پردازش علایم و داده ها
سال:1399 | دوره:17 | شماره:3 (پیاپی 45) |تعداد مقالات:10

فرآیند انتخاب تامین کننده مناسب که قادر به فراهم کردن نیاز خریدار از نظر محصولات باکیفیت با قیمت مناسب و در یک زمان و حجم مناسب باشد، یکی از ضروری ترین فعالیت ها برای ایجاد یک زنجیره تامین کارا است. با توجه به اهمیت موضوع، در این مقاله، برای حل مساله انتخاب تامین کننده، رویکردی ترکیبی به همراه تصمیم گیری گروهی در مسایل تصمیم گیری چند معیاره در بستر فازی شهودی بازه ای مقدار ارایه شده است. در این روش مقادیر متناسب با هر تامین کننده در بستر فازی شهودی بازه ای مقدار مشخص شده است؛ سپس اولویت های جمعی متناسب با هر تامین کننده به دست آورده می شوند و از روش تاپسیس، ضریب نزدیکی (شاخص شباهت) محاسبه و سپس تامین کننده ها بر اساس این مقدار ارزیابی می شوند. در انتها از روش برنامه ریزی هدفمند با تابع رضایت بخش برای رتبه بندی نهایی به تامین کننده ها استفاده می شود. مدل پیشنهادی به وسیله نرم افزار متلب پیاده سازی شده و با طرح سناریویی روند کاری مدل پیشنهادی برای رتبه بندی تامین کننده ها تشریح شده است.

بهسازی گفتار یکی از زمینه های پرکاربرد در پردازش سیگنال است که در حوزه های مختلفی مورد استفاده قرار می گیرد. در این مقاله از مفاهیم بازنمایی تُنُک و یادگیری واژه نامه به منظور حذف نوفه از سیگنال گفتار در فضای ویژگی تبدیل موجک استفاده می شود. ساختار مورد نیاز جهت بازنمایی هر مؤلفه از سیگنال به کمک مفاهیم بازنمایی تُنُک، براساس تعداد کمی از اتم های یادگیری شده امکان پذیر است. به منظور دست یابی به نتایج مطلوب در بهسازی گفتار، از روال یادگیری واژه نامه ناهمدوس بهره گرفته می شود. به کمک ضرایب تبدیل موجک، تجزیه سیگنال در زیرباندهای مختلف که شامل اطلاعات دقیقی از محتوای سیگنال هستند، فراهم می شود. در روش پیشنهادی، دو سناریوی نظارت شده و نیمه نظارت شده مورد بررسی قرار گرفته و یک الگوریتم آشکارساز فعالیت گفتاری در هر سناریو با توجه به شرط های معرفی شده بر اساس واژه نامه های یادگیری شده در گام آموزش، پیشنهاد می شود. با استفاده از نتایج خروجی آشکارساز پیشنهادی، سیگنال گفتار تخمینی طی یک روال بهسازی در گام بعد به دست خواهد آمد. نتایج گزارش شده براساس معیارهای مختلف ارزیابی عملکرد، بر توانایی این روش در زمینه کاهش نوفه سیگنال گفتار تأکید می کند. روش های پیشنهادی، توانایی بالایی را در خصوص کاهش نوفه های ناایستا به خصوص در مقادیر سیگنال به نوفه پایین دارد.

یکی از مراحل زیربنایی در بازشناسی خودکار گفتار، بازشناسی واج ها و از موانع جدی برای بازشناسی واج ها، هم تولیدی است. یک روش برای جبران تأثیر هم تولیدی، استفاده از مدل های وابسته به بافت در بازشناسی واج هاست. در این پژوهش، از یک روش زبان شناختی برای مدل سازی واج گونه ها استفاده شده است. بدین منظور ابتدا قواعد وقوع واج گونه ها در زبان فارسی استخراج و مشخص شده است که هر واج چه واج گونه هایی دارد. برای مدل سازی و شناسایی واج گونه ها، یک پیکره واج گونه ای لازم است که به منظور تولید آن، از پیکره فارس دات کوچک استفاده و برچسب گذاری واج گونه ای آن انجام و از این پیکره، برای مدل سازی و سپس شناسایی واج گونه های مختلف گفتار ورودی استفاده شده است. درنهایت، با قرار گرفتن هر یک از واج گونه های شناسایی شده در دسته واجی مربوط به خود، بازشناسی واج ها از مسیر واج گونه ها انجام شده است. با این روش، دقت بازشناسی واج ها در زبان فارسی در مقایسه با بهترین نتایج گزارش شده تاکنون، بهبود قابل ملاحظه ای نشان داده است.

