پردازش سیگنالهای حیاتی
فرین کهربا؛ مریم محبی؛ حامد داننده حصار
دوره 11، شماره 2 ، مرداد 1396، ، صفحه 187-199
چکیده
مرگ ناگهانی قلبی یکی از مهمترین عوامل مرگ و میر در جهان به شمار رفته، و در بین مرگهای ناشی از بیماریهای قلبی سهم عمدهای را به خود اختصاص میدهد. یکی از راههای کاهش آمار مرگ ناشی از این دسته از بیماریها، تشخیص به موقع وقوع ناهنجاریهای خطرناک قلبی است. اساس این تحقیق بر این باور استوار است که ناهنجاریهای مخاطرهآمیز ...
بیشتر
مرگ ناگهانی قلبی یکی از مهمترین عوامل مرگ و میر در جهان به شمار رفته، و در بین مرگهای ناشی از بیماریهای قلبی سهم عمدهای را به خود اختصاص میدهد. یکی از راههای کاهش آمار مرگ ناشی از این دسته از بیماریها، تشخیص به موقع وقوع ناهنجاریهای خطرناک قلبی است. اساس این تحقیق بر این باور استوار است که ناهنجاریهای مخاطرهآمیز قلبی به صورت ناگهانی رخ نمیدهند، بلکه دقایقی قبل از وقوعشان، علائم و یا اختلالات پیشزمینهای به وجود میآید که حاکی از وقوع آنها است. هدف این مقاله، بررسی و مدلسازی سیگنالهای قلبی با استفاده از فیلتر کالمن تعمیمیافته، بر اساس مدل دینامیکی غیرخطی برای آشکارسازی ناهنجاریهای پیشزمینهای و معرفی یک اندیس برای تشخیص زودهنگام مرگ ناگهانی قلبی میباشد. در رویکرد ارائه شده، از نسخهی قطبی مدل دینامیکی غیرخطی سیگنال قلب مکشری استفاده میشود. در این مدل غیرخطی، هر ضربان از سیگنال الکتروکاردیوگرام به صورت مجموعهای از موجکهای گوسی بیان می شود. در الگوریتم پیشنهادی این مقاله، ابتدا مدل دینامیکی قلب با افزودن معادلات خودبازگشتی مربوط به پارامترهای مدل، اصلاح شده و سپس یک فیلتر کالمن تعمیمیافته، از آن مدل برای پردازش سیگنال قلبی استفاده میکند. در گام بعد، یک الگوریتم ابتکاری بر اساس ساختار پیشنهادی و با استفاده از نظارت بر سیگنال وفاداری (که تابعی از سیگنال نوآوری فیلتر کالمن است)، به تشخیص ناهنجاریهای موجود قبل از وقوع مرگ ناگهانی قلبی میپردازد. روش ارائه شده، روی سیگنالهای قلبی گرفته شده از 20 فرد مبتلا به مرگ ناگهانی قلبی (گروه تست) و همچنین 18 فرد نرمال (گروه کنترل) موجود در پایگاههای دادهی فیزیونت ارزیابی شده است. نتایج به دست آمده حاکی از تغییر رفتار سیگنال وفاداری قبل از وقوع مرگ ناگهانی قلبی است. نتایج اعمال این الگوریتم روی20 فرد بیمار موجود در پایگاه دادهی "مرگ ناگهانی قلبی هولتر" فیزیونت نشان داده است که شاخص استخراج شده قادر است 17 مورد از 20 حمله را قبل از وقوع تشخیص دهد و دقتی در حدود 85 % داشته باشد.
پردازش سیگنالهای حیاتی
محسن ناجی؛ سید محمد فیروزآبادی؛ صدیقه کهریزی
دوره 7، شماره 1 ، خرداد 1392، ، صفحه 13-20
چکیده
سیگنالهای الکترومایوگرام (EMG) که از عضلات تنه، مانند عضله راست شکمی و عضله مایل خارجی، برداشت میشوند؛ غالباً تحت تأثیر فعالیت الکتریکی عضله قلب (ECG) قرار میگیرند. در این مقاله روشی جدید برای حذف تداخل ECG از EMG بر اساس تجزیه سیگنال به حالت تجربی معرفی شده است. روش پیشنهادی با روش فیلتر بالاگذرباترورث مقایسه شد و نتایج حاصل از تحلیل ...
بیشتر
سیگنالهای الکترومایوگرام (EMG) که از عضلات تنه، مانند عضله راست شکمی و عضله مایل خارجی، برداشت میشوند؛ غالباً تحت تأثیر فعالیت الکتریکی عضله قلب (ECG) قرار میگیرند. در این مقاله روشی جدید برای حذف تداخل ECG از EMG بر اساس تجزیه سیگنال به حالت تجربی معرفی شده است. روش پیشنهادی با روش فیلتر بالاگذرباترورث مقایسه شد و نتایج حاصل از تحلیل سیگنالهای تداخل یافته مصنوعی و واقعی عملکرد بهتر الگوریتم پیشنهادی را برای حذف تداخل ECG ازEMG نشان داد.
