نشریه‌ی علمی مهندسی پزشکی زیستی

پردازش سیگنال‌های حیاتی

بررسی عملکرد الگوریتم‌های فرا ابتکاری در استخراج پارامترهای مدل دینامیکی سیگنال ECG

جواد دلاور متنق؛ حامد داننده حصار؛ محمد هادی احمدی فام

دوره 17، شماره 1 ، خرداد 1402، ، صفحه 11-20

چکیده

  در سال‌های اخیر استفاده از الگوریتم‌های مدل-پایه برای پردازش سیگنال ECG رواج گسترده‌ای یافته است. استخراج مدل دینامیکی ECG یکی از مراحل مهم در این الگوریتم‌هاست که تأثیر مستقیمی در عملکرد آن‌ها دارد. پارامترهای موجود در این مدل را می‌توان با استفاده از الگوریتم‌های بهینه‌سازی محاسبه نمود. یکی از متداولترین الگوریتم‌ها در این زمینه ...  بیشتر در سال‌های اخیر استفاده از الگوریتم‌های مدل-پایه برای پردازش سیگنال ECG رواج گسترده‌ای یافته است. استخراج مدل دینامیکی ECG یکی از مراحل مهم در این الگوریتم‌هاست که تأثیر مستقیمی در عملکرد آن‌ها دارد. پارامترهای موجود در این مدل را می‌توان با استفاده از الگوریتم‌های بهینه‌سازی محاسبه نمود. یکی از متداولترین الگوریتم‌ها در این زمینه یک الگوریتم غیرخطی آفلاین می‌باشد که برای تقریب خوب مدل و پارامترهای آن، به نقاطی از سیگنال ECG نیاز دارد که توسط کاربر بایستی به‌صورت دستی انتخاب شود. علاوه بر مشکل فوق، تابع هدف در این الگوریتم یک تابع پیچیده است که درصورت انتخاب نادرست نقاط مناسب برای بهینه سازی خروجی مناسبی را دراختیار نخواهد گذاشت. در این مقاله یک الگوریتم جدید خودکار مبتنی بر الگوریتم‌های فراابتکاری معرفی می‌شود که نیازی به انتخاب دستی نقاط برای مدلسازی ECG ندارد. بعلاوه بخاطر ساده سازی فرآیند بهینه سازی، از دقت بالایی نسبت به الگوریتم بهینه‌سازی غیرخطی افلاین مورد اشاره برخوردار است. ازآنجایی‌که یک الگوریتم فراابتکاری ممکن است در برخی از مسائل بهینه‌سازی موفق و در برخی دیگر ناموفق عمل کند، در این مقاله عملکرد 9 الگوریتم فراابتکاری متداول مانند ازدحام ذرات، کلونی زنبور عسل، جستجوی فاخته و... در استخراج پارامترهای مدل دینامیکی ECG مورد بررسی قرار گرفت. جهت ارزیابی الگوریتم‌ها از 200 سیگنال‌ ثانیه‌ای مستخرج از پایگاه داده‌ی ریتم سینوس نرمال فیزیونت استفاده گردید. به منظور ارزیابی عملکرد الگوریتم‌ها، شباهت سیگنال‌های اصلی با سیگنال‌های مصنوعی ECG که توسط الگوریتمهای بهینه‌سازیساخته‌ می‌شدند مورد بررسی قرار گرفت. نتایج بررسی‌ها حاکی از آن بود که سه الگوریتم جستجوی فاخته، بهینه‌سازی مبتنی بر یادگیری و آموزش و بهینه‌سازی تبخیر آب بهترین عملکرد را در استخراج پارامترهای مدل دینامیکی ECG دارند. نتایج حاصل از این مطالعه نشان داده که خطای میانگین مربعات (MSE) الگوریتم پیشنهادی با استفاده از سه الگوریتم فراابتکاری فوق به ترتیب 50/1و 43/1و 40/1 می‌باشد.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

تشخیص بیماری‌ COPD از طریق تحلیل صدای ریه با تمرکز بر ویژگی‌های زمانی و بکار گیری شبکه مبتنی بر توجه زمانی و گیت‌های بازگشتی دوطرفه

داود سعادتی؛ ستار میرزاکوچکی

دوره 16، شماره 4 ، اسفند 1401، ، صفحه 61-70

چکیده

  بررسی صدای اندام‌های بدن یکی از روش‌های تشخیص بیماری‌های مختلف است که توسط پزشکان برای تحلیل صداهای عارضه‌ای بکار گرفته میشود، از آنجایی که بیشتر مرگ و میر ناشی از بیماری،‌ در کشورهای فقیری رخ میدهد که کمبود تجهیزات و متخصص دارند، ایجاد روش‌های تشخیصی مبتنی بر یادگیری ماشین و پردازش صوت که علاوه بر دردسترس بودن ، غیرتهاجمی و ارزان ...  بیشتر بررسی صدای اندام‌های بدن یکی از روش‌های تشخیص بیماری‌های مختلف است که توسط پزشکان برای تحلیل صداهای عارضه‌ای بکار گرفته میشود، از آنجایی که بیشتر مرگ و میر ناشی از بیماری،‌ در کشورهای فقیری رخ میدهد که کمبود تجهیزات و متخصص دارند، ایجاد روش‌های تشخیصی مبتنی بر یادگیری ماشین و پردازش صوت که علاوه بر دردسترس بودن ، غیرتهاجمی و ارزان نیز میباشند با تشخیص زودهنگام میتوانند باعث نجات میلیون‌ها انسان شوند. در مطالعات پیشین غالبا ورودی‌های بازتاب‌کننده‌ی ویژگی‌های فرکانسی صوت مورد استفاده قرار گرفته است، دراین مقاله علاوه بر آن از یک نمایش بازگشتی استفاده میکنیم که ویژگی‌های زمانی صوت را بازتاب میکند و به عنوان ورودی به شبکه‌های کانولوشنی داده میشود تا از مزیت‌های یادگیری انتقالی آن بهره‌مند شویم، با اضافه کردن مکانیزم توجه زمانی و شبکه گیت‌های بازگشتی دوطرفه، توالی داده‌های صوتی که یک سری زمانی است مورد بررسی قرار میگیرد و هر یک از داده‌ها با توجه به ارزشی که دارند وزن‌دهی میشوند. داده‌های استفاده شده در این مقاله از پایگاه داده صدای ریه ICBHI است که در مقاله‌های بسیاری استفاده شده است. روش ارائه شده توانست در طبقه بندی صدای ریه به سه دسته‌ی سالم، بیماری انسداد مزمن ریوی(COPD) و سایر بیماری ها به دقت 97 درصد برسد که نتیجه بهتری نسبت به سایر روش های بکار رفته برای این پایگاه داده میباشد.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

تخمین نرخ ضربان قلب جنین از سیگنال الکتروکاردیوگرام شکمی تک‌کاناله مبتنی بر تجزیه نامنفی ماتریس

امیررضا اسدی؛ ابوذر غفاری

دوره 16، شماره 4 ، اسفند 1401، ، صفحه 41-50

چکیده

  یکی از تکنیک‌های تخمین ضربان قلب جنین (FHR) استفاده از سیگنال الکتروکاردیوگرام (ECG) است. ECG رویکردی بسیار ایمن و ارزان می‌باشد و نسبت به روش‌‌های دیگر، برای مانیتورینگ از راه دور مناسب‌‌تر است. به این منظور، ثبت ECG شکمی مادر (AECG) مورد استفاده قرار می‌‌گیرد که علاوه بر ECG جنین (FECG) شامل سیگنال قلبی مادر (MECG)، فعالیت ماهیچه‌‌های مادر یا ...  بیشتر یکی از تکنیک‌های تخمین ضربان قلب جنین (FHR) استفاده از سیگنال الکتروکاردیوگرام (ECG) است. ECG رویکردی بسیار ایمن و ارزان می‌باشد و نسبت به روش‌‌های دیگر، برای مانیتورینگ از راه دور مناسب‌‌تر است. به این منظور، ثبت ECG شکمی مادر (AECG) مورد استفاده قرار می‌‌گیرد که علاوه بر ECG جنین (FECG) شامل سیگنال قلبی مادر (MECG)، فعالیت ماهیچه‌‌های مادر یا جنین، فعالیت‌‌های مغزی جنین و نویز‌ها است؛ بنابراین تخمین ضربان قلب جنین از روی سیگنال شکمی چالش‌های فراوانی دارد. در این پژوهش، نرخ ضربان قلب جنین از سیگنال AECG تک‌کاناله با استفاده از تجزیه‌‌ی نامنفی ماتریس (NMF) تخمین زده می‌‌شود. در این روش به منظور استفاده از اطلاعات حوزه‌‌ی زمان-فرکانس سیگنال شکمی، تبدیل فوریه‌‌ی زمان کوتاه (STFT) بر روی آن اعمال می‌شود و ماتریس STFT به عنوان ورودی NMF مورد استفاده قرار می‌گیرد. سطرهای ماتریس‌ نامنفی حاصل از این تجزیه، حاوی محتوای سیگنال مادر، جنین و نویز می‌باشند که از آن‌ها برای تخمین پیک R و نرخ ضربان قلب جنین استفاده می‌شود. مزیت این روش، عملکرد خوب آن در ثبت‌هایی است که دامنه‌ی ECG مادر و جنین نزدیک به هم هستند و تفکیک QRS های آن‌ها از یکدیگر چالش برانگیر است. عملکرد الگوریتم پیشنهادی بر روی دو پایگاه داده ADFECGDB و PCDB با روش‌های پیشین تک‌کاناله از جمله مدل‌های یادگیری عمیق مقایسه شده است. تحلیل نتایج آماری بدست آمده نشان می‌دهد که روش پیشنهادی، تخمین ضربان قلب و پیک R سیگنال جنین را با دقت خوبی انجام می‌دهد. بنابراین روش پیشنهاد برای مانیتورینگ طولانی مدت جنین مناسب است.

