per
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
2010-11-22
4
3
177
185
10.22041/ijbme.2010.13294
13294
Full Research Paper
بررسی زوال سیستم کنترل وضعیت با استفاده از مدل آونگ واژگون با کنترلکننده تناسبی انتگرالگیر-مشتقگیر و بازخورد تأخیری
Analysis of Postural Control System Degeneration Using an Inverted Pendulum Model with PID Controller and Delayed Feedback
حامد قماشچی
ghomashchi@qiau.ac.ir
1
علی استکی
aesteki@sbmu.ac.ir
2
علی مطیع نصرآبادی
nasrabadi@shahed.ac.ir
3
فریدون نوشیروان راحتآباد
nooshiravan@gmail.com
4
استادیار، گروه مهندسی مکانیک، دانشکده مهندسی مکانیک و صنایع، دانشگاه آزاد اسلامی واحد قزوین
استاد، گروه مهندسی و فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی
استادیار، گروه مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه شاهد
استادیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
در این مطالعه از یک مدل ساده آونگ واژگون با کنترلکننده تناسبی-انتگرالگیر- مشتقگیر دارای بازخورد تأخیری برای مدلسازی سیستم کنترل وضعیت و شبیهسازی الگوهای نوسانهای وضعیتی بهره گرفته شده است. هدف این بوده تا به جای استفاده از شاخصهای متداول ارزیابی نوسانهای وضعیتی که عمدتاً تعاریفی کیفی از سیستم کنترل وضعیت ارائه میدهند، با بهرهگیری از این مدل بتوان به اطلاعاتی درباره نحوه عملکرد سیستم کنترل وضعیت دست یافت. با استفاده از اطلاعات و یافتههای تجربی و بهکارگیری الگوریتم ژنتیک، ضرایب مدل به گونهای تعیین شدند که نتایجی مشابه با نتایج شاخصهای مرسومِ ارزیابی نوسانهای وضعیتی سیستمهای کنترل وضعیت طبیعی و تغییریافته ایجاد کنند. ضرایب بهکار گرفته شده در مدل و کنترلکننده، تعابیر معناداری منطبق بر ذات سیستم کنترل وضعیت مییابند که زوال این سیستم به واسطه ضایعات عصبی-عضلانی، آنها را هدف قرار میدهد. نتایج این مطالعه نشان دادند که اگرچه مدلهای ساده سیستم کنترل وضعیت قادر به بیان پیچیدگیهای سیستم کنترل وضعیت و تعامل بین اجزاء سیستم نیستند ولی میتوانند به درک بهتر نحوه عملکرد سیستم کنترل وضعیت، ویژگیهای کلّی آن و نحوه تغییرات آنها کمک کنند.
In this study a simple inverted pendulum model with PID controller and delayed feedback is used to model standing-still postural control system for the purpose of achieving useful information about its underlying control structure. Using the Genetic algorithm and an experimental study results, the model and the controller parameters were estimated in a way that the model mimics real experimental sway patterns. The controller parameters found meaningful interpretations and it is shown that degeneration of postural control system affects the values of the parameters. Our findings indicate that although the simple models are not able to describe complexities of postural control system and interactions between its components, they can help us to improve our understanding of postural control system, its performance, its features and the way that the features change.
