آمار
| تعداد نشریات | 45 |
| تعداد شمارهها | 1,434 |
| تعداد مقالات | 17,660 |
| تعداد مشاهده مقاله | 57,591,374 |
| تعداد دریافت فایل اصل مقاله | 19,301,003 |
تشخیص خودکار وغیرتهاجمی سکتهمغزی با استفاده از یک مدل جدید زمانی-فرکانسی سیگنال فشار کف پا | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 26 دی 1403 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2025.63792.4900 | ||
| نویسندگان | ||
| زهرا اتراچالی1؛ پیوند قادریان* 2 | ||
| 1مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند، تبریز، ایران | ||
| 2عضو هیات علمی/گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند | ||
| چکیده | ||
| وقوع بیماری سکتهمغزی به دلیل انحطاط ناگهانی سلولهای مغزی است که این مساله ناشی از کمبود اکسیژن-رسانی به سلولها در اثر انسداد عروقی و یا پارگی آنها و قطع جریان خون است که میتواند منجر به اختلال در راه رفتن شود. در حال حاضر، تصویربرداریهای مغزی شامل تصویربرداری رزونانس مغناطیسی، توموگرافی کامپیوتری و آنژیوگرافی مغزی ابزارهای اصلی تشخیص سکتهمغزی هستند که نمی توانند یک تشخیص اقتصادی و غیرتهاجمی را تامین کنند. در این مطالعه با هدف ارائه روش تشخیصی خودکار، غیرتهاجمی و کم هزینه برای سکته مغزی ایسکمیک از تحلیل کامپیوتری سیگنال فشار کف پا استفاده شده است. روش پیشنهادی مبتنی بر استخراج ویژگیهای جدید زمانی-فرکانسی سیگنال فشار کف پا به کمک تجزیه موجک عامل Q قابلتنظیم، انتخاب ویژگی ReliefF و طبقهبندی ماشین بردار پشتیبان، K-نزدیکترین همسایگی و جنگل تصادفی میباشد. ویژگی اصلی روش پیشنهادی قابلیت استخراج اجزای نوسانی و اطلاعات گذرای سیگنال غیرایستای فشار کف پا به کمک یک روش جدید زمانی-فرکانسی و امکان انطباق با خصوصیات متغیر با زمان آن میباشد. جهت بررسی صحت تشخیصی روش پیشنهادی از مجموعه دادههای سیگنال فشار بیماران مبتلا به سکته مغزی ایسکمیک در حین راه رفتن استفاده شده است که شامل 46 فرد سالم و 36 بیمارمیباشد. نتایج بدست آمده قابلیت تشخیصی بالای روش پیشنهادی را با تعداد 35 ویژگی ساده آماری با میانگین صحت 77/99% نشان دادهاند. روش پیشنهادی قادر به ارائه مصالحه مناسب بین صحت تشخیصی بالا و هزینه محاسباتی پایین با استفاده از ویژگیهای ساده آماری کف پا میباشد که برای کاربردهای عملی تشخیصی مناسب به نظر میرسد. | ||
| کلیدواژهها | ||
| تجزیه موجک عاملQ قابلتنظیم؛ جنگل تصادفی؛ انتخاب ویژگی ReliefF؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 325 |
||