مقاله کامل پژوهشی
بیومکانیک ستون مهره‌ها
محمد جواد عین افشار؛ پدرام مژگانی؛ سید عطاءالله هاشمی
دوره 14، شماره 3 ، تابستان 1399، صفحه 201-210
چکیده
به‌منظور درمان مشکل کمردرد، تثبیت ستون فقرات انجام می‌گیرد. یکی از روش‌های جراحی، استفاده از پیچ ارتوپدی است که در آن استحکام و پایداری پیچ اهمیت فراوانی دارد. به منظور ارزیابی پایداری پیچ‌های ارتوپدی و ستون فقرات می‌توان به آزمونهای پیچش پیچ، نیروی کشش پیچ، گشتاور ورود، بار خستگی و عکس‌های رادیولوژی اشاره کرد. در این پژوهش هنگام ...
بیشتر
به‌منظور درمان مشکل کمردرد، تثبیت ستون فقرات انجام می‌گیرد. یکی از روش‌های جراحی، استفاده از پیچ ارتوپدی است که در آن استحکام و پایداری پیچ اهمیت فراوانی دارد. به منظور ارزیابی پایداری پیچ‌های ارتوپدی و ستون فقرات می‌توان به آزمونهای پیچش پیچ، نیروی کشش پیچ، گشتاور ورود، بار خستگی و عکس‌های رادیولوژی اشاره کرد. در این پژوهش هنگام ورود پیچ به مهره ستون فقرات کمری گوسفند، با گشتاورسنج دیجیتال، بیشینه گشتاور ورود اندازه‌گیری شد، سپس به‌وسیله چکش مخصوص ضربه، ضربه‌ای به پیچ وارد شده و صدای تولیدشده به‌وسیله‌ی یک میکروفون دیجیتالی ضبط گردید. با پردازش سیگنال حاصل به‌وسیله‌ی نرم‌افزار MATLAB R2017 و رسم نمودار تبدیل فوریه‌ی سریع ، مود ارتعاشی پیچ به دست آمد. درنهایت، به‌وسیله‌ی دستگاه آزمون کشش، نیروی کشش پیچ برای نمونه‌ها تعیین شد. نوآوری این پژوهش استفاده از روش تحلیل مودال و تعیین رابطه‌ی آن با بیشترین نیروی کشش پیچ و گشتاور ورود آن است. در این مطالعه 5 پیچ مورد آزمایش قرار گرفتند که پارامترهای عمق پیچ، متغیر بودن تاج رزوه پیچ، خودکار بودن یا نبودن پیچ در آنها متفاوت بود. بیشترین گشتاور ورود، نیروی کشش و فرکانس طبیعی به ترتیب 182 نیوتن در سانتی متر،992 نیوتن و 1916هرتز در پیچ با بدنه استوانه ای رخ داد. با مقایسه داده‌های به‌دست‌آمده، نتایج از رابطه خطی بین بیشترین نیروی کشش پیچ و گشتاور پیچ حکایت دارد. با توجه به عدم وجود معناداری در داده های فرکانس طبیعی و نیروی کشش پیچ بین پیچ های دارای نوک خودکار و غیر خودکار (مقایسه بین پیچ شماره 3و4 و بین 1و5)، استفاده از پیچ‌های خودکار یک مزیت است. روند صعودی یا نزولی پارامترهای وابسته در هر سه روش بیشترین گشتاور ورود، بیشترین نیروی کشش پیچ و فرکانس طبیعی یکسان است که با توجه به غیر مخرب بودن روش آنالیز مودال یک مزیت برای استفاده در جراحی‌های درون تنی می‌تواند باشد.
مقاله کامل پژوهشی
بیوالکتریک
سبحان شیخی وند؛ زهره موسوی؛ توحید یوسفی رضایی
دوره 14، شماره 3 ، تابستان 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.
مقاله کامل پژوهشی
پردازش سیگنال‌های حیاتی
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
مقاله کامل پژوهشی
بیوالکتریک
سبحان شیخی وند؛ زهره موسوی؛ توحید یوسفی رضایی
دوره 14، شماره 3 ، تابستان 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.
مقاله کامل پژوهشی
پردازش سیگنال‌های حیاتی
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.
مقاله کامل پژوهشی
پردازش سیگنال‌های حیاتی
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.
مقاله کامل پژوهشی
مهندسی مغز و اعصاب
مهرداد ساویز؛ غزاله سلیمانی؛ فرزاد توحیدخواه؛ حامد اختیاری
دوره 14، شماره 3 ، تابستان 1399، صفحه 261-270
چکیده
تحریک الکتریکی جریان مستقیم فراجمجمه ای (tDCS) پرکاربردترین روش تحریک غیرتهاجمی مغز است که چالش اساسی آن تفاوت‌های بین فردی است که در پاسخ به این تحریک گزارش می‌شود. یک منبع در ایجاد این تنوعات را می‌توان تفاوت در توزیع میدان الکتریکی درنظر گرفت که به دلیل تفاوت در ساختارهای مغزی ایجاد می‌شود. شواهد نشان می‌دهد که میدان ناشی از tDCS ...
بیشتر
تحریک الکتریکی جریان مستقیم فراجمجمه ای (tDCS) پرکاربردترین روش تحریک غیرتهاجمی مغز است که چالش اساسی آن تفاوت‌های بین فردی است که در پاسخ به این تحریک گزارش می‌شود. یک منبع در ایجاد این تنوعات را می‌توان تفاوت در توزیع میدان الکتریکی درنظر گرفت که به دلیل تفاوت در ساختارهای مغزی ایجاد می‌شود. شواهد نشان می‌دهد که میدان ناشی از tDCS می‌تواند فعالیت‌های مغزی را تحت تأثیر خود قرار دهد و باعث ایجاد تغییر در رفتار گردد؛ اما ارتباط بین توزیع میدان و فعالیت‌های مغزی هنوز بررسی نشده است. از این رو در این مطالعه متقاطع دوسو کور، بر روی 14 فرد وابسته به مت‌آمفتامین، tDCS با شدت 2 میلی‌آمپر به قشر پیش‌پیشانی اعمال و قبل و بعد از تحریک، تصویر تشدید مغناطیسی ساختاری و عملکردی برای تعیین توزیع میدان و مشاهده فعالیت مغزی در پاسخ به نشانه های مواد، ثبت شده است. هر فرد با فاصله حداقل یک هفته تحریک الکتریکی را یک جلسه به صورت واقعی و جلسه دیگر به صورت غیرواقعی دریافت کرده‌است. مدل‌های سر مبتنی برروش های المان محدود برای نمایش توزیع میدان شبیه‌سازی شده و آنالیز گروهی نشان داده است که بیشترین میدان در ناحیه پیش‌پیشانی ایجاد می گردد (07/0±3424/0) و دربین افراد از نظر توزیع مکانی میدان تفاوت وجود دارد. داده‌های کارکردی نیز حاکی از آن است که در تفاوت بین پاسخ به نشانه‌های مواد و تصاویری که مربوط به مواد نیستند، تحریک واقعی در مقایسه با تحریک غیرواقعی فعالیت مغزی را در چین گیجگاهی فوقانی و قشر کمربندی خلفی کاهش می‌دهد (0001/0 >P )؛ اما همبستگی معناداری بین شدت میدان و تغییرات فعالیت مغزی به دست نیامده است. در این مطالعه یک روش‌کار برای ترکیب مدل های سر با اطلاعات مربوط به عملکرد مغز ارائه گردیده، این ترکیب اطلاعات تاکنون بررسی نشده و می‌تواند دریچه ای بروی درک بهتر مکانیسم اثر tDCS باشد.
