پردازش سیگنالهای حیاتی
صفا رفیعیوند؛ محمد حسن مرادی؛ حسین اصل سلیمانی؛ زهرا ممیز صنعت
دوره 17، شماره 2 ، شهریور 1402، ، صفحه 120-130
چکیده
از جمله بیماریهای سیستم گوارش، اختلالات حرکتی مری است که در آن حرکت تودة غذایی در طول مری به صورت طبیعی اتفاق نمیافتد. روش استاندارد برای تشخیص این موارد، بهرهگیری از مانومتری رزولوشن بالا است. علیرغم وجود راهنماهای پزشکی مانند راهنمای شیگاکو برای تحلیل نتایج مانومتری، این موضوع کماکان کاری دشوار بوده که نیاز به تجربة بالای ...
بیشتر
از جمله بیماریهای سیستم گوارش، اختلالات حرکتی مری است که در آن حرکت تودة غذایی در طول مری به صورت طبیعی اتفاق نمیافتد. روش استاندارد برای تشخیص این موارد، بهرهگیری از مانومتری رزولوشن بالا است. علیرغم وجود راهنماهای پزشکی مانند راهنمای شیگاکو برای تحلیل نتایج مانومتری، این موضوع کماکان کاری دشوار بوده که نیاز به تجربة بالای پزشک و یا استفاده از دیگر روشهای کمکی ثانویه برای تشخیص دارد. از سوی دیگر، بسیاری از اختلالات مذکور میتوانند به صورت توأم در این فرد ظاهر شوند و تشخیصگذاری را پیچیدهتر کنند.در این مطالعه، تمرکز بر روی بیمارانی با بیش از یک اختلال به صورت توأم است و موضوع تشخیص بیماری به صورت یک مسألة طبقهبندی چندبرچسبی مطرح شده است. از این رو ساختار طبقهبند فازی که پیشتر توسط نویسندگان به منظور تشخیص تک-بیماری معرفی شده است، توسعه یافته تا علاوه بر یادگیری فضای ورودی نمونهها، از اطلاعات همشیوعی اختلالات نیز برای بهبود پیشبینی بهره ببرد. نتایج به دست آمده نشان میدهد، اضافه کردن این اطلاعات به فرآیند تعلیم طبقهبند نه تنها عملکرد آن را نسبت به حالت پایه به شکل قابل ملاحظهای افزایش میدهد، بلکه منجر به ساختاری از طبقهبندیکنندة فازی میشود که نسبت به روشهای دیگر طبقهبندی چندبرچسبی برتری دارد. روش معرفی شده قادر است با هزینة همینگ متوسط 08/0 ± 18/0 اختلالات حرکتی مری را تشخیص دهد که نسبت به دیگر روشها عملکرد بهتری را نشان میدهد.
پردازش سیگنالهای حیاتی
راحله داودی؛ محمدحسن مرادی
دوره 12، شماره 1 ، خرداد 1397، ، صفحه 25-39
چکیده
افسردگی یکی از شایعترین اختلالات روانی عصر حاضر است که تشخیص زودهنگام شدت آن میتواند در روند درمان مفید باشد. یکی از روشهای تشخیص این بیماری، تحلیل اطلاعات حاصل از سیگنالهای الکتریکی مغزی میباشد. در این مقاله، به دنبال تمایز میان سطوح افسردگی با استفاده از تحلیل سیگنال مغزی هستیم. مدل پیشنهادی، سیستم عمیق مبتنی بر قاعده با ...
