آنالیز حرکت انسان
علی مالکی؛ الهام حسنی
دوره 16، شماره 3 ، آذر 1401، ، صفحه 217-228
چکیده
بیماری پارکینسون یک بیماری تخریبکننده عصبی است که باعث اختلالات حرکتی شدیدی از جمله برادیکینزی، سفتی و لرزش میشود. هیچ درمانی برای بیماری پارکینسون وجود ندارد و تنها میتوان با علائم آن مقابله کرد. تشخیص بیماری پارکینسون با استفاده از مقیاس جهانی سطحبندی MDS-UPDRS صورت میگیرد. در این مقیاس، چهار سطح جزئی، خفیف، متوسط و شدید برای ...
بیشتر
بیماری پارکینسون یک بیماری تخریبکننده عصبی است که باعث اختلالات حرکتی شدیدی از جمله برادیکینزی، سفتی و لرزش میشود. هیچ درمانی برای بیماری پارکینسون وجود ندارد و تنها میتوان با علائم آن مقابله کرد. تشخیص بیماری پارکینسون با استفاده از مقیاس جهانی سطحبندی MDS-UPDRS صورت میگیرد. در این مقیاس، چهار سطح جزئی، خفیف، متوسط و شدید برای بیماری تعریف میشود که آزمون نواخت انگشتان یکی از موارد مقیاس سطحبندی است. نگاشت بازرخداد و ویژگیهای RQA، ابزاری برای توصیف رفتار سامانههای آشوبناک و آشکار ساختن الگوهای پنهان در پویایی سامانه میباشند. در این مقاله، اثر پیشرفت سطح بیماری پارکینسون بر ویژگیهای آشوبی RQA مورد مطالعه قرار گرفته است. به این منظور، از مجموعه دادگان شتابسنج نصب شده روی دست حین انجام آزمون نواخت انگشت استفاده شده که شامل 67 داده سالم، 54 داده سطح یک، 66 داده سطح دو، 59 داده سطح سه و 14 داده سطح چهار بیماری است. پس از انجام پیشپردازش، نگاشتهای بازرخداد دادگان رسم و ویژگیهای RQA آنها محاسبه شد. الگوهای نگاشتهای بازرخداد شامل نقاط بازرخداد مجزا، خطوط قطری، خطوط عمودی، مربعهای سیاه رنگ و نوارهای سفید رنگ افقی و عمودی بررسی شدند. طبق نتایج به دست آمده، الگوهای نگاشتهای بازرخداد دارای تفاوتهای معناداری در بین سطوح مختلف بیماری پارکینسون بودند. بنابراین میتوان از ویژگیهای RQA برای تعیین خودکار سطح بیماری پارکینسون بهره برد.
سیستمهای واسط مغز-رایانه
علی مالکی؛ مائده آزادی مقدم
دوره 16، شماره 3 ، آذر 1401، ، صفحه 229-240
چکیده
برای اینکه کاربرد رابط مغز-رایانه(BCI) مبتنی بر پتانسیل برانگیخته بینایی حالت ماندگار (SSVEP) از آزمایشگاه به زندگی واقعی منتقل شود، خستگی به عنوان یک چالش جدی مطرح است. اجرای طولانیمدت فرمانها در یک سیستمBCI میتواند منجر به خستگی ذهنی سوژه و در نتیجه، ایجاد نارضایتی و کاهش کارآیی سیستم شود. اولین قدم برای کاهش اثرات نامطلوب خستگی، ...
