پردازش سیگنالهای حیاتی
حسام احمدی؛ عمادالدین فاطمی‌زاده؛ علی مطیع نصرآبادی
دوره 14، شماره 3 ، مهر 1399، ، صفحه 235-249
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 بر پایه‌ی سریهای زمانی تصویربرداری تشدید مغناطیسی عمل‌کردی معمولا با استفاده از محاسبه‌ی ضریب همبستگی پیرسون بین نواحی مختلف مغز انجام میشود. ...
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 بر پایه‌ی سریهای زمانی تصویربرداری تشدید مغناطیسی عمل‌کردی معمولا با استفاده از محاسبه‌ی ضریب همبستگی پیرسون بین نواحی مختلف مغز انجام میشود. از آن‌جا که همبستگی پیرسون ارتباطات خطی را آشکار ساخته و در مورد همبستگیهای غیرخطی محدودیت دارد، در این تحقیق با استفاده از روش کرنل ارتباطات عمل‌کردی غیرخطی در دادههای تصویربرداری تشدید مغناطیسی عمل‌کردی بیماران آلزایمر مورد ارزیابی قرار گرفته است. روش کرنل با افزایش بعد فضا و انجام محاسبات در فضای جدید که معادل رابطه‌ی غیرخطی در فضای اولیه است، امکان ارزیابی ارتباطات عمل‌کردی غیرخطی را فراهم میسازد. برای ساخت گرافهای وزندار بدون جهت از توابع کرنل مختلف با پارامترهای گوناگون استفاده شده، سپس ویژگیهای سراسری گراف از جمله درجه، قدرت، طول مسیر مشخصه، ماژولاریتی، جهان کوچک و بهرهوری محاسبه شده و آنالیز آماری غیرپارامتری جایگشتی انجام میشود. نتایج آنالیز آماری نشان میدهد که همبستگی به دست آمده از روش کرنل در مقایسه با همبستگی پیرسون تمایز بیشتری بین گروه بیمار و کنترل ایجاد کرده که میتواند به دلیل وجود ارتباطاتی غیرخطی باشد که روش پیرسون قادر به آشکارسازی آنها نیست. همچنین در بین توابع کرنل مختلف بیش‌ترین تمایز آماری هنگام استفاده از کرنل چندجملهای درجه‌ی سوم حاصل شده است. به منظور حصول اطمینان، از طبقهبند ماشین بردار پشتیبان با کرنلهای مختلف نیز استفاده شده که بیش‌ترین صحت طبقه‌بندی برابر با 79/0±68/98% به دست آمده است. آنالیز شبکه‌ی حالت پایه نیز با روش کرنل و پیرسون انجام شده که در آن روش کرنل تفاوت آماری معنیدار بیشتری نشان داده است. شایان ذکر است که نواحی آنگولار راست و چپ که جزئی از شبکه‌ی حالت پایه هستند با هیچ کدام از دو روش تمایزی نشان نداده و میتوان نتیجه گرفت که بیماری آلزایمر بر ارتباط عمل‌کردی این نواحی تاثیر چندانی ندارد.
پردازش تصاویر پزشکی
مریم افضلی؛ عمادالدین فاطمی‌زاده؛ حمید سلطانیان‌زاده
دوره 7، شماره 1 ، خرداد 1392، ، صفحه 57-64
چکیده
تصویربرداری تشدید مغناطیسی تانسور انتشار (DTMRI) روشی غیرتهاجمی برای بررسی ساختار ماده سفید مغز است. در این روش با فرض گوسی بودن PDFانتشار مولکول‌های آب، تانسور انتشار استخراج شده؛ در بررسی دسته فیبرهای مغز از آن استفاده میشود. در نواحی از مغز که فیبرها تقاطع دارند تصویربرداری تانسور انتشار قادر نیست جهت اصلی فیبرها را مشخص کند. برای ...