---

• مشاهده مقاله

پردازش سیگنال‌های حیاتی

طبقه‌بندی صداهای طبیعی از غیرطبیعی قلب با استفاده از روشهای مبتنی بر یادگیری ماشین

پرستو صادقی نیا؛ حامد داننده حصار

دوره 16، شماره 3 ، آذر 1401، ، صفحه 271-287

چکیده

  سیگنال‌های فونوکاردیوگرافی (PCG)، اطلاعات ارزشمندی را در مورد عملکرد دریچه‌های قلبی دارند. ازاین‌رو، این سیگنال‌ها در تشخیص زودهنگام بیماری‌های قلبی می‌توانند مفید واقع شوند. طبقه‌بندی خودکار صدای قلب، دارای پتانسیل امیدوارکننده‌ای در آسیب‌شناسی قلبی است. در این پژوهش، روشی خودکار برای تشخیص صداهای طبیعی از غیرطبیعی قلب پیشنهاد ...  بیشتر سیگنال‌های فونوکاردیوگرافی (PCG)، اطلاعات ارزشمندی را در مورد عملکرد دریچه‌های قلبی دارند. ازاین‌رو، این سیگنال‌ها در تشخیص زودهنگام بیماری‌های قلبی می‌توانند مفید واقع شوند. طبقه‌بندی خودکار صدای قلب، دارای پتانسیل امیدوارکننده‌ای در آسیب‌شناسی قلبی است. در این پژوهش، روشی خودکار برای تشخیص صداهای طبیعی از غیرطبیعی قلب پیشنهاد گردیده است. در روش پیشنهادی ابتدا صداهای قلبی به چهار بخش صدای S1، S2، سیستول و دیاستول قطعه‌بندی می‌گردند. سپس ویژگی‌های زمانی آماری و زمانی فرکانسی از هرکدام از این بخش‌ها استخراج می‌گردد. قبل از عملیات طبقه‌بندی داده‌ها، از دو رهیافت برای انتخاب ویژگی‌های مؤثر استفاده‌شده است. در رهیافت اول، انتخاب ویژگی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) و در رهیافت دوم با استفاده از جستجوی سلسله مراتبی (SFFS) انجام می‌گردد. روش پیشنهادی بر روی پایگاه داده چالش 2016 فیزیونت ارزیابی گردید و در نهایت عملکرد روش پیشنهادی با استفاده از روش اعتبارسنجی متقابل10لایه‌ای مورد ارزیابی قرار گرفت. همچنین، به علت نامتوازن بودن تعداد صداهای طبیعی نسبت به صداهای غیرطبیعی، از تکنیک بیش‌نمونه‌برداری اقلیت مصنوعی (SMOTE) برای تولید مجموعه داده‌های متعادل استفاده گردید. نتایج ارزیابی روی پایگاه داده فوق‌الذکر نشان دادند که روش پیشنهادی دارای صحت 03/98 درصد، حساسیت 64/97 درصد و اختصاصیت 43/98 درصد در تشخیص صداهای طبیعی از غیرطبیعی می‌باشد.

---

• مشاهده مقاله
• اصل مقاله 1.18 M

پردازش سیگنال‌های حیاتی

رویکردی جدید در پردازش الکتروانسفالوگرام با استفاده از نقشه‌ی آشوب‌گون چبیشف: کاربرد در طبقه‌بندی اضطراب

فائزه دانشمند بهمن؛ عاتکه گشوارپور

دوره 16، شماره 2 ، شهریور 1401، ، صفحه 115-131

چکیده

  اختلالات اضطرابی از شایع­ترین و ناتوان‌کننده­ترین اختلالات روانی در سراسر جهان به شمار می­آیند. از طرف دیگر از سال 2019 با شیوع کووید-19 اضطراب بین مردم و به خصوص کادر درمان افزایش پیدا کرده است. در حال حاضر اضطراب (زمانی که علائم کافی و شدید باشد) با استفاده از پرسش‌نامه و توسط افراد متخصص تشخیص داده می­شود. برای رفع این کاستی، ...  بیشتر اختلالات اضطرابی از شایع­ترین و ناتوان‌کننده­ترین اختلالات روانی در سراسر جهان به شمار می­آیند. از طرف دیگر از سال 2019 با شیوع کووید-19 اضطراب بین مردم و به خصوص کادر درمان افزایش پیدا کرده است. در حال حاضر اضطراب (زمانی که علائم کافی و شدید باشد) با استفاده از پرسش‌نامه و توسط افراد متخصص تشخیص داده می­شود. برای رفع این کاستی، اخیرا توجه محققان به استفاده از سیگنال­های مغزی جلب شده است. به همین منظور مطالعه‌ی حاضر با هدف تشخیص اضطراب با استفاده از سیگنال مغزی انجام شده است. نوآوری این مطالعه استفاده از نقشه‌ی آشوب‌گون چبیشف برای اولین بار در تحلیل سیگنال‌های بیولوژیکی است. در این مطالعه از پایگاه داده‌ی DASPS استفاده شده که شامل الکتروانسفالوگرام 14 کاناله از 23 نفر (10 مرد و 13 زن با میانگین سنی 30 سال) است. از نمرات آزمون خودارزیابی آدمک برای تقسیم اضطراب به دو و چهار سطح استفاده شده است. ابتدا داده­ها نرمال‌سازی شده و سپس نقشه‌ی آشوب‌گون بازسازی و به 128 نوار تقسیم شده است. چگالی نقاط در هر یک از نوارها محاسبه شده است. دو شاخص حداکثر چگالی و نمونه‌ی مربوط به آن به عنوان ویژگی در نظر گرفته شده است. در نهایت ویژگی‌ها به 5 روش شامل ویژگی 1 تمام کانال­ها، نگاشت ویژگی 1 تمام کانال­ها با استفاده از تجزیه و تحلیل اجزای اصلی (PCA)، ویژگی 2 تمام کانال­ها، نگاشت ویژگی 2 تمام کانال­ها با استفاده از PCA و هر ویژگی-هر کانال به طور جداگانه به دو طبقه­بند ماشین بردار پشتیبان (SVM) و K-نزدیک‌ترین همسایه (K-NN) اعمال شده است. نتایج حاکی از حداکثر صحت 75/93% برای تشخیص دو سطح اضطراب و 15/96% برای تشخیص چهار سطح اضطراب است. علاوه بر این، عمل‌کرد K-NN از SVM بهتر بوده است. در نتیجه می­توان الگوریتم پیشنهادی را به عنوان یک رویکرد مناسب برای تشخیص اضطراب معرفی کرد.

---

• مشاهده مقاله
• اصل مقاله 2.48 M

پردازش سیگنال‌های حیاتی

بهبود کارایی طبقه‌بندی خودکار آریتمی‌های قلبی با نگاشت اختصاصی فضای ویژگی هر بیمار

حمید شفاعت‌فر؛ مهدی تقی‌زاده؛ مرتضی ولی‌زاده؛ محمدحسین فاتحی

دوره 16، شماره 2 ، شهریور 1401، ، صفحه 147-158

چکیده

  تشخیص خودکار آریتمی­های قلبی برای درمان موفق بیماری­های قلبی از اهمیت زیادی برخوردار است و یادگیری ماشین برای این منظور مورد استفاده قرار می­گیرد. برای طبقه‌بندی صحیح کلاس‌های آریتمی، استخراج ویژگی­های مناسب جهت ایجاد تمایز بین کلاس­های مختلف، اهمیت زیادی دارد. در این مقاله از یک شبکه‌ی عصبی پیچشی عمیق برای استخراج ویژگی ...  بیشتر تشخیص خودکار آریتمی­های قلبی برای درمان موفق بیماری­های قلبی از اهمیت زیادی برخوردار است و یادگیری ماشین برای این منظور مورد استفاده قرار می­گیرد. برای طبقه‌بندی صحیح کلاس‌های آریتمی، استخراج ویژگی­های مناسب جهت ایجاد تمایز بین کلاس­های مختلف، اهمیت زیادی دارد. در این مقاله از یک شبکه‌ی عصبی پیچشی عمیق برای استخراج ویژگی استفاده شده است. با توجه به این که ضربان‌های قلبی بیماران مختلف دارای تفاوت زیادی هستند، کلاس­های آریتمی دارای تغییرات درون‌کلاسی زیادی خواهند بود. برای کاهش تغییرات درون‌کلاسی، ضربان‌های قلبی هر بیمار با یک تابع اختصاصی به نحوی نگاشت داده شده است که شباهت آن به ضربان­های قلبی یکی از بیماران آموزشی افزایش یابد. نگاشت اختصاصی پیشنهادی سبب کاهش تغییرات درون‌کلاسی شده و دقت طبقه‌بندی آریتمی­های قلبی را به میزان قابل ملاحظه­ای افزایش داده است. برای اثبات کارایی روش پیشنهادی، نتایج آن با چندین تحقیق جدید بر اساس سه معیار ارزیابی دقت، حساسیت و اختصاصیت و روی مجموعه‌ی داده‌ی یکسان مقایسه شده است. دقت به دست آمده حدود 24/96 درصد بوده که نشان دهنده‌ی کارایی بهتر روش پیشنهادی در مقایسه با سایر کارها است.

