مقاله کامل پژوهشی
سیستمهای واسط مغز-رایانه
مریم فرهادنیا؛ سپیده حاجی پور؛ محمد میکاییلی
دوره 17، شماره 1 ، خرداد 1402، صفحه 1-10
چکیده
امروزه استفاده از سیستم رابط مغز و رایانه (BCI) مبتنی بر پتانسیلهای برانگیخته بینایی حالت ماندگار (SSVEP) به دلایلی همچون صحت قابلقبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. پتانسیلهای بینایی حالت ماندگار یکی از مهمترین الگوهای استفاده شده در سیستمهای BCI هستند که در ناحیه پسسری مغز و با تحریک بینایی بین 6 تا 60 هرتز تولید ...
بیشتر
امروزه استفاده از سیستم رابط مغز و رایانه (BCI) مبتنی بر پتانسیلهای برانگیخته بینایی حالت ماندگار (SSVEP) به دلایلی همچون صحت قابلقبول و نیاز حداقلی به آموزش کاربر، رو به افزایش است. پتانسیلهای بینایی حالت ماندگار یکی از مهمترین الگوهای استفاده شده در سیستمهای BCI هستند که در ناحیه پسسری مغز و با تحریک بینایی بین 6 تا 60 هرتز تولید میشوند. یکی از روشهای کارا برای استخراج فرکانس SSVEP در سیستمهای BCI، روش تجزیه و تحلیل ضرایب همبستگی چندجهته (MCCA) نام دارد که تانسوریشده روش کلاسیک تجزیه و تحلیل ضرایب همبستگی (CCA) است و مبتنی بر دادههای چندبعدی است. در این مقاله، با الهام از روش MCCA، دو الگوریتم جدید (PARAFAC-CCA و C-PARAFAC-CCA) با استفاده از ترکیب روش CCA و تجزیه تانسوری PARAFAC معرفی شدهاست که هدف الگوریتمهای پیشنهادی بهبود سیگنال مرجع اولیه و دستیابی به صحت بالاتر در تشخیص فرکانس SSVEP در سیستمهای BCI میباشد. در الگوریتم PARAFAC-CCA بعد از انجام تجزیه PARAFAC روی دادههای چندبعدی آموزش و بدست آوردن مولفه زمانی، روش CCA را بین مولفه زمانی بدست آمده و سیگنال مرجع سینوسی-کسینوسی پیادهسازی نموده و از خروجی آن، سیگنال مرجع بهینه ساخته میشود. در نهایت از الگوریتم MLR بین داده تست EEG و سیگنال مرجع بهینه به منظور دستیابی به فرکانس هدف استفاده میشود. مراحل کلی الگوریتم C-PARAFAC-CCA نیز مشابه PARAFAC-CCA بوده، با این تفاوت که در محاسبه مولفه زمانی از PARAFAC مقید استفاده میشود به این صورت که در هر گام از الگوریتم ALS یک بار CCA اعمالشده و مولفه زمانی بهبود داده میشود. کارایی الگوریتمهای ارائه شده بر روی مجموعه دادگان واقعی، مورد بررسی قرار گرفته و نشان داده شد که در مقایسه با روش MCCA، الگوریتمهای پیشنهادی به طور میانگین به صحت تشخیصی بالاتری رسیدهاند.
مقاله کامل پژوهشی
مکانیک سیالات زیستی / سیالات بیولوژیکی
پویا عبدی؛ بهمن وحیدی
دوره 17، شماره 1 ، خرداد 1402، صفحه 41-50
چکیده
توپوگرافی ماتریس خارج سلولی نقش مهمی در بسیاری از رویدادهای بیولوژیکی از جمله بهبود بافت، مورفوژنز و رشد دارد. مشخص شده است که ساختار ماتریس و خواص مکانیکی آن از جمله عوامل تعیین کننده در تعیین سرنوشت سلول های ساکن آن هستند. علاوه بر عوامل مستقیم مکانیکی، ماتریسها همچنین آزادسازی و جذب برخی مواد شیمیایی را تسهیل میکنند و در برهم ...