بیشتر
افسردگی یکی از شایعترین اختلالات روانی عصر حاضر است که تشخیص زودهنگام شدت آن میتواند در روند درمان مفید باشد. یکی از روشهای تشخیص این بیماری، تحلیل اطلاعات حاصل از سیگنالهای الکتریکی مغزی میباشد. در این مقاله، به دنبال تمایز میان سطوح افسردگی با استفاده از تحلیل سیگنال مغزی هستیم. مدل پیشنهادی، سیستم عمیق مبتنی بر قاعده با استفاده از قابلیت پشته است و تمرکز روی تفسیرپذیری قواعد در کنار دقت بالا میباشد. سیستمهای فازی قابلیت مناسبی را در طبقهبندی دادگان پزشکی با عدم قطعیت نشان دادهاند. افزون بر این، در سالهای اخیر یادگیری عمیق، توجه ویژهای را در حوزهی هوش مصنوعی کسب کرده است. در این مقاله به دنبال بهرهگیری از قابلیتهای هر دو رویکرد، در قالب یک سیستم فازی عمیق هستیم. سیستم پیشنهادی از یک رویکرد خوشهبندی مقاوم بهره میبرد که قادر است تعداد خوشههای بهینه برای هر لایه را به صورت بدون سرپرست تعیین نماید. در کنار آن، مدل پیشنهادی از یک ساختار سلسلهمراتبی پشتهای بهره میبرد، به این صورت که قواعد آموزشیافتهی تفسیرپذیر در لایهی اول را با برچسبهای زبانی یکسان برای تمام ورودیها، به صورت خروجی لایهی اول در کنار ورودی، به لایهی بعد منتقل نماید. وجود خروجی قواعد لایههای قبل در فضای ورودی لایههای بعد معادل قابلیت اطمینان در سیستم فازی با تالی خطی یا یک سیستم فازی با تالی غیرخطی میباشد. دادگان مورد استفاده پس از پیشپردازش، استخراج ویژگیهای زمانی، فرکانسی و غیرخطی نظیر بعد نگاشت بازگشتی و کاهش بعد، به سیستم پیشنهادی ارائه شد. سیستم پیشنهادی با طبقهبندهای متداول نظیر شبکهی عصبی، ماشین بردار پشتیبان، بیز ساده، درخت تصمیم و آنالیز افتراقی خطی مقایسه شد. نتایج صحت دادگان تست به دست آمده در 30 تکرار (۴۹.۰۱% در مقابل به ترتیب 32/41 %، 47/40%، 01/40%، 38/38% و 28/40%)، بیانگر قابلیت قابل توجه این مدل در تفکیک چهار سطح افسردگی میباشد.
بیوانفورماتیک / زیستدادهورزی
امین جانقربانی؛ محمد حسن مرادی
دوره 10، شماره 3 ، مهر 1395، ، صفحه 197-209
چکیده
نوزادان کموزن در هنگام تولد، نوزادانی با وزن کمتر از 2500 گرم در هنگام تولد هستند. این نوزادان بیشتر از سایر نوزادن، در معرض خطرات مرگومیر، ناهنجاریهای مادرزادی، عقبماندگی ذهنی و سایر اختلالات فیزیکی و عصبی هستند. حدود 5/15% از موالید در سطح دنیا، نوزادان با وزن کم در هنگام تولد هستند و کاهش این میزان از موالید به یکسوم مقدار ...
