انجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-586914220200621Effect of Hand-Held Flexi-Bar on Shoulder Functional Tonic and Phasic Time-Varying Muscle Synergiesتاثیر تمرین با میلهی منعطف بر سینرجیهای عملکردی متغیر با زمان تونیک و فازیک عضلات شانه81963989910.22041/ijbme.2020.114099.1522FAمهردادداودیفارغالتحصیل کارشناسی ارشد، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران، ایران0000-0002-9850-9272سید محمدرضاشکوهیانفارغالتحصیل کارشناسی ارشد، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران، ایرانمهدیباقری روچیفارغالتحصیل کارشناسی ارشد، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران، ایرانمسعودعبداللهیدانشجوی دکترا، دانشکدهی مهندسی صنایع و سیستم، دانشگاه روچستر، نیویورک، آمریکاسهابرویسدانشجوی دکترا، دانشکدهی فیزیوتراپی، دانشگاه علوم پزشکی شیراز، شیراز، ایرانمریمهویتطلبمربی، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران، ایرانمحمدپرنیانپوراستاد، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی شریف، تهران، ایرانJournal Article20190911An open research question is how the central nervous system (CNS) to find a solution for the problem of redundancy or degree of freedom in the human shoulder motion control. We used time-varying synergy theory in which assumed that the relative activation between muscles is time-varying, to investigate the combination of activation patterns of muscles in twelve 3-D hand-held exercises by Flexi-Bar using Anybody Technology software (A/S, Aalborg, Denmark). Using activation of 12 muscles and the moment across the joint as an input matrix for the optimization procedure to extract functional time-varying synergies, time delays and amplitude coefficients, the achieved 5 tonic and phasic synergies explained 79% of the data variation. Matching pursuit procedure and non-negative least square used to find timing shifts and amplitude coefficients respectively. Considering a new exercise out of the primary database, 60% of the activation patterns reconstructed using time-varying synergies. Although the extracted synergies seem to be directionally tuned, the results show that due to the same velocity in all exercises and also because the torque which that was applied due to the weight of the bar and arm on the joint is not significant, both timing shifts and separation phasic-tonic parts of the activation patterns provide no further explanation on CNS behavior and finding them causes unnecessary computational cost. Future study can focus on the comparison of synergies between two or more groups of exercises by the Flexi-Bar such as holding the bar vertically or horizontally with swinging it up and down or back and forth.شانه به دلیل داشتن درجههای آزادی متعدد، یک مفصل پیچیده در سیستم اسکلتی عضلانی به حساب میآید. در این مقاله سعی شده است تا با استفاده از تئوری سینرجیهای متغیر با زمان، مشخص شود که اعصاب مرکزی برای ایجاد حرکت در شانه چگونه بر پیچیدگیهای کنترلی مساله فائق میآید. در این راستا، تمرینهایی در یک فضای سهبعدی اطراف بدن همراه با حرکت رفت و برگشتی میلهی منعطف در نرمافزار Anybody مدلسازی شده، سطوح فعالیت 12 عضلهی منتخب در کنار گشتاور آنها حول مفصل به عنوان خروجی ثبت گردیده و نتایج تحت یک ماتریس کلی طبق مفهوم سینرجیهای عملکردی به عنوان ورودی به یک الگوریتم بهینهسازی گرادیان محور جهت تعیین بردارهای سینرجی اعمال شده است. شیفتهای زمانی با روش matching pursuit و ضرایب بزرگی با روش non-negative least square در هر مرحله از حل به دست آمده است. با کمک معیار R<sup>2</sup>، 5 سینرجی تونیک و 5 سینرجی فازیک انتخاب شده است که توانایی بازسازی 79% از کل دادهها و نیز توانایی بازسازی الگوی فعالیت عضلات مربوط به یک تمرین غیر از تمرینهای اولیه را با دقت 60% دارند. هر یک از سینرجیها همراه با عضلات فعال در آن، در بخشهای مشخصی از فضای فعال بودهاند. عضلهی serratus در اکثر سینرجیها فعال بوده که اهمیت این عضله در انجام تمرینات با میله را نشان میدهد. در سینرجی 1، عضلات اکستنسوری سهسر فعال بوده اما عضلهی فلکسوری-ابداکتوری دوسر در محدودهی سینرجیهای 4 و 5 در فضای بالای سر فعال شده است. شکلگیری ترکیب آگونستیک و آنتاگونستیک بین دو یا چند سینرجی و نیز شکلگیری الگوی همکاری متغیر با زمان بین عضلات در هر سینرجی در طول حرکت از دیگر نتایج این تحقیق است. این تحقیق نشان داده که پیچیدگی محاسباتی یافتن شیفتهای زمانی به دلیل یکسان بودن سرعت در تمام تمرینها و نیز جدا کردن بخشهای تونیک و فازیک به دلیل گشتاور کم وزن دست و میله حول مفصل، نتوانسته درک نورولوژیک جدیدی را ارائه دهد اما به کارگیری سینرجیهای عملکردی برای تحلیلهای دقیقتر موثر بوده است.https://www.ijbme.org/article_39899_a8a2ab1b683dd9cfe2de7ff7522cdf7a.