پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
فائزه دانشمندبهمن؛ عاتکه گشوارپور
دوره 16، شماره 2 ، شهریور 1401، ، صفحه 115-134
چکیده
اختلالات اضطرابی از شایع‌ترین و ناتوان‌کننده‌ترین اختلالات روانی در سراسر جهان به شمار می-آیند. از طرفی، از سال 2019 با شیوع کووید-19 اضطراب بین مردم و به‌خصوص کادر درمان افزایش پیدا کرده‌است. در حال حاضر اضطراب (زمانیکه علائم کافی و شدید باشد) با استفاده از پرسشنامه و توسط افراد متخصص تشخیص داده‌می‌شود. برای رفع این کاستی، اخیرا ...
بیشتر
اختلالات اضطرابی از شایع‌ترین و ناتوان‌کننده‌ترین اختلالات روانی در سراسر جهان به شمار می-آیند. از طرفی، از سال 2019 با شیوع کووید-19 اضطراب بین مردم و به‌خصوص کادر درمان افزایش پیدا کرده‌است. در حال حاضر اضطراب (زمانیکه علائم کافی و شدید باشد) با استفاده از پرسشنامه و توسط افراد متخصص تشخیص داده‌می‌شود. برای رفع این کاستی، اخیرا توجه محققان به استفاده از سیگنالهای مغزی جلب شده‌است. به همین منظور، مطالعه حاضر با هدف تشخیص اضطراب با استفاده از سیگنال مغزی انجام شده‌است. نوآوری این مطالعه استفاده از نقشه آشوبگون چبیشف برای اولین بار در تحلیل سیگنال بیولوژیکی است. در این مطالعه از پایگاه داده DASPS استفاده‌شد که شامل الکتروآنسفالوگرام (Electroencephalogram; EEG) 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 شد. ابتدا داده‌ها نرمال سازی شدند. سپس، نقشه آشوبگون بازسازی و به 128 نوار تقسیم شد. چگالی نقاط در هر یک از نوارها محاسبه شد. دو شاخص 1) حداکثر چگالی و 2) نمونه مربوط به آن، به عنوان ویژگی در نظر گرفته‌شد. در نهایت ویژگیها به 5 روش، (1) ویژگی 1 تمام کانال‌ها، (2) نگاشت ویژگی 1 تمام کانال‌ها با استفاده از تجزیه و تحلیل اجزای اصلی(Principal Components Analysis; PCA)، (3) ویژگی 2 تمام کانال-ها، (4) نگاشت ویژگی 2 تمام کانال‌ها با استفاده از PCA و (5) هر ویژگی-هر کانال به طور جداگانه به دو طبقهبند ماشین‌های بردار پشتیبانی (Support Vector Machines; SVM) و k-نزدیک ترین همسایه‌ها (K-Nearest Neighbors; K-NN) اعمال شدند. 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 بود. در نتیجه میتوان الگوریتم پیشنهادی را به عنوان یک رویکرد مناسب برای تشخیص اضطراب معرفی کرد.