بیشتر
نوزادان کموزن در هنگام تولد، نوزادانی با وزن کمتر از 2500 گرم در هنگام تولد هستند. این نوزادان بیشتر از سایر نوزادن، در معرض خطرات مرگومیر، ناهنجاریهای مادرزادی، عقبماندگی ذهنی و سایر اختلالات فیزیکی و عصبی هستند. حدود 5/15% از موالید در سطح دنیا، نوزادان با وزن کم در هنگام تولد هستند و کاهش این میزان از موالید به یکسوم مقدار فعلی، بهعنوان یکی از اهداف برنامة یونیسف مطرح شده است. با توجه به موارد ذکرشده، پیشآگهی تولد این نوزادان، نقش مهمی در پیشگیری از وقوع آن دارد. بهعلاوه ، زمینه را برای تصمیمگیریهای بالینی بهموقع و مؤثر برای حفظ سلامت آنان فراهم میآورد. در این پژوهش، از شبکههای فازی شواهدی، بهعنوان مدل پیشآگهی تولد نوزادان با وزن کم هنگام تولد، استفاده شد این شبکهها با استفاده از منطق فازی و تئوری شواهد، قابلیت مدیریت وجوه مختلف عدم قطعیت را دارند. نتایج بهدستآمده از بهکارگیری شبکههای فازی شواهدی و سایر مدلهای پرکاربرد در این زمینه، مانند درخت تصمیمگیری، ماشین بردار پشتیبان و مدل بیز ساده و...، روی پایگاه دادة مربوط به سه بیمارستان شهر تهران، نشان داد که شبکة فازی شواهدی با صحت 84.8% ، عملکرد بهتری از سایر مدلها دارد. در رویکردی دیگر، ترکیب نتایج شبکة فازی شواهدی با مدل بیز ساده، به افزایش صحت پیشآگهی به 85.2 % منجر شد. علاوه بر این، توانایی این شبکهها در برخورد با دادههای گمشده، بهعنوان یکی از چالشهای رایج در مجموعه دادههای پزشکی، بررسی شد. شبکة فازی شواهدی، بهترین عملکرد را در مدیریت عدم قطعیت ناشی از جانهی دادههای گمشده در مقایسه با سایر مدلها، از خود نشان داد و عملکرد آن با افزایش متغیرهای گمشده در هر نمونه، با افت کمتری از سایر روشها روبرو شد.
ابزاردقیق پزشکی
رسول باغبانی؛ محمد حسن مرادی
دوره 10، شماره 2 ، شهریور 1395، ، صفحه 149-160
چکیده
در این مقاله، ایدة جدیدی برای طراحی سنسور بیوامپدانس الکتریکی مناسب و به شکل فورسپس نمونهبرداری برای اندازهگیری خواص الکتریکی، یعنی رسانندگی و گذردهی بافتهای داخلی بدن، پیشنهاد شده است. برای طراحی آن، ابتدا رابطة خواص الکتریکی بافت با جریان و ولتاژ در بافت گوهشکل داخل دهانة فورسپس بیوامپدانس، با تعیین پاسخ معادلة ...
بیشتر
در این مقاله، ایدة جدیدی برای طراحی سنسور بیوامپدانس الکتریکی مناسب و به شکل فورسپس نمونهبرداری برای اندازهگیری خواص الکتریکی، یعنی رسانندگی و گذردهی بافتهای داخلی بدن، پیشنهاد شده است. برای طراحی آن، ابتدا رابطة خواص الکتریکی بافت با جریان و ولتاژ در بافت گوهشکل داخل دهانة فورسپس بیوامپدانس، با تعیین پاسخ معادلة لاپلاس به روش منابع جریان تصویر، بهدست آمد. سپس برای ارزیابی فورسپس بیوامپدانس طراحیشده، مدلسازی به روش المان محدود و با استفاده از دادههای تجربی بهدست آمده برای بافتهای مختلف توسط محققین، انجام شد. نتایج مدلسازی نشان داد که ولتاژ بهدستآمده برای تمام نقاط بافت داخل دهانة فورسپس بیوامپدانس در فرکانسهای مختلف 50 هرتز تا 5 مگاهرتز، با مقادیر بهدستآمده به روش تحلیلی مطابقت دارد. در ادامه برای بررسی تأثیر زاویة دهانة فورسپس، اندازهگیریها بهازای زوایای مختلف دهانة فورسپس انجام شد و مشخص شد که هر چقدر زاویة دهانه کوچکتر باشد، اندازهگیری دقیقتر خواهد بود. اندازهگیریها با تغییر حجم و شکل بافت نیز انجام شدند و مشخص شد که فورسپس بیوامپدانس طراحیشده، حساسیتی به تغییر حجم و شکل بافت نداشته و مقاوم است. برای تأیید عملی، با ساخت آزمایشگاهی فورسپس بیوامپدانس و استفاده از امپدانسآنالایزر، رسانندگی محلول سالین در پهنای باند فرکانسی 50 کیلوهرتز تا 1 مگاهرتز و در غلظتهای مختلف اندازهگیری شد. برای بررسی صحت مقادیر اندازهگیری شده، روش واندرپو پیادهسازی شد و رسانندگی الکتریکی محلول سالین، دوباره با این روش اندازهگیری شد. نتایج، نشاندهندة صحت اندازهگیری رسانندگی محلول سالین با فورسپس بیوامپدانس پیشنهادی بود. از ویژگیهای این فورسپس بیوامپدانس، میتوان به قابلیت اندازهگیری غیرتهاجمی خواص الکتریکی بافتهای داخل بدن در مدت زمان کوتاه و ثابت نگهداشتن بافت هنگام اندازهگیری اشاره کرد.