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-586914220200621Investigating the Phonatory and Articulatory Features in Diagnosis of Parkinson's Disease using Optimized Extracted Features by Genetic Algorithmبررسی نقش ویژگیهای آوایی و تلفظی در تشخیص بیماری پارکینسون با استفاده از ویژگیهای استخراج شدهی بهینه توسط الگوریتم ژنتیک971073984010.22041/ijbme.2020.116028.1530FAمحمدبهادرنجفیدانشجوی کارشناسی ارشد مهندسی پزشکی بیوالکتریک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانمنصورولیاستادیار، گروه بیوالکتریک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانJournal Article20191020After Alzheimer, Parkinson's disease is known as the most common malignant disease of the nervous system. One of the common obstacles of this disease is the expansion of speech disorders. Since the speech production in humans is made by combination of vibration of the vocal cords (phonatory section) and then passage through the resonator in vocal tract (articulatory section), it is expected that both of these sections to be impaired. In this study, by using a noninvasive method, it is intended to diagnose Parkinson's disease from speech signal of each subject; for this purpose, using 3 sustain vowels in Persian language recorded from 48 people (27 people with Parkinson's disease and 21 healthy people), it has been evaluated to assess the extent of damage to both phonatory and articulatory sections. The phonatory model can include features such as jitter, shimmer, fundamental frequencies, opening and closing cycling time of the glottal pulses. On the other hand, for the articulatory section, features such as first, second, and third formmants, zero crossing rates, MFFCs, and LPC are investigated. In this study, 38 feature categories were extracted and four statistical parameters of mean, standard deviation, skewness and kurtosis were calculated. Genetic Algorithm was used to identify the optimum features. Then, using the SVM, KNN and the Decision Tree classifiers, the optimum extracted features are classified to determine whether a person is patient or healthy. Finally for the main aim of this study, the results of both phonatory and articulatory sections were compared and challenged. The results of this study showed that phonatory features with accuracy of 96.1±1.2% were more useful than articulatory section in diagnosing of Parkinson. Also it was proved that vowel /u/ has more significant role in the diagnosis of Parkinson's disease compared to other vowels by accuracy of 97.6%.بیماری پارکینسون بعد از آلزایمر به عنوان رایجترین بیماری مخرب سیستم عصبی شناخته میشود. یکی از عوارض شایع این بیماری، به وجود آمدن اختلالات گفتاری است. با توجه به این که تولید گفتار در انسان شامل تولید صوت در اثر ارتعاش تارهای صوتی (بخش آوایی) و سپس عبور آن از فیلتر لولهی صوتی (بخش تلفظی) است، انتظار میرود هر کدام از این دو بخش دچار اختلال شوند. در این تحقیق با استفاده از یک روش غیرتهاجمی و به کمک سیگنال گفتار فرد، به تشخیص بیماری پارکینسون پرداخته شده است. بدین منظور از گویش 3 واکهی کشیدهی زبان فارسی توسط 48 نفر (27 نفر مبتلا به بیماری پارکینسون و 21 نفر سالم) استفاده شده است تا میزان تخریب دو بخش تلفظی و آوایی ارزیابی شود. از ویژگیهای مرتبط با بخش آوایی تولید گفتار میتوان به جیتر، شیمر، فرکانس گام و طول زمانی باز و بسته شدن پالسهای چاکنایی و از ویژگیهای بخش تلفظی گفتار میتوان به فرمنتهای اول، دوم و سوم، نرخ عبور از صفر، MFCC و LPC اشاره کرد. در این تحقیق، در مجموع 38 دستهی ویژگی استخراج شده و چهار پارامتر آماری میانگین، انحراف معیار، ضریب چولگی و ضریب کشیدگی از روی آنها محاسبه شده است. در ادامه از الگوریتم ژنتیک برای شناسایی ویژگیهای بهینه استفاده شده و شناسایی بیماری پارکینسون با به کارگیری طبقهبندهای SVM، KNN و درخت تصمیمگیر انجام شده است. به عنوان شاخصهی اصلی این پژوهش، نتایج مربوط به دو بخش آوایی و تلفظی مورد مقایسه و چالش قرار گرفته است. نتایج حاصل از این مطالعه نشان داده که ویژگیهای آوایی با صحت 2/1±1/96% نسبت به ویژگیهای تلفظی در تشخیص بیماری پارکینسون نقش مفیدتری داشته و همچنین واکهی /او/ با میزان صحت 6/97% بهترین عملکرد را در تشخیص بیماری پارکینسون نسبت به سایر واکهها داشته است.https://www.ijbme.org/article_39840_04ee08ead1a259009cab6b2198fb6d93.