بیشتر
برای اینکه کاربرد رابط مغز-رایانه(BCI) مبتنی بر پتانسیل برانگیخته بینایی حالت ماندگار (SSVEP) از آزمایشگاه به زندگی واقعی منتقل شود، خستگی به عنوان یک چالش جدی مطرح است. اجرای طولانیمدت فرمانها در یک سیستمBCI میتواند منجر به خستگی ذهنی سوژه و در نتیجه، ایجاد نارضایتی و کاهش کارآیی سیستم شود. اولین قدم برای کاهش اثرات نامطلوب خستگی، داشتن شاخصی کمی برای خستگی است. اگرچه شاخصهای فرکانسی جزء پرکاربردترین شاخصهای ارزیابی خستگی بوده است ولی نتایج پژوهشهای پیشین در این زمینه با یکدیگر همسو نیستند. از این رو، جای بررسی دقیق و جامعی برای چگونگی اثر خستگی بر شاخصهای فرکانسی خالی است. در این مقاله تمام شاخصهای فرکانسی خستگی معرفی شده در مطالعات گذشته و دامنه طیف زیرباندهای فرکانسی به طول 1هرتز، 2هرتز و 4 هرتز برای اولین بار به منظور بررسی دقیقتر، ارزیابی شده است. بدین منظور، تحریک بینایی با استفاده از 9 نشانه با فرکانسهای مختلف برای سوژهها نمایش داده شد و از آنها خواسته شد به نشانه هدف توجه کنند. تحریک بینایی به صورت پیوسته و بدون استراحت بوده تا از خستهشدن سوژهها در انتهای آزمون اطمینان حاصل شود. به منظور ارزیابی خستگی، از شاخصهای فرکانسی متوسط دامنه باندهای فرکانسی تتا، آلفا، بتا و بخشهای باند فرکانسی 4-30هرتز با گامهای 1 هرتز، 2 هرتز و 4 هرتز استفاده شد. نتایج نشان میدهد متوسط دامنه باند فرکانسی 9-8 هرتز شاخص مناسبتری برای ارزیابی خستگی است. این ویژگی به دلیل عدم تمرکز سوژه و تلاش ذهنی برای حفظ سطح هوشیاری بیشترین تغییرات را با خستگی دارد.
سیستمهای واسط مغز-رایانه
مرضیه علیرضایی علویجه؛ علی مالکی
دوره 16، شماره 1 ، اردیبهشت 1401، ، صفحه 1-9
چکیده
امروزه استفاده از سیستم رابط مغز-رایانه مبتنی بر پتانسیلهای برانگیختهی بینایی حالت ماندگار به دلیل مزایایی مانند صحت قابل قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. با وجود این مزایا، نویزهای ناخواستهای که SSVEP را تحت تاثیر قرار میدهد از مسائلی است که میتواند سبب کاهش کارایی چنین سیستمهایی شود. در این مقاله از ...
بیشتر
امروزه استفاده از سیستم رابط مغز-رایانه مبتنی بر پتانسیلهای برانگیختهی بینایی حالت ماندگار به دلیل مزایایی مانند صحت قابل قبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. با وجود این مزایا، نویزهای ناخواستهای که SSVEP را تحت تاثیر قرار میدهد از مسائلی است که میتواند سبب کاهش کارایی چنین سیستمهایی شود. در این مقاله از الگوریتم EMD در مرحلهی ابتدایی و از روشهای CCA یا LASSO برای بازشناسی فرکانس تحریک استفاده شده است. در گام اول، الگوریتم EMD اعمال شده است تا سیگنال غیرایستان SSVEP به توابعی نوسانی تجزیه شده و امکان استخراج ویژگیهای بامعنی از سیگنال SSVEP فراهم شود. در بین IMF-های به دست آمده از روش EMD، تنها IMF-هایی انتخاب شده که دامنهی طیف فرکانسی آنها در محدودهی فرکانسی مربوط به تحریک بیشتر بوده است. با این گزینش میتوان سیگنالهای حاوی نویز و فاقد اطلاعات ارزشمند را کنار گذاشت. در ادامه دو روش تشخیصی CCA و LASSO روی مجموع سیگنالهای انتخابی اجرا شده است تا به کمک آنها فرکانس تحریک شناسایی شود. نتایج شبیهسازی، صحت بازشناسی 76/81 و 26/82 درصد را به ترتیب برای روشهای EMD-CCA و EMD-LASSO نشان داده در حالی که دو روش پایهی CCA و LASSO به ترتیب دارای صحتهای 10/78 و 72/78 درصد میباشند.