پردازش سیگنالهای حیاتی
معصومه رحیمی؛ محمد حسن مرادی؛ فرناز قاسمی
دوره 10، شماره 1 ، اردیبهشت 1395، ، صفحه 59-68
چکیده
هدف این مقاله، بررسی ارتباطات مؤثر مغزی براساس روش تابع انتقال جهتدار (DTF) است. این ارتباطات برای دادههای ثبتشده، از ترکیب حالتهای توجه و هوشیاری، که چهار دستة توجه-هوشیاری، توجه-عدم هوشیاری، عدم توجه-هوشیاری و عدم توجه-عدم هوشیاری را ایجاد کردهاند، بهدست آمدند. از روی ماتریسهای بهدستآمده برای هر دسته، شاخصهایی ...
بیشتر
هدف این مقاله، بررسی ارتباطات مؤثر مغزی براساس روش تابع انتقال جهتدار (DTF) است. این ارتباطات برای دادههای ثبتشده، از ترکیب حالتهای توجه و هوشیاری، که چهار دستة توجه-هوشیاری، توجه-عدم هوشیاری، عدم توجه-هوشیاری و عدم توجه-عدم هوشیاری را ایجاد کردهاند، بهدست آمدند. از روی ماتریسهای بهدستآمده برای هر دسته، شاخصهایی مرسوم در حوزة DTF، معرفی و محاسبه شدند. سپس شاخصهای این چهار دسته، برای بررسی وجود اختلاف معنادار از نظر ارتباطات مؤثر، با یکدیگر مقایسه شدند. برای بهدست آوردن روابط علّی خطی میان کانالها به روش DTF، از مدل خودکاهشی چندمتغیره استفاده شد. برای بررسی دقیقتر، سیگنالها به چهار باند فرکانسی پایه تقسیم شده و با آزمون اندازههای تکراری دوطرفه، وجود اختلاف معنادار در دستهها و باندها بررسی شد. براساس نتایج، از 12 شاخص بهدستآمده، دو شاخص و به تنهایی قادر به نمایش تمایز میان 5 حالت از 6 حالت ممکن از ترکیبات دوتایی دستهها هستند. تنها حالتی که هیچ کدام از شاخصها، تفاوت معناداری برای آن نشان ندادند، حالت عدم توجه-هوشیاری و عدم توجه-عدم هوشیاری بود.
پردازش سیگنالهای حیاتی
امین جانقربانی؛ محمدحسن مرادی؛ عبدالله آراسته
دوره 7، شماره 2 ، شهریور 1392، ، صفحه 163-174
چکیده
اپیزودهای افت فشار خون حاد یکی از اختلالات همودینامیکی رایج در طیف گسترد های از بیماران است. متاسفانه نرخ تلفات در بین بیماران مبتلا به این اختلال بسیار بالا می باشد. عوامل مختلفی در وقوع این اختلال فیزیولوژیک موثر هستند که هر کدام داری منشا متفاوت می باشند. پیش آگهی اپیزودهای افت فشار خون حاد کمک شایانی به درمان مناسب و کاهش تلفات ...
