فهرست مطالب

The Modares Journal of Electrical Engineering - Volume:13 Issue:1, 2013
  • Volume:13 Issue:1, 2013
  • تاریخ انتشار: 1392/02/25
  • تعداد عناوین: 6
|
  • عطیه ریاسی، مریم محبی* صفحات 1-7
    فیبریلاسیون بطنی (VF) علت عمده ی وقوع مرگ ناگهانی قلبی است و از آنجا که این آریتمی مهم ترین ناهماهنگی در ریتم قلب است و خطر مرگ را به دنبال دارد، پیش بینی آن از نظر کلینیکی بسیار حائز اهمیت است. یک پیش گویی کننده ی قابل اطمینان VF که قابلیت پیاده سازی در دفیبریلاتورهای کاشتنی قلبی کاشتنی را داشته باشد، می تواند با انجام درمان های پیش از موعد از وقوع VF جلوگیری کند. هدف از این مطالعه، بررسی امکان پیش بینی VF از روی سیگنال الکتروکاردیوگرام سطحی (ECG) با پایش ضربان به ضربان سیگنال با استفاده از یک روش آستانه گذاری دینامیک می باشد. از آنجا که VF از آریتمی هایی است که منشا بطنی دارند، انتظار داریم که قبل از وقوع VF شاهد تغییراتی در قسمت فعالیت بطنی سیگنال ECG باشیم. در روش ارائه شده سعی بر این است تا با تمرکز بر روی موج T سیگنال ECG، که نشان دهنده ی رپلاریزاسیون بطن ها است، و پیدا کردن الگویی از تغییرات آنتروپی موج T قبل از وقوع VF، یک پیش گویی کننده ی برخط ارائه شود. در این راستا و در جهت کاهش نویز فرکانس بالای موج T، در هر ضربان قبل از استخراج اندیس پیش گویی کننده از روش تجزیه مد تجربی (EMD) استفاده شده است. نتایج به دست آمده نشان می دهند که اندیس پیشگویی کننده در این الگوریتم، می تواند حساسیت 89% و خصوصیت 95% را ارائه کند. روش ارائه شده آسان، از لحاظ محاسباتی سریع و دارای کیفیت پیش گویی بالایی است. بنابراین برای پیاده سازی در سیستم های زمان حقیقی مناسب به نظر می رسد.
    کلیدواژگان: آنتروپی تقریبی، تجزیه مد تجربی، شاخص پیشگویی کننده، فیبریلاسیون بطنی
  • سارا پور محمدی، علی مالکی* صفحات 9-17
    این مقاله روش جدیدی برای ارزیابی استرس رانندگی با استفاده از خوشه بندی فازی ارائه می دهد. در پژوهش های پیشین، استرس رانندگی در سطوحی گسسته اندازه گیری شده اند، اما در این مقاله نشان داده شده که ثابت در نظر گرفتن سطح استرس در یک دوره زمانی طولانی صحیح نیست. با کنار گذاشتن گسسته در نظر گرفتن سطوح استرس، دادگان بدون برچسب فرض می شوند. در نتیجه یک روش خوشه بندی پیشنهاد شده تا فقدان طبقه بندی کننده را جبران کند. به دلیل عدم قطعیت و همچنین همپوشانی دادگان، خوشه بندی فازی پیشنهاد شده است.در الگوریتم پیشنهادی، با استفاده از میزان تعلق خوشه که از روش fuzzy c-means به دست آمده و وزنی که به کمک سیستم استنتاج فازی به خوشه تخصیص داده می شود، معیاری پیوسته برای استرس فرد در فواصل زمانی کوتاه ارائه شده است. مقیاس پیوسته بین 0 تا 100 تعیین شده که مقادیر بزرگ تر، سطوح استرس بالاتر را نشان می دهند. نتایج این مقاله نه تنها یافته های پژوهش های پیشین را تائید می کند بلکه نشانگر افزایش دقت و صحت ارزیابی استرس می باشد.
    کلیدواژگان: دسته بفازی، معیار پیوسته استرس، ارزیابی خودکار استرس ندی c، means
  • صدیقه دهقانی، فریبا بهرامی* صفحات 19-30
    سامانه مرکزی اعصاب مجموعه ای غنی از مفاصل و عضلات را جهت اجرای حرکات پایدار و منعطف در حین تعامل با محیط به کار می برد. چگونگی مواجهه سامانه مرکزی اعصاب با پیچیدگی مکانیکی و فیزیولوژیکی این مساله کنترلی هنوز روشن نشده است. کنترل ماژولار یکی از فرضیه های جذاب در عرصه علم کنترل حرکت در پاسخ به این پرسش می باشد. در این فرضیه تعدادی پایه حرکتی به عنوان واحدهای سازنده سینرژی های عضلانی در نظر گرفته می شوند تا از ترکیب آنها مجموعه متنوع و وسیعی از حرکات به اجرا درآیند. بنابراین سامانه مرکزی اعصاب ماژول هایی با تعداد درجات آزادی به مراتب کمتر استخدام خواهد نمود. در پژوهش حاضر الگوریتم جدیدی برپایه جداسازی غیر منفی ماتریس به سه المان sample-based nonnegative matrix tri_factorization (sNM3F)، جهت استخراج ماژول های زمانی و مکانی سینرژی های عضلانی از سیگنال فعالیت عضلانی برای سه نوع مختلف حرکات رسنده دست ( مستقیم ساده، رفت و برگشتی و عبور از نقاط میانی) در صفحه عمودی مورد استفاده قرار گرفته است. در ادامه پس از استخراج ویژگی های مختلف سینرژی های عضلانی، تفسیر فیزیولوژیک این ویژگی ها مورد بحث قرار خواهد گرفت. نتایج حاکی از آنست که ماژول زمانی اول جهت و نوع حرکت را رمزگذاری می نماید. این در حالیست که ماژول های مکانی وضعیت های میانی اندام را گزارش می نمایند. همچنین ماژول های استخراج شده در افراد مختلف متفاوت بوده و استخدام این ماژول های زمانی و مکانی با توجه به جهت حرکت با یکدیگر همبستگی دارند.