بیشتر
تصویربرداری تشدید مغناطیسی تانسور انتشار (DTMRI) روشی غیرتهاجمی برای بررسی ساختار ماده سفید مغز است. در این روش با فرض گوسی بودن PDFانتشار مولکول‌های آب، تانسور انتشار استخراج شده؛ در بررسی دسته فیبرهای مغز از آن استفاده میشود. در نواحی از مغز که فیبرها تقاطع دارند تصویربرداری تانسور انتشار قادر نیست جهت اصلی فیبرها را مشخص کند. برای حل این مشکل، تصویربرداری انتشار با قدرت تفکیک زاویه‌ای زیاد با تعداد زیادی جهت انتشار پیشنهاد شده است و برای بازسازی از روش Q-ballاستفاده میشود. در این روش تابع توزیع جهت فیبرها (ODF) قابل محاسبه است که در آن مدل‌های ریاضی نقش مهمی دارند. برای نمونه در انطباق تصاویر Q-ballبرای کاربردهایی مثل تحلیل گروهی یا ساخت اطلس، درون‌یابی ODFها لازم است. بدین‌منظور، جهت‌های اصلی انتشار (PDD) هر ODFباید مشخص شود. در این مقاله، PDDها به عنوان بردارهایی توصیف میشوند که بیشینه‌های محلی را به هم وصل می‌کنند. پس از یافتن راستای انتشار غالب در دو ODF، درون‌یابی خطی برای جهت‌های غالب انجام میشود. سپس دو ODFدر راستای به‌دست آمده چرخانده میشوند و بعد از آن درون‌یابی خطی، برای دو ODFچرخانده شده به منظور یافتن ODFمیانی انجام میشود. روش پیشنهادی با روش‌های قبلی مقایسه شده است و نتایج آزمایش‌های نشان میدهد که الگوریتم درون‌یابی پیشنهادی جهت اصلی دسته فیبر را بدون انحراف در مسیرها حفظ می‌کند. همچنین مشاهده میشود که تغییرات آنتروپی ODFهای درون‌یابی شده تقریباً خطی است و اثر حجیم شدن (هموار شدن جهت‌های اصلی) حذف میشود.
پردازش تصاویر پزشکی
علی تعالیمی؛ عمادالدین فاطمی‌زاده
دوره 4، شماره 3 ، آذر 1389، ، صفحه 231-248
چکیده
سیستم fMRIدر شناخت فعّالیت‌های عصبی کاربرد زیادی دارد. پاسخ مغز به آزمایش ترتیب داده شده از طریق سیگنال‌ها و تصاویر به دست آمده در خلال تصویربرداری fMRI، قابل بررسی است. مطالعات مختلف انجام شده بر روی سیگنال میزان اکسیژن دهی خون، رابطه غیرخطی بین تحریک اعمالی و پاسخ دریافت شده از نرون‌ها را نشان میدهد. در این مقاله، به بررسی روش‌های ...
بیشتر
سیستم fMRIدر شناخت فعّالیت‌های عصبی کاربرد زیادی دارد. پاسخ مغز به آزمایش ترتیب داده شده از طریق سیگنال‌ها و تصاویر به دست آمده در خلال تصویربرداری fMRI، قابل بررسی است. مطالعات مختلف انجام شده بر روی سیگنال میزان اکسیژن دهی خون، رابطه غیرخطی بین تحریک اعمالی و پاسخ دریافت شده از نرون‌ها را نشان میدهد. در این مقاله، به بررسی روش‌های غیرخطی تحلیل تصاویر fMRIخواهیم پرداخت. برای این مقصود، به بررسی روش‌های غیرخطی با تأکید بر پارامترهای فیزیولوژیکی اثرگذار بر سیگنال BOLDو روش‌های غیرخطی که بدون در نظر گرفتن عوامل فیزیولوژیکی، رابطه ورودی و خروجی، یعنی سیگنال تحریک و سیگنال fMRIرا مدل می‌کنند؛ می‌پردازیم. روش بالون را نیز به عنوان یک روش غیرخطی فیزیولوژیکی بررسی کرده و از طریق آن روش جدیدی برای تعیین مناطق فعّال مغز ارائه کرده‌ایم. همچنین روش‌های همرشتاین-وینر و NARMAو مدل ولترا به عنوان روش‌های غیرفیزیولوژیکی مورد بحث قرار گرفته و توانایی آنها در مدل کردن و تشخیص مناطق فعّال مغز مورد ارزیابی قرار گرفته است. علاوه بر روش‌های به‌کار رفته برای آشکارسازی نقاط فعّال بر روی دو مجموعه از داده‌ها (با تحریک شبیه‌سازی شده و تحریک واقعی) ارزیابی شده‌اند. در مجموعه دادگان شماره یک به ازای سطح آستانه 45/0 در هر سه مدل، میزان اندیس جکارد برای مدل‌های همرشتاین-وینر، NARMAو مدل ولترا به ترتیب 90/0، 0/1 و 91/0 به‌دست آمد. در مجموعه دادگان شماره دو به ازای آستانه‌های مختلف (به ترتیب 35/0، 40/0 و 45/0) این اندیس به ترتیب 85/0، 9/0 و 87/0 است.
