IRANIAN JOURNAL OF BIOMEDICAL ENGINEERING
Year:2010 | Volume: | Issue: |Papers Count:7

سیستم fMRI در شناخت فعالیت های عصبی کاربرد زیادی دارد. پاسخ مغز به آزمایش ترتیب داده شده از طریق سیگنال ها و تصاویر به دست آمده در خلال تصویربرداری fMRI، قابل بررسی است. مطالعات مختلف انجام شده بر روی سیگنال میزان اکسیژن دهی خون، رابطه غیرخطی بین تحریک اعمالی و پاسخ دریافت شده از نرون ها را نشان می دهد. در این مقاله، به بررسی روش های غیرخطی تحلیل تصاویر fMRI خواهیم پرداخت. برای این مقصود، به بررسی روش های غیرخطی با تاکید بر پارامترهای فیزیولوژیکی اثرگذار بر سیگنال BOLD و روش های غیرخطی که بدون در نظر گرفتن عوامل فیزیولوژیکی، رابطه ورودی و خروجی، یعنی سیگنال تحریک و سیگنال fMRI را مدل می کنند؛ می پردازیم. روش بالون را نیز به عنوان یک روش غیرخطی فیزیولوژیکی بررسی کرده و از طریق آن روش جدیدی برای تعیین مناطق فعال مغز ارائه کرده ایم. همچنین روش های همرشتاین-وینر و NARMA و مدل ولترا به عنوان روش های غیرفیزیولوژیکی مورد بحث قرار گرفته و توانایی آنها در مدل کردن و تشخیص مناطق فعال مغز مورد ارزیابی قرار گرفته است. علاوه بر روش های به کار رفته برای آشکارسازی نقاط فعال بر روی دو مجموعه از داده ها (با تحریک شبیه سازی شده و تحریک واقعی) ارزیابی شده اند. در مجموعه دادگان شماره یک به ازای سطح آستانه 0.45 در هر سه مدل، میزان اندیس جکارد برای مدل های همرشتاین-وینر،NARMA  و مدل ولترا به ترتیب 0.90، 1.0 و 0.91 به دست آمد. در مجموعه داد گان شماره دو به ازای آستانه های مختلف (به ترتیب 0.35، 0.40 و 0.45) این اندیس به ترتیب 0.80، 0.9 و 0.87 است.

امروزه ایده درمان فوتوداینامیک (PDT)، یکی از پایه های اساسی روش های نوین درمان سرطان به شمار می آید. موضوع حائز اهمیت در کاربرد این روش درمانی، دوزیمتری بهینه است. در حالت بهینه، بهتر است دوزیمتری PDT بر اساس تخمین دوز تجمع یافته اکسیژن یگانه درون بافت و مقایسه آن با مقدار آستانه باشد تا از نتیجه درمان اطمینان حاصل شود. مدلسازی فرایند درمان مناسب ترین روش برای تخمین دوز تجمع یافته اکسیژن یگانه درون بافت است. بنابراین لازم است اطلاعات کافی در مورد غلظت دارو درون بافت هدف، میزان نور جذب شده به وسیله دارو، میزان اکسیژن درون بافت هدف و برهمکنش بین آنها (منجر به تولید اکسیژن یگانه) به دست آید. با توجه به اهمیت تعیین مقدار دارو درون بافت هدف و توجه به این امر که به دلیل فتوبلیچینگ، کاهش قابل ملاحظه ای در غلظت دارو ضمن درمان رخ می دهد، در این تحقیق به مدلسازی و شبیه سازی اثر فتوبلیچینگ پرداخته شده است. شبیه سازی در فضای MATLAB انجام شده است. مقایسه نتایج شبیه سازی با نتایج تجربی نشان می دهد که در حالت اعمال توزیع پذیری غیریکنواخت دارو، شبیه سازی در فاز اولیه افت سریع غلظت دارو، به خوبی از نتایج تجربی پیروی می کند.