---

• مشاهده مقاله
• اصل مقاله 1.12 M

پردازش سیگنال‌های حیاتی

تشخیص زبان اشاره‌ی فارسی و حرکات دست توسط تجزیه‌ی سیگنال‌های الکترومایوگرام سطحی و اینرسی با تبدیل موجک تجربی

مسعود مرادی؛ سینا شامخی

دوره 16، شماره 2 ، شهریور 1401، ، صفحه 167-182

چکیده

  در سال‌های اخیر ساخت ابزارهایی که بتواند دشواری ارتباط میان افراد ناشنوا و عموم جامعه را آسان کرده و زبان اشاره را ترجمه کند مورد توجه پژوهش‌گران قرار گرفته است. با این حال مشکلاتی مانند پایین بودن صحت و سرعت محاسبات و هزینه‌ی زیاد ابزار مانع تجاری‌سازی تحقیقات شده ­است. دیگر چالش‌ موجود در ساخت ابزار کاربردی، لزوم عمل‌کرد خوب ...  بیشتر در سال‌های اخیر ساخت ابزارهایی که بتواند دشواری ارتباط میان افراد ناشنوا و عموم جامعه را آسان کرده و زبان اشاره را ترجمه کند مورد توجه پژوهش‌گران قرار گرفته است. با این حال مشکلاتی مانند پایین بودن صحت و سرعت محاسبات و هزینه‌ی زیاد ابزار مانع تجاری‌سازی تحقیقات شده ­است. دیگر چالش‌ موجود در ساخت ابزار کاربردی، لزوم عمل‌کرد خوب روش‌ها در دیدگاه آموزش به روش کنار گذاشتن یک نفر یا به بیانی دیگر در طبقه‌بندی داده‌های یک فرد جدید است. از این رو در این مقاله روشی کارآمد برای تشخیص حرکات دست با هدف ترجمه‌ی زبان اشاره ارائه شده است تا ضمن به کارگیری روشی با ابعاد کم، عمل‌کرد بهتری در انواع روش‌های آموزش به دست آید. در روش پیشنهادی، ویژگی‌های مقدار میانگین قدر مطلق، واریانس، ریشه‌ی میانگین مربعات، طول شکل موج، کشیدگی و چولگی از تبدیل موجک تجربی سیگنال‌های الکترومایوگرام و اینرسی استخراج گردیده است. سپس با روش ReliefF ویژگی‌های موثر انتخاب شده و برای طبقه‌بندی حرکات دست از ماشین بردار پشتیبان با هسته‌ی تابع پایه‌ی شعاعی استفاده شده است. درصدهای صحت روش پیشنهادی روی پایگاه داده­ی PSL و مجموعه‌های DB2، DB3، DB5 و DB7 از پایگاه داده‌ی نیناپرو به ترتیب در دیدگاه کلمه-فرد برابر 31/99%، 11/97%، 58/96%، 12/96% و 32/97%، در دیدگاه کلمه-همه‌ی افراد برابر 78/99%، 22/97%، 46/95%، 23/97% و 72/97% و در دیدگاه کنار گذاشتن یک فرد برابر 43/97%، 68/94%، 66/89%، 55/91% و 81/94% به دست آمده است. 

---

• مشاهده مقاله
• اصل مقاله 1.58 M

پردازش سیگنال‌های حیاتی

کاهش ابعاد برای سامانه‌ی واسط مغز-رایانه‌ی مبتنی بر تصور حرکتی با استفاده از کاهش کرون، تبدیل فوریه‌ روی گراف و تکامل تفاضلی

محمدداود خلیلی؛ وحید ابوطالبی؛ حمید سعیدی سورک

دوره 16، شماره 1 ، اردیبهشت 1401، ، صفحه 75-94

چکیده

  مغز انسان جزو شبکه‌های پیچیده و ناهمگن محسوب می‌شود و سیگنال‌های مغز حاوی اطلاعات زیادی هستند، از این رو محققان این حوزه همواره در صدد یافتن راه حل‌هایی مناسب برای انتخاب ویژگی‌های معنادار و کاهش بعد مناسب این اطلاعات بوده تا به طبقه‌بندی بهتری دست یابند. دو مورد از ابزارهای نوین برای پردازش سیگنال‌های مغزی، پردازش سیگنال روی ...  بیشتر مغز انسان جزو شبکه‌های پیچیده و ناهمگن محسوب می‌شود و سیگنال‌های مغز حاوی اطلاعات زیادی هستند، از این رو محققان این حوزه همواره در صدد یافتن راه حل‌هایی مناسب برای انتخاب ویژگی‌های معنادار و کاهش بعد مناسب این اطلاعات بوده تا به طبقه‌بندی بهتری دست یابند. دو مورد از ابزارهای نوین برای پردازش سیگنال‌های مغزی، پردازش سیگنال روی گراف (GSP) و روش‌های فراابتکاری و تکاملی هستند. در روش پیشنهادی این مقاله، دو ساختار هندسی و ترکیبی برای گراف مغز در نظر گرفته شده که در ساختار ترکیبی، وزن یال‌ها، ترکیب وزن‌دار دو معیار فاصله‌ی هندسی و همبستگی است. به منظور کاهش بعد گرافی، از معیار درجه‌ی وزن‌دار و ترکیب روش کاهش کرون با تبدیل فوریه‌ روی گراف (KG) استفاده شده است تا به نحو مناسبی اطلاعات تمام راس‌های گراف در رئوس منتخب حفظ شود. استخراج ویژگی توسط تخمین لدویت-وولف و روش نگاشت فضای مماسی انجام شده و برای کاهش بعد ویژگی‌های مستخرج، از روش تحلیل مولفه‌های اصلی (PCA) و انتخاب ویژگی بر اساس تکامل تفاضلی (DE) استفاده شده است. ویژگی‌های منتخب به چندین طبقه‌بند معروف حوزه‌ی یادگیری ماشین داده شده است. برای ارزیابی عمل‌کرد روش پیشنهادی از دادگان IV-a مسابقات BCI-III بهره گرفته شده است. نتایج نشان می‌دهد که میانگین صحت طبقه‌بندی روش پیشنهادی KG-PCA با طبقه‌بندهای ماشین بردار پشتیبان با تابع پایه‌ی شعاعی (SVM-RBF) و درخت تصمیم (DT) در گراف ساختاری و گراف ساختاری-عمل‌کردی نسبت به روش TSM-GFT در مطالعات پیشین بالاتر بوده و طبقه‌بند DT به میانگین درصد صحت 17/1±15/91 دست یافته است. هم‌چنین طبق نتایج به‌ دست آمده، عمل‌کرد روش پیشنهادی KG-DE در مقایسه با KG-PCA نیز بهتر بوده و در بهترین حالت، متوسط درصد صحت طبقه‌بند SVM-RBF برابر با 27/1±50/95 به دست آمده است. 

---

• مشاهده مقاله
• اصل مقاله 1.27 M

پردازش سیگنال‌های حیاتی

بازنمایی ارتباطات عمل‌کردی نواحی مغزی از روی سیگنال EEG برای بررسی تمایز در الگوهای زمانی رویدادهای تصویری

طاهره طالعی؛ علی مطیع نصرآبادی

دوره 15، شماره 4 ، اسفند 1400، ، صفحه 341-353

چکیده

  برای برقراری ارتباط با محیط زندگی که همیشه در حال تغییر ­است، مغز مدام به تولید و به‌­روزرسانی انتظارات مربوط به رویدادهای پیش رو و تخمین آن برای پاسخ­های حسی و حرکتی عصبی متناظر با آن نیاز دارد. هدف از این مطالعه بررسی ارتباطات در درک­ زمان در دو حالت ­قابل پیش­بینی و غیر­قابل پیش­بینی است. داده­های مورد استفاده در ...  بیشتر برای برقراری ارتباط با محیط زندگی که همیشه در حال تغییر ­است، مغز مدام به تولید و به‌­روزرسانی انتظارات مربوط به رویدادهای پیش رو و تخمین آن برای پاسخ­های حسی و حرکتی عصبی متناظر با آن نیاز دارد. هدف از این مطالعه بررسی ارتباطات در درک­ زمان در دو حالت ­قابل پیش­بینی و غیر­قابل پیش­بینی است. داده­های مورد استفاده در این پژوهش، سیگنال­های EEG ثبت شده از پایگاه داده‌ی موجود ­شامل آزمایشی روی 29 فرد سالم در دو حالت قابل پیش­بینی و غیرقابل پیش­بینی و در چهار تاخیر 83، 150، 400، 800 میلی­ثانیه برای هر فرد می­باشد. به منظور تخمین ارتباط عمل‌کردی از روی سیگنال­های مغزی از روش شاخص تاخیر­ فاز (PLI) استفاده شده است. این روش برای آشکارسازی درک ­زمان در دو حالت­ رویدادهای­ قابل پیش­بینی و غیرقابل پیش­بینی مورد استفاده قرار گرفته است. ابتدا به مقایسه‌ی چهار تاخیر در هر حالت پرداخته شده و نشان داده شده که بیش‌تر تمایز در باندهای گاما، بتا و تتا بوده است. هم‌چنین تفاوت معنادار بین تاخیرها در حالت قابل پیش­بینی نسبت به حالت غیرقابل پیش­بینی بیش‌تر بوده است. سپس به بررسی اختلافات بین دو حالت در هر تاخیر پرداخته شده که نتایج نشان دهنده‌ی اختلاف معنادار در تمام تاخیرها بوده است. باند آلفا در حالت ­غیر­قابل پیش­بینی در تاخیر 400 میلی­ثانیه تعداد ارتباطات بین نواحی پس­سری ­و­ گیج‌گاهی بیش‌تر و قوی­تر ­شده و هم‌چنین میانگین ارتباطات غیرقابل پیش­بینی از ­قابل پیش­بینی بیش‌تر بوده است. باند دلتا در تاخیرهای 150، 400 و 800 میلی­ثانیه ارتباط بین نواحی مرکزی ­و ­پیشانی وجود ­داشته در حالی که در تاخیر 83 میلی­ثانیه ارتباط قوی بین نواحی مرکزی ­و ­جلوپیشانی بوده است. نیم‌کره­ی راست جلوپیشانی در درک زمان مهم است. در طولانی­ترین تاخیر (800 میلی‌ثانیه) ارتباطات باندهای دلتا، تتا و بتا در هر دو حالت نسبت به سایر تاخیرها کاهش یافته است.     