پردازش سیگنالهای حیاتی
حمید شفاعت فر؛ مهدی تقی زاده؛ مرتضی ولی زاده؛ محمد حسین فاتحی
دوره 16، شماره 2 ، شهریور 1401، ، صفحه 179-162
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 طبقه بندی صحیح کلاس‌های آریتمی، استخراج ویژگیهای مناسب جهت ایجاد تمایز بین کلاس‌های مختلف، اهمیت زیادی دارد. در این مقاله، از یک شبکه عصبی کانولوشنی 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 طبقه بندی صحیح کلاس‌های آریتمی، استخراج ویژگیهای مناسب جهت ایجاد تمایز بین کلاس‌های مختلف، اهمیت زیادی دارد. در این مقاله، از یک شبکه عصبی کانولوشنی عمیق برای استخراج ویژگی استفاده میشود. با توجه به اینکه ضربان‌های قلبی بیماران مختلف دارای تفاوت زیادی هستند، کلاس‌های آریتمی دارای تغییرات درون کلاسی زیادی خواهند بود. برای کاهش تغییرات درون کلاسی، ضربان‌های قلبی هر بیمار با یک تابع اختصاصی به نحوی نگاشت داده میشود که شباهت آن به ضربان‌های قلبی یکی از بیماران آموزشی افزایش یابد. نگاشت اختصاصی پیشنهادی سبب کاهش تغییرات درون کلاسی میشود و دقت طبقه بندی آریتمی‌های قلبی را به میزان قابل ملاحظه‌ای افزایش میدهد. برای اثبات کارایی روش پیشنهادی، نتایج آن با چندین تحقیق جدید بر اساس سه معیار ارزیابی دقت، حساسیت و اختصاصیت و بر روی مجموعه داده یکسان مقایسه شد. دقت بدست آمده حدود 24/96 درصد بوده که کارایی بهتر روش پیشنهادی را در مقایسه با سایر کارها، نشان میدهد
پردازش سیگنالهای حیاتی
مسعود مرادی؛ سینا شامخی
دوره 16، شماره 2 ، شهریور 1401، ، صفحه 173-189
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. اما مشکلاتی مانند پایین‌بودن صحت و سرعت محاسبات و هزینه زیاد ابزار مانع تجاری‌سازی تحقیقات شده -است. دیگر چالش موجود در ساخت ابزار کاربردی، لزوم عملکرد خوب روشها در دیدگاه ...
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. اما مشکلاتی مانند پایین‌بودن صحت و سرعت محاسبات و هزینه زیاد ابزار مانع تجاری‌سازی تحقیقات شده -است. دیگر چالش موجود در ساخت ابزار کاربردی، لزوم عملکرد خوب روشها در دیدگاه آموزش به روش کنارگذاشتن یک نفر یا به بیانی دیگر در طبقهبندی دادههای یک فرد جدید است. از اینرو در این مقاله روشی کارآمد برای تشخیص حرکات دست با هدف ترجمه زبان اشاره ارایه شده است تا ضمن بکارگیری روشی با ابعاد کم، عملکرد بهتری در انواع روشهای آموزش به‌دست آید. در روش پیشنهادی، ویژگیهای مقدار میانگین قدر مطلق، واریانس، ریشه 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 و برای طبقهبندی حرکات دست از ماشین بردار پشتیبان با هسته تابع پایه شعاعی استفاده شده است. درصدهای صحت روش‌پیشنهادی روی پایگاه دادهی PSL و مجموعه‌های DB2، DB3، DB5 و DB7 از پایگاه‌داده نیناپرو به‌ترتیب در دیدگاه کلمه-فرد برابر 31/99%، 11/97%، 58/96%، 12/96% و 32/97%، در دیدگاه کلمه-همه‌افراد برابر 78/99%، 22/97%، 46/95%، 23/97% و 72/97% و در دیدگاه کنارگذاشتن یک فرد برابر 43/97%، 68/94%، 66/89%، 55/91% و 81/94% به‌دست آمده است.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
بیوالکتریک
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.
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
پردازش سیگنالهای حیاتی
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.
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
علیرضا طالش جفادیده؛ بابک محمدزاده اصل
دوره 10، شماره 4 ، دی 1395، ، صفحه 347-359
چکیده
در مکانیابی فعالیت مغز از روی سیگنال EEG یا MEG، روشهای مبتنی بر شکلدهندة پرتوی وفقی کمینه واریانس، به‌دلیل رزولوشن بالا، کاربرد گستردهای دارند. متأسفانه، این روشها به‌دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونهبرداری در مقایسه با تعداد گیرندهها کم است، با شکست مواجه میشوند. این ...