پردازش تصاویر پزشکی
میثم ترابی؛ عمادالدین فاطمی‌زاده
دوره 3، شماره 3 ، آذر 1388، ، صفحه 213-225
چکیده
در این مقاله روشی برای تشخیص بیماری آلزایمر پیشنهاد شده است که با استفاده از تحلیل تصاویر MR مغزی، شامل دو گروه وزن دار با T1 و وزن دار با T2، افراد بیمار را شناسایی می کند. با توجه به تفاوت های ماهیتی میان تصاویر وزن دار باT1 و وزن دار با T2، ویژگی های متفاوتی را از آنها استخراج نموده، سپس با بررسی مقادیر ویژه حاصل از این ...
بیشتر
در این مقاله روشی برای تشخیص بیماری آلزایمر پیشنهاد شده است که با استفاده از تحلیل تصاویر MR مغزی، شامل دو گروه وزن دار با T1 و وزن دار با T2، افراد بیمار را شناسایی می کند. با توجه به تفاوت های ماهیتی میان تصاویر وزن دار باT1 و وزن دار با T2، ویژگی های متفاوتی را از آنها استخراج نموده، سپس با بررسی مقادیر ویژه حاصل از این ویژگی ها، ابعاد فضای آنالیز را کاهش دادیم و خروجی را به دو تفکیک کننده غیرخطی اعمال کردیم. بدین ترتیب به طور همزمان و موازی، تصاویر وزن دار با T1 و وزن دار با T2 تحلیل شدند. سپس چون بیماری آلزایمر بخش خاکستری و سفید مغز را بیش از قسمت های سیاه و حاشیه ای آن (مانند بخش هایی موسوم به برآمدگی های چین خورده مغز و همچنین سینوس ها) مورد هجوم قرار می دهد و همچنین با توجه به اینکه تصاویر وزن دار با T1 حاوی اطلاعات بخش خاکستری و سفید مغز و تصاویر وزن دار با T2 حاوی اطلاعات مربوط به بخش خاکستری و سیاه است، نتایج به دست آمده از تصاویر وزن دار با T1را به تصاویر وزن دار با T2 ارجحیت داده، وزن بیشتری را به آن اختصاص دادیم تا پاسخ نهایی حاصل شود. در این مقاله از 120 تصویر وزن دار با T1 و وزن دار با T2 شامل مقطع های مختلف مغزی استفاده شده است که بعد از انطباق، به دو بخش آموزشی و آزمون طبقه بندی شده اند. نتایج، حاکی از تشخیص صحیح حدود سه چهارم تصاویر است.
مدل‌سازی رایانه‌ای زیستی / شبیه‌سازی رایانه‌ای زیستی
فرشته یوسفی ریزی؛ علیرضا احمدیان؛ جواد علیرضایی؛ عمادالدین فاطمی‌زاده؛ نادر رضایی
دوره 2، شماره 3 ، آذر 1387، ، صفحه 165-177
چکیده
پیچیدگی ساختار درخت راه هوایی، اثر جزئی حجم بر شاخه های ریز و کنتراست پایین بین بافت های موجود در قفسه سینه، بخش بندی آن را دشوار می سازد. پدیده نشتی به عنوان یکی از بزرگ ترین مشکلات در مسیر بخش بندی تصاویر پزشکی به ویژه در موارد پیچیده ای مانند راه های هوایی است. روش اتصال فازی با بهره گیری همزمان از دو خاصیت اصلی تصاویر یعنی وجود همگونی ...