بیشتر
توپوگرافی ماتریس خارج سلولی نقش مهمی در بسیاری از رویدادهای بیولوژیکی از جمله بهبود بافت، مورفوژنز و رشد دارد. مشخص شده است که ساختار ماتریس و خواص مکانیکی آن از جمله عوامل تعیین کننده در تعیین سرنوشت سلول های ساکن آن هستند. علاوه بر عوامل مستقیم مکانیکی، ماتریسها همچنین آزادسازی و جذب برخی مواد شیمیایی را تسهیل میکنند و در برهم کنش های سلولی و سلول- ماتریس شرکت میکنند. ثابت شده است که کرنش های مکانیکی در ماتریس، مهاجرت و طویل شدن سلولهای اندوتلیال را که منجر به رگزایی میشود، هدایت میکنند و اتفاق نظر وجود دارد که سفتی ماتریس، تراکم فیبر و جهتگیری فیبر میتواند رگزایی را در جهت گرادیان سفتی افزایش دهد. در این مطالعه، به طور خاص نقش توپوگرافی در هدایت خودسازماندهی سلولهای اندوتلیال ناشی از اثر مانع در مقابل جریان مایع و تسهیل جابجایی سلولی در جهتهای خاص بررسی شد. برای این کار مدل قبلی خود از رگ زایی هدایت شده با جریان مایع را برای پاسخ های سلولی انتخاب کردیم. مدل شبکه بولتزمن جریان سیال برای مطالعه اثر الیاف یک طرفه و جهتگیری های تصادفی الیاف اتخاذ و اصلاح شد. برای مطالعه اثر جهت گیری فیبر، یک مدل پیشنهادی قبلی از تخلخل در شبکه بولتزمن را برای مطابقت با این هدف اصلاح و بهبود داده شد. این مدل میتواند اثرات جهتگیری فیبر در ماتریس را بر مهاجرت اندوتلیال و وسکولوژنز بازتولید کند. شبیهسازیها پیوستگی بهتر لومنهای تشکیلشده را زمانی که جریان محلی در جهت جهت فیبر باشد، نشان داد. این نتایج میتواند پیامدهای قابل مطالعه ای در درک نارسایی های سلول های اندوتلیال در برخی بیماری ها و همچنین در رگ زایی و متاستاز تومور داشته باشد.
مقاله کامل پژوهشی
پردازش سیگنالهای حیاتی
جواد دلاور متنق؛ حامد داننده حصار؛ محمد هادی احمدی فام
دوره 17، شماره 1 ، خرداد 1402، صفحه 11-20
چکیده
در سالهای اخیر استفاده از الگوریتمهای مدل-پایه برای پردازش سیگنال ECG رواج گستردهای یافته است. استخراج مدل دینامیکی ECG یکی از مراحل مهم در این الگوریتمهاست که تأثیر مستقیمی در عملکرد آنها دارد. پارامترهای موجود در این مدل را میتوان با استفاده از الگوریتمهای بهینهسازی محاسبه نمود. یکی از متداولترین الگوریتمها در این زمینه ...
بیشتر
در سالهای اخیر استفاده از الگوریتمهای مدل-پایه برای پردازش سیگنال ECG رواج گستردهای یافته است. استخراج مدل دینامیکی ECG یکی از مراحل مهم در این الگوریتمهاست که تأثیر مستقیمی در عملکرد آنها دارد. پارامترهای موجود در این مدل را میتوان با استفاده از الگوریتمهای بهینهسازی محاسبه نمود. یکی از متداولترین الگوریتمها در این زمینه یک الگوریتم غیرخطی آفلاین میباشد که برای تقریب خوب مدل و پارامترهای آن، به نقاطی از سیگنال ECG نیاز دارد که توسط کاربر بایستی بهصورت دستی انتخاب شود. علاوه بر مشکل فوق، تابع هدف در این الگوریتم یک تابع پیچیده است که درصورت انتخاب نادرست نقاط مناسب برای بهینه سازی خروجی مناسبی را دراختیار نخواهد گذاشت. در این مقاله یک الگوریتم جدید خودکار مبتنی بر الگوریتمهای فراابتکاری معرفی میشود که نیازی به انتخاب دستی نقاط برای مدلسازی ECG ندارد. بعلاوه بخاطر ساده سازی فرآیند بهینه سازی، از دقت بالایی نسبت به الگوریتم