    کلیدواژگان: ساختار کنترلی ماژولار، زمانی، مکانی، کنترل حرکت انسان، جداسازی EMG
  • سپیده حاتمی کیا، علی مطیع نصرآبادی صفحات 31-43
    ثبت سیگنال های الکتروانسفالوگرام با تعداد بالای کانال، نیاز به زمان آماده سازی زیادی برای تنظیم الکترودها دارد. به علاوه، استفاده از تعداد زیاد کانال ممکن است منجر به تولید سیگنال های نویزی شود که کارایی سیستم را کاهش می دهد. بنابراین کاهش تعداد کانال یک قدم ضروری برای صرفه جویی در زمان، افزایش رفاه کاربر و نگه داشتن کارایی بالا برای یک سیستم مبتنی بر سیگنال های مغزی است. در این مطالعه، ما یک سیستم ساده و عملی تشخیص احساسات به کمک بهینه سازی تعداد کانال ها مبتنی بر دو روش کاهش کانال الگوهای مکانی مشترک ارائه می دهیم. استخراج ویژگی مبتنی بر الگوریتم تبدیل فوریه ی سریع و طبقه بندی به کمک ماشین بردار پشتیبانی و K نزدیک ترین همسایه انجام شد که استفاده از چنین ابزارهای پردازش سیگنال ساده ای باعث شد الگوریتم پیشنهادی ما کارآمد و از نظر تنظیمات ساده باشد. بر مبنای نتایج تجربی، سیستم پیشنهادی به کمک تعداد کمی کانال نه تنها باعث افزایش خطای سیستم نشده بلکه باعث بهبود عملکرد سیستم در مقایسه با استفاده از تمام تعداد کانال ها شده است.
    کلیدواژگان: تشخیص احساسات، سیگنال های الکتروانسفالوگرام، کاهش کانال، روش الگوی مکانی مشترک
  • سوزان سروش حدادی، سید محمود سخایی* صفحات 45-53
    شکل دهی پرتو وفقی، در مقایسه با روش غیر وفقی تاخیر و جمع (DAS)، بهبودی قابل ملاحظه ای در رزولوشن تصاویر اولتراسوند ایجاد می کند، اما در بهبود کنتراست، این برتری مشاهده نمی شود. در برخی مطالعات، شکل دهی پرتو کمترین واریانس مبتنی بر فضای ویژه (EIBMV) مورد مطالعه قرار گرفته و بهبودی در کنتراست ضمن حفظ رزولوشن گزارش شده است. در این مقاله، ما روش دیگری بر مبنای فضای ویژه بنام حذف کننده ویژه (EC) ارائه می کنیم و نشان می دهیم این روش قادر به ارائه نتایج بهتری است. البته در این روش، نیاز به ماتریس کواریانس نویز و تداخل است در حالیکه در روش های MV و EIBMV به ماتریس کواریانس داده نیاز است. بنابراین یک حذف کننده ویژه تغییر یافته پیشنهاد شده است که در آن، تا زمانیکه حذف سیگنال رخ ندهد، بردار وزن در زیرفضای نویز، زیرفضای عمود بر بردارهای ویژه غالب، در نظر گرفته می شود و در غیر آن، بردار وزن با وزن های یکنواختانتخاب می شود. نتایج شبیه سازی، برتری روش پیشنهادی را بر روش های MV و EIBMV از نظر کنتراست نشان می دهد. بعلاوه، این روش در مقابل خطاهای سرعت صوت، مقاومتر است و قادر به ایجاد تصاویر با تمایز بهتر مرزها است.