بیشتر
اپیزودهای افت فشار خون حاد یکی از اختلالات همودینامیکی رایج در طیف گسترد های از بیماران است. متاسفانه نرخ تلفات در بین بیماران مبتلا به این اختلال بسیار بالا می باشد. عوامل مختلفی در وقوع این اختلال فیزیولوژیک موثر هستند که هر کدام داری منشا متفاوت می باشند. پیش آگهی اپیزودهای افت فشار خون حاد کمک شایانی به درمان مناسب و کاهش تلفات این بیماران خواهد نمود. با پی شآگهی این اختلال فیزیولوژیکی، پزشکان قادر خواهند بود علت وقوع این اختلال را با استفاده از بررس یهای بالینی مختلف دریافته و درمان مناسبی بر اساس عامل وقوع آن، انتخاب کنند. در این پژوهش به منظور پیش آگهی اپیزودهای افت فشار خون حاد در بازه یک ساعت آینده، دو نوع ویژگی آماری از پارامترهای همودینامیکی و ویژگی های آشوبناک از سری های زمانی فیزیولوژیکی موجود در بازه دو ساعتی منتهی به به ابتدای بازه پیش بینی، استخراج گردید. سپس ویژگی های برگزیده با استفاده از الگوریتم ژنتیک، توسط ماشین بردار پشتیبان طبقه بندی شدند. دقت پیش آگهی برای ویژگ یهای آماری پارامترهای فیزیولوژیکی 5/87 درصد و برای ویژگی های آشوبی 85 درصد حاصل گردید. در ادامه به منظور استفاده از جنبههای مختلف اطلاعات موجود در دو دسته ویژگی و بهبود دقت پیش آگهی، فرآیند انتخاب ویژگی به صورت همزمان برای هر دو دسته ویژگی استخراج شده، اعمال گردید و بهترین ترکیب از میان هر دو دسته ویژگی انتخاب شد. دقت پیش آگهی برای دسته ویژگی تلفیقی بهینه، 95 درصد حاصل شد که در مقایسه با نتایج مطالعات پیشین بر روی مجموعه داده مشابه، بهبود قابل توجهی حاصل گردید.
پردازش تصاویر پزشکی
محمدحسن مرادی؛ محمدسجاد منوچهری؛ رضا ایرانی راد
دوره 5، شماره 4 ، اسفند 1390، ، صفحه 313-331
چکیده
بررسی میزان سفتی بافت، یکی از روشهای مهم تشخیص بیماریها است. این روش در ابتدا به صورت تهاجمی بوده ولی امروزه تلاشهای متعددی برای دستیابی بهروشهای غیرتهاجمی،تحت عنوان الاستوگرافیصورت پذیرفته است. داده پایهای که در الاستوگرافی مورد استفاده قرار میگیرد، جابجایی نسبی بافتاست که به کمک امواج فراصوترصدمیشود.در این سیستمها، ...