بهینهسازی غیرخطی افلاین مورد اشاره برخوردار است. ازآنجاییکه یک الگوریتم فراابتکاری ممکن است در برخی از مسائل بهینهسازی موفق و در برخی دیگر ناموفق عمل کند، در این مقاله عملکرد 9 الگوریتم فراابتکاری متداول مانند ازدحام ذرات، کلونی زنبور عسل، جستجوی فاخته و... در استخراج پارامترهای مدل دینامیکی ECG مورد بررسی قرار گرفت. جهت ارزیابی الگوریتمها از 200 سیگنال ثانیهای مستخرج از پایگاه دادهی ریتم سینوس نرمال فیزیونت استفاده گردید. به منظور ارزیابی عملکرد الگوریتمها، شباهت سیگنالهای اصلی با سیگنالهای مصنوعی ECG که توسط الگوریتمهای بهینهسازیساخته میشدند مورد بررسی قرار گرفت. نتایج بررسیها حاکی از آن بود که سه الگوریتم جستجوی فاخته، بهینهسازی مبتنی بر یادگیری و آموزش و بهینهسازی تبخیر آب بهترین عملکرد را در استخراج پارامترهای مدل دینامیکی ECG دارند. نتایج حاصل از این مطالعه نشان داده که خطای میانگین مربعات (MSE) الگوریتم پیشنهادی با استفاده از سه الگوریتم فراابتکاری فوق به ترتیب 50/1و 43/1و 40/1 میباشد.
مقاله کامل پژوهشی
بیومکانیک ریزسیالات / ریزسیالات زیستی
لیلا کرمی منفرد؛ شهرام طالبی؛ مهدی محمدی آشان
دوره 17، شماره 1 ، خرداد 1402، صفحه 41-50
چکیده
امروزه شناخت زود هنگام بیماریهای شایعی ازجمله سرطان، نقش اساسی را در جلوگیری از پیشرفت بیماری ایفا میکند. از میان روشهای مختلفی که برای پایش خون در سالهای اخیر ابداع شدهاند، روشهای مبتنی بر به کارگیری جریان در مقیاس میکرو مورد توجه ویژهای قرار گرفته است. تحقیقات اخیر در مورد حاملهای خارجی سلولی در اندازهی نانو در پزشکی ...
بیشتر
امروزه شناخت زود هنگام بیماریهای شایعی ازجمله سرطان، نقش اساسی را در جلوگیری از پیشرفت بیماری ایفا میکند. از میان روشهای مختلفی که برای پایش خون در سالهای اخیر ابداع شدهاند، روشهای مبتنی بر به کارگیری جریان در مقیاس میکرو مورد توجه ویژهای قرار گرفته است. تحقیقات اخیر در مورد حاملهای خارجی سلولی در اندازهی نانو در پزشکی مورد توجه است. از میان آن ها جداسازی نانوذرات زیستی در تشخیص، درمان و مراقبت در حوزهی پزشکی بسیار پرکاربرد است. نانوذرات زیستی مانند انواع ویروسها، DNA، پروتئینها و اگزوزوم-ها حاوی اطلاعات قابل توجهی هستند که میتوانند به تشخیص و درمان بیماریهایی از قبیل سرطان کمک کنند. یکی از روشهای کاربردی و موثر در جدایش نانوذرات استفاده از سیال ویسکوالاستیک است، که پیچیدگیهای سایر روشها را ندارد. برخلاف میکروذرات، فراوانی مطالعات در حوزه نانوذرات زیستی کم است. از آنجایی که تحقیقات قبلی در حوزه جدایش نانوذرات فاقد اطلاعات جامع عددی در مورد اثر نسبت منظری و غلظت پلیمر است، در این مقاله جریان سیال ویسکوالاستیک به همراه فیزیک ذرات به طور عددی با نرمافزار کامسول مدلسازی شده است. پارامترهای مؤثر نسبت منظری 1، 5/1 و2 و غلظت پلیمر 05/0، 15/0 و 25/0 درصد در جداسازی ذرات 100 تا 1000 نانومتری بررسی شده است. جداسازی ذرات 100، 300 و 500 نانومتر در غلظت 05/0 درصد و کانال با نسبت منظری 1 و 5/1 از سایر ذرات حاصل شده است. از طرفی جداسازی ذره 100 نانومتری اگزوزوم از سایر ذرات در نسبت منظری 2 و غلظت پلیمر 05/0 درصد به عنوان بهترین انتخاب، به خوبی امکانپذیر است.