---

• مشاهده مقاله
• اصل مقاله 1.42 M

پردازش سیگنال‌های حیاتی

چهارچوب مدل‌پایه‌ی بیزی بهبود یافته برای پردازش ECG در محیط‌های غیرایستا

حامد داننده حصار؛ امین داننده حصار

دوره 15، شماره 3 ، آذر 1400، ، صفحه 221-234

چکیده

  فیلتر کالمن گسترش یافته (EKF) نوعی چهارچوب بیزی غیرخطی شناخته شده بوده که تا کنون در زمینه‌های مختلف پردازش ECG به کار گرفته شده است. با این حال عمل‌کرد این فیلتر در حذف نویزهای غیرایستا مانند آرتیفکت‌ ماهیچه (MA) چندان رضایت­بخش نیست. در این مقاله با ارائه­ی یک مدل دینامیک ECG (EDM) اصلاح شده و یک فرمولاسیون جدید برای پیاده­سازی EKF، عمل‌کرد ...  بیشتر فیلتر کالمن گسترش یافته (EKF) نوعی چهارچوب بیزی غیرخطی شناخته شده بوده که تا کنون در زمینه‌های مختلف پردازش ECG به کار گرفته شده است. با این حال عمل‌کرد این فیلتر در حذف نویزهای غیرایستا مانند آرتیفکت‌ ماهیچه (MA) چندان رضایت­بخش نیست. در این مقاله با ارائه­ی یک مدل دینامیک ECG (EDM) اصلاح شده و یک فرمولاسیون جدید برای پیاده­سازی EKF، عمل‌کرد این فیلتر در محیط‌های غیرایستا بهبود داده شده است. در این EDM جدید، مدل اندازه‌گیری طوری اصلاح شده است که علاوه بر نویزهای گوسی، نویزهای غیرایستای غیرگوسی را نیز در نظر بگیرد. هم‌چنین فرمولاسیون پیشنهادی در این مقاله برای الگوریتم EKF، آن را قادر ساخته تا عمل‌کرد بهتری نسبت به EKF استاندارد در حذف نویزهای غیرایستا داشته باشد. فیلتر پیشنهادی مشخصات بالینی سیگنال‌های ECG را نیز بهتر از EKF استاندارد حفظ می‌کند. به منظور نمایش اثربخشی الگوریتم EKF پیشنهادی، عمل‌کرد نویززدایی آن روی سیگنال­های مستخرج از پایگاه داده‌ی ریتم سینوس نرمال MIT-BIH (NSRDB) در حضور دو نوع نویز غیرایستای مختلف (نویز صورتی مصنوعی و نویز آرتیفکت ماهیچه‌ی واقعی) ارزیابی شده است. نتایج ارزیابی­ها نشان داده که از منظر معیارهای بهبود SNR و MSEWPRD، چهارچوب EKF پیشنهادی در این مقاله عمل‌کرد بهتری نسبت به چهارچوب EKF استاندارد در محیط‌های غیرایستا دارد. 

---

• مشاهده مقاله
• اصل مقاله 1.92 M

پردازش سیگنال‌های حیاتی

فشرده‌سازی سیگنال‌های صوتی قلب نمونه‌برداری شده با نرخ بالا مبتنی بر نمونه‌کاهی و انطباق الگو

هادی گرایلو

دوره 15، شماره 3 ، آذر 1400، ، صفحه 247-262

چکیده

  امروزه قلب‌شنوایی یکی از راه‌های مهم و موثر در پایش بیماری‌های قلبی است. با پیش‌رفت تکنولوژی و تسهیل انجام دورمراقبتی از یک سو و افزایش نیاز به ضبط باکیفیت و طولانی‌مدت سیگنال صوتی قلب (PCG) از سوی دیگر، حجم داده‌های تولید شده افزایش پیدا کرده و بنابراین ذخیره‌سازی و انتقال این سیگنال‌ها با مشکل روبه‌رو شده است. این امر به نوبه‌ی ...  بیشتر امروزه قلب‌شنوایی یکی از راه‌های مهم و موثر در پایش بیماری‌های قلبی است. با پیش‌رفت تکنولوژی و تسهیل انجام دورمراقبتی از یک سو و افزایش نیاز به ضبط باکیفیت و طولانی‌مدت سیگنال صوتی قلب (PCG) از سوی دیگر، حجم داده‌های تولید شده افزایش پیدا کرده و بنابراین ذخیره‌سازی و انتقال این سیگنال‌ها با مشکل روبه‌رو شده است. این امر به نوبه‌ی خود اهمیت و ضرورت استفاده از روش‌های کارآمد فشرده‌سازی این نوع سیگنال‌ها را نشان می‌دهد. این روش‌ها باید میزان فشرده‌سازی بالا داشته و در عین حال کیفیت سیگنال و اطلاعات کلینیکی مهم را تا حد ممکن حفظ کنند. در این مقاله یک روش فشرده‌سازی با اتلاف برای سیگنال‌های PCG که با نرخ نمونه‌برداری نسبتا بالا ضبط شده پیشنهاد شده است به طوری که قادر به کنترل نسبی کیفیت سیگنال فشرده شده باشد. این روش مبتنی بر دو تکنیک نمونه‌کاهی دومرحله‌ای و انطباق الگو است. تکنیک پیشنهادی نمونه‌کاهی دومرحله‌ای موجب افزایش میزان فشرده‌سازی و کاهش حجم محاسبات می‌شود. تکنیک انطباق الگو نیز قادر به کاهش تزاید بین‌دوره‌ای و بنابراین افزایش میزان فشرده‌سازی است. نتایج شبیه‌سازی روش پیشنهادی روی دو پایگاه داده‌ی دانشگاه میشیگان و دانشگاه واشنگتن نشان داده که نمونه‌کاهی دومرحله‌ای و انطباق الگو سهم زیادی در افزایش میزان فشرده‌سازی دارند. کارایی روش پیشنهادی طبق معیارهای PRD و CR ارزیابی شده و با نتایج چند روش موجود مورد مقایسه قرار گرفته است. در این ارزیابی به ازای محدوده‌ی 5%PRD≤، مقدار CR برای پایگاه دانشگاه میشیگان بین 2500 تا 3900 و برای پایگاه دانشگاه واشنگتن بین 2500 تا 4125 به دست آمده است. هم‌چنین نتایج حاصل از اعمال روش پیشنهادی روی پایگاه داده‌ی پاسکال نشان داده که کارایی روش پیشنهادی تا حد زیادی به کیفیت و یک‌نواختی سیگنال‌های PCG ورودی بستگی دارد.

---

• مشاهده مقاله
• اصل مقاله 1.36 M

پردازش سیگنال‌های حیاتی

تفکیک افراد سالم و ADHD در دوران کودکی و بزرگ‌سالی با استفاده از فضای فاز EEG مرتب شده توسط قطعات پوانکاره‌ی شعاعی

