مقاله کامل پژوهشی
بیومکانیک ستون مهره‌ها
محمدجواد عین‌افشار؛ پدرام مژگانی؛ سید عطاءالله هاشمی
دوره 14، شماره 3 ، پاییز 1399، صفحه 169-177
چکیده
درد در ناحیه‌ی کمر یک مشکل رایج پزشکی بوده که تا کنون دلیل مشخصی برای آن یافته نشده است اما در اغلب موارد بی‌ثباتی ستون فقرات به عنوان مهم‌ترین دلیل بروز آن در نظر گرفته میشود. یکی از راه‌های درمان کمردرد، ثابت‌سازی ستون فقرات است که با عمل یا بدون عمل جراحی انجام میشود. یکی از روشهای جراحی، استفاده از پیچ ارتوپدی است که در آن ...
بیشتر
درد در ناحیه‌ی کمر یک مشکل رایج پزشکی بوده که تا کنون دلیل مشخصی برای آن یافته نشده است اما در اغلب موارد بی‌ثباتی ستون فقرات به عنوان مهم‌ترین دلیل بروز آن در نظر گرفته میشود. یکی از راه‌های درمان کمردرد، ثابت‌سازی ستون فقرات است که با عمل یا بدون عمل جراحی انجام میشود. یکی از روشهای جراحی، استفاده از پیچ ارتوپدی است که در آن استحکام و پایداری پیچ اهمیت زیادی دارد. استحکام و پایداری پیچ در استخوان باعث کاهش زمان و هزینه‌ی درمان، کاهش مقدار خون‌ریزی و تسریع درمان میشود. برای ارزیابی پایداری پیچهای ارتوپدی و ستون فقرات میتوان از آزمون‌های پیچش پیچ، نیروی کشش پیچ، گشتاور ورود، بار خستگی و عکس‌های رادیولوژی استفاده کرد. در این پژوهش، بیشینه‌ی گشتاور ورود هنگام ورود پیچ به مهره‌ی ستون فقرات کمری گوسفند با گشتاورسنج دیجیتال اندازهگیری شده، سپس با چکش مخصوص ضربه، ضربه‌ای به پیچ وارد شده و صدای تولید شده با یک میکروفون دیجیتال ضبط شده است. با پردازش سیگنال حاصل با نرم‌افزار متلب و رسم نمودار تبدیل فوریه‌ی سریع، مود ارتعاشی پیچ به دست آمده و نیروی کشش پیچ برای نمونه‌ها با دستگاه آزمون کشش تعیین شده است. نوآوری این مقاله استفاده از روش تحلیل مودال و تعیین رابطه‌ی آن با بیشترین نیروی کشش پیچ و گشتاور ورود است. در این مطالعه 5 پیچ مورد آزمایش قرار گرفته که پارامترهای عمق پیچ، متغیر بودن تاج رزوه‌ی پیچ و خودکار بودن/نبودن پیچ در آنها متفاوت است. بیشترین گشتاور ورود، نیروی کشش و فرکانس طبیعی به ترتیب برابر با 182 N.cm، 992 N و 1916 Hz در پیچ با بدنه‌ی استوانه‌ای محاسبه شده است. با بررسی داده‌های به دست آمده مشاهده شده است که یک رابطه‌ی خطی بین بیشترین نیروی کشش پیچ و گشتاور پیچ وجود دارد. با توجه به عدم وجود معناداری در داده‌های فرکانس طبیعی و نیروی کشش پیچ بین پیچهای دارای نوک خودکار و غیرخودکار (مقایسه‌ی پیچهای 3 و 4 و پیچهای 1 و 5)، استفاده از پیچهای خودکار یک مزیت به شمار می‌رود. 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 غیرمخرب بودن روش آنالیز مودال می‌تواند یک مزیت برای استفاده در جراحیهای درون‌تنی باشد.
مقاله کامل پژوهشی
بیوالکتریک
سبحان شیخی‌وند؛ زهره موسوی؛ توحید یوسفی رضایی
دوره 14، شماره 3 ، پاییز 1399، صفحه 179-193
چکیده
در سال‌های اخیر خستگی راننده به یکی از دلایل مهم تصادفات جادهای تبدیل شده و مطالعات زیادی برای تحلیل خستگی راننده انجام شده است. سیگنالهای EEG به دلیل غیرتهاجمی بودن، مطمئنترین روش برای اندازهگیری خستگی راننده محسوب میشوند. تفسیر دستی سیگنالهای EEG برای تشخیص خستگی راننده امری دشوار است، بنابراین باید سیستم خودکاری ...
بیشتر
در سال‌های اخیر خستگی راننده به یکی از دلایل مهم تصادفات جادهای تبدیل شده و مطالعات زیادی برای تحلیل خستگی راننده انجام شده است. سیگنالهای EEG به دلیل غیرتهاجمی بودن، مطمئنترین روش برای اندازهگیری خستگی راننده محسوب میشوند. تفسیر دستی سیگنالهای EEG برای تشخیص خستگی راننده امری دشوار است، بنابراین باید سیستم خودکاری برای تشخیص خستگی راننده با استفاده از سیگنالهای EEG فراهم شود. یکی از مشکلات مربوط به الگوریتمهای تشخیص خودکار خستگی راننده، استخراج و انتخاب ویژگیهای تبعیضآمیز است که به طور کلی منجر به پیچیدگی محاسباتی میشود. در این مقاله یک رویکرد جدید برای طبقهبندی خودکار دومرحلهای خستگی راننده از 6 منطقه‌ی فعال با استفاده از سیگنالهای EEG ارائه شده است. در این روش سیگنال EEG ثبت شده به طور مستقیم و بدون استفاده از استخراج/انتخاب ویژگی کلاسیک به عنوان ورودی شبکهی عمیق کانولوشنال و شبکهی حافظه‌ی طولانی کوتاه‌مدت (CNN-LSTM) در نظر گرفته شده است. موارد بیان شده به عنوان یک روند چالش برانگیز در مقالات پیشین مطرح شده است. معماری شبکهی پیشنهادی به صورت 7 لایه‌ی کانولوشن با 3 لایه‌ی LSTM و به دنبال آن 2 لایه‌ی کاملا متصل طراحی شده است. از شبکهی LSTM در ترکیب با شبکهی CNN برای افزایش پایداری و کاهش نوسانات استفاده شده است. نتایج شبیهسازی روش پیشنهادی برای طبقهبندی 2 حالت از خستگی راننده برای 6 ناحیه‌ی فعال A، B، C، D، E (بر اساس یک کانال) و F به ترتیب 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 کرده است. علاوه بر این با مقایسه‌ی نتایج به دست آمده با نتایج روشهای پیشین، عملکرد مطلوب روش پیشنهادی نشان داده شده است. همچنین با توجه به صحت بالای روش پیشنهادی بر اساس یک کانال سیگنال EEG (منطقه‌ی E)، میتوان از آن 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 ، پاییز 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 ، 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.
مقاله کامل پژوهشی
پردازش سیگنالهای حیاتی
سپیده حاجی پور؛ عارف عینی زاده
دوره 14، شماره 3 ، پاییز 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 ، پاییز 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
غزاله سلیمانی؛ مهرداد ساویز؛ فرزاد توحیدخواه؛ حامد اختیاری
دوره 14، شماره 3 ، پاییز 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.