سیستمهای واسط مغز-رایانه
سپیده خنیوه؛ علی مالکی
دوره 12، شماره 2 ، شهریور 1397، ، صفحه 161-171
چکیده
پتانسیل برانگیختهی حالت ماندگار حسهای تنی (SSSEP)، یکی از سیگنالهای کنترلی برای رابطهای مغز-رایانه (BCI) است که مبتنی بر انعکاس تحریک لرزشی پوست با فرکانسهای مشخص در سیگنالهای مغزی است. سیستمهای BCI مبتنی بر SSSEP در مقایسه با سیستمهای BCI مبتنی بر تحریک بینایی، خستگی بینایی ایجاد نمیکنند و به ویژه در بیمارهای با سندروم قفلشدگی ...
بیشتر
پتانسیل برانگیختهی حالت ماندگار حسهای تنی (SSSEP)، یکی از سیگنالهای کنترلی برای رابطهای مغز-رایانه (BCI) است که مبتنی بر انعکاس تحریک لرزشی پوست با فرکانسهای مشخص در سیگنالهای مغزی است. سیستمهای BCI مبتنی بر SSSEP در مقایسه با سیستمهای BCI مبتنی بر تحریک بینایی، خستگی بینایی ایجاد نمیکنند و به ویژه در بیمارهای با سندروم قفلشدگی یا اسکلروز جانبی آمیوتروفیک (ALS) میتوانند مورد استفاده قرار گیرند. تاکنون مطالعات کمی در زمینهی SSSEP و کاربردهای آن در سیستمهای BCI صورت گرفته که دلیل آن چالش برانگیز بودن پیادهسازی سختافزار این سیستم است. در این مقاله، یک دستگاه ایجاد کنندهی تحریک لرزشی مبتنی بر عملگر موتور لرزشی، پیشنهاد و ساخته شده است. این دستگاه دارای دو کانال خروجی مجزا برای اعمال تحریک لرزشی به دو نقطهی متفاوت بدن است. فرکانسهای خروجی هر کانال در بازهی 35-15 هرتز با گام یک هرتز تنظیمپذیر هستند. برای جلوگیری از انتشار نویز الکترومغناطیس، عملگرهای لرزشی و تمامی اجزای دستگاه، شیلد شدهاند.
برهمکنش انسان و رایانه
سحر صادقی؛ علی مالکی
دوره 11، شماره 2 ، مرداد 1396، ، صفحه 101-109
چکیده
بهمنظور افزایش تعداد فرکانسهای تحریک در واسط مغز-کامپیوتر مبتنی بر پتانسیل برانگیختهی بینایی حالت ماندگار، با توجه به محدودیت کاهش گام فرکانسی، ناگزیر به افزایش گسترهی فرکانسی میباشیم. این موضوع، قرارگیری فرکانسهای با رابطهی هارمونیک در گسترهی فرکانسهای تحریک و افزایش خطا در بازشناسی فرکانس را در پی خواهد داشت.در ...
بیشتر
بهمنظور افزایش تعداد فرکانسهای تحریک در واسط مغز-کامپیوتر مبتنی بر پتانسیل برانگیختهی بینایی حالت ماندگار، با توجه به محدودیت کاهش گام فرکانسی، ناگزیر به افزایش گسترهی فرکانسی میباشیم. این موضوع، قرارگیری فرکانسهای با رابطهی هارمونیک در گسترهی فرکانسهای تحریک و افزایش خطا در بازشناسی فرکانس را در پی خواهد داشت.در این مقاله، روشی سه مرحلهای، شامل تجزیهی حالت تجربی، تحلیل همبستگی متعارف و طبقهبند شبکهی عصبی، ارائه شده است، که میتواند مشکل خطای بازشناسی را برای گسترهی وسیع فرکانسی که شامل فرکانسهای با رابطهی هارمونیک هستند را برطرف نماید. بدین منظور، تحریک بینایی در محدودهی 6 تا 16، با گام فرکانسی 5/0 هرتز، با استفاده از جعبهابزار سایکوفیزیکس در متلب ایجاد شد. ثبت سیگنال پتانسیل برانگیختهی بینایی حالت ماندگار از ده سوژه و تنها از الکترود Oz صورت گرفت. پس از استخراج توابع حالت ذاتی سیگنال توسط تجزیهی حالت تجربی و بازسازی سیگنالهای ترکیبی، تحلیل همبستگی متعارف اعمال گردید. دو ویژگی شامل فرکانس بازشناسی شده و مقدار همبستگی در این فرکانس، استخراج و به طبقهبند شبکهی عصبی داده شد.میانگین صحت بازشناسی بهازای پنجرهی زمانی هشت ثانیه، برای تحلیل همبستگی متعارف (1N=)، %78 و برای تحلیل همبستگی متعارف (2N=)، %74 بود که با روش پیشنهادی، به ترتیب به %82 و %77 افزایش یافت. N تعداد هارمونیکها در ایجاد سیگنال مرجع روش تحلیل همبستگی متعارف را نشان میدهد.بهطور متناظر، بهازای پنجرهی زمانی چهار ثانیه برای حالت 1N=، صحت از%78 به %83 و برای حالت 2N= از %78 به %80 افزایش یافت. روش پیشنهادی توانسته است برای گسترهی وسیع فرکانسی، صحت بازشناسی فرکانس را نسبت به روش تحلیل همبستگی متعارف استاندارد بهبود بخشد. بر این اساس، امکان افزایش تعداد گزینههای فرکانسی با وسیعتر نمودن گسترهی فرکانس تحریک و درنتیجه افزایش نرخ انتقال اطلاعات فراهم میگردد.