بیشتر
در مکانیابی فعالیت مغز از روی سیگنال EEG یا MEG، روشهای مبتنی بر شکلدهندة پرتوی وفقی کمینه واریانس، به‌دلیل رزولوشن بالا، کاربرد گستردهای دارند. متأسفانه، این روشها به‌دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونهبرداری در مقایسه با تعداد گیرندهها کم است، با شکست مواجه میشوند. این اتفاق، به‌خصوص برای دادههای حاصل از پتانسیلهای برانگیخته رخ میدهد. برای حل مشکل، روشی به نام تمام‌وفقی سریع (FFA) پیشنهاد شد، که یک روش چند‌مرحلهای وفقی با الهام از ساختار پروانهای تبدیل فوریه (FFT) بوده و تعداد نمونههای لازم برای مکانیابی را به مقدار قابل‌توجهی کاهش میدهد. از سوی دیگر، حساسیت زیاد این روش به توالی تقسیم داده و عملکرد ضعیف آن در SNRهای پایین، استفاده از آن را برای مکانیابی فعالیتهای کوتاهمدت مغزی با تردید همراه کرده است. در این مقاله، یک مرحلة پیشپردازشی برای بهبود عملکرد FFA ارائه میشود که در آن، مغز به نواحی مجزا تقسیم و پایههای هر ناحیه تعیین شده و با استفاده از این پایه‌ها، دادة هر ناحیه به‌دست میآید. در ادامه، الگوریتم FFA روی دادة به‌دست آمده، اعمال میشود. برای اثبات عملکرد روش ارائه‌شده، از دادههای شبیهسازی ERP و دادة واقعی ERF استفاده شد. در تمام شبیهسازی‌ها، FFA بهبود‌یافته، عملکرد بهتری از لحاظ شعاع پراکندگی (بهبود در حدود 4-9 میلی‌متر) و خطای مکانیابی (بهبود در حدود 2-10 میلی‌متر) در مقایسه با روش FFA از خود نشان داد. همچنین روش پیشنهادی، رزولوشن بهتری در مکانیابی داده واقعی ERF نشان داد. این نکته نیز مهم است که روش پیشنهادی، حساسیت کمتری نسبت به توالی تقسیم داده دارد. نتایج هر دو دادة شبیهسازی و واقعی نشان میدهد، که میتوان از FFA بهبود‌یافته به‌عنوان روشی مطمئن برای مکانیابی فعالیتهای کوتاهمدت مغزی استفاده کرد.
پردازش سیگنالهای حیاتی
زهرا تابان‌فر؛ سیدمحمد فیروزآبادی؛ زینب شنکائی؛ گیو شریفی؛ کامبیز نوین؛ آناهیتا ذوقی
دوره 10، شماره 3 ، مهر 1395، ، صفحه 211-221
چکیده
در پژوهش حاضر، سیگنالهای الکتروانسفالوگرام بیماران مبتلا به تومور مغزی و افراد سالم را برای مطالعة تغییرات ناشی از بروز تومور مغزی در سیگنالهای مغزی و در‌نهایت امکانسنجی تشخیص این بیماری توسط سیگنالهای EEG، بررسی کرده‌ایم. برای این منظور از دادههای EEG ثبتشده از چهار کانال F3، F4، T3 و T4 برای پنج فرد مبتلا به تومور مغزی ...