https://www.ijbme.org/article_13294_0550a797afaefcd7926632a8abff5152.pdf
مدلسازی
سیستمکنترل وضعیت
الگوریتم ژنتیک
ضایعات عصبی عضلانی
الگوهای نوسان های وضعیتی
Modeling
Postural control system
genetic algorithm
Neuromuscular impairments
Postural sway patterns
per
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
2010-11-22
4
3
187
194
10.22041/ijbme.2010.13295
13295
Full Research Paper
ارزیابی سیگنال EEG در کودکان مبتلا به اختلالات اوتیسم با استفاده از تحلیل ICA
Evaluation of EEG Signal in Autism Disorder with ICA Analysis
محمد رشیدی
rashidieivan@yahoo.com
1
حمید بهنام
behnam@iust.ac.ir
2
علی شیخانی
sheikhani_al_81@srbiau.ac.ir
3
محمدرضا محمدی
mrmohammadi@iust.ac.ir
4
مریم نوروزیان
mnoroozi@tums.ac.ir
5
کارشناس ارشد، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
استادیار، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران،
استادیار، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
استاد، مرکز تحقیقات روانپزشکی بیمارستان روزبه، دانشگاه علوم پزشکی تهران
دانشیار، مرکز تحقیقات روانپزشکی بیمارستان روزبه، دانشگاه علوم پزشکی تهران
در این مقاله، کاربرد تحلیل مؤلفههای مستقل (ICA) برای تشخیص بیماری اوتیسم مورد بررسی قرار گرفته است. ابتدا منابع تولید کننده سیگنالهای EEGبا ICAاستخراج و سپس پردازشهای حوزه زمان و فرکانس بر این مؤلفههای سیگنالی اعمال شدند. سیگنالهای EEGاز 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 شدهاند. پائینتر بودن سطح همبستگی میان منابع نیمکره چپ مغز به ویژه ناحیه مربوط به کانال 3Cدر افراد مبتلا به اوتیسم نسبت به افراد سالم مشاهده شده است. همچنین میانگین انرژی باند فرکانسی تتا در منابع نیمکره چپ مغز بهخصوص کانالهای 3Cو 3Fبرای افراد مبتلا به اوتیسم نسبت به افراد سالم پائینتر بوده و این معیار در باند فرکانسی گاما بالاتر به دست آمده است.
This paper presents ICA analysis application for detection of autism disorder. In the first step, resources of EEG signals were extracted by ICA and then time domain and frequency domain processing were implemented. EEG signals of ten children with autism and ten healthy children aged 6 to 11 years have been obtained. The results have been compared statistically by T-test. Lower correlation levels between resources of the left hemisphere of the brain especially C3 channel region in autistic children compared with healthy subjects have been observed. Also the average energy of theta frequency band in C3 and F3 channels for children with autism were lower than that in healthy people and this criterion was higher in gamma frequency band.
https://www.ijbme.org/article_13295_84589102af5f77427281215f3b28bdbe.pdf
الکتروانسفالوگرافی
اختلالات اوتیسم
تحلیل مؤلفههای مستقل
تحلیل همبستگی
انرژی طیف
Electroencephalography
Autism disorder
Independent component analysis
Correlation analysis
Spectrum energy
per
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
2010-11-22
4
3
195
208
10.22041/ijbme.2010.13296
13296
Full Research Paper
AIS-RCA: روشی مؤثر برای بهبود فضای ویژگیها در افزایش دقت تشخیص حملات صرع
AIS-RCA: An Efficient Feature Reduction Method to Improve the Seizure Detection Rate
امین زارع
amin_zare@cse.shirazu.ac.ir
1
رضا بوستانی
boostani@shirazu.ac.ir
2
منصور ذوالقدر جهرمی
zjahromi@shirazu.ac.ir
3
مربی، دانشگاه آزاد اسلامی، واحد شیراز، گروه مهندسی کامپیوتر
دانشیار، گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه شیراز
دانشیار، گروه علوم و مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه شیراز
پیشبینی زمان وقوع حملات صرع در بیماران از جمله موضوعاتیست که مورد توجه محققان است. حملات صرع به طور نامنظم و غیر قابل پیشبینی شدهای اتفاق میافتند. بنابراین تشخیص حملات صرع از روی سیگنالهای EEGکه در بازة زمانی طولانی گرفته میشوند؛ بسیار حائز اهمیت است. این امر تشخیصی به دو مرحله مجزای استخراج ویژگیها از قطعات سیگنال EEGو اعمال الگوریتم طبقهبندی بر روی بردارهای ویژگی تقسیم میشود. به همین منظور در مرحله اول با استفاده از تحلیل زمان- فرکانس بر روی قطعات سیگنال EEGو بهدست آوردن صفحه زمان- فرکانس هر قطعه، استخراج ویژگیها از سیگنالها انجام میشود. در مرحله دوم با استفاده از الگوریتم نزدیکترین همسایه کار تشخیص حملات صورت میگیرد. اما قبل از اعمال الگوریتم طبقهبندی، برای اصلاح فضای ویژگیها و یادگیری معیار فاصله، از الگوریتم AIS-RCAاستفاده شده است. این الگوریتم برای بهدست آوردن ماتریس تبدیل W، دادهها را به صورت مجموعهای از دستهها در نظر میگیرد و با ارائه الگوریتم جدید AD-AIRSو با الهام گرفتن از سیستم ایمنی بدن دستهها را مییابد. آزمایشهای انجام شده نشان دهندة دقت 100% و بهبود نتایج در مقایسه با برخی روشهای انتقال موجک، آنتروپی، معیار بینظمی و تبدیل انتقال فوریه سریع را نشان میدهد.
