شناسایی میکرو آمبولی مغزی در سیگنال داپلر از روی ویژگی های غیر خطی

آمبولی، توده های مجتمع از گلبول های قرمز، چربی و یا حباب های گاز می باشند که آزادانه در سیستم گردش خون در جریان هستند و وجود آن ها نشانه ی خطر اسکیمی می باشد. 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 مدت با دامنه ی زیاد ایجاد می گردد. در هنگام ثبت، عواملی مانند حرکت پروب و یا سرفه، باعث ایجاد آرتیفکت با دامنه ی زیاد در سیگنال داپلر می شود که شناسائی آن را از آمبولی را دشوار می کند. صرف وقت زیاد و همچنین احتمال خطای فرد متخصص در تشخیص آمبولی از آرتیفکت، انگیزه ی اصلی طراحی سیستم های تشخیص خودکار می باشد. پیاده سازی این گونه سیستم ها همواره با دو چالش عمده ی استخراج ویژگی های مناسب و طراحی دسته بند مطلوب روبرو می باشد. در این تحقیق هر دو موضوع مورد مطالعه قرار گرفت. در بخش ویژگی، ضرایب موجک، آنتروپی موجک، بعد فرکتالی و ویژگی Besov از سیگنال استخراج شد و به کمک تحلیل آماری ویژگی های با بالاترین میزان تفکیک معرفی شد. در بخش دسته بند، شیوه ی جدیدی برای شناسایی آمبولی و تفکیک آن از آرتیفکت به وسیله مدل مارکف پنهان (HMM) ارائه شد و نتایج آن با نتایج دسته بند شبکه 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.