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-586914220200621Classification of Alcoholic and Non-Alcoholic Individuals based on Frequency and Non-Frequency Features of Electroencephalogram Signalطبقهبندی افراد الکلی و غیرالکلی مبتنی بر ویژگیهای فرکانسی و غیرفرکانسی سیگنال مغزی1091193919410.22041/ijbme.2020.119841.1551FAمریمدوروشیکارشناسیارشد، دانشکدهی مهندسی برق، واحد نجفآباد، دانشگاه آزاد اسلامی، نجفآباد، ایرانندابهزادفراستادیار، دانشکدهی مهندسی برق، واحد نجفآباد، دانشگاه آزاد اسلامی، نجفآباد، ایرانغضنفرشاهقلیاندانشیار، مرکز تحقیقاتی ریزشبکههای هوشمند، واحد نجفآباد، دانشگاه آزاد اسلامی، نجفآباد، ایران0000-0003-2774-4694Journal Article20200108Consumption of alcohol contributes to disorders in brain. In this study, in order to detect the consumption of alcohol, electroencephalogram (EEG) signal of 20 participants (10 alcoholic and 10 control subjects) recorded by 64 channels was investigated. Frequency and non-frequency features of EEG signal including power spectrum of signal, permutation entropy, approximate entropy, Katz fractal dimension and Petrosion fractal dimension were extracted to analyses the EEG signal. Statistical analysis was used to investigate the significant differences between the alcohol and control groups. The Davis-Bouldin (DB) criterion was used to select the best channel distinguishing between the alcoholic and non-alcoholic EEG signal. Results showed that between frequency features, power of lower2 alpha frequency decreased in alcoholic individuals and regarding the DB criterion, the CP3 channel (DB=1.7638) showed the best discrimination between the alcohol and control groups. Also, among the non-frequency features, the Katz fractal dimension increased in the control group and FP2 channel (DB = 0.862) had the best discrimination. Eventually, power of Lower2-alpha frequency band and Katz fractal dimension fed into the nearest neighbor classifier (KNN), 71% and 93% accuracy were achieved, respectively. According to the results, it can be concluded that the best feature and channel discriminating between alcohol and control groups is the Katz fractal dimension and FP2 channel.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.https://www.ijbme.org/article_39194_2417ae26837d6988676d7acb2fbba440.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-586914220200621Determination of Fracture Properties of Cortical Bone using Arc-Shaped Specimenتعیین خواص مکانیکی شکست استخوان کورتیکال با استفاده از نمونههای کمان-شکل1211313990710.22041/ijbme.2020.122037.1566FAفرشتهعلیزاده فرددانشجوی کارشناسی ارشد، دانشکدهی مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایرانمجیدمیرزائیدانشیار، دانشکدهی مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایرانJournal Article20200222Regarding the application of testing and analysis of bone fractures in both medical and engineering fields, finding proper specimens for measuring fracture properties is important. In this study, the experimental and numerical fracture analyses of bovine cortical bone were performed for 4 anatomical regions using arc-shaped specimens. The tensile fracture tests for arc-shaped specimens were performed at ambient temperature. In practice, the stress intensity factor was calculated using standard analytical formula for arc-shaped specimens and also the related finite element (FE) models. In order to validate the FE models, the stress and strain analyses results were compared with the results obtained from digital image correlation (DIC) method. The very good agreement between these results was indicative of the accuracy of FE analyses. There were also good correlations between the initiation and propagation of crack from both experimental and FE results and the measured fracture toughness values were in good agreement with those reported in the literature. The results of this study showed that the analytical stress intensity expressions can give accurate results for the arc-shaped specimens excised from posterior and anterior regions. However, for the medial and lateral regions only the FE models can provide the required accuracy.