بهناز شیخ الاسلامی؛ قاسم صادقی بجستانی؛ رضا یعقوبی کریموی؛ ریحانه ظریفیان

دوره 15، شماره 1 ، اردیبهشت 1400، ، صفحه 29-46

چکیده

  اختلال کم‌توجهی/بیش‌فعالی (ADHD) یک اختلال رشدی عصبی است که می‌تواند در افراد با سنین مختلف به خصوص در کودکان ایجاد شده و سبب تغییر در رفتار آن‌ها شود. مطالعات گذشته اغلب روی پردازش‌های حوزه‌ی فرکانسی و یا جنبه‌های دینامیک غیرخطی سیگنال‌های EEG از قبیل بعد همبستگی، بعد فرکتال، نمای لیاپانوف، آنتروپی و نرخ بازگشت فرایندهای مغزی برای ...  بیشتر اختلال کم‌توجهی/بیش‌فعالی (ADHD) یک اختلال رشدی عصبی است که می‌تواند در افراد با سنین مختلف به خصوص در کودکان ایجاد شده و سبب تغییر در رفتار آن‌ها شود. مطالعات گذشته اغلب روی پردازش‌های حوزه‌ی فرکانسی و یا جنبه‌های دینامیک غیرخطی سیگنال‌های EEG از قبیل بعد همبستگی، بعد فرکتال، نمای لیاپانوف، آنتروپی و نرخ بازگشت فرایندهای مغزی برای تفکیک افراد مبتلا به ADHD متمرکز بوده است. در این مطالعه با استفاده از قطاع‌های شعاعی پوانکاره در فضای فاز سیگنال‌های EEG افراد مبتلا به ADHD و افراد سالم در دو گروه خردسالان و بزرگ‌سالان، مرتب‌سازی این فضا و هم‌چنین استخراج ویژگی‌های هندسی مختلف، دیدگاه متفاوتی از میزان پیچیدگی فعالیت‌های مغزی و سطح پویایی افراد مبتلا به ADHD در مقایسه با افراد سالم ارائه شده و به ارزیابی حجم بستر نوسان سیگنال EEG پرداخته شده است. در نهایت با ارزیابی ویژگی‌های استخراج شده و استفاده از الگوریتم SFS بر مبنای طبقه‌بندی کننده‌ی RBF-SVM، تفکیک افراد مبتلا به ADHD از افراد سالم در دو گروه خردسالان و بزرگ‌سالان به ترتیب با صحت 04/2±20/93 و 13/1±60/95 انجام شده است. نتایج این تحقیق نشان داده که حجم بستر نوسان سیگنال EEG افراد مبتلا به ADHD نسبت به افراد سالم به طور قابل توجهی بیش‌تر بوده و این موضوع بیان‌گر افزایش میزان پویایی و در نتیجه کاهش میزان پیچیدگی فعالیت‌های مغزی در این افراد است. هم‌چنین در این پژوهش مشخص شده که افزایش حجم بستر نوسان سیگنال‌های EEG در کودکان نسبت به بزرگ‌سالان بیش‌تر بوده و این موضوع نشان دهنده‌ی افزایش سطح پویایی کودکان نسبت به بزرگ‌سالان است. بنابراین می‌توان ADHD و سن را به عنوان دو عامل مهم در افزایش حجم بستر نوسان سیگنال EEG معرفی کرد.

---

• مشاهده مقاله
• اصل مقاله 1.42 M

پردازش سیگنال‌های حیاتی

تنک‌سازی رگرسیون PLS با استفاده از نرم-2 ضرایب وزن‌دار: کاربرد در حل مساله‌ی بازشناسی احساسات

عارف عینی‌زاده؛ سپیده حاجی‌پور

دوره 14، شماره 3 ، مهر 1399، ، صفحه 221-233

چکیده

  سیگنال الکتریکی مغز به دلیل سهولت در ثبت، غیرتهاجمی بودن و دقت بالا کاربرد بسیار گسترده‌ای در حوزه‌های کلینیکی و تحقیقات دانشگاهی پیدا کرده است که از آن جمله می‌توان به بازشناسی احساس از روی سیگنال الکتریکی مغز اشاره کرد. برای مشخص کردن نوع احساس برانگیخته عموما از دو معیار خوشایندی و انگیختگی استفاده شده که به ترتیب میزان مثبت ...  بیشتر سیگنال الکتریکی مغز به دلیل سهولت در ثبت، غیرتهاجمی بودن و دقت بالا کاربرد بسیار گسترده‌ای در حوزه‌های کلینیکی و تحقیقات دانشگاهی پیدا کرده است که از آن جمله می‌توان به بازشناسی احساس از روی سیگنال الکتریکی مغز اشاره کرد. برای مشخص کردن نوع احساس برانگیخته عموما از دو معیار خوشایندی و انگیختگی استفاده شده که به ترتیب میزان مثبت یا منفی بودن و میزان برون‌فکنی یا هیجان ایجاد شده را برای یک احساس خاص مشخص می‌نمایند. اهمیت احساس با توجه به عکس­العمل­های ناشی از این پدیده در انجام وظایف روزانه به خصوص در فعالیت­هایی که به دقت و تمرکز نیاز دارند مشخص می­شود. در مساله‌ی بازشناسی احساس ابتدا احساسات مختلف با استفاده از محرک‌های حسی مناسب برای سوژه‌های مورد بررسی ایجاد شده و سیگنال‌های مغزی متناظر با هر تحریک ثبت می‌شود. دو مرحله‌ی پردازش اصلی در حل مساله‌ی بازشناسی احساسات، استخراج ویژگی‌های مناسب و استفاده از طبقه‌بندها یا رگرسیون‌های مناسب است. در پژوهش‌های پیشین محرک‌های مختلف بینایی و شنوایی مورد استفاده قرار گرفته و ویژگی‌ها و طبقه‌بندهای متنوع خطی و غیرخطی بررسی شده است. هدف این مقاله بهبود الگوریتم­های رگرسیون خطی برای تخمین بهتر معیارهای بازشناسی احساسات انسانی است. بدین منظور یک الگوریتم جدید ارائه شده است که از تنک بودن بردار ترکیب در کنار تابع هزینه‌ی رگرسیون خطی استفاده می‌کند. کارایی الگوریتم‌ ارائه شده روی داده‌های ساختگی مورد بررسی قرار گرفته و برتری آن نسبت به الگوریتم‌های رگرسیون خطی PLS، LASSO، SOPLS و Ridge نشان داده شده است. هم‌چنین برای اعمال الگوریتم‌ ارائه شده روی داده‌های EEG مربوط به بازشناسی احساسات از مجموعه‌ی دادگان DEAP استفاده شده و ویژگی ضرایب مدل AR از سیگنال‌های EEG استخراج شده است. نتایج به دست آمده از الگوریتم‌ پیشنهادی با نتایج سایر الگوریتم‌ها مقایسه شده‌ است که در مجموع برتری نسبی الگوریتم ارائه شده را نشان می‌دهد.

---

• مشاهده مقاله
• اصل مقاله 1.11 M

پردازش سیگنال‌های حیاتی

بررسی ارتباطات عمل‌کردی غیرخطی با استفاده از نظریه‌ی گراف و داده‌های تصویربرداری تشدید مغناطیسی عمل‌کردی حالت استراحت در بیماری آلزایمر

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.

---

• مشاهده مقاله
• اصل مقاله 1.34 M

پردازش سیگنال‌های حیاتی

طبقه‌بندی افراد الکلی و غیرالکلی مبتنی بر ویژگی‌های فرکانسی و غیرفرکانسی سیگنال مغزی

مریم دوروشی؛ ندا بهزادفر؛ غضنفر شاهقلیان

دوره 14، شماره 2 ، تیر 1399، ، صفحه 109-119

چکیده

  اثر اصلی، عمده و کوتاه‌مدت مصرف الکل روی سیستم اعصاب مرکزی است. مصرف مشروبات الکلی باعث ایجاد ناتوانی در مغز شده به طوری که مصرف زیاد آن باعث فلج شدن فعالیت­های مغزی، دستگاه تنفس و در نتیجه مرگ می‌شود. در این مقاله به منظور تشخیص مصرف الکل، سیگنال الکتروانسفالوگرام (EEG) 20 فرد شرکت کننده شامل 10 فرد الکلی و 10 فرد کنترل در 64 کانال مورد ...  بیشتر اثر اصلی، عمده و کوتاه‌مدت مصرف الکل روی سیستم اعصاب مرکزی است. مصرف مشروبات الکلی باعث ایجاد ناتوانی در مغز شده به طوری که مصرف زیاد آن باعث فلج شدن فعالیت­های مغزی، دستگاه تنفس و در نتیجه مرگ می‌شود. در این مقاله به منظور تشخیص مصرف الکل، سیگنال الکتروانسفالوگرام (EEG) 20 فرد شرکت کننده شامل 10 فرد الکلی و 10 فرد کنترل در 64 کانال مورد بررسی قرار گرفته است. به منظور تحلیل سیگنال EEG، ویژگی­های فرکانسی و غیرفرکانسی شامل طیف توان زیرباندها، آنتروپی جایگشتی، آنتروپی تقریبی، بعد فراکتال کتز و پتروشن استخراج شده است. برای بررسی تفاوت معنادار بین دو گروه الکل و کنترل از تحلیل آماری و از شاخص دﯾﻮﯾﺲ-ﺑﻮﻟﺪﯾﻦ (DB) برای انتخاب بهترین کانال جهت ایجاد تفکیک بین سیگنال EEG افراد الکلی و کنترل استفاده شده است. نتایج به دست آمده نشان می­دهد که در بین ویژگی­های فرکانسی، توان فرکانسی دومین زیرباند پایین آلفادر افراد الکلی کاهش یافته و با توجه به شاخص DB، کانال CP3 بهترین تفکیک‌پذیری را بین گروه الکل و کنترل داشته است. هم‌چنین در بین ویژگی­های غیرفرکانسی، بعد فراکتال کتز در افراد گروه کنترل افزایش یافته و کانال FP2 بهترین تفکیک‌پذیری را داشته است. در ادامه با استفاده از طبقه­بند k-نزدیک‌ترین همسایه (KNN) با ویژگی­های توان فرکانسی دومین زیرباند پایین آلفا و بعد فراکتال کتز به ترتیب دقت‌های 71% و 93% به دست آمده است. بر اساس نتایج به دست آمده نشان داده شده که بهترین ویژگی‌ تفکیک کننده‌ی دو گروه الکل و کنترل، بعد فراکتال کتز و بهترین کانال FP2 است.