در این مطالعه از یک مدل ساده آونگ واژگون با کنترل کننده تناسبی-انتگرال گیر- مشتق گیر دارای بازخورد تاخیری برای مدلسازی سیستم کنترل وضعیت و شبیه سازی الگوهای نوسان های وضعیتی بهره گرفته شده است. هدف این بوده تا به جای استفاده از شاخص های متداول ارزیابی نوسان های وضعیتی که عمدتا تعاریفی کیفی از سیستم کنترل وضعیت ارائه می دهند، با بهره گیری از این مدل بتوان به اطلاعاتی درباره نحوه عملکرد سیستم کنترل وضعیت دست یافت. با استفاده از اطلاعات و یافته های تجربی و به کارگیری الگوریتم ژنتیک، ضرایب مدل به گونه ای تعیین شدند که نتایجی مشابه با نتایج شاخص های مرسوم ارزیابی نوسان های وضعیتی سیستم های کنترل وضعیت طبیعی و تغییر یافته ایجاد کنند. ضرایب به کار گرفته شده در مدل و کنترل کننده، تعابیر معناداری منطبق بر ذات سیستم کنترل وضعیت می یابند که زوال این سیستم به واسطه ضایعات عصبی-عضلانی، آنها را هدف قرار می دهد. نتایج این مطالعه نشان دادند که اگر چه مدل های ساده سیستم کنترل وضعیت قادر به بیان پیچیدگی های سیستم کنترل وضعیت و تعامل بین اجزاء سیستم نیستند ولی می توانند به درک بهتر نحوه عملکرد سیستم کنترل وضعیت، ویژگی های کلی آن و نحوه تغییرات آنها کمک کنند.

امروزه ارائه راهکار سریع و دقیق برای مساله تصدیق امضاء بسیار مورد توجه است. در زمینه تصدیق امضای پویا، ویژگی ها به دو گروه پارامتری یا سیگنالی تقسیم می شوند. در روش های پارامتری هر چند سرعت فرایند استخراج و طبقه بندی سریع تر از روش های سیگنالیست ولی دقت کمتری دارند. در این پژوهش هدف مدلسازی سیگنال سرعت است که از الگوهای پایدار و مشخصه های ذاتی در ترسیم امضای یک فرد حقیقی است. با استفاده از رفتار مدل های قطب- صفر مبتنی بر تبدیل کسینوسی گسسته، ضمن بیان روشی دقیق برای مدلسازی، با محاسبه ضربه های نوشتاری از سیگنال سرعت به استخراج ویژگی های حاصل از این مولفه های پایه می پردازیم. با اعمال طبقه بندی کننده های خطی، پنجره پارزن و ماشین بردار پشتیبان به ویژگی های کلی و ناحیه ای حاصل از پایگاه دادگان متشکل از امضای افراد فارسی، چینی و انگلیسی زبان، خطای EER در شرایط سطح آستانه مشترک برابر %1.25 و %1.78 به ترتیب برای جاعلان تصادفی و ماهر حاصل شد.

در این مقاله، کاربرد تحلیل مولفه های مستقل (ICA) برای تشخیص بیماری اوتیسم مورد بررسی قرار گرفته است. ابتدا منابع تولید کننده سیگنال های EEG با ICA استخراج و سپس پردازش های حوزه زمان و فرکانس بر این مولفه های سیگنالی اعمال شدند. سیگنال های EEG از 10 کودک مبتلا به اوتیسم و 10 کودک سالم در محدوده سنی 6-11 سال گرفته شده است. نتایج به کمک روش آماری آزمون تی با هم مقایسه شده اند. پائین تر بودن سطح همبستگی میان منابع نیم کره چپ مغز به ویژه ناحیه مربوط به کانال  C3در افراد مبتلا به اوتیسم نسبت به افراد سالم مشاهده شده است. همچنین میانگین انرژی باند فرکانسی تتا در منابع نیم کره چپ مغز به خصوص کانال های C3 و  F3برای افراد مبتلا به اوتیسم نسبت به افراد سالم پائین تر بوده و این معیار در باند فرکانسی گاما بالاتر به دست آمده است.