با توجه به رشد سریع شبکه های اجتماعی در چند سال اخیر، مسأله نمونه گیری از گراف های بسیار بزرگ شبکه­ های اجتماعی با هدف تجزیه و تحلیل سریع شبکه بر اساس نمونه­ های کوچک، اهمیت خاصی پیدا کرده است. مطالعات زیادی در این راستا انجام شده است، ولی آنها تا حد زیادی با مشکل انتخاب تصادفی، عدم حفظ ویژگی های شبکه­ های پیچیده در گراف حاصل و یا صرف هزینه زمانی بالا برای استخراج گراف نمونه مواجه هستند. در این مقاله یک روش نمونه­ گیری جدید را برای نخستین ­ بار با ارائه یک رابطه جدید مبتنی بر ویژگی های ساختاری برای مشخص کردن اهمیت گره ها و استفاده از الگوریتم کلونی زنبور عسل پیشنهاد می­ کنیم. این روش نمونه­ گیری با ارائه یک رویکرد آگاهانه غیرتصادفی در نمونه­ گیری سعی دارد تا نمونه حاصله از لحاظ ویژگی هایی مانند توپولوژی شبکه، توزیع درجه، تراکم داخلی، درجه ورودی و خروجی و غیره شباهت زیادی با شبکه اصلی داشته باشد. نتایج حاصل، برتری روش پیشنهادی را از لحاظ حفظ ویژگی های توزیع درجه، ضریب خوشه­ بندی و غیره در نمونه گراف به دست آمده نشان می­ دهد.

تصویربرداری مولکولی به روش تشدید مغناطیسی با ردیابی عامل های کنتراست، امکان تشخیص زود هنگام بیماری ها به شیوه­ ای غیر تهاجمی را فراهم کرده است. درهمین اواخر با طراحی رشته پالس تصویربرداری مناسب بر روی پویش گر تشدید مغناطیسی، امکان اندازه گیری میزان تبادل شیمیایی بین عامل کنتراست و آب که به پدیده انتقال اشباع به واسطه تبادل شیمیایی (CEST) مشهور است، امکان پذیر شده است. اثر CEST منجر به کاهش تعداد هیدروژن­ های آب و پایین­ آمدن شدت روشنایی تصویر تشدید مغناطیسی می شود؛ لذا به این اثر کنتراست منفی CEST هم گفته می­ شود. وجود رابطه­ ای تحلیلی بین نرخ تبادل شیمیایی و شاخص­ های بالینی (دما، مصرف گلوکز، pH و موارد دیگر)، علاقه مندی به اندازه گیری و کمّی­ سازی کنتراست CEST را افزایش داده است. این پژوهش یک فرمول ریاضی بسته دقیق از کنتراست CEST در حالت­ های گذرا و دایمی ارایه می­ دهد. در این مطالعه با شناسایی عوامل تخریبی مزاحم، مانند انتقال مغناطیس شوندگی توسط ماکرومولکول ها (MT) و اثر اشباع مستقیم آب، کنتراست CEST در مدل های دو و سه حوضچه­ ای با استفاده از داده­ های پارامتری برگرفته از بافت بدن و داده­ های ناشی از مشاهدات تجربی، مدل سازی می­ شود. تطابق کنتراست CEST پیشنهادی با روش اندازه­ گیری غیر­ متقارن که مورد استناد بسیاری از پژوهش گران است، برای عامل های کنتراست پارامگنتیک در یک مدل سه حوضچه ای بررسی شده است. میزان خطای نسبی برازش به طور متوسط بر روی سه دسته داده تجربی از چهار درصد کمتر بود؛ علاوه بر آن سازگاری مقبولی بین کنتراست CEST پیشنهادی با یک فرمول تجربی بر اساس داده­ های مبتنی بر عامل­ های دیامگنتیک در مدل دو حوضچه­ ای هم دیده می­ شود. با دست یابی به این رابطه تحلیلی از کنتراست CEST، امکان بهینه­ سازی و درک نحوه وابستگی آن به پارامترهای اثرگذاری مانند میزان غلظت عامل کنتراست، نرخ تبادل شیمیایی و ویژگی­ های پالس الکترومغناطیسی (مانند دامنه و عرض پالس در پالس­ های مستطیلی) فراهم می­ شود.