There is a growing interest to improve seizure prediction by online analyzing of electroencephalogram (EEG) signals in epileptic patients. Seizure attack is occurred infrequently and unpredictably; hence, automatic detection of seizure during long-term is highly recommended. In this paper a novel Feature Reduction method namely AIS-RCA which adopted from the immunity system is proposed to improve the seizure detection rate. The automatic seizure detection can be performed in two successive stages: 1) The feature extraction/selection stage from EEG signals and 2) classifying the feature vectors by an efficient classifier. In this study, first, pseudo-Wigner-Ville distribution was applied to each window of the EEG signals and then the extracted features were transformed by AIS-RCA transform to represent the features in a more separable space. The AIS-RCA transformation matrix is estimated by using chunklets (a chunklet is defined as a subset of points that are known to be same). AIS-RCA using the proposed Artificial Immune System algorithm named Adaptive Distance-AIRS to discover the chunklets in the data space. Finally KNN classifier was applied to the transformed features to classify the seizure and non-seizure windows. The experimental results show that the proposed method yields epileptic detection accuracy rate up to 99.9% which is better than the results achieved by other types of features such as FFT, Wavelet transform, entropy and chaotic measures.
https://www.ijbme.org/article_13296_61dbdf1f5d08e887f59261446a8c4bcc.pdf
سیگنال EEG
پردازش زمان- فرکانس
صفحه زمان- فرکانس
AIS-RCA
AD-AIRS
RCA
صرع
سیستم ایمنی مصنوعی (AIS)
EEG signal
Time-Frequency Analysis
Spectrum
Epileptic seizures
AIS-RCA
AD-AIRS
RCA
Artificial Immune System (AIS)
per
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
2010-11-22
4
3
209
218
10.22041/ijbme.2010.13297
13297
Full Research Paper
مدلسازی و شبیهسازی سازوکار فتوبلیچینگ PpIX به منظور تعیین غلظت دارو درون بافت هدف در فتوداینامیکتراپی
Modeling and Simulation of PpIX Photobleaching Mechanism to Determine Its Concentration within the Target Tissue in Photodynamic Therapy
نادیا نقوی
n.naghavi@ferdowsi.um.ac.ir
1
آمنه سازگارنیا
sazgarniaa@mums.ac.ir
2
محمدحسین میرانبیگی
miranbmh@modares.ac.ir
3
استادیار، گروه برق، دانشکده مهندسی، دانشگاه فردوسی مشهد
دانشیار، گروه فیزیک پزشکی، مرکز تحقیقات فیزیک پزشکی، پژوهشکده بوعلی، دانشگاه علوم پزشکی مشهد
دانشیار، گروه مهندسی پزشکی، دانشگاه تربیت مدرس
امروزه ایده درمان فوتوداینامیک (PDT)، یکی از پایههای اساسی روشهای نوین درمان سرطان بهشمار میآید. موضوع حائز اهمیت در کاربرد این روش درمانی، دوزیمتری بهینه است. در حالت بهینه، بهتر است دوزیمتری PDTبر 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 مناسبترین 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 بهوسیله دارو، میزان اکسیژن درون بافت هدف و برهمکنش بین آنها (منجر به تولید اکسیژن یگانه) بهدست آید. با توجه به اهمیت تعیین مقدار دارو درون بافت هدف و توجه به این امر که به دلیل فتوبلیچینگ، کاهش قابل ملاحظهای در غلظت دارو ضمن درمان رخ میدهد، در این تحقیق به مدلسازی و شبیهسازی اثر فتوبلیچینگ پرداخته شده است. شبیهسازی در فضای MATLABانجام شده است. مقایسه نتایج شبیهسازی با نتایج تجربی نشان میدهد که در حالت اعمال توزیعپذیری غیریکنواخت دارو، شبیهسازی در فاز اولیه افت سریع غلظت دارو، بهخوبی از نتایج تجربی پیروی میکند.