بیوالکتریک
مرضیه علیرضایی علویجه؛ علی مالکی
دوره 10، شماره 2 ، شهریور 1395، ، صفحه 187-196
چکیده
سیستم واسط مغز- کامپیوتر مبتنی بر پتانسیلهای برانگیختة بینایی حالت ماندگار، بهدلیل مزایایی چون سادگی راهاندازی و استفاده از سیستم، صحت کافی و همچنین نرخ تبادل اطلاعات قابلقبول، مورد توجه قرار گرفته است. علاوهبر این مزایا، برای داشتن سیستمی که در دنیای واقعی قابلاستفاده بوده و قابلیت کاربرد برخط را داشته باشد، زمان ...
بیشتر
سیستم واسط مغز- کامپیوتر مبتنی بر پتانسیلهای برانگیختة بینایی حالت ماندگار، بهدلیل مزایایی چون سادگی راهاندازی و استفاده از سیستم، صحت کافی و همچنین نرخ تبادل اطلاعات قابلقبول، مورد توجه قرار گرفته است. علاوهبر این مزایا، برای داشتن سیستمی که در دنیای واقعی قابلاستفاده بوده و قابلیت کاربرد برخط را داشته باشد، زمان پردازش کوتاه نیز معیاری مهم است. در این مقاله، با ارائة روشی برمبنای استفاده از معیار همبستگی، فرکانس تحریک در SSVEP بازشناسی شده است. روش پیشنهادی در دو مرحلة برونخط و برخط انجام میشود. در مرحلة برونخط، روش CCA استاندارد، بین ثبت SSVEP فرد و سیگنالهای مرجع سینوسی- کسینوسی اجرا شده و برای ساخت سیگنالهای الگو از وزنهای بهوجود آورندة بیشینة همبستگی استفاده میشود. در مرحلة برخط، با محاسبة همبستگی برای سیگنال آزمایش و سیگنالهای الگو و استفاده از بزرگترین مقدار همبستگی، فرکانس متناسب با آن بهعنوان فرکانس تحریک تعیین میشود. نتایج شبیهسازی، صحت بازشناسی فرکانس بیشتر و در عین حال، زمان محاسبات کمتر روش پیشنهادی را نسبت به روش CCA استاندارد، نشان میدهند.
پردازش سیگنالهای حیاتی
مینا همتیان؛ علی مالکی
دوره 9، شماره 2 ، مرداد 1394، ، صفحه 163-178
چکیده
قلب انسان سیستمی آشوبناک است؛ ازاینرو برای شناسایی انواع آریتمیهای قلبی از بعد فرکتال استفاده میشود. آریتمیهای قلبی یکی از شایعترین بیماریها هستند که شناسایی آنها بسیار مهم است. نمای هورست معیاری برای ارزیابی میزان آشوبناکی سیستمها و کمیسازی بعد فرکتال سیستمهای آشوبناک است، که با روش تحلیل دامنة بازمقیاس محاسبه ...