---

• مشاهده مقاله
• اصل مقاله 950.04 K

پردازش سیگنال‌های حیاتی

استخراج تفاوت‌های معنی‌دار بین گروه‌ مبتلا به اختلال طیف اوتیسم و گروه کنترل با استفاده از آنالیز ارتباطات درون/بین شبکه‌ای مغز در حالت‌های گذرا و با در نظر گرفتن اثر سن و نمره‌ی پاسخ‌دهی اجتماعی

علیرضا طالش جفادیده؛ بابک محمدزاده اصل

دوره 14، شماره 2 ، تیر 1399، ، صفحه 143-157

چکیده

  اختلال طیف اوتیسم نوعی اختلال عصبی رشدی است که با اختلال در ارتباطات اجتماعی و رفتارهای محدود و تکراری تشخیص داده می‌شود. تصویربرداری تشدید مغناطیسیابزاری غیرتهاجمی و قدرتمند برای بررسی تغییرات در ساختار، عمل‌کرد و متابولیسم مغز کودکان مبتلا به اوتیسم و معرفی نشان‌گرهای زیستی مفید به شمار می­رود. مطالعه‌ی مقایسه­ای بین افراد ...  بیشتر اختلال طیف اوتیسم نوعی اختلال عصبی رشدی است که با اختلال در ارتباطات اجتماعی و رفتارهای محدود و تکراری تشخیص داده می‌شود. تصویربرداری تشدید مغناطیسیابزاری غیرتهاجمی و قدرتمند برای بررسی تغییرات در ساختار، عمل‌کرد و متابولیسم مغز کودکان مبتلا به اوتیسم و معرفی نشان‌گرهای زیستی مفید به شمار می­رود. مطالعه‌ی مقایسه­ای بین افراد مبتلا به اوتیسم و کنترل با استفاده از تصویربرداری تشدید مغناطیسی درک باارزشی از تفاوت در عمل‌کرد مغز فراهم می­کند. امروزه با استفاده از آنالیز ارتباطات عمل‌کردی پویا مشخص شده است که ارتباطات عمل‌کردی مغزی ماهیتی پویا داشته و الگوهایی گذرا (استیت) از خود نشان داده که در طی زمان تکرار می­شوند. در این مطالعه‌ی مقایسه­ای که بین دو گروه مبتلا به اوتیسم و کنترل انجام شده از داده‌های تصویربرداری تشدید مغناطیسی حالت استراحت دانشگاه ایالت سن‌دیگو استفاده شده است تا ارتباطات درون و بین شبکه­ای مغزی و هم‌چنین ارتباط سن و نمرات مربوط به پاسخ­دهی اجتماعی (نمره­ای برای اندازه­گیری خواص اوتیستیکی) با قدرت ارتباطات بین نواحی مورد بررسی قرار داده شود. این اهداف برای تمام استیت‌های آنالیز ارتباطات عمل‌کردی پویا اجرا شده است. افراد مبتلا به اوتیسم، استیتی با ارتباط درون و بین شبکه­ای کم‌تر را بیش‌تر تجربه کرده و هم‌چنین، کاهش جدایی شبکه‌ی مد پیش­فرض از سایر شبکه­های عمل‌کردی به عنوان یک ویژگی رایج در بیش‌تر استیت‌ها پدیدار شده است. برای گروه مبتلا به اوتیسم، با افزایش سن قدرت ارتباط بین شبکه­های بینایی و شنوایی کم‌تر شده است. هم‌چنین در گروه اوتیسم نسبت به کنترل، رابطه‌ی خواص اوتیستیکی با قدرت ارتباطی شبکه­های مخی، شنوایی و بینایی با شبکه‌ی شناختی-کنترلی مثبت­تر شده است. تمام این نتایج بیان‌گر تفاوت­هایی بین ارتباطات بین شبکه­های مغزی دو گروه مبتلا به اوتیسم و کنترل و تاثیر سن بر این تفاوت­ها است که این تفاوت­ها با کمک آنالیز ارتباطات عمل‌کردی پویا بهتر تمیز داده می­شوند.

---

• مشاهده مقاله
• اصل مقاله 1.51 M

پردازش سیگنال‌های حیاتی

تشخیص اختلال نقص توجه-بیش‌فعالی با استفاده از تحلیل نوسان روندزدایی شده‌ی سیگنال EOG

نسرین شعوری

دوره 14، شماره 2 ، تیر 1399، ، صفحه 159-168

چکیده

  نتایج حاصل از تحقیقات قبلی نشان می­دهد که حرکات چشم افراد مبتلا به اختلال نقص توجه-بیش­فعالی (ADHD) و افراد سالم با هم متفاوت است. در نتیجه این امکان وجود دارد که بین سیگنال­های الکترواکولوگرام (EOG) دو گروه نیز تفاوت وجود داشته باشد. از این­رو در تحقیق حاضر، سیگنال­های EOG ثبت شده از 30 کودک مبتلا به ADHD و 30 کودک سالم در هنگام انجام ...  بیشتر نتایج حاصل از تحقیقات قبلی نشان می­دهد که حرکات چشم افراد مبتلا به اختلال نقص توجه-بیش­فعالی (ADHD) و افراد سالم با هم متفاوت است. در نتیجه این امکان وجود دارد که بین سیگنال­های الکترواکولوگرام (EOG) دو گروه نیز تفاوت وجود داشته باشد. از این­رو در تحقیق حاضر، سیگنال­های EOG ثبت شده از 30 کودک مبتلا به ADHD و 30 کودک سالم در هنگام انجام یک فعالیت مرتبط با توجه، مورد بررسی قرار گرفته است. بدین منظور، نمای مقیاس­بندی سیگنال­های EOG دو گروه محاسبه شده، تفاوت دو گروه با استفاده از آزمون­های آماری بررسی شده و سپس سیگنال­های EOG دو گروه با استفاده از شبکه‌ی Growing Neural Gas طبقه‌بندی شده است. نتایج به دست آمده نشان می­دهد که نمای مقیاس­بندی سیگنال­های EOG کودکان مبتلا به ADHD در مقایسه با کودکان سالم به صورت معنی­داری بیش‌تر است (001/0p <). این نتیجه نشان می­دهد که طیف توان سیگنال­های EOG کودکان مبتلا به ADHD در مقایسه با کودکان سالم، با شیب بیش‌تری کاهش پیدا می­کند. علاوه بر این، سیگنال­های EOG دو گروه با صحت تشخیص 8/2±22/72% از هم تفکیک شده است. نتایج به دست آمده در این تحقیق می­تواند در طراحی یک دوره‌ی درمانی با بیوفیدبک EOG جهت درمان و یا کاهش علایم افراد مبتلا به ADHD مورد استفاده قرار گیرد.  

---

• مشاهده مقاله
• اصل مقاله 1.06 M

پردازش سیگنال‌های حیاتی

ارزیابی ناهنجاری سیستم شنیداری در کودکان مبتلا به اختلال طیف اوتیسم با استفاده از پتانسیل‌های وابسته به رویداد مغزی (ERPs)

فرزانه داسار؛ مجید قشونی؛ قاسم صادقی بجستانی

دوره 14، شماره 1 ، اردیبهشت 1399، ، صفحه 13-22

چکیده

  اوتیسم یک بیماری عصبی رشدی شامل اختلال در تعامل و ارتباطات اجتماعی و رفتار تکراری یا کلیشه­ای است. در تعدادی از کودکان مبتلا به اوتیسم (تندکار) میزان حساسیت به تحریک‌های صوتی بسیار بیش‌تر از حد نرمال و در بعضی دیگر از این کودکان (کندکار) این حساسیت کم‌تر از حد نرمال است. هدف پژوهش حاضر ارائه‌ی راه­کاری برای ارزیابی سیستم شنیداری ...  بیشتر اوتیسم یک بیماری عصبی رشدی شامل اختلال در تعامل و ارتباطات اجتماعی و رفتار تکراری یا کلیشه­ای است. در تعدادی از کودکان مبتلا به اوتیسم (تندکار) میزان حساسیت به تحریک‌های صوتی بسیار بیش‌تر از حد نرمال و در بعضی دیگر از این کودکان (کندکار) این حساسیت کم‌تر از حد نرمال است. هدف پژوهش حاضر ارائه‌ی راه­کاری برای ارزیابی سیستم شنیداری کودکان تندکار وکندکار با استفاده از پتانسیل­های وابسته به رویداد مغزی (ERPs) است. سیگنال‌ مغزی از 10 کودک مبتلا به اوتیسم (2 دختر) با میانگین سنی 7/7 سال و انحراف استاندارد 31/2 سال اخذ شده است. به منظور ثبت ERP، 2000 تحریک شنیداری بر اساس الگوی منفی‌گرایی عدم انطباق (MMN) برای شرکت کنندگان پخش شده است. این تحریک‌ها شامل 1600 تحریک استاندارد با فرکانس 1000 هرتز، تحریک انحرافی با فرکانس 1300 هرتز و تحریک نویز با فرکانس‌های 500، 1000، 1500 و 2000 هرتز می­باشد. به منظور تحلیل داده‌ها، 18 ویژگی‌ زمانی در هر سه نوع تحریک (استاندارد، انحرافی و نویز) از مولفه‌های ERP استخراج شده و در نهایت ویژگی‌های معنی­دار برگزیده شده است. بر اساس نتایج حاصل از تحریک‌های انحرافی، افزایش معنی­داری در مجموع ناحیه‌ی مثبت کانال Pz (028/0=p) در گروه تندکار نسبت به گروه کندکار مشاهده شده است. هم‌چنین در تحریک‌های نویز، افزایش معنی­داری در مجموع ناحیه‌ی مثبت کانال C4 (028/0=p) و مجموع ناحیه‌ی مثبت کانال Pz (009/0=p) در گروه کندکار نسبت به گروه تندکار مشاهده شده است. در نتیجه در کودکان مبتلا به اوتیسم تندکار، هنگام مواجهه با صداهای انحرافی، فعالیت نورونی در ناحیه‌ی آهیانه­ای افزایش یافته، اما در کودکان مبتلا به اوتیسم کندکار، هنگام مواجهه با صداهای نویز، افزایش فعالیت نورونی در نواحی مرکزی و آهیانه­ای رخ داده است. بنابراین روش ارائه شده در این مقاله در ارزیابی کودکان طیف اوتیسم از نظر میزان حساسیت به حس شنوایی سودمند است.