بیشتر
بررسی میزان سفتی بافت، یکی از روشهای مهم تشخیص بیماریها است. این روش در ابتدا به صورت تهاجمی بوده ولی امروزه تلاشهای متعددی برای دستیابی بهروشهای غیرتهاجمی،تحت عنوان الاستوگرافیصورت پذیرفته است. داده پایهای که در الاستوگرافی مورد استفاده قرار میگیرد، جابجایی نسبی بافتاست که به کمک امواج فراصوترصدمیشود.در این سیستمها، برای بدست آوردن میدان جابجایی، ابتدا یک تصویر از بافت اصلی تهیه شده و سپس با تصویری که از همان بافت پس از اعمال اندکی تحریک مکانیکی گرفته شده است، مقایسه میشود. کرنش (استرین) مکانیکی با محاسبه گرادیان تخمین میدان جابجایی، به صورت تصویری با سطوح خاکستری که الاستوگرام (تصویر کرنش) نام دارد، نمایش داده میشود. بر اساس نحوه ایجاد تحریکات مکانیکی در بافت، الاستوگرافی با امواج فراصوتبه چهار دستة الاستوگرافی استاتیک، دینامیک، موج برشی و غیرفعال تقسیم بندی میشوند. در نوع استاتیک اعمال نیرو به بافت توسط پزشک انجام میشود که به دلیل وابستگی به مهارت پزشک، نتایج قابل استناد نیست. در نوع دینامیک حرکت بافت توسط لرزاننده خارجیبه صورت ممتد انجام میشود که برای جلوگیری از تداخل تحریکات باید از سیستمهای تصویربرداری فوق سریع بهره گرفت که مشکلات عدم دسترسی و هزینه بالا را در پی خواهد داشت. الاستوگرافیمبتنی بر موج برشی که امروزه به عنوان روش غالب در سیستمهای الاستوگرافی مورد استفاده قرار گرفته است، مانند روش دینامیک دارای لرزاننده خارجی بوده ولی چون تحریک به صورتلحظهای اعمال میشود، مشکل تداخل تحریکات را ندارد. در روش غیرفعال،از حرکات فیزیولوژیکی بدن برای اعمال نیرو به بافت استفاده میشود.این روش در حال حاضر در مرحله تحقیقاتی است.
پردازش سیگنالهای حیاتی
ایثار نژادقلی؛ محمدحسن مرادی؛ فاطمه عبدالعلی
دوره 4، شماره 4 ، اسفند 1389، ، صفحه 279-292
چکیده
تاکنون از روشهای بسیاری برای طبقهبندی خودکار ضربان قلب استفاده شده است؛ اما تعداد بسیار اندکی از این روشها در طبقهبندی مستقل از بیمار کارایی مناسبی داشتهاند. در این مقاله، تئوری بازسازی فضای فاز برای طبقهبندی پنج نوع ضربان قلب (طبیعی، PVC، LBBB، RBBB و PB) در حالت مستقل از بیمار به کار رفته است. در روش اول و دوم ابتدا فضای فاز به ...
بیشتر
تاکنون از روشهای بسیاری برای طبقهبندی خودکار ضربان قلب استفاده شده است؛ اما تعداد بسیار اندکی از این روشها در طبقهبندی مستقل از بیمار کارایی مناسبی داشتهاند. در این مقاله، تئوری بازسازی فضای فاز برای طبقهبندی پنج نوع ضربان قلب (طبیعی، PVC، LBBB، RBBB و PB) در حالت مستقل از بیمار به کار رفته است. در روش اول و دوم ابتدا فضای فاز به دست آمده، مدلسازی شده و سپس با کمک طبقهبند بیزین کلاسیک، طبقهبندی انجام شده است. در روش اول مدل ترکیبی گوسین و و در روش دوم مدل بین به کار رفته است. در روش سوم، از بازسازی فضای فاز مستقیماً برای تعلیم تخمینزنندة شبکه عصبی با تأخیر زمانی استفاده شده؛ سپس طبقهبندی بر مبنای کمینه خطای پیشبینی، انجام شده است. نتایج هر سه روش در مقایسه با سایر روشهای طبقهبندی مستقل از بیمار بهبود قابل توجهی داشته است. بهترین نتایج مربوط به روش اول است که صحت طبقهبندی 5/92% در حالت مستقل از بیمار را نشان میدهد.
پردازش تصاویر پزشکی
سعید کرمانی؛ حمید ابریشمی مقدم؛ محمدحسن مرادی
دوره 2، شماره 3 ، آذر 1387، ، صفحه 215-231
چکیده
در این مقاله رویکرد جدیدی برای تجزیه و تحلیل دینامیک بطن چپ قلب مبتنی بر مدل شکل پذیر مش فعال 3D-AMM روی توالی از تصاویر تشدید مغناطیسی قلب مطرح می شود. این مدل بیان فشرده ای از مجموعه نقاط تصویر سه بعدی به دست می دهد که نتیجه تلفیق ریخت شناسی و هندسه هدف خواهد بود و با خواص کشسان قلب تزویج می شود. با برازش مدل به بردارهای جابه جایی ...