پردازش تصاویر پزشکی
جمال اسماعیل پور؛ ستار میرزاکوچکی؛ جلیل سیف علی هرسینی؛ عبدالرحیم کدخدا محمدی
دوره 1، شماره 3 ، آذر 1386، ، صفحه 167-176
چکیده
در این مقاله کارکرد شبکه عصبی کوانتیزه کننده برداری (LVQ) در طبقه بندی شش نوع سیگنال الکتروکاردیوگرام (ECG) با استفاده از ویژگی های استخراج شده به وسیله تبدیل ویولت مرتبه شش خانواده دابیچی بررسی شده است. شش سیگنال مورد نظر عبارت اند از: ECG نرمال و ECG مربوط به اختلالات بلوک شاخه چپ دسته دهلیزی بطنی، بلوک شاخه راست دسته ...
بیشتر
در این مقاله کارکرد شبکه عصبی کوانتیزه کننده برداری (LVQ) در طبقه بندی شش نوع سیگنال الکتروکاردیوگرام (ECG) با استفاده از ویژگی های استخراج شده به وسیله تبدیل ویولت مرتبه شش خانواده دابیچی بررسی شده است. شش سیگنال مورد نظر عبارت اند از: ECG نرمال و ECG مربوط به اختلالات بلوک شاخه چپ دسته دهلیزی بطنی، بلوک شاخه راست دسته دهلیزی بطنی، انقباض زودرس بطنی، ضربانات کند، و ترکیب ضربانات نرمال با آرام. داده های به کار رفته، داده های MIT/BIH اند. ابتدا با استفاده از فایل های تفسیر، الگوهای مربوط به شش نوع سیگنالECG جدا شده است. سپس به منظور استخراج هر چه بهتر ویژگی ها، الگوها فیلتر و مقیاس بندی شده اند. آنگاه انرژی پنج سیگنال جزییات دوم تا ششم حاصل از اعمال تبدیل ویولت تا شش سطح به عنوان ویژگی های استخراج شده از الگوها، برای آموزش و امتحان شبکه LVQ به کار رفته است. از هر دسته، 500 الگو برای آموزش شبکه و 100 الگو برای امتحان آن به کار رفته است. نتایج به دست آمده بیانگر دقت %93.1 برای شش دسته، و بالای %94.3 برای کمتر از شش دسته (2 تا 5 دسته) است. در ادامه میزان تفاوت و تشابه سیگنال های ECG از منظر ویژگی های به کار رفته بررسی شده است. سرانجام این روش از نظر دقت با چند روش دیگر طبقه بندی کننده اختلالات قلبی مقایسه شده است.
پردازش سیگنالهای حیاتی
محمد رضا نوروزی؛ محمد جواد یزدان پناه
دوره 1، شماره 1 ، خرداد 1386، ، صفحه 53-62
چکیده
در این تحقیق، با استخراج خواص پدیده های آشوبگون و بررسی سه دسته سیگنال قلبی شامل سیگنال های طبیعی، تاکیکاردی بطنی و فیبریلاسیون بطنی مشاهده شد که این خواص به صورت مشخصی در سیگنال فیبریلاسیون بطنی وجود دارند. از یک شبکه عصبی پس انتشار خطا برای جدا سازی سیگنال فیبریلاسیون بطنی نسبت به دو نوع دیگر سیگنال قلبی استفاده گردید. شبکه در دو ...
بیشتر
در این تحقیق، با استخراج خواص پدیده های آشوبگون و بررسی سه دسته سیگنال قلبی شامل سیگنال های طبیعی، تاکیکاردی بطنی و فیبریلاسیون بطنی مشاهده شد که این خواص به صورت مشخصی در سیگنال فیبریلاسیون بطنی وجود دارند. از یک شبکه عصبی پس انتشار خطا برای جدا سازی سیگنال فیبریلاسیون بطنی نسبت به دو نوع دیگر سیگنال قلبی استفاده گردید. شبکه در دو حوزه زمان و فرکانس تحت آموزش قرار گرفته و نتایج نشان داد که در حالت عادی، استفاده از سیگنال های زمانی در مقایسه با طیف فرکانسی از قابلیت اعتماد بالایی برخوردار نیست. بر اساس یک ایده نو و با استفاده از تکنیک «داده های جایگزین» که در فرآیند های آشوبگون به کار می رود، بهبود چشمگیری در کارآیی شبکه در حوزه زمان به دست آمد. همچنین شبیه سازی ها نشان داد که دینامیک آشوبگون تولید کننده سیگنال فیبریلاسیون بطنی، یک دینامیک متغیر با زمان است.