---

• مشاهده مقاله
• اصل مقاله 1.28 M

پردازش سیگنال‌های حیاتی

پردازش غیرخطی و آنالیز آماری سیگنال‌های EEG در بررسی خوشایندی و علاقه‌مندی به انتخاب یک کالا

سمیه رئیس‌دانا؛ سمانه صفری

دوره 13، شماره 2 ، شهریور 1398، ، صفحه 117-134

چکیده

  در این پژوهش، یک طرح بازاریابی عصبی توسط پردازش سیگنال‌های EEG انجام شده و در آن میزان علاقه‌مندی افراد جامعه به خرید یک کالای تزئینی نسبتا لوکس مورد ارزیابی قرار گرفته است. سیگنال‌های مغزی 24 شرکت کننده در هنگام تماشای تصاویر سنگ‌های زینتی (که بر اساس معیارها و شاخص‌های ارزیابی متداول در امور اقتصادی، دارای مزیت نسبی در صادرات است) ...  بیشتر در این پژوهش، یک طرح بازاریابی عصبی توسط پردازش سیگنال‌های EEG انجام شده و در آن میزان علاقه‌مندی افراد جامعه به خرید یک کالای تزئینی نسبتا لوکس مورد ارزیابی قرار گرفته است. سیگنال‌های مغزی 24 شرکت کننده در هنگام تماشای تصاویر سنگ‌های زینتی (که بر اساس معیارها و شاخص‌های ارزیابی متداول در امور اقتصادی، دارای مزیت نسبی در صادرات است) ثبت و پردازش شده تا اطلاعات معناداری از فعالیت مغزی که درگیر فرایند احساسی/دوست‌داشتن و تصمیم‌گیری/انتخاب است به دست آید. سیگنال‌های ثبت شده در فاز تحریک و انتخاب، برای حذف نویزها و آرتیفکت‌ها در چند مرحله پیش‌پردازش شده‌اند. سپس برای به دست آوردن نواحی فعال مغز هنگام تماشای سنگ‌های ارزشمند، داده‌های 19-کاناله‌ی EEG توسط ابزارهای چندگانه پردازش شده است. نگاشت مغزی و آنالیز منطقه‌ای نشان می‌دهد که فعالیت نواحی اکسیپیتال>فرونتال>لیمبیک بیش از سایر نواحی مغز بوده و هم‌چنین نیم‌کره‌ی چپ بیش از نیم‌کره‌ی راست فعالیت داشته است. در فاز بعدی، ویژگی غیرخطی آنتروپی تقریبی از سیگنال‌ها استخراج شده و از آن برای آموزش شبکه‌ی عصبی-فازی استفاده شده است. شبکه‌ی نوروفازی به عنوان طبقه‌بند اتوماتیک جهت آموزش و پیش‌بینی انتخاب افراد به کار گرفته شده است. نتایج حاصل از این پردازش دارای صحت 25/86% و دقت 4/87% در کلاس‌بندی سه‌گروهه (دو گروه خوشایند و یک گروه ناخوشایند بر حسب انتخاب‌های کابران) می‌باشد. در فاز نهایی، با استفاده از اطلاعات به دست آمده از پرسش‌نامه‌ای که توسط شرکت کنندگان تکمیل شده، بعد از جلسه‌ی ثبت، آنالیز آماری ناخودآگاه و خودآگاه توسط آزمون t، آنالیز واریانس و رگرسیون انجام شده است. نتایج آزمون آماری حاکی از وجود تفاوت معناداری بین شناخت خوشانیدی و ناخوشایندی در انتخاب بین گروه خانم‌ها و آقایان و در انتخاب انواع سنگ‌ها می‌باشد. هم‌چنین با استفاده ازنتایج آزمون آماری، فرضیه‌ی عدم وجود تفاوت معنادار میان انتخاب‌های خودآگاه و ناخودآگاه، مردود شد. 

---

• مشاهده مقاله
• اصل مقاله 2.5 M

بیوالکتریک

بهینه‌سازی ضرایب ویولت پیوسته برای مرتب‌سازی اسپایک‌های عصبی

امیر سلیمان‌خانی؛ وحید شالچیان

دوره 12، شماره 2 ، شهریور 1397، ، صفحه 85-96

چکیده

  ثبت خارج‌سلولی فعالیت تک‌نورون‌های مغزی به عنوان روشی پرطرفدار در تحقیقات حوزه‌ی علوم اعصاب و مهندسی توان‌بخشی عصبی شناخته می‌شود. این ثبت‌ها شامل فعالیت تمام نورون‌های اطراف الکترود می‌شود که برای استفاده‌ی بهتر از آن‌ها باید با روش‌های طبقه‌بندی اسپایک به فعالیت تک‌نورون‌ها رسید. بر اساس ویژگی‌های ساختاری نورون، مانند ...  بیشتر ثبت خارج‌سلولی فعالیت تک‌نورون‌های مغزی به عنوان روشی پرطرفدار در تحقیقات حوزه‌ی علوم اعصاب و مهندسی توان‌بخشی عصبی شناخته می‌شود. این ثبت‌ها شامل فعالیت تمام نورون‌های اطراف الکترود می‌شود که برای استفاده‌ی بهتر از آن‌ها باید با روش‌های طبقه‌بندی اسپایک به فعالیت تک‌نورون‌ها رسید. بر اساس ویژگی‌های ساختاری نورون، مانند درخت دندریتی آن و فاصله و جهت ثابتی که نسبت به الکترود ثبت دارد، می‌توان نتیجه گرفت که شکل اسپایک تولیدی آن منحصر به فرد و ثابت است. با این حال انجام طبقه‌بندی پتانسیل عمل‌ها در مقادیر نسبت سیگنال به نویز پایین، همواره با چالش‌هایی همراه است. طبقه‌بندی اسپایک‌های نورونی معمولا شامل سه بخش آشکارسازی، استخراج ویژگی و طبقه‌بندی می‌شود. در این مقاله، روشی بر مبنای بهینه‌سازی ضرایب ویولت پیوسته در مرحله‌ی استخراج ویژگی­ها ارائه شده که در مقادیر نسبت سیگنال به نویز پایین نیز کارایی خوبی دارد. در روش پیشنهادی، بعد از محاسبه‌ی ضرایب ویولت پارامتری‌شده، با استفاده از معیارهای فاصله‌ی اقلیدسی و سطح زیر منحنی مشخصه‌ی عمل‌گر گیرنده در طبقه‌بندی دو گروه، بهترین پارامترها برای افزایش تفکیک‌پذیری ویژگی‌ها انتخاب می‌شوند، به طوری که ابتدا مقیاس مناسب با معیار فاصله‌ی اقلیدسی پیدا شده و در نهایت انتقال زمانی با معیار دوم انتخاب می‌شود. در این پژوهش برای خوشه‌بندی از الگوریتم ساده و در عین حال کارامد k-means استفاده شده است. برای بررسی و ارزیابی روش پیشنهادی از سه مجموعه داده‌ی شبیه‌سازی‌شده استفاده گردید که در 9 حالت مختلف نسبت سیگنال به نویز و با مدل‌سازی نویز زمینه از نویز حقیقی ثبت‌شده تهیه شده بودند. نتایج به دست آمده از مرتب‌سازی داده‌های شبیه‌سازی‌شده نشان داد که بهینه‌سازی پارامترهای تبدیل ویولت پیوسته با روش پیشنهادی می‌تواند در ارتقای کارایی طبقه‌بندی اسپایک‌ها نسبت به روش آنالیز اجزای اصلی، موثر واقع شود.

---

• مشاهده مقاله
• اصل مقاله 1.23 M

پردازش سیگنال‌های حیاتی

طراحی یک سیستم فازی عمیق مبتنی بر قاعده به منظور تعیین سطح افسردگی

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.