با توجه به کاربرد آزمایش و تحلیل شکست استخوان در هر دو حوزهی پزشکی و مهندسی، یافتن نمونهی مناسب برای اندازهگیری خواص مکانیکی شکست بسیار مهم است. لذا در این مطالعه به تحلیل تجربی و عددی شکست استخوان کورتیکال گوساله برای 4 ناحیهی آناتومیکی با استفاده از نمونههای کمان-شکل پرداخته شده است. تست تجربی شکست برای نمونههای کمان-شکل در دمای محیط انجام شده و در عمل فاکتور شدت تنش با استفاده از فرمول تحلیلی استاندارد برای نمونههای کمان-شکل و روش مدل المان محدود مربوط به نمونهها محاسبه شده است. به منظور صحتسنجی مدل المان محدود، نتایج تحلیل تنش و کرنش با نتایج به دست آمده از روش برهمنگاری تصاویر دیجیتالی مقایسه شده است. توافق بسیار خوب بین نتایج تحلیل تنش و کرنش عددی و تجربی، نشان دهندهی دقت تحلیل المان محدود است. در این مطالعه ارتباط خوبی در شروع و رشد ترک بین نتایج تجربی و المان محدود و همچنین مقادیر چقرمگی شکست به دست آمده از روش عددی با دیگر مطالعات مشاهده شده است. همچنین نتایج حاصل از این مطالعه نشان میدهد که فاکتور شدت تنش تحلیلی میتواند نتایج دقیقی برای نمونههای کمان-شکل ایجاد شده از نواحی آناتومیکی خلفی و قدامی ارائه کند، هرچند برای نواحی آناتومیکی میانی و جانبی، تنها مدل المان محدود میتواند دقت لازم را فراهم سازد.https://www.ijbme.org/article_39907_b210d3789a96350fb4b8e79720ea5976.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-586914220200621Optimization of Dynamic Stability Factor to Plan the Trajectory of Sit to Stand Movementبهینهسازی عامل تعادل پویا برای برنامهریزی مسیر حرکت برخاستن1331423920510.22041/ijbme.2020.121521.1568FAمصطفیحاج لطفعلیانفارغالتحصیل دکتری، هستهی علمی سامانههای پشتیبان در توسعهی سلامت، دانشگاه یزد، یزد، ایران0000-0002-9581-5645محمدهادیهنروراستادیار، هستهی علمی سامانههای پشتیبان در توسعهی سلامت / گروه مهندسی مکانیک، دانشکدهی فنی و مهندسی، دانشگاه یزد، یزد، ایران0000-0002-4464-7194Journal Article20200226Margin of stability is a method to assess the dynamic stability in the clinic and laboratory, which is influenced by position and linear velocity of the center of mass (CoM). In this study, the stability factor was calculated by the margin of stability (MoS) method and was used as a cost function to plan movement trajectory of sit to stand. 10 healthy young men were selected in this study and their sit to stand movement were filmed by Optitrack motion capture system. A two-dimensional and four-segment model was defined based on the governing equations of motion to calculate position of CoM, joints torque and using that in optimization process. After calculating the subject’s stability factor by MoS method, the time integral of MoS (C<sub>1</sub>), the maximum and minimum of MoS (C<sub>2</sub>) and the time integral of the square of MoS (C<sub>3</sub>) were defined as the cost functions. genetic algorithm was used to find the optimal model. To determine the quality of predicted trajectories and compare it with the subject’s pattern, root mean square error (RMSE) was used. According to the results of this study, a model which was optimized by C<sub>3</sub>, predicted the movement trajectory of subjects with 19 and 40 percent less error than C<sub>1</sub> and C<sub>2 </sub>respectively.Nevertheless, none of the models could correctly reconstruct the subjects’ movement trajectory. In a nutshell, using MoS exclusively as a cost function, is not a good choice to predict and plane the trajectory of whole-body movements.مرز تعادل روشی برای سنجش تعادل پویا در کلینیک و آزمایشگاه است که تحت تاثیر موقعیت و سرعت خطی مرکز جرم بدن قرار دارد. در این مطالعه عامل تعادل از طریق روش مرز تعادل محاسبه شده و از آن به عنوان تابع هزینه جهت برنامهریزی مسیر حرکت برخاستن استفاده شده است. برای محاسبهی کینماتیک حرکت، از نمای ساجیتال حرکت برخاستن 10 مرد جوان و سالم فیلمبرداری شده و یک مدل دوبعدی و چهار سگمنتی بر اساس معادلات حرکت، برای محاسبهی موقعیت مرکز جرم، گشتاور مفاصل و انجام فرایند بهینهسازی تعریف شده است. پس از محاسبهی مسیر تعادل آزمودنیها با استفاده از روش مرز تعادل، انتگرال زمانی مسیر تعادل (C<sub>1</sub>)، مقدار حداکثر و حداقل تعادل (C<sub>2</sub>) و انتگرال زمانی مربع مسیر تعادل (C<sub>3</sub>) به عنوان توابع هزینه تعریف شده است تا توسط الگوریتم ژنتیک به حداقل برسد. برای بررسی کیفیت مسیر پیشبینی شده توسط مدل و مقایسهی آن با الگوی آزمودنیها نیز از خطای جذر میانگین مربعات استفاده شده است. طبق نتایج این پژوهش، مدلی که با استفاده از تابع هزینهی C<sub>3</sub> بهینهسازی شده، الگوی حرکتی آزمودنیها را به ترتیب با 19% و 40% خطای کمتر نسبت به C<sub>1</sub> و C<sub>2</sub> پیشبینی کرده است. با این وجود پیشبینی دقیق حرکت برخاستن توسط هیچیک از مدلهای پیشنهادی ارائه نشده است. در نهایت میتوان نتیجه گرفت که استفاده از تابع هزینهی مرز تعادل به تنهایی، انتخاب مناسبی برای برنامهریزی حرکات تمام بدن نمیباشد.https://www.ijbme.org/article_39205_1961d93172f8088a077c52e638e31f41.