بیشتر
پیچیدگی ساختار درخت راه هوایی، اثر جزئی حجم بر شاخه های ریز و کنتراست پایین بین بافت های موجود در قفسه سینه، بخش بندی آن را دشوار می سازد. پدیده نشتی به عنوان یکی از بزرگ ترین مشکلات در مسیر بخش بندی تصاویر پزشکی به ویژه در موارد پیچیده ای مانند راه های هوایی است. روش اتصال فازی با بهره گیری همزمان از دو خاصیت اصلی تصاویر یعنی وجود همگونی در وکسل های متعلق به یک شی و وجود یک ارتباط درهم آمیخته بین آنها، و با در نظر گرفتن خاصیت فازی ذاتی تصاویر پزشکی، الگوریتم کارامدی برای بخش بندی ساختارهای پیچیده مانند راه های هوایی است. در رویکرد جدید اتصال فازی مبتنی بر خوشه یابی فازی FCM، که تحت عنوان FC-FCM به وسیله همین گروه مطرح شده است، ضمن عدم نیاز به تعیین متغیرهای اولیه، فضای جستجو نیز با بهره گیری از تابع عضویت فضایی فازی در فرایند برگشتی رشد هسته اولیه محدود شده است. اما در تعیین شاخه های پس از لایه سوم با نشتی مواجه می شود. امکان تشخیص نشتی فقط پس از رشد آن و فرایند زمان بر تکرار بخش بندی با متغیرهای جدید که روش متداول در رویارویی با پدیده نشتی است، ما را به سمت ارائه یک فرایند بهینه سازی مبتنی بر شکل در بطن الگوریتم اتصال فازی، برای جلوگیری از تشکیل نشتی به عنوان یک شیوه جدید رهنمون شده است. با در نظر گرفتن ساختار استوانه ای شاخه های درخت راه های هوایی تابع هزینه ای که شاخصی از میزان استوانه ای بودن است، معرفی و به کار گرفته شد. شایان ذکر است کمینه کردن آن به قرار گرفتن وکسل ها در نظام استوانه ای منجر گردید. با کاربرد رویکرد جدید اتصال فازی راه های هوایی تا لایه چهارم با دقت 92.92% استخراج شدند. با استفاده از فرایند بهینه سازی در بطن رویکرد جدید اتصال فازی، ضمن ممانعت از تشکیل نشتی، شاخه های درخت راه هوایی تا لایه ششم بخش بندی شد. چنان که نتایج نشان می دهد، الگوریتم پیشنهادی OPT-FC-FCM قادر به تشخیص شاخه ها، چهار برابر بیشتر از روش FC-FCM است. تعداد کل شاخه های بخش بندی شده در روش 65 OPT-FC-FCM شاخه است که نسبت به تعداد کل شاخه های استخراج شده از روش) FC-FCM با 15 شاخه) 4 برابر بیشتر است.
پردازش تصاویر پزشکی
عمادالدین فاطمی‌زاده؛ پریسا شوشتری
دوره 2، شماره 3 ، آذر 1387، ، صفحه 191-201
چکیده
امروزه با توجه به حجم بالای داده های حاصل از انواع سیستم های تصویربرداری پزشکی، مساله فشرده سازی این گونه تصاویر به یک امر مهم تبدیل شده است. بیشتر روش هایی که تاکنون ارائه شده اند، یا به دلیل حذف اطلاعات مهم پزشکی یا به دلیل پایین بودن نرخ فشرده سازی آنها چندان مطلوب نیستند. به تازگی برخی روش های فشرده سازی تصاویر پزشکی ارائه شده اند ...
بیشتر
امروزه با توجه به حجم بالای داده های حاصل از انواع سیستم های تصویربرداری پزشکی، مساله فشرده سازی این گونه تصاویر به یک امر مهم تبدیل شده است. بیشتر روش هایی که تاکنون ارائه شده اند، یا به دلیل حذف اطلاعات مهم پزشکی یا به دلیل پایین بودن نرخ فشرده سازی آنها چندان مطلوب نیستند. به تازگی برخی روش های فشرده سازی تصاویر پزشکی ارائه شده اند که به صورت انتخابی به کدگذاری تصاویر می پردازند. در این روش ها ابتدا تصویر را به دو ناحیه تقسیم می کنند که یکی از نواحی حاوی اطلاعات مهم پزشکی است و باید به صورت بدون اتلاف کد شود. ناحیه دیگر ناحیه ای است که می توان آن را به صورت دارای اتلاف اما با کیفیت بالا فشرده سازی کرد. در این مقاله ما به فشرده سازی تصاویر MRI سه بعدی به صورت انتخابی و مبتنی بر خواص ناحیه با ارائه یک روش جدید پرداخته ایم. بدین منظور پس از مشخص کردن نواحی موردنظر تصاویر، ابتدا برش اول تصویر را به صورت انطباق داده شده با داده های تصویر مش بندی می کنیم. سپس با محاسبه تغییرات هر المان مش در گذر از یک برش به برش دیگر، تخمینی از مقادیر شدت تصویر در برش های بعد به دست می آوریم. در ادامه با استفاده از تبدیل ویولت مبتنی بر ناحیه (RBDWT) و کد کننده OB-SPIHTمقادیر تصویر باقیمانده که از تفاضل برش های تصویر اولیه و تخمین آنها از روی برش قبل حاصل می شوند را کد می کنیم. در این روش ناحیه موردنظر تصویر به طور کامل بدون اتلاف بازیافت می شود.