---

• مشاهده مقاله
• اصل مقاله 1.3 M

پردازش سیگنال‌های حیاتی

پیاده‌سازی فیلتر ذره‌ای-‌حاشیه‌ای کالمن گسترش‌یافته به‌صورت مجذور مربعات در پردازش سیگنال ECG

حامد داننده حصار؛ مریم محبی

دوره 11، شماره 4 ، بهمن 1396، ، صفحه 275-289

چکیده

  فیلتر ذره‌ای-‌حاشیه‌ای کالمن گسترش‌یافته (MP-EKF)، از جمله روش‌های نوین در پردازش سیگنال الکتروکاردیوگرام (ECG) است که با استفاده از مزیت­های دو نوع فیلتر بیزی ذره‌ای و کالمن گسترش‌یافته (EKF)، می‌تواند با محاسبات کمتری نسبت به فیلترهای ذره­ای متداول، برای تخمین مدل‌های دینامیکی غیرخطی ECG مورد استفاده قرار گیرد. برتری این روش در ...  بیشتر فیلتر ذره‌ای-‌حاشیه‌ای کالمن گسترش‌یافته (MP-EKF)، از جمله روش‌های نوین در پردازش سیگنال الکتروکاردیوگرام (ECG) است که با استفاده از مزیت­های دو نوع فیلتر بیزی ذره‌ای و کالمن گسترش‌یافته (EKF)، می‌تواند با محاسبات کمتری نسبت به فیلترهای ذره­ای متداول، برای تخمین مدل‌های دینامیکی غیرخطی ECG مورد استفاده قرار گیرد. برتری این روش در حذف نویزهای ایستان و غیر ایستان، در مقایسه با سایر روش‌های بیزی مدل­پایه، هم‌چون فیلترهای کالمن گسترش‌یافته و  نرم‌کننده‌ی کالمن گسترش‌یافته (EKS)، اثبات شده است. فیلتر MP-EKF این ظرفیت را دارد که بتوان از آن در سایر مدل‌های دینامیکی ECG که قبلا برای کاربردهایی هم‌چون قطعه‌بندی سیگنال ECG به‌کاررفته‌اند، استفاده شود. اما وجود معادلات کالمن داخل این فیلتر، سبب می‌شود که مشکلات عددی و خطاهای گردسازی معادلات فیلتر کالمن در سیستم‌هایی که دقت و رزولوشن محاسباتی محدودی دارند، گریبان‌گیر MP-EKF نیز بشود. فیلترهای کالمن مجذور مربعات، در مقایسه با فیلترهای کالمن معمولی، مقاومت بیشتری نسبت به خطاهای گردسازی دارند. در این مقاله با الهام گرفتن از این‌گونه فیلترها، برای بالا بردن مقاومت MP-EKF نسبت به خطاهای گردسازی و مشکلات عددی، پیشنهاد می‌شود که MP-EKF به‌صورت مجذور مربعات پیاده شود. اما به دلیل وجود عمل‌گرهای تفریق در برخی از معادلات MP-EKF، نمی‌توان از روش‌های متداول در پیاده‌سازی مجذور مربعات فیلتر کالمن برای فیلتر MP-EKF استفاده نمود. روشی که در این مقاله پیشنهاد می‌شود، روش جدیدی است که با الهام گرفتن از تجزیه‌ی  می‌تواند معادلات MP-EKF را به‌صورت مجذور مربعات پیاده‌سازی کند.

---

• مشاهده مقاله
• اصل مقاله 2.8 M

پردازش سیگنال‌های حیاتی

تحلیل پاسخ شنوایی ساقه‌ی مغز به هجای گفتاری/دا/ با استفاده از روش چندفراکتالی

مرجان مظفری‌لقا؛ سیدمحمدصادق موحد

دوره 11، شماره 3 ، آبان 1396، ، صفحه 255-264

چکیده

  از ویژگی­های پردازش­های ساقه‌ی مغز، حضور پیچیدگی و تاثیرگذاری عوامل فردی در رمزگذاری اصوات می‌باشد. تشریح این پردازش‌ها بر مبنای تحلیل‌های خطی دشوار بوده و این خود انگیزه‌ای است مبنی بر استفاده از روش­های غیرخطی که قادر به تحلیل مناسب­تر سیگنال­های غیرمانا هستند. هدف این تحقیق، بررسی رفتار ساقه‌ی مغز در پاسخ به تحریک ...  بیشتر از ویژگی­های پردازش­های ساقه‌ی مغز، حضور پیچیدگی و تاثیرگذاری عوامل فردی در رمزگذاری اصوات می‌باشد. تشریح این پردازش‌ها بر مبنای تحلیل‌های خطی دشوار بوده و این خود انگیزه‌ای است مبنی بر استفاده از روش­های غیرخطی که قادر به تحلیل مناسب­تر سیگنال­های غیرمانا هستند. هدف این تحقیق، بررسی رفتار ساقه‌ی مغز در پاسخ به تحریک شنوایی هجای گفتاری /دا/ (s-ABR)، با استفاده از تحلیل چندفراکتالی MFDFA)) به همراه روش­های تحلیل روندزدایی، شامل تجزیه به مقادیر تکین (SVD)، روش تطبیقی (AD) و روش تجزیه به مدهای تجربی (EMD) می‌باشد. در این تحلیل، پس از ثبت پاسخ­های شنوایی ساقه‌ی مغز برانگیخته شده با هجای ساختگی /دا/ در 40 فرد بزرگ‌سال هنجار با میانگین سنی 22 سال، تحلیل MFDFA روی سیگنال، جهت ارزیابی تغییرات پیچیدگی و چندمقیاسی آن‌ها انجام می‌شود. هم‌چنین، به‌منظور روندزدایی بهینه از سیگنال، ابتدا روش­های SVD، AD و EMD روی داده‌های ورودی اعمال می‌شود. با محاسبه‌ی تابع افت‌وخیز و ارزیابی رفتار مقیاسی، نماهای مقیاسی مانند نمای هارست تعمیم‌یافته و طیف تکینگی تعیین می‌شود. نتایج نشان می‌دهد که در مقیاس­های کوچک، سیگنال دارای خاصیت نامانایی است. اما در مقیاس­های بزرگ، ویژگی سیستم توسط روند کنترل می‌شود. تمام نمونه­های مورد بررسی در مقیاس  میلی‌ثانیه، دارای تغییر رفتاری در تابع افت‌وخیز هستند که معادل با روند تناوبی غالب است. متوسط نمای هارست تعمیم‌یافته‌ی محاسبه‌شده توسط این روش در مقیاس‌های کوچک، یعنی  میلی‌ثانیه، برابر با  در 68 درصد تراز تطابق است. وابستگی  به ، نشان می­دهد که سیگنال s-ABR خاصیت چندفراکتالی دارد، که غالبا به دلیل همبستگی­ها است. پهنای طیف تکینگی، که معیاری از پیچیدگی سیگنال است، برای داده‌های مورد استفاده به طور میانگین برابر با  در تراز اطمینان  است.

---

• مشاهده مقاله
• اصل مقاله 1.09 M

پردازش سیگنال‌های حیاتی

ارزیابی روش هم‌گامی فاز با استفاده از مقدار قفل‌شدگی فاز در آزمایش بینایی تمایز رنگ

سعیده داودی؛ محمدرضا دلیری

دوره 11، شماره 3 ، آبان 1396، ، صفحه 265-273

چکیده

  تنوع وظایف مغز نشان می‌دهد که تعامل بین فعالیت نوسانی در باندهای فرکانسی مختلف، مکانیزم‌های کلی ارتباط عصبی را شکل می‌دهد. روشی که اخیرا برای کدگذاری اطلاعات در مغز مورد استفاده قرار می­گیرد، روش­ هم‌گامی فاز می‌باشد، که به فرایندی اطلاق می­شود که از طریق آن دو یا چند سیگنال چرخه‌ای، با نوسان تکراری از زاویه‌های فاز نسبی ...  بیشتر تنوع وظایف مغز نشان می‌دهد که تعامل بین فعالیت نوسانی در باندهای فرکانسی مختلف، مکانیزم‌های کلی ارتباط عصبی را شکل می‌دهد. روشی که اخیرا برای کدگذاری اطلاعات در مغز مورد استفاده قرار می­گیرد، روش­ هم‌گامی فاز می‌باشد، که به فرایندی اطلاق می­شود که از طریق آن دو یا چند سیگنال چرخه‌ای، با نوسان تکراری از زاویه‌های فاز نسبی نوسان می‌کنند. برخی مطالعات، نقش محوری هم‌گامی فاز را در آزمایش­های شناختی نشان داده‌اند. در این مقاله، ما نقش این معیار را در یک وظیفه‌ی جدید بینایی تمایز رنگ بررسی کرده‌ایم. بدین منظور، سیگنال الکتروانسفالوگرافی را برای 15 سوژه، در طی وظیفه‌ی بینایی تمایز رنگ جمع‌آوری نموده‌ایم. سپس، از الگوریتم یادگیری ماشین، ماشین بردار پشتیبان، استفاده شد تا توانایی معیار هم‌گامی فاز در تمایز دو حالت، یعنی تفکیک دو رنگ آبی و نارنجی،  در وظیفه‌ی بینایی مورد نظر مشخص گردد. نتایج نشان می­دهد که این معیار با دقت کلاس­بندی 75%  می­تواند در طبقه‌بندی دو حالت مختلف در وظیفه‌ی بینایی مورد استفاده قرار گیرد. هم‌چنین، باندهای فرکانسی موثر و الکترودهایی که موثرترین ویژگی­ها از آن­ها استخراج شده­اند، نشان داده شده است.

---

• مشاهده مقاله
• اصل مقاله 849.54 K

پردازش سیگنال‌های حیاتی

تشخیص زودهنگام مرگ ناگهانی قلبی با استفاده از پردازش سیگنال قلبی و فیلتر کالمن تعمیم‌یافته

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.

---

• مشاهده مقاله
• اصل مقاله 1.17 M