    کلیدواژگان: شکل دهی پرتو، فضای ویژه، کمترین واریانس، حذف کننده ویژه کمترین نرم، تصویربرداری اولتراسوند
  • محمدرضا پژوهان صفحات 55-70
    صاحبان اطلاعات در حوزه سلامت نیاز دارند تا داده های عملیاتی خود را برای مقاصدی همچون مشاوره یا تحقیقات بیشتر منتشر نمایند. در نتیجه، امروزه حجم زیادی از اطلاعات اشخاص با جزئیات کافی به صورت عمومی در دسترس قرار دارد. این داده ها ممکن است شامل سری های زمانی، همچون سیگنال الکتروکاردیوگرام، نیز باشد. در این موارد حذف شناسه از داده های سری زمانی به تنهایی برای حفظ محرمانگی آنها کافی نیست. زیرا اگر تعداد محدودی از این سری های زمانی منتشر گردد، وجود ناهنجاری های ویژه در این داده ها ممکن است منجر به افشای اطلاعات حساس یک فرد گردد. بنابراین مساله انتشار امن سری های زمانی در برخی مطالعات مورد بررسی قرار گرفته است، اما به بحث انتشار مدل چندجزئی از سری زمانی، بخصوص وقتی که از مجموعه کوچکی از سری زمانی بدست آمده باشد، چندان پرداخته نشده است.
    در این مقاله، ما مساله k-گمنام سازی را برای مدل چندجزئی تعریف می نماییم. روش پیشنهادی ملزومات k-گمنام سازی را با تکرار چندجزئی های نادر جهت مخفی سازی آنها در مجموعه های پررخداد فرآهم می آورد. در ادامه، این روش روی دو دسته از دادگان مورد ارزیابی قرار می گیرد. نتایج بررسی ها نشان می دهد که روش پیشنهادی می تواند سطح گمنام سازی مورد نظر را با مقدار افت اطلاعاتی پایین در آنتروپی و میزان احتمال چندجزئی ها فرآهم آورد.
    کلیدواژگان: حفظ محرمانگی، k، گمنام سازی، داده های پزشکی، سری های زمانی، چندجزئی ها
|
  • Atiye Riasi, Maryam Mohebbi* Pages 1-7
    Ventricular Fibrillation (VF) is the major cause of triggering sudden cardiac death (SCD). Efficient prediction of ventricular fibrillation is very important for clinical purpose, as this is the most serious cardiac rhythm disturbance and can be life threatening. A reliable predictor of an imminent episode of VF, could be incorporated in an implantable cardioverter defibrillator (ICD) would be capable of delivering preventive therapy. The aim of this study is to investigate the possibility of predicting VF from surface electrocardiogram (ECG) signal by beat to beat tracing of the signal and using a dynamic thresholding method. As VF arises from the lower pumping chambers of the heart (ventricles), it is expected to find some changes in the ventricular activity part of the ECG signal before its occurrence. In this paper, we focused on the T-wave of ECG signal which shows the repolarization of ventricles and tried to present an online predictor by finding an entropy-based pattern in T-waves of ECG signal that can effectively maps the irregularity of this wave before VF. We have also used an Empirical Mode Decomposition (EMD) method to reduce the high frequency noises of T-waves before predictive index extraction in each beat. We found that proposed predictive pattern can be considered as a useful index for probability occurrence of VF. It reached the sensitivity of 89% and specificity of 95% in online VF prediction method. Presented method is simple, computationally fast and has high prediction quality and hence is well suited for real time implementation.
    Keywords: Ventricular Fibrillation, Prediction index, Approximate Entropy, Empirical Mode Decomposition
  • Sara Pourmohammadi, Ali Maleki* Pages 9-17
    This paper presents a novel approach for driving stress assessment by fuzzy clustering. In previous researches, stress during real-world driving tasks has been detected in discrete levels, but in this study, we demonstrated that considering fixed-levels for stress in long periods is not authentic. Without employing discrete levels of stress, data remains unlabeled. So a clustering method has been proposed to compensate for the lack of the feasibility of classification. Due to uncertainties, the clusters can be defined in terms of fuzzy sets. Furthermore, using fuzzy clustering methods, data overlap is considered. In the proposed algorithm, utilizing membership values generated by fuzzy c-means, and weights assigned by fuzzy inference system (FIS), we present automatic continuous criteria for stress in the short time intervals. The continuous scale is defined between 0and100, where higher values represent higher stress levels. Our findings not only confirm rough results of previous studies, but also indicate improvements in precision and accuracy of stress assessment.
    Keywords: Fuzzy c, means Clustering, Continuous stress criteria, Automatic stress assessment
  • Sedigheh Dehghani, Fariba Bahrami * Pages 19-30
    Central nervous system (CNS) uses an abundant set of joints and muscles to ensure both flexible and stable movements while interacting the environment. How the CNS faces the complexity of control problem and solves the question of physiological and mechanical abundances is not still clear. Modular control is one of the most prevalent hypotheses in answer to these questions. According to this point of view, CNS combines a few building blocks, here this will be muscle activities, named as muscle synergies, to present a vast repertoires of movements. In this study the algorithm of sample-based nonnegative matrix tri-factorization (NM3F) is used to extract spatial and temporal muscle synergy modules from muscle EMG data for three different types of point to point reaching (simple straight, reversal and via-point) movement in the frontal and sagittal planes. After extracting different features of the muscle synergies, physiological interpretation of these decomposed parts has been discussed. The first temporal module coded the direction and type of movement, while the spatial modules describe some via postures. Also the extracted modules are not similar for subjects. The recruitment of the spatial and temporal modules are correlated due to the movement direction.
    Keywords: modular control structure, temporal module, spatial module, muscle synergy, