fa شناسایی میکرو آمبولی مغزی در سیگنال داپلر از روی ویژگی های غیر خطی مقالات پردازش گفتار Paper پژوهشي Research <a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);"></a> <table border="0" cellpadding="0" cellspacing="0" height="500" width="900"> <tbody> <tr> <td bgcolor="#ffffff" dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="500" width="100%"> <tbody> <tr> <td dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="5" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <center> <center> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="30" width="100%"> <tbody> <tr> <td bgcolor="#FFFFFF" dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <table border="0" cellpadding="10" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <p align="justify" style="line-height: 18px;"><a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);">آمبولی، توده‌های مجتمع از گلبول های قرمز، چربی و یا حباب های گاز می‌باشند که آزادانه در سیستم گردش خون در جریان هستند و وجود آن ها نشانه ی خطر اسکیمی می‌باشد. در بررسی جریان خون در زمان واقعی به روش داپلر ترانس کرانیال (TCD) با عبور میکرو آمبولی جامد و یا گاز از منطقه ی تحت بررسی با داپلر، سیگنالی کوتاه&not;مدت با دامنه ی زیاد ایجاد می‌گردد. در هنگام ثبت، عواملی مانند حرکت پروب و یا سرفه، باعث ایجاد آرتیفکت با دامنه ی زیاد در سیگنال داپلر می‌شود که شناسائی آن را از آمبولی را دشوار می‌کند. صرف وقت زیاد و همچنین احتمال خطای فرد متخصص در تشخیص آمبولی از آرتیفکت، انگیزه ی اصلی طراحی سیستم های تشخیص خودکار می‌باشد. پیاده‌سازی این‌گونه سیستم ها همواره با دو چالش عمده&not;ی استخراج ویژگی های مناسب و طراحی دسته‌بند مطلوب روبرو می باشد. در این تحقیق هر دو موضوع مورد مطالعه قرار گرفت. در بخش ویژگی، ضرایب موجک، آنتروپی موجک، بُعد فرکتالی و ویژگی Besov از سیگنال استخراج شد و به کمک تحلیل آماری ویژگی های با بالاترین میزان تفکیک معرفی شد. در بخش دسته‌بند، شیوه&not;ی جدیدی برای شناسایی آمبولی و تفکیک آن از آرتیفکت به وسیله مدل مارکف پنهان (HMM) ارائه شد و نتایج آن با نتایج دسته‌بند شبکه&not;ی عصبی فازی تطبیقی (ANFIS) مقایسه شد. در مجموع با استفاده از ضرایب موجک و مدل مارکف پنهان طراحی شده، توانستیم به صحت 3/95% و وضوح 7/92% در شناسایی آمبولی برسیم.</a></p> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </center> </center> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> <br> <a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);"></a> <table border="0" cellpadding="0" cellspacing="0" height="500" width="900"> <tbody> <tr> <td bgcolor="#ffffff" dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="500" width="100%"> <tbody> <tr> <td dir="rtl" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;" valign="top"> <table border="0" cellpadding="0" cellspacing="5" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <center> <center> <table border="0" cellpadding="0" cellspacing="0" dir="ltr" height="30" width="100%"> <tbody> <tr> <td bgcolor="#FFFFFF" dir="ltr" style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <table border="0" cellpadding="10" cellspacing="0" width="100%"> <tbody> <tr> <td style="color: rgb(0, 0, 0); font-family: tahoma, arial; font-size: 12px;"> <p align="justify" style="line-height: 18px;"><a name="up" style="color: rgb(0, 204, 0); font-family: tahoma; text-decoration: none; font-size: 12px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: -webkit-center; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255);">Abstract: An embolus is a blood clot, a fat globule or gas bubbles that may be freely circulating in bloodstream can stop the blood flow and lead to ischemia. In real time assessment of blood flow by Trans Cranial Doppler (TCD) method, travelling solid or gaseous micro emboli in the bloodstream by passing across the assessment area, causes a short time signal with high intensity. While TCD recording including movement of the probe, coughing, sneezing, and head rotation generate high intensity artifacts that make it difficult to make differentiate from embolus. Time consuming and also human mistakes in differentiating emboli from artifact are the main motivations of design of the automatic detection systems. Implementing such systems is nowadays faced with two main challengeous problems: extracting suitable features and designing the proper classifier. In this research, we studied two issues together. In feature extraction part, wavelet coeffiecient, wavelet entropy, fractal dimention and Besov property of signal is extracted, and using by statistical methods we introduced the feature with highest separability rate. In classifier part, a novel method based on hidden markov models for detecting emboli from artifact is proposed, and the results is compared with the results of Adaptive Neuro Fuzzy Inference System classifier. In total, using wavelet coefficients and hidden markov model, we achieved an accuracy rate of 95.3% and specificity of 92.7%. </a></p> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </center> </center> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> </td> </tr> </tbody> </table> MES, شبکه عصبی فازی تطبیقی, مدل مارکف پنهان, آنتروپی, ضرایب موجک. MES, Adaptive Neuro Fuzzy Inference System (ANFIS), Hidden Markov Model (HMM), Entropy, Wavelet coefficients. 71 85 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-43-3&slc_lang=fa&sid=1 سعید راحتی قوچانی rahati@mshdiau.ac.ir 10031947532846004552 10031947532846004552 Yes دانشگاه ازاد اسلامی مشهد محمودرضا آذرپژوه azarpazhooh@yahoo.com 10031947532846004553 10031947532846004553 No دانشگاه ازاد اسلامی مشهد آزاده معلمی‌دمنه azad_moalemi@yahoo.com 10031947532846004554 10031947532846004554 No دانشگاه ازاد اسلامی مشهد