بیشتر
قلب انسان سیستمی آشوبناک است؛ ازاینرو برای شناسایی انواع آریتمیهای قلبی از بعد فرکتال استفاده میشود. آریتمیهای قلبی یکی از شایعترین بیماریها هستند که شناسایی آنها بسیار مهم است. نمای هورست معیاری برای ارزیابی میزان آشوبناکی سیستمها و کمیسازی بعد فرکتال سیستمهای آشوبناک است، که با روش تحلیل دامنة بازمقیاس محاسبه میشود. براساس مطالعات انجام شده، نمای هورست کلاسیک ویژگی مناسبی برای طبقهبندی آریتمیهای قلبی نیست؛ زیرا از یکسو، انتخاب و تعیین مقدار پارامترها بهشدت بر مقدار محاسبه شده برای نمای هورست تاثیر میگذارد و از سوی دیگر، این روش وابستگی بسیاری به نرخ ضربان قلب دارد. در این مقاله، شاخص هورست چندگانة اصلاح شده برای طبقهبندی آریتمیهای قلبی پیشنهادشده است که نسبت به نمای هورست کلاسیک، ویژگیهای مناسبتری برای طبقهبندی آریتمیهای قلبی فراهم میسازد و نسبت به تغییرات نرخ ضربان قلب نیز مقاوم است. بررسیهای انجام شده با استفاده از این روش روی 80 سیگنال، شامل ریتم نرمال و آریتمیهای انسداد دستة شاخة راست (RBBB)، انسداد دستة شاخة چپ (LBBB) و انقباض زودرس دهلیزی(APC) از پایگاه دادة MIT-BIH، توانسته است با استفاده از طبقهبندیکنندههای LDA ، نزدیکترین همسایه و شبکة عصبی بهترتیب به صحت طبقهبندی 75/88 %، 25/96 % و 100 % منجر شود.
پردازش سیگنالهای حیاتی
آفرین ناظمی؛ علی مالکی
دوره 8، شماره 4 ، دی 1393، ، صفحه 411-420
چکیده
طبقهبندی حرکتهای اعضای دیستال با استفادهاز سیگنالهای الکترومایوگرام سطحی (sEMG) قسمت پروکسیمال، بخش مهمی در کنترل پروتزهای مایوالکتریک است. در بیشتر مطالعات قبلی، طبقهبندی تعداد محدودی از حرکتهای دست، مورد بررسی قرار گرفتهاست. در این مقاله، از پایگاه دادهی NINAPROکه شامل دادههای کینماتیک و sEMGفرد سالم برای 52 حرکت انگشت، ...
بیشتر
طبقهبندی حرکتهای اعضای دیستال با استفادهاز سیگنالهای الکترومایوگرام سطحی (sEMG) قسمت پروکسیمال، بخش مهمی در کنترل پروتزهای مایوالکتریک است. در بیشتر مطالعات قبلی، طبقهبندی تعداد محدودی از حرکتهای دست، مورد بررسی قرار گرفتهاست. در این مقاله، از پایگاه دادهی NINAPROکه شامل دادههای کینماتیک و sEMGفرد سالم برای 52 حرکت انگشت، پنجه و مچ دست است استفاده شد. عملکرد طبقهبندی کنندههای LDAو LS-SVMبا کرنل RBF، به ازای ترکیبهای مختلف ویژگیها بررسی شد. ابتدا با پنجره گذاری به دو شیوهی مختلف، بخش اصلی سیگنال جدا شد و هشت ویژگی زمانی مختلف (MAV، IAV، RMS، WL، E، ER1، ER2، CC) از آن استخراج گردید. سپس، عملکرد هریک از طبقهبندی کنندهها با هرکدام از این ویژگیها و ترکیبهای دوتایی و چندتایی آنها بررسی شد. برای طبقهبندی کنندهی LDA بهترین میانگین دقتِ طبقهبندی، با شیوهی پنجره گذاری به روش اول و ترکیب ویژگیهای MAV (or IAV)+CC، 23/84 درصد محاسبه شد. این دقت برای طبقهبندی کنندهی LS-SVMبا شیوهی پنجره گذاری به روش دوم و ویژگیهای IAV+MAV+RMS+WL، به 19/85 درصد رسید.