کیفیت بازخورد تصویری و نمایش مناسب آن تأثیر به سزایی در انجام درست حرکات توان بخشی با استفاده از سامانه ­ های توان بخشی حرکتی دارند. یکی از مشکلات اساسی سامانه­ های معمول مبتنی بر واقعیت مجازی آن است که محل وقوع حرکت بر روی زمین و یا تردمیل بوده، درحالی که محل نمایش بازخورد این حرکت در صفحه نمایش روبه­ روی بیمار است. در این مقاله، روشی جدید برای نمایش بازخوردهای حرکت با استفاده از نگاشت ویدیو بر روی صفحه تردمیل ارائه شده که سعی در کم کردن فاصله میان محل وقوع حرکت و محل نمایش بازخورد آن حرکت برای دریافت بهتر بازخورد دارد. در این روش، بازخورد تصویری با استفاده از ویدیو پروژکتور بر روی صفحه تردمیل نمایش داده می­ شود. ویژگی مهم این روش در مقایسه با کارهای قبلی، ارایه روشی برای باورپذیر کردن بازخورد با استفاده از انسداد تصویر است. پس از طراحی و پیاده ­ سازی سامانه بازخورد با انسداد تصویر و بدون انسداد تصویر، یک مطالعه کاربری برای ارزیابی سامانه و مقایسه آنها انجام شد. در این مطالعه، از 24 نفر از شرکت کنندگان بدون مشکل حرکتی خواسته شد تا تمرین­ های قدم زدن و عبور از موانع بر اساس پروتکل طراحی شده انجام دهند. با توجه به اینکه هدف این مقاله تنها ارایه روشی برای بهبود کیفیت نمایش بازخورد حرکتی بوده و نه بررسی تأثیر سامانه ارایه شده بر روی بهبود و توان بخشی بیماران، از شرکت کنندگان بدون مشکل حرکتی برای ارزیابی این مطالعه استفاده شده است. نتایج حاصل از این پژوهش حاکی از آن است که اختلاف معنادار آماری میان نرخ خطای سامانه نگاشت ویدیو مبتنی بر انسداد تصویر و سامانه بدون انسداد تصویر در تمرین قدم زدن (p=0. 0031) و عبور از موانع (p=0. 021) وجود دارد. از لحاظ شهودی بودن بازخورد بر اساس خود اظهاری شرکت کنندگان در پژوهش، نتایج حاصل بیان گر برتری معنادار آماری (p=0. 011) سامانه نگاشت ویدیو با انسداد تصویر در مقایسه با سامانه بدون انسداد تصویر است.

تصویربرداری تشدید مغناطیسی[1] (MRI) که اساس آن بر پایه تشدید مغناطیسی هسته ای بنا نهاده شده، به عنوان یک روش بارز در زمینه کاربردهای پزشکی مطرح است. به دلیل وضوح مناسب و فناوری کم ضرر، MRI در کاربردهای بالینی بسیار مورد توجه قرار گرفته است. کیفیت تصاویر MR نقش کلیدی در نحوه تشخیص پزشک ایفا می کند؛ اما به دلیل ایجاد نوفه حین فرآیند تصویربرداری، اغلب کیفیت تصاویر دریافتی کاهش می یابد. از این رو حذف نوفه جهت ارتقای قابلیت تشخیص بسیار مورد توجه قرار گرفته است. نوفه موجود در تصاویر MR که منجر به کاهش شدت نور تصویر شده و بایاس وابسته به سیگنال ایجاد می کند، به بهترین شکل با تابع توزیع رایسین مدل می شود. به طور کلی هدف از این پژوهش پیداکردن تابع چگالی احتمال پیشین مناسبی برا یسیگنال بدون نوفه[2] MR و استفاده از تخمین بیزین در راستای کاهش نوفه تصویر است که در مقایسه با سایر روش­ های گروه آماری روشی کم هزینه با پیچیدگی محاسباتی پایین­ تر است.

گسترش استفاده از فناوری اطلاعات و به طور خاص اینترنت اشیا در حوزه سلامت الکترونیکی، مسائل مختلفی را به همراه دارد که از مهم ترین آنها مسأله امنیت و کنترل دسترسی است. در این راستا نیازمندی های مختلفی از جمله مسأله دسترسی پزشک به پرونده بیمار بر اساس موقعیت فیزیکی پزشک، مسأله تشخیص شرایط اضطراری و اعطای پویای دسترسی موقت به پزشک حاضر، حفظ حریم خصوصی بیمار بر اساس ترجیحات وی و مسأله اعطای وکالت دسترسی به حقوق دسترسی پزشک دیگر مطرح است که در مدل های ارائه شده تاکنون پوشش داده نشده است. در این مقاله یک مدل کنترل دسترسی پویا و حافظ حریم خصوصی با قابلیت وکالت دسترسی در سلامت الکترونیکی با نام TbDAC ارائه شده است؛ به طوری که هنگام دسترسی پزشکان و پرستاران به پرونده بیمار بتواند چالش های امنیتی مطرح در این محیط ها را برطرف کند. با پیاده سازی یک سامانه کنترل دسترسی بر اساس مدل پیشنهادی و بررسی سناریوهایی واقعی در محیط بیمارستانی با استفاده از آن، کاربرد عملی این مدل در محیط واقعی و کارایی آن نشان داده شده است.

