اولتراسوند در پزشکی / سونوگرافی / اکوگرافی / پژواکنگاری / صوتنگاری
مهسا عرب؛ علی فلاح؛ سعید رشیدی؛ مریم مهدی زاده دستجردی؛ نسرین احمدی نژاد
دوره 17، شماره 2 ، شهریور 1402، ، صفحه 140-150
چکیده
سرطان پستان رایجترین نوع سرطان در زنان است. بیش از 80% ناهنجاریهای پستان در مراحل اولیه خوشخیم هستند. بنابراین تشخیص زودهنگام مهمترین چالش برای درمان به موقع است. یکی از روشهای غیرتهاجمی و زمان واقعی برای غربالگری سرطان پستان، استفاده از سیگنالهای فرکانس رادیویی اولتراسوند (US RF) است. این روش، علاوه بر تمایز بافتی و مقرون ...
بیشتر
سرطان پستان رایجترین نوع سرطان در زنان است. بیش از 80% ناهنجاریهای پستان در مراحل اولیه خوشخیم هستند. بنابراین تشخیص زودهنگام مهمترین چالش برای درمان به موقع است. یکی از روشهای غیرتهاجمی و زمان واقعی برای غربالگری سرطان پستان، استفاده از سیگنالهای فرکانس رادیویی اولتراسوند (US RF) است. این روش، علاوه بر تمایز بافتی و مقرون به صرفهبودن، در مقایسه با روشهای دیگر، نیازی به تجهیزات تکمیلی ندارد. این پژوهش با هدف ارایهی رویکردی هوشمند برای طبقهبندی ضایعات خوشخیم، مشکوک و بدخیم پستان براساس ویژگیهای موثر استخراجشده از سری زمانی US RF صورتگرفتهاست. مجموعه دادهی US RF ثبتشده با عنوان USRFTS شامل 170 داده از ضایعات مذکور است که از 88 بیمار بهدستآمدهاست. روش پیشنهادی در این تحقیق شامل چهار بخش اصلی پیشپردازش، استخراج ویژگی، انتخاب ویژگی و طبقهبندی است. در مرحلهی پیشپردازش، پس از بازسازی تصاویر B-mode از سریهای زمانی US RF ثبتشده، ناحیهی دارای ضایعه (ROI) در هر تصویر B-mode توسط پرتوشناس به صورت دستی انتخاب شدهاست. در ادامه، ویژگیهای مختلف حوزههای زمان و فرکانس در مرحلهی استخراج ویژگی از هر ROI استخراج و پس از آن، ویژگیهای موثر با استفاده از روش کلونی مورچه انتخاب شدند. در نهایت، دادگان با استفاده از طبقهبندهای ماشین بردار پشتیبان (SVM)، K-نزدیکترین همسایه (KNN)، درخت تصمیم (DT)، تجزیهی تشخیص خطی (LDA) و همچنین روش طبقهبندی با مرجع (RCM) مورد ارزیابی قرار گرفتند. با توجه به نتایج، بیشینهی صحت طبقهبندی دو کلاسه و سه کلاسه به ترتیب 95/94% و 33/93% ارزیابی شدند.
سیده سمیه نقیبی؛ علی فلاح؛ علی مالکی؛ فرناز قاسمی
دوره 13، شماره 3 ، مهر 1398، ، صفحه 247-257
چکیده
پیشبینی درست مسیر مطلوب حرکتی در سیستمهای کنترل و بازتوانی حرکت مانند تحریک الکتریکی عملکردی و رباتدرمانی بسیار ضروری میباشد. به نظر میرسد که حرکات دسترسانی انسان متشکل از مجموعهای از زیرحرکات است که هر زیرحرکت تصحیحی از مسیر کلی حرکت میباشد. با استفاده از زیرحرکات میتوان انجام حرکات پیچیده، یادگیری، تطبیقپذیری ...
بیشتر
پیشبینی درست مسیر مطلوب حرکتی در سیستمهای کنترل و بازتوانی حرکت مانند تحریک الکتریکی عملکردی و رباتدرمانی بسیار ضروری میباشد. به نظر میرسد که حرکات دسترسانی انسان متشکل از مجموعهای از زیرحرکات است که هر زیرحرکت تصحیحی از مسیر کلی حرکت میباشد. با استفاده از زیرحرکات میتوان انجام حرکات پیچیده، یادگیری، تطبیقپذیری و دیگر ویژگیهای سیستم کنترل حرکت را تفسیر نمود. هدف این پژوهش پیشبینی و تولید حرکات دسترسانی دوجزئی در صفحه با استفاده از مدلی شبیه به مکانیسم واقعی تولید حرکات انسان و بر مبنای زیرحرکت میباشد. دادگان مورد استفاده شامل تکرارهای مختلف چهار نوع حرکت دسترسانی در صفحه از سه سوژه است. پس از پیشپردازش و فازبندی حرکات، تجزیهی حرکات به زیرحرکتهای کمینهی جرک انجام شده است. در مرحلهی بعد، آموزش سه شبکهی عصبی مجزا برای یادگیری پارامترهای زیرحرکتها شامل دامنه، دوره و زمان شروع زیرحرکات انجام شده، شبکههای عصبی در ترکیب یک مدل حلقهی بسته قرار گرفته و پیشبینی حرکات بر اساس مدل تصحیح خطا با استفاده از زیرحرکات توسط این مدل صورت گرفته است. نرخ دسترسی به هدف برای تمام حرکات پیشبینی شده توسط مدل زیرحرکت برابر با 100% به دست آمده است. همچنین مقادیر میانگین فاصله از هدف، درصد VAF و میانگین خطای MSE بین مسیرهای حرکتی اصلی و پیشبینی شده نشان میدهد که حرکات پیشبینی شده با تقریب بسیار خوبی نسبت به حرکات اصلی تشکیل شدهاند. نتایج نشان میدهد که وقتی شبکههای عصبی آموزش داده شده با زیرحرکات در یک مدل حلقهی بسته قرار گیرند به دلیل جبرانسازی خطاهای منتشر شده از مراحل قبل، به خوبی میتوانند زیرحرکات مناسبی را برای دسترسی کامل به اهداف حرکتی پیشبینی کنند. از نتایج این مطالعه میتوان برای بهبود روشهای بازتوانی حرکتی استفاده نمود.