امواج اتواکوستیک امیشن از جمله اصوات قابل اندازه گیری هستند که به وسیله حلزون و به ویژه سلول های مویی خارجی تولید شده و در مجرای گوش خارجی ثبت می شوند. سلول های مویی خارجی در پاسخ به محرک آکوستیکی و یا به صورت خودبه خودی، نوعی انرژی مکانیکی را در حلزون ایجاد می کنند. این انرژی از طریق گوش میانی و پرده صماخ به سمت خارج انتقال می یابد و در مجرای شنوایی خارجی به صورت سیگنال آکوستیکی قابل ثبت است. سیگنال اتواکوستیک امیشن را می توان در مجرای گوش به وسیله یک میکروفن حساس با اغتشاش پائین که در پروب مخصوص جای گرفته است، آشکار ساخته و ثبت کرد. همان طور که بیان شد ﻣﻨشاء اصلی اتواکوستیک امیشن گوش داخلیست و گوش میانی مانند یک کانال ارتباطی، وظیفه ارسال پاسخ های اتواکوستیک امیشن از گوش داخلی به سمت خارج را ایفا می کند. به این ترتیب پاسخ نهایی ثبت شده در کانال گوش خارجی به شدت متاثر از تابع انتقال گوش میانی خواهد بود که در حد امکان باید اثر اعوجاجی را کاهش داد. در این مقاله، مدل گوش میانی مد نظر است و بنابراین بر اساس اندازه گیری های مختلف سعی می شود که مدل معکوس برای گوش میانی در نظر گرفته شود، سپس با استفاده از مشخصات این مدل مانند پاسخ فرکانس، یک فیلتر جبران ساز بر پاسخ ثبت شده نهایی اعمال می شود و در نتیجه براورد قابل قبولی از پاسخ اتواکوستیک امیشن تولید شده در گوش داخلی به دست می آید. نتایج مقایسه سیگنال تخمین زده شده با سیگنال ثبت شده نشان می دهد که ارزیابی بر پایه اتواکوستیک امیشن تخمین زده شده با توجه به کاهش اغتشاش و تشخیص آزمون های اشتباه، به پاسخ حقیقی سلول های مویی خارجی نزدیک تر است.

پیش بینی زمان وقوع حملات صرع در بیماران از جمله موضوعاتیست که مورد توجه محققان است. حملات صرع به طور نامنظم و غیر قابل پیش بینی شده ای اتفاق می افتند. بنابراین تشخیص حملات صرع از روی سیگنال های EEG که در بازه زمانی طولانی گرفته می شوند؛ بسیار حائز اهمیت است. این امر تشخیصی به دو مرحله مجزای استخراج ویژگی ها از قطعات سیگنال EEG و اعمال الگوریتم طبقه بندی بر روی بردارهای ویژگی تقسیم می شود. به همین منظور در مرحله اول با استفاده از تحلیل زمان- فرکانس بر روی قطعات سیگنال EEG و به دست آوردن صفحه زمان- فرکانس هر قطعه، استخراج ویژگی ها از سیگنال ها انجام می شود. در مرحله دوم با استفاده از الگوریتم نزدیک ترین همسایه کار تشخیص حملات صورت می گیرد. اما قبل از اعمال الگوریتم طبقه بندی، برای اصلاح فضای ویژگی ها و یادگیری معیار فاصله، از الگوریتم AIS-RCA استفاده شده است. این الگوریتم برای به دست آوردن ماتریس تبدیل W، داده ها را به صورت مجموعه ای از دسته ها در نظر می گیرد و با ارائه الگوریتم جدید AD-AIRS و با الهام گرفتن از سیستم ایمنی بدن دسته ها را می یابد. آزمایش های انجام شده نشان دهنده دقت %100 و بهبود نتایج در مقایسه با برخی روش های انتقال موجک، آنتروپی، معیار بی نظمی و تبدیل انتقال فوریه سریع را نشان می دهد.