_31189.html
https://www.ijbme.org/article_31189_a921bf87583842ed714764940cafabd0.pdf
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
11
4
2018
01
21
تخمین المان محدود نیروهای وارد بر ناحیهی کمری ستون مهرهها با استفاده از سینماتیک اندازهگیری شده توسط تصویربرداری پزشکی در فعالیت خم شدن به جلو
327
335
FA
ایرج
دهقان هامانی
دانشجوی کارشناسی ارشد مهندسی مکانیک، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران
dehghanhamani_iraj@mech.sharif.edu
نوید
ارجمند
دانشیار، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران
arjmand@sharif.edu
10.22041/ijbme.2018.85502.1341
اهمیت ستون مهرههای بدن به عنوان پیچیدهترین عضو از لحاظ تحمل بارهای مکانیکی بر کسی پوشیده نیست. سالانه میلیونها دلار در دنیا صرف درمان و هزینههای ناشی از آسیب ستون مهرهها میگردد. از اینرو، مدلهای المان محدود، نقش مهمی در مطالعات بیومکانیکی ستون مهرهها دارند. در شبیهسازی یک فرایند مکانیکی در ستون مهرهها، دانستن نیروهای عضلات متصل به ستون مهره امری ضروری است. یافتن این نیروها به کمک آزمایشهای تجربی روی انسان، امری مخرب بوده و تخمین این نیروها نیز به کمک روشهای بهینهسازی و یا الکترومایوگرافی، از دقت کافی برخوردار نمیباشد. لذا، در این پژوهش به کمک ارائهی یک مدل المان محدود برای ناحیهی کمری ستون مهرهها با هندسهی دقیق برای بافتهای غیرفعال (دیسکها و مفاصل خلفی) و همچنین استخراج میزان چرخش و جابهجایی مهرههای ناحیهی کمری ستون مهرهها (به جای تخمین نیروهها) از تصاویر پزشکی برای سه شخص مختلف، و در نهایت، اعمال جابهجاییها و چرخش مهرهها به مدل، به عنوان شرایط مرزی، سه حالت خم شدن به جلو برای ناحیهی کمری ستون مهرهها شبیهسازی گردیده است. به طور مثال، فشار وارد بر مهرهی L4-L5 در حالت خم شدن حدود 60 درجهای به جلو، برابر با 4/2 مگاپاسکال و برای چرخش حدود 40 درجهای، 9/1 مگاپاسکال ارزیابی شده است که با اندازهگیریهای آزمایشگاهی تطابق خوبی دارد.
جابهجایی و چرخش مهرهها,ناحیهی کمری ستون مهرهها,مدل المان محدود
https://www.ijbme.org/article_31195.html
https://www.ijbme.org/article_31195_a1ae9051adcdf2a0027f2bcf61358487.pdf
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
11
4
2018
01
21
استخراج ویژگیها جهت بازشناسی اشیا با الهام از بینایی انسان
337
349
FA
هیوا
صوفی کریمی
دانشجوی دکترای مهندسی برق، گروه الکترونیک، دانشکدهی مهندسی برق، دانشگاه علم وصنعت ایران، تهران
hiva_sofikarimi@elec.iust.ac.ir
کریم
محمدی
استاد، گروه الکترونیک، دانشکدهی مهندسی برق، دانشگاه علم وصنعت ایران، تهران
mohammadi@iust.ac.ir
10.22041/ijbme.2018.85614.1343
در این مقاله سعی شده است تا با الگو برداری از سامانهی بینایی انسان، یک روش مقاوم و تکرارپذیر برای بازشناسی اشیا ارائه شود. یکی از معروفترین مدلهای ارائه شده مبتنی بر بینایی انسان، مدل HMAX میباشد که عملکرد مناسبی در بازشناسی اشیا از خود نشان داده است. اما تفاوتهایی نیز بین این مدل و بینایی انسان وجود دارد، به طوری که رویهی مغز به طور کامل مدل نشده است. از جمله نواقص این مدل میتوان به تکرارناپذیری (حتی در شرایط ثابت)، وجود افزونگی بسیار زیاد و در نتیجه حجم بالای محاسبات و کند بودن اشاره کرد. در این مقاله، سعی شده است تا با مدل کردن عملکرد بخش ثانویهی قشر بینایی و اضافه کردن آن به HMAX، مدل کاملتری از بینایی انسان ارائه گشته و نقاط ضعف مدل HMAX ، پوشش داده شود. بخش اضافه شده، مانند بخش ثانویهی قشر بینایی، با تمرکز روی ویژگیهای سطح بالاتر و انتخاب ویژگیهای متمایزکننده و البته تکرارپذیر، باعث بهبود یافتن عملکرد مدل خواهد شد. بخش اضافه شده، بار محاسباتی بسیار اندکی داشته به طوری که نهتنها باعث کند شدن مدل نمیشود، بلکه با انتخاب ویژگیهای مختصر و مفید، باعث افزایش سرعت نیز خواهد شد. روش پیشنهادی از لحاظ دقت و زمان پردازش با روش استاندارد مقایسه شده و برتری مدل پیشنهادی نشان داده شده است. علاوه بر آن، تاثیر تعداد ویژگیهای استخراج شده و تعداد تصاویر مورد استفاده جهت آموزش، مورد بررسی قرار گرفته است تا برتری روش پیشنهادی، به ویژه در زمانی که تعداد تصاویر اندکی در دست میباشد، نشان داده شود.