Today, the idea of photodynamic therapy (PDT) is considered as one of the fundamental basis of the new cancer treatment methods. One of the important issues in the application of this therapy is choosing the optimal dosimetry method. At best, PDT dosimetry should be done based on estimation of the accumulated singlet oxygen dose within the target tissue and comparison with the threshold value to ensure the efficacy of the treatment. In order to estimate the accumulated singlet oxygen level within the tissue, the most appropriate method is modeling the process of treatment. In this context, it is necessary to obtain enough information about the drug concentration within the target tissue, the amount of light absorbed by the drug, the amount of oxygen into the tissue, and the interactions between them that produce singlet oxygen. In this study modeling and simulation of the photobleaching has been investigated, considering the importance of the level of drug concentration in the target tissue which would be decreased by photobleaching. Simulation was done with Matlab software. A Comparison of simulation results with those of experimental methods showed that in the state of non-uniform drug distribution, simulation follows experimental results at the initial phase of rapid decline of drug concentration.
https://www.ijbme.org/article_13297_bfc5505e552fdd88b67d6060ee01a7a1.pdf
مدلسازی
فتوداینامیکتراپی
فتوبلیچینگ
دوزیمتری
پروتوپورفیرین IX
Modeling
Photodynamic therapy
Photobleaching
Dosimetry
Protoporphyrin IX
per
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
2010-11-22
4
3
219
230
10.22041/ijbme.2010.13299
13299
Full Research Paper
تأئید هویت مبتنی بر مدلسازی منحنی سرعت الگوی امضاء
Authentication Based on Modeling of the Signature Velocity
سعید رشیدی
rashidi.saeid@gmail.com
1
علی فلاح
a_fallah@aut.ac.ir
2
فرزاد توحیدخواه
towhidkhah@aut.ac.ir
3
مربی، گروه بیوالکتریک، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
استادیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
دانشیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
امروزه ارائه راهکار سریع و دقیق برای مسئله تصدیق امضاء بسیار مورد توجه است. در زمینه تصدیق امضای پویا، ویژگیها به دو گروه پارامتری یا سیگنالی تقسیم میشوند. در روشهای پارامتری هر چند سرعت فرایند استخراج و طبقهبندی سریعتر از روشهای سیگنالیست ولی دقت کمتری دارند. در این پژوهش هدف مدلسازی سیگنال سرعت است که از الگوهای پایدار و مشخصههای ذاتی در ترسیم امضای یک فرد حقیقی است. با استفاده از رفتار مدلهای قطب- صفر مبتنی بر تبدیل کسینوسی گسسته، ضمن بیان روشی دقیق برای مدلسازی، با محاسبه ضربههای نوشتاری از سیگنال سرعت به استخراج ویژگیهای حاصل از این مؤلفههای پایه میپردازیم. با اعمال طبقهبندی کنندههای خطی، پنجره پارزن و ماشین بردار پشتیبان به ویژگیهای کلّی و ناحیهای حاصل از پایگاه دادگان متشکل از امضای افراد فارسی، چینی و انگلیسی زبان، خطای EERدر شرایط سطح آستانه مشترک برابر 25/1% و 78/1% به ترتیب برای جاعلان تصادفی و ماهر حاصل شد.
Nowadays, fast and accurate algorithms for signature verification are very attractive. In the area of dynamic signature verification, the features are classified into two groups: parametric and functional features. In parametric algorithms, although the speed of features extraction and classification process is faster than function based approaches but they are less accurate. The goal of this paper is modeling of the velocity signal that its pattern and properties are stable for a person. With using pole-zero models based on discrete cosine transform, a precise method is proposed for modeling and then features are extracted from strokes. These features are the deference of pole angles of strokes. Applying linear, parzen window and support vector machine classifiers, the proposed algorithm was tested on data set from Persian, Chinese, English and Turkish people and with common threshold, resulted equal error rates of 1.25% and 1.78% in the random and skilled forgeries, respectively.