مقاله کامل پژوهشی
مدلسازی رایانهای زیستی / شبیهسازی رایانهای زیستی
محمود برزوئی؛ مجتبی عمادی بایگی؛ محمد مردانی؛ حسن ربانی
دوره 17، شماره 1 ، خرداد 1402، صفحه 51-60
چکیده
بررسی و تحلیل دینامیک رشد و تغییرات تودینههای مهاجم در پاسخ به شرایط ریزمحیطی متفاوت، جهت طراحی رویکردهای درمانی بسیار مهم است. رسیدن یک تودینه به حداکثر میزان رشد غیرعروقی سبب شروع رقابت یاختههای آن جهت رسیدن به منابع غذایی و اکسیژن بیشتر شده و فرآیندهای پیچیدهای را در مسیر تحول خود آغاز میکند. فهم توزیع اکسیژن در محیط تودینه ...
بیشتر
بررسی و تحلیل دینامیک رشد و تغییرات تودینههای مهاجم در پاسخ به شرایط ریزمحیطی متفاوت، جهت طراحی رویکردهای درمانی بسیار مهم است. رسیدن یک تودینه به حداکثر میزان رشد غیرعروقی سبب شروع رقابت یاختههای آن جهت رسیدن به منابع غذایی و اکسیژن بیشتر شده و فرآیندهای پیچیدهای را در مسیر تحول خود آغاز میکند. فهم توزیع اکسیژن در محیط تودینه برای مطالعهی پیچیدگیهای موجود در روند پیشرفت سرطان اهمیت ویژهای دارد. مدلهای فیزیکی موجود برای بررسی توزیع اکسیژن در تودینهها بر اساس معادلات واکنش-پخش هستند که عاملهایی مانند تشکیل و توزیع شبکهی عروقی جدید در آن مؤثر است. در این مطالعه، یک مدل محاسباتی برای بررسی توزیع اکسیژن با توجه به تشکیل شبکهی عروقی در یک تودینهی کماکسیژن شده را ارائه کردهایم که نسبت به بسیاری از روشهای معمول، محدودیتها و پیچیدگی-های محاسباتی بسیار کمتری دارد و حجم محاسبات را کاهش میدهد. این مدل، زمانی که با دادههای بالینی کافی تکمیل شود، میتواند به توسعهی ابزارهای کارآمد در رویکرد درمانی برخی سرطانها منجر شود.
مقاله کامل پژوهشی
مهندسی پزشکی شناختی
الناز حمزه؛ زهرا بهمنی دهکردی؛ محمد رستمی
دوره 17، شماره 1 ، خرداد 1402، صفحه 31-40
چکیده
حافظهکاری در کارکردهای اجرایی از اهمیت بالایی برخوردار بوده و حافظهکاری کلامی نقش حیاتی در بهینه سازی عملکرد کاربران سیستمهای پیچیده مانند خلبانان دارد اما ظرفیت آن محدود است. تحقیقات وسیعی با هدف بهبود ظرفیت حافظهکاری بینایی انجام شده است اما اطلاعات اندکی درمورد حافظهکاری شنیداری بویژه در خلبانان در دسترس است. هدف از ...