بیشتر
در این مقاله رویکرد جدیدی برای تجزیه و تحلیل دینامیک بطن چپ قلب مبتنی بر مدل شکل پذیر مش فعال 3D-AMM روی توالی از تصاویر تشدید مغناطیسی قلب مطرح می شود. این مدل بیان فشرده ای از مجموعه نقاط تصویر سه بعدی به دست می دهد که نتیجه تلفیق ریخت شناسی و هندسه هدف خواهد بود و با خواص کشسان قلب تزویج می شود. با برازش مدل به بردارهای جابه جایی پراکنده اولیه که به وسیله روند تناظریابی جدیدی به دست می آید، تغییر شکل بطنی تخمین زده می شود. به منظور توسعه مدل پیشنهادی قبلی، برش های میانی (بین برشی) و تقطیع آنها، به وسیله الگوریتم درون یابی مبتنی بر شکل نوینی، ایجاد شده است. ارزیابی با استفاده از اعمال الگوریتم بر روی 8 مجموعه توالی تصاویر (دو مجموعه توالی تصاویر مصنوعی و شش مجموعه حقیقی) انجام و نتایج به دست آمده با کارهای محققان دیگر مقایسه شده است. دقت این روش نیز بر روی تصاویر مصنوعی که به عنوان درستی زمینه در این تجزیه تحلیل ها شناخته شده، تخمین زده شده است. میانگین اندازه بردار خطا (تفاضل دو بردار میدان حرکت تخمینی و تحلیلی) کمتر ازmm 0.5 است. نتایج نشان می دهد، عملکرد این الگوریتم مقاوم، دقیق تر و بسیار سریع تر از الگوریتم های پیشنهادی قبلی ماست، به طوری که زمان اجرای الگوریتم تقریبا به میزان نصف کاهش یافته است. نتایج تخمین کرنش های نرمال بر روی تصاویر واقعی با نتایج به دست آمده از تجزیه و تحلیل چاپ شده از محققان دیگر، و همچنین نتایج آنالیز توالی تصاویر بیمار با مشاهدات بالینی مطابقت دارد.
پردازش سیگنالهای حیاتی
محمدحسن مرادی؛ بهادر مکی آبادی
دوره 2، شماره 2 ، شهریور 1387، ، صفحه 141-154
چکیده
طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار ...
بیشتر
طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس الگوریتم پس انتشار خطا بهبود یافته و از الگوریتم ژنتیک برای تنظیم نهایی استفاده شده است. به دلیل تعداد درجات آزاد بالا در حرکات ناحیه زیر آرنج در مقایسه با ناحیه بالای آن، از شش جفت الکترود برای برداشت سیگنال استفاده شده است. پس از حذف اغتشاش با فیلتر، ویژگی های رایجی چون متوسط قدرمطلق سیگنال، ضرایب کپستروم و ضرایب بسته ویولت هرس شده با آنتروپی به طبقه بندی کننده اعمال شده اند برای تضمین زمان واقعی بودن مرحله تشخیص (کمتر از ms100) و ساده تر شدن طبقه بندی، با استفاده از نگاشت آنالیز مولفه های اساسی، بعد ویژگی ها از 234 به 10 کاهش یافته است. ثبت های مربوط به 6 فرد در دو حالت 6 کلاس و 9 کلاس حرکتی ارزیابی شده و با طبقه بندی کننده ماشین بردار پشتیبان مقایسه شده است. در 9 کلاس صحت متوسط 96.7% به دست آمد که نسبت به ماشین بردار پشتیبان (76%) بهبود قابل توجهی دارد.