https://www.ijbme.org/article_13299_5abea773b7d83f9a944b28b7d8ac51d1.pdf
تبدیل کسینوسی گسسته
تصدیق امضاء
پنجره پارزن
ضربه نوشتاری
ماشین بردار پشتیبان
مدل قطب صفر
Discrete cosine transform
Parzen window
Signature verification
Stroke
Support Vector Machine
Pole-Zero model
per
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
2010-11-22
4
3
231
248
10.22041/ijbme.2010.13301
13301
Full Research Paper
تشخیص مناطق فعّال در تصاویر fMRI با استفاده از مدلهای غیرخطی همرشتاین-وینر و NARMA
Activation Detection in fMRI Images using Nonlinear Models: Wiener-Hammerstein and NARMA
علی تعالیمی
taalimi.ali@gmail.com
1
عمادالدین فاطمیزاده
fatemizadeh@sharif.edu
2
کارشناس ارشد، دانشکده مهندسی برق، دانشگاه صنعتی شریف
استادیار، دانشکده مهندسی برق، دانشگاه صنعتی شریف
سیستم fMRIدر شناخت فعّالیتهای عصبی کاربرد زیادی دارد. پاسخ مغز به آزمایش ترتیب داده شده از طریق سیگنالها 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 نرونها را نشان میدهد. در این مقاله، به بررسی روشهای غیرخطی تحلیل تصاویر fMRIخواهیم پرداخت. برای این مقصود، به بررسی روشهای غیرخطی با تأکید بر پارامترهای فیزیولوژیکی اثرگذار بر سیگنال BOLDو روشهای غیرخطی که بدون در نظر گرفتن عوامل فیزیولوژیکی، رابطه ورودی و خروجی، یعنی سیگنال تحریک و سیگنال fMRIرا مدل میکنند؛ میپردازیم. روش بالون را نیز به عنوان یک روش غیرخطی فیزیولوژیکی بررسی کرده و از طریق آن روش جدیدی برای تعیین مناطق فعّال مغز ارائه کردهایم. همچنین روشهای همرشتاین-وینر و NARMAو مدل ولترا به عنوان روشهای غیرفیزیولوژیکی مورد بحث قرار گرفته و توانایی آنها در مدل کردن و تشخیص مناطق فعّال مغز مورد ارزیابی قرار گرفته است. علاوه بر روشهای بهکار رفته برای آشکارسازی نقاط فعّال بر روی دو مجموعه از دادهها (با تحریک شبیهسازی شده و تحریک واقعی) ارزیابی شدهاند. در مجموعه دادگان شماره یک به ازای سطح آستانه 45/0 در هر سه مدل، میزان اندیس جکارد برای مدلهای همرشتاین-وینر، NARMAو مدل ولترا به ترتیب 90/0، 0/1 و 91/0 بهدست آمد. در مجموعه دادگان شماره دو به ازای آستانههای مختلف (به ترتیب 35/0، 40/0 و 45/0) این اندیس به ترتیب 85/0، 9/0 و 87/0 است.
Functional magnetic resonance imaging (fMRI) is widely used for investigation of brain neural activity. This imaging technique obtains signals and images from human brain’s response to prescheduled tasks. Several studies on blood oxygenation level-dependent (BOLD) signal responses demonstrate nonlinear behavior in response to a stimulus. In this paper we investigate nonlinear modeling of BOLD signal activity to model the nonlinear and time variant behaviors of this physiological system. For this purpose two categories of nonlinear methods are considered, first those one with emphasis on physiological parameters which affect BOLD response and methods model the input and output of system without any refer to all the hidden state variables (physiological parameters. Balloon model is analzyed and a new approach for activation detection based on this model is introduced. In addition, the Hammerstein-Wiener, NARMA and Volterra kernels are investigated as nonlinear and nonphysiological methods and their ability in detection of activation detection are compared. The Activation detection methods have been applied on the two data sets (real and synthetic). For synthetic data and threshold equal to 0.45, the Jaccard index for Wiener- Hammerstein, NARMA, and Volterra model was 0.9, 1.0, and 0.91, respectively. In real dataset and for optimal threshold (0.35, 0.4, and 0.45) the same index was 0.85, 0.90, and 0.87, respectively.
https://www.ijbme.org/article_13301_219f785a0ad1565de0a9c6de28cff9a6.pdf
fMRI
شناسایی مناطق فعّال
روشهای غیرخطی
بالون
ولترا
وینر-همرشتاین
NARMA
fMRI
Activation detection
nonlinear methods
Balloon
Hammerstein-wiener
NARMA
Volterra
per
انجمن مهندسی پزشکی ایران
نشریهی علمی مهندسی پزشکی زیستی
5869-2008
9685-8006
2010-11-22
4
3
249
256
10.22041/ijbme.2010.13302
13302
Full Research Paper
تخمین سیگنال اتواکوستیک امیشن بر اساس تابع تبدیل معکوس گوش میانی
Estimation of Transient Evoked Otoacoustic Emission Based on Reverse Middle Ear Transfer Function
محمدجواد ابوالحسنی
abolhasm@tums.ac.ir
1
یوسف سلیمپور
salimpour@farabi.tums.ac.ir
2
پریسا رنگرز
p.rangraz@gmail.com
3
دانشیار، مرکز تحقیقات علوم و تکنولوژی در پزشکی، گروه مهندسی پزشکی و فیزیک پزشکی، دانشگاه علوم پزشکی تهران
پژوهشگر فوق دکترا، مرکز تحقیقات علوم و تکنولوژی در پزشکی، دانشگاه علوم پزشکی تهران
دانشجوی دکترا، گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
امواج اتواکوستیک امیشن از جمله اصـوات قابل اندازهگیری هستند که بهوسیله حلزون و بهویژه سلولهای مویی خارجی تولید شده و در مجرای گوش خارجی ثبت میشوند. سلولهای مـویـی خـارجی در پاسخ بـه محـرک آکوستیکی و یا بهصـورت خودبهخودی، نوعی انرژی مکانیکی را در حلـزون ایجـاد میکنند. این انرژی از طریق گوش میانی و پردة صماخ به سمت خارج انتقال مییابد و در مـجـرای شنـوایـی خـارجـی بهصـورت سیگنـال آکـوستیکی قـابـل ثبت است. سیگنال اتواکوستیک امیشن را میتوان درمـجـرای گـوش بهوسیله یک میکروفن حساس با اغتشاش پائین کـه در پـروب مخصـوص جـای گـرفتـه است، آشکار ساخته و ثبت کرد. همانطور که بیان شد ﻣﻨشاء اصلی اتواکوستیک امیشن گوش داخلیست و گوش میانی مانند یک کانال ارتباطی، وظیفه ارسال پاسخهای اتواکوستیک امیشن از گوش داخلی به سمت خارج را ایفا میکند. به این ترتیب پاسخ نهایی ثبت شده در کانال گوش خارجی به شدت ﻣﺘﺄثر 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 اندازهگیریهای مختلف سعی میشود که مدل معکوس برای گوش میانی درنظر گرفته شود، سپس با استفاده از مشخصات این مدل مانند پاسخ فرکانس، یک فیلتر جبرانساز بر پاسخ ثبت شده نهایی اعمال میشود و در نتیجه براورد قابل قبولی از پاسخ اتواکوستیک امیشن تولید شده در گوش داخلی بهدست میآید. نتایج مقایسه سیگنال تخمین زده شده با سیگنال ثبت شده نشان میدهد که ارزیابی بر پایه اتواکوستیک امیشن تخمین زده شده با توجه به کاهش اغتشاش و تشخیص آزمونهای اشتباه، به پاسخ حقیقی سلولهای مویی خارجی نزدیکتر است.
An otoacoustic emission is a low-level acoustic signal which is generated in cochlea. It could be recorded with a sensitive probe in the outer ear canal. OAEs are considered to be related to the amplification function of the cochlea. Outer hair cells are the elements that enhance cochlear sensitivity and frequency selectivity and hence act as the energy sources for amplification. Otoacoustic emission is transmitted through oval window to the outer ear canal, the distortion effects of middle ear and outer ear on the recorded signal are inevitable. Currently all clinical applications of otoacoustic emission are based on distorted measurement. For estimating the original otoacoustic emission produced in cochlea the middle ear and the outer ear effects must be compensated. The computational model of the auditory periphery is used to design a compensation filter for the estimation of the otoacoustic emission right after production and before entering the middle ear. Using Middle ear reverse transfer function and primary input signal Fourier transforms, OAE estimation before middle ear was obtained. The results of comparison of the estimated signal with the recorded one indicate that, due to the noise reduction and increase in reproducibility as a main criteria in hearing screening, the assessment based on the estimated otoacoustic emission is closer to the real response of the auditory system.
https://www.ijbme.org/article_13302_d2c230da05bf5018524ddbd853f1fc63.pdf
تابع تبدیل معکوس گوش میانی
اتواکوستیک امیشن برانگیخته شده زودگذر
مدل شنیداری
براورد جبرانساز
Middle ear reverse transmission
Transient evoked otoacoustic emission
Auditory model
Estimation compensation