در این مقاله، یک روش استخراج ویژگی از داده ارائه شده است. ایده پیشنهادی، کلی بوده و قابل به کارگیری در استخراج ویژگی از هر نوع داده است. در این روش، بردار ویژگی آزمون، به ویژگی های موجود در همه دسته ها اضافه و سپس تبدیل مناسبی روی مجموعه ویژگی های هر دسته (با احتساب بردار آزمون اضافه شده)، اعمال می شود. نحوه اعمال تبدیل و مجموعه اقدامات بعد از آن، به نحوی صورت می گیرد که موجب می شود ویژگی های موجود در دست ه ای که داده آزمون در واقع متعلق به آن است، دچار آسیب چندانی نشود و در مقابل، ویژگی های دسته هایی که داده آزمون متعلق به آنها نیست، دچار تخریب شوند. به طور شهودی می توان گفت، این امر، منجر به افزایش نرخ پذیرش به درستی (TP ) در الگوریتم های دسته بندی یا شناسایی الگو می شود. به عنوان یک نمونه، ایده پیشنهادی، در مسأله شناسایی چهره با استفاده از شبکه های عصبی کانولوشن (CNN)، به عنوان یک پس پردازش و ویژگی های حاصل، به عنوان ویژگی های نهایی، برای عملیات شناسایی چهره به کار گرفته شد. نتایج پیاده سازی، نشان دهنده بهبود حدود %4/3 روی پایگاه داده LFW است.

امروزه اختلالات دریچه​ های قلبی یکی از اصلی​ ترین عوامل مرگ و میر در جهان هستند. این اختلالات عبارت است از بروز عوارضی در دریچه های قلبی به نحوی که موجب تغییر شکل و یا تخریب دریچه ها شده و به تبع آن صداهای ناشی از باز و بسته شدن آنها نسبت به قلب سالم، دچار تغییر شوند. بدیهی است با توجه به پیچیدگی های سیگنال های صوتی قلبی و ثبت آنها، طراحی سامانه ای عاری از خطا و در عین حال دقیق از نظر میزان صحت تشخیص به سختی دست یافتنی باشد. با این وجود در این پژوهش تلاش شده است، سامانه ای هوشمند برای تشخیص نارسایی​ های دریچه​ ای قلب با استفاده از سیگنال های صوتی فونوکاردیوگرافی ارائه شود تا بیشینه قدرت تشخیصی را داشته باشد. هدف اصلی در روش پیشنهادی انتخاب بردارهای ویژگی مؤثر با استفاده از روش بهینه​ سازی ژنتیک و نیز بر اساس تابع ارزیابی مبتنی بر ضرایب همبستگی پیرسون است. پیش از انتخاب ویژگی با توجه به ماهیت سیگنال های صوتی قلب، مراحل پیش​ پردازشی شامل ثبت داده ها، نرمال​ سازی، تقسیم بندی و فیلتر کردن مورد استفاده قرار گرفته تا صحت عملکرد سامانه را افزایش دهد. در گام بعدی سه دسته ویژگی های مختلف زمانی، موجک و انرژی سیگنال (هر یک پانزده ویژگی) از روی سیگنال عاری از نوفه استخراج شده که با توجه به تراکم و ناهمبستگی این ویژگی​ ها، به کمک روش های ادغام، همبسته سازی و نیز کاهش فضای مسأله شامل تجزیه و تحلیل مؤلفه های اصلی، تحلیل جداکننده های خطی و تحلیل جداکننده های خطی ناهمبسته بردارهای ویژگی در فضای جدیدی استخراج می شوند. این بردارها شامل هجده بردار جدید (هر یک شش بردار) بوده که در نهایت از شبکه پرسپترون چند​ لایه و المن برای طبقه بندی آنها استفاده می شود. نتایج مدل سازی فرآیند انتخاب ویژگی های مؤثر و تشخیص بیماری نشان از کارایی روش پیشنهادی دارد.