بیشتر
در پژوهش حاضر، سیگنالهای الکتروانسفالوگرام بیماران مبتلا به تومور مغزی و افراد سالم را برای مطالعة تغییرات ناشی از بروز تومور مغزی در سیگنالهای مغزی و در‌نهایت امکانسنجی تشخیص این بیماری توسط سیگنالهای EEG، بررسی کرده‌ایم. برای این منظور از دادههای EEG ثبتشده از چهار کانال F3، F4، T3 و T4 برای پنج فرد مبتلا به تومور مغزی و چهار فرد سالم، استفاده شده است. پس از پیشپردازش، ویژگیهای خطی زمانی و طیف فرکانسی و ویژگیهای غیرخطی بُعد فرکتال و آنتروپی، استخراج شد. سپس تمایزپذیری میان دو گروه، با استفاده از اندیس دیویس-بولدین، طبقهبندی خطی LDA، غیرخطی KNN و SVM بررسی شد. بر‌اساس مقادیر به‌دست‌آمده برای اندیس دیویس-بولدین در وضعیت استراحت ذهنی چشمبسته، ویژگیهای RMS، توان مطلق باند تتا، آنتروپی نمونه و آنتروپی تقریبی و در وضعیت استراحت ذهنی چشمباز، ویژگیهای RMS و توان مطلق باند تتا، بیشترین تمایزپذیری را میان دو گروه سالم و بیمار نشان دادند. در این مرحله، طبقهبندی دو گروه سالم و بیمار با استفاده از تکویژگیها انجام شد، که بهترین صحت طبقهبندی مربوط به ویژگی RMS در حالت استراحت ذهنی چشمبسته و 88.89% به‌دست آمد. این موضوع نشاندهندة این است که ویژگی خطی RMS در افراد سالم و مبتلایان به تومور مغزی، تمایز خوبی ایجاد میکند. در پایان نیز برای دو حالت استراحت ذهنی چشمبسته و چشمباز و با استفاده از تمامی ویژگیهای منتخب، طبقهبندی انجام شد. با توجه به نتایج، بیشترین صحت طبقهبندی 82.54% با استفاده از ویژگیهای برتر RMS، توان مطلق باند تتا، آنتروپی نمونه و آنتروپی تقریبی در حالت استراحت ذهنی چشمبسته، به‌دست آمد. با توجه به نتایج مشاهده میشود که ویژگیهای خطی، قابلیت خوبی برای جداسازی سیگنالهای EEG افراد سالم و بیماران مبتلا به تومور مغزی دارند، که میتوان از آنها، به‌دلیل سادگی و بار محاسباتی کم، برای تشخیص برخط بیماری تومور مغزی، به‌خصوص در آزمونهای دورهای غربالگری، استفاده کرد.
پردازش سیگنالهای حیاتی
مریم توکلی نجف آبادی؛ وحید ابوطالبی؛ فرزانه شایق بروجنی
دوره 10، شماره 1 ، اردیبهشت 1395، ، صفحه 1-10
چکیده
هدف این مقاله، ارزیابی روش ترکیبی آنالیز همبستگی کانونی- فیلتر تطبیقی حداقل مربعات بازگشتی (CCA-RLS) در حذف آرتیفکت چشمی (EOG) از سیگنال مغزی (EEG) و مقایسة آن با روشهای آنالیز مؤلفههای مستقل (ICA)، آنالیز همبستگی کانونی(CCA)، فیلتر تطبیقی حداقل مربعات بازگشتی (RLS) و روش ترکیبی ICA-RLS است. برای این منظور، بعد از تجزیة سیگنال نویزی توسط CCA، مؤلفة ...
بیشتر
هدف این مقاله، ارزیابی روش ترکیبی آنالیز همبستگی کانونی- فیلتر تطبیقی حداقل مربعات بازگشتی (CCA-RLS) در حذف آرتیفکت چشمی (EOG) از سیگنال مغزی (EEG) و مقایسة آن با روشهای آنالیز مؤلفههای مستقل (ICA)، آنالیز همبستگی کانونی(CCA)، فیلتر تطبیقی حداقل مربعات بازگشتی (RLS) و روش ترکیبی ICA-RLS است. برای این منظور، بعد از تجزیة سیگنال نویزی توسط CCA، مؤلفة شامل آرتیفکت EOG با محاسبة مقدار کرتوزیس شناسایی شده و با استفاده از فیلتر RLS، فیلتر شد؛ سپس با ترکیب مؤلفهها، سیگنال حذف نویزشده بازسازی شد. برای مقایسة کمّی روشها از دو معیار ارزیابی میانگین مجذور مربعات خطا (MSE) و نسبت سیگنال به نویز (SNR) برای دادههای شبیهسازی شده استفاده‌شده است. متوسط مقادیر MSE وSNR برای 5 نفر در 4 کانال مختلف محاسبه شد. دادههای استفاده‌شده از مجموعه دادههای مسابقات BCI2008 انتخاب شدند. با توجه به نتایج به‌دست آمده، روش ترکیبی پیشنهادی CCA-RLS ، عملکرد بهتری نسبت به سایر روشهای استفاده‌شده در این مقاله دارد.