بازشناسی اشیا,استخراج ویژگی,مدل زیست شناختی,تکرارپذیری,HMAX
https://www.ijbme.org/article_31648.html
https://www.ijbme.org/article_31648_d737afdfc16676a145f8716ed0f29011.pdf
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
11
4
2018
01
21
تخمین نیروهای عضلات و مفاصل کمری تحت فعالیتهای فیزیکی مختلف با استفاده از یک مدل ترکیبی بهینهسازی و الکترومایوگرافی از ستون فقرات
351
363
FA
یوسف
محمدی
دانشجوی دکترا، گروه بیومکانیک، دانشکدهی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران
yousef1369@yahoo.com
رسول
عابدی
دانشجوی دکترا، گروه بیومکانیک، دانشکدهی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران
rabedilb@gmail.com
نوید
ارجمند
دانشیار، گروه بیومکانیک، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران
arjmand@sharif.edu
غلامرضا
عطایی
مربی، گروه پیراپزشکی، دانشکدهی پیراپزشکی، دانشگاه علوم پزشکی بابل، بابل
golamrezaataei@yahoo.com
ناصر
فتورائی
0000-0002-5714-027X
دانشیار، گروه بیومکانیک، دانشکدهی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران
nasser@aut.ac.ir
10.22041/ijbme.2018.85561.1344
شیوع کمردرد و ناهنجاریهای کمری در جوامع مختلف رو به افزایش است، به علاوه اندازهگیری مستقیم نیروی مربوط به عضلات و مهرههای ستون فقرات بسیار دشوار است. از اینرو، استفاده از مدلهای بیومکانیکی اسکلتی-عضلانی به عنوان یک ابزار جهت محاسبه و تخمین نیروهای وارده بر ستون فقرات در فعالیتهای مختلف کاربرد فراوانی پیدا کرده است. لذا هدف این پژوهش تخمین نیروهای مذکور به روشهای مختلف به خصوص در فعالیت باربرداری میباشد. بدین منظور از یک مدل اسکلتی-عضلانی آناتومیکی توسعه یافته شامل 6 مفصل سه درجهی آزادی و 76 فسیکل عضلانی استفاده شده است. به علت بیشتر بودن تعداد مجهولات (نیروی عضلات) از تعداد معادلات تعادل، سیستم دچار افزونگی بوده و مساله جهت حل، نامعین میباشند. بنابراین، از روشهای ترکیبی بهینهسازی و الکترومایوگرافی برای تخمین نیروی عضلات استفاده شده است. از آنجا که نیروهای عضلات حاصل از روش الکترومایوگرافی، معادلات تعادل را ارضا نمیکند، از یکسری ضرایب تصحیح جهت ارضای معادلات تعادل در تمام سطوح مفصلی کمری استفاده شده است. طبق نتایج به دست آمده برای یک فعالیت فیزیکی خاص، به علت استفاده از الگوریتمهای مختلف جهت یافتن نیروها، ضرایب تصحیح متفاوتی برای هر عضله در روشهای ترکیبی مختلف به دست میآید. مقادیر متفاوتی برای نیروی عضلات و میزان پایداری تخمینی توسط روشهای ترکیبی مختلف به دست آمد، اما نیروهای فشاری و برشی مفصلی در مدلهای ترکیبی به یکدیگر نزدیک میباشد. جهت صحتسنجی نتایج مدل، از دادههای مربوط به فشار دیسک چهارم و پنجم کمری در یک مطالعهی آزمایشگاهی استفاده شد، که هر دو مورد فشار را در محدودهی 3/0 - 8/1 مگاپاسکال گزارش کردهاند.
الکترومایوگرافی,بهینهسازی,روشهای ترکیبی,فشار درون دیسکی,نیروی عضلات کمری
https://www.ijbme.org/article_31454.html
https://www.ijbme.org/article_31454_dee03a86db25a243872b6991fd79fde5.pdf