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-586914220200621Extraction of Significant Differences between Autism Spectrum Disorder and Typically Control Groups through Brain Intra/Inter Network Connectivity Analyses in Transient States and by Considering Age and Social Responsiveness Scoreاستخراج 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 اجتماعی1431574319510.22041/ijbme.2020.123742.1582FAعلیرضاطالش جفادیدهدانشجوی دکتری، گروه مهندسی پزشکی-بیوالکتریک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایرانبابکمحمدزاده اصلدانشیار، گروه مهندسی پزشکی-بیوالکتریک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایرانJournal Article20200329Autism spectrum disorder (ASD) is a highly prevalent neurodevelopmental disorder characterized by impaired social communication and restricted and repetitive behaviors. Comparison study between ASD and typically control (TC) subjects through magnetic resonance imaging (MRI) provides valuable understanding for differences in brain function. Recently, through dynamic functional connectivity (DFC) analysis, it is found that brain functional connectivity possesses dynamic nature and shows transient connectivity patterns (“states”) repeating over time. In this comparison study between ASD and TC, we employed the rest functional MRI (rfMRI) data of San Diego State University (SDSU) of ABIDE II database to examine the brain intra and inter network connectivity and also to investigate the relations of age and social responsiveness scale (SRS) score (score measuring autistic traits) to brain inter regions connectivity strength. These aims were implemented in all DFC states. The ASD subjects experienced more the state with less intra and inter network connections. Further, the DMN segregation reduction from other functional networks emerged as a common them. Furthermore, in ASD, the connection strength between auditory and visual networks was decreased by increasing the age. In ASD, the SRS had more positive relation to connectivity strength existing between cerebellar, auditory, visual networks and cognitive control network in comparison to TC. All these results demonstrate that some differences exist in brain network connection of ASD in comparison to the TC subjects and these differences can be more distinctively revealed by employing DFC analysis. 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.https://www.ijbme.org/article_43195_ae014feb8633025028618ce2071bb1c2.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-586914220200621Diagnosis of Attention Deficit Hyperactivity Disorder using Detrended Fluctuation Analysis of EOG Signalتشخیص اختلال نقص توجه-بیشفعالی با استفاده از تحلیل نوسان روندزدایی شدهی سیگنال EOG1591683981410.22041/ijbme.2020.124843.1591FAنسرینشعوریاستادیار، گروه مهندسی پزشکی، دانشکدهی فنی، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران0000-0003-1719-6161Journal Article20200417Previous research has shown that eye movements in people with Attention Deficit Hyperactivity Disorder (ADHD) and healthy people were different, and it is possible that there is a difference between the two groups' EOG signals. Therefore, in the present study, the recorded EOG signals of 30 children with ADHD and 30 healthy children were examined during performing an attentional related task. For this purpose, the scaling exponents of the two groups' EOG signals were calculated and the differences between the two groups were examined using statistical tests. The EOG signals were then classified using a Growing Neural Gas network. The results show that the scaling exponents of the EOG signals in children with ADHD were significantly higher than that of healthy children (p < 0.001). This result shows that the decay slope of power spectrum in ADHD children is more as compared to healthy children. In addition, the EOG signals were classified into two groups with a detection accuracy of 72.22±2.8%. The results of this study could be used to design a course of treatment with EOG biofeedback to treat or reduce the symptoms of people with ADHD.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. https://www.ijbme.org/article_39814_85ecc824097a247c49dfdf7cffe98500.pdf