پردازش تصاویر پزشکی
علی رفیعی؛ محمدحسن مرادی؛ محمد رضا فرزانه
دوره 1، شماره 2 ، شهریور 1386، ، صفحه 83-93
چکیده
در این تحقیق فیلتر جدیدی برای حذف نویزهای لکه ای از تصاویر سونوگرافی طراحی شده است. فیلتر طراحی شده فیلتری با قابلیت های یادگیری شبکه های عصبی، تطبیق اطلاعات با قالب فازی و بهینه شدن متغیرها بر اساس الگوریتم ژنتیک تک عضوی است. شبکه عصبی به کار رفته یک شبکه چهار لایه رو به جلو با وزن های باینری است. ورودی در پنجره ای از همسایگی های پیکسل ...
بیشتر
در این تحقیق فیلتر جدیدی برای حذف نویزهای لکه ای از تصاویر سونوگرافی طراحی شده است. فیلتر طراحی شده فیلتری با قابلیت های یادگیری شبکه های عصبی، تطبیق اطلاعات با قالب فازی و بهینه شدن متغیرها بر اساس الگوریتم ژنتیک تک عضوی است. شبکه عصبی به کار رفته یک شبکه چهار لایه رو به جلو با وزن های باینری است. ورودی در پنجره ای از همسایگی های پیکسل مورد پردازش فازی شده و به کمک قواعد ساده فازی مناسب آن اصلاح می شود. پهنای توابع عضویت و وزن های شبکه متغیرهایی اند که توسط الگوریتم ژنتیک بر خط (با یک عضو) و فقط با استفاده از عملگر جهش بهینه می شوند. نتایج به دست آمده نشان می دهد که این فیلتر سریع و هوشمند نسبت به فیلترهای استاندارد مانند میانه و وینر قدرت حذف نویز بالاتری دارد. همچنین با مقایسه این فیلتر با فیلتر فازی عصبی با الگوریتم یادگیری ژنتیک با 50 عضو جمعیت مشاهده شد که قابلیت کاهش نویز در هر دو نوع فیلتر مشابه بوده است هر چند سرعت یادگیری در فیلتر طراحی شده بسیار بیشتر است.
پردازش سیگنالهای حیاتی
وحید ابوطالبی؛ محمدحسن مرادی؛ محمدعلی خلیلزاده
دوره -1، شماره 1 ، آبان 1383، ، صفحه 25-45
چکیده
مولفه P300 یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها ...
بیشتر
مولفه P300 یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها نشان می دهد اغلب پردازش های شناختی مورد بررسی در ویژگی های مربوط به باندهای دلتا و تتا بروز یافته اند و هر دسته شامل چند ویژگی، مربوط به یکی از زیرپردازش های درگیر در طی تولید P300 هستند. هدف از این تحقیق، به عنوان یک گام اولیه برای طراحی روشی برای دروغ سنجی با استفاده از امواج مغزی، پیاده سازی سیستمی بوده که بتواند از روی این ویژگی ها، تک ثبت های حاوی موج P300 را از تک ثبت های فاقد این موج تفکیک نماید.برای این منظور در مرحله اول با استفاده از "تحلیل تفکیکی قدم به قدم" یک تابع تفکیک بهینه به صورت ترکیب خطی نه عدد از این ویژگی ها طرح شد که قادر است با دقت حدود 75 درصد در دادگان آموزش و 71 درصد در دادگان آزمون، تک ثبت های مربوط به تحریک های هدف و غیرهدف را از یکدیگر جدا کند. بررسی های بیشتر نشان داد تنها با استفاده از سیگنال ثبت شده در کانالPz نیز می توان تقریبا به همین میزان تفکیک رسید. در مرحله بعد، برای دسته بندی داده ها از یک استراتژی یاد گیری مدولار متکی به آنالیز مولفه های اصلی و شبکه های عصبی استفاده شد. در نهایت با تعلیم این سیستم با ثبت های موجود، در بهترین وضعیت از حالات پیاده سازی شده، حداکثر دقت تفکیک حدود 76 درصد روی دادگان آموزش و حدود 72 درصد روی دادگان آزمون به دست آمد.