بیشتر
حافظهکاری در کارکردهای اجرایی از اهمیت بالایی برخوردار بوده و حافظهکاری کلامی نقش حیاتی در بهینه سازی عملکرد کاربران سیستمهای پیچیده مانند خلبانان دارد اما ظرفیت آن محدود است. تحقیقات وسیعی با هدف بهبود ظرفیت حافظهکاری بینایی انجام شده است اما اطلاعات اندکی درمورد حافظهکاری شنیداری بویژه در خلبانان در دسترس است. هدف از این مطالعه بررسی تاثیرات تحریک الکتریکی فراجمجمهای بر حافظهکاری کلامی خلبانان درحین انجام تسک شنیداری میباشد. تسک شنیداری شامل آواهای غیرتکراری، حاوی تعداد برابری از اعداد و حروف انگلیسی تصادفی با توزیع یکنواخت میباشند که در گوشی خلبان پخش میشوند و خلبان موظف است پس از شنیدن هر آوا آن را بازگو کند. تسک در شش سطح از آسان تا سخت طراحی شده، در هر سطح تعداد کاراکترها 2 تا افزایش مییابد و به ازای هر سطح، 5 آوا وجود دارد. بنابراین در هر جلسه، 30 آوا متشکل از 4 تا 14 کاراکتر ارائه میشود. پیش از شروع تسک، تحریک الکتریکی با شدت جریان 2 میلیآمپر اعمال میشود. این آزمایش شامل سه مرحله پایه (بدون تحریک)، شم (تحریک ساختگی) و آندال (تحریک اصلی) است. مدت زمان اعمال تحریک در حالت شم 30 ثانیه و در حالت آندال 10 دقیقه میباشد. درنهایت با بررسی پاسخ آزمودنیها و تعداد کاراکترهایی که درست بخاطر سپرده شدهاند، با استفاده از آزمونهای آماری تغییرات عملکرد خلبانان را بررسی کردیم. درنتیجه با درنظر گرفتن همه سطوح دشواری در کنارهم، بهبود معنیداری در ظرفیت حافظهکاری با تحریک آندال ("%6/40" ) نسبت به حالت پایه مشاهده شد؛ همچنین نشان داده شد در سطوح دشوارتر تسک، عملکرد خلبانان پس از اعمال تحریک نسبت به حالت پایه بهبود معنیداری داشته است (سطح چهار: "%12/20" ، سطح پنج: "%9/00" و سطح شش: "%10/44" ). بنابراین، نتایج این تحقیق میتواند برای یافتن بینشی عمیقتر در مورد مکانیسم عصبی حافظهکاری و استفاده از آن برای تقویت انسان مفید باشد.
مقاله کامل پژوهشی
پردازش تصاویر پزشکی
محمدمهدی علیمرادی؛ محمد باقر خدابخشی؛ شهریار جاماسب
دوره 17، شماره 1 ، خرداد 1402، صفحه 61-70
چکیده
سکته مغزی یکی از علل مرگ و میر و عامل اصلی ایجاد ناتوانی بیماران در کشورهای توسعه یافته است. به طور معمول شناسایی ضایعات سکته مغزی به وسیله تصویربرداری مغناطیسی صورت می گیرد و تحلیل آن نیازمند حضور مستمر پزشک در مرکز درمانی است. لذا پردازش هوشمند تصاویر پزشکی رویکردی موثر برای تشخیص خودکار ضایعات مغزی خواهد بود.در این مقاله یک چارچوب ...
بیشتر
سکته مغزی یکی از علل مرگ و میر و عامل اصلی ایجاد ناتوانی بیماران در کشورهای توسعه یافته است. به طور معمول شناسایی ضایعات سکته مغزی به وسیله تصویربرداری مغناطیسی صورت می گیرد و تحلیل آن نیازمند حضور مستمر پزشک در مرکز درمانی است. لذا پردازش هوشمند تصاویر پزشکی رویکردی موثر برای تشخیص خودکار ضایعات مغزی خواهد بود.در این مقاله یک چارچوب تلفیقی جدید بر مبنای سیستم استنتاج فازی و شبکه عصبی عمیق برای بخش بندی خودکار ضایعات مغزی معرفی شده است. در این راستا، ابتدا به معرفی یک شبکه عمیق یونِت (U-net) بهبود یافته برای تشخیص و بخش بندی ضایعه پرداخته شده است که شامل افزایش تعداد لایه های بخش های رمزگذار و رمزگشا به همراه تغییر توابع فعالسازی است. سپس با به کارگیری یک سیستم استنتاج فازی مبتنی بر قواعد اگر-آنگاه ، رویکرد پیشنهادی این مطالعه که بر مبنای پیش پردازش تصاویر ورودی و به کارگیری شبکه یونِت است، معرفی گردیده است.نتایج نشان داد، تلفیق سیستم استنتاج فازی در پیش پردازش با شبکه عمیق یونِت توانست ضریب دایس را تا میزان 84/0 افزایش دهد. به علاوه، بهبود کنتراست تصاویر ورودی توسط سیستم فازی نسبت به روش یکسان سازی هیستوگرام، عملکرد بسیار بهتری در تشخیص ضایعات با ابعاد کوچک بروز دادند که دلیل آن توانمندی بیشتر کنترل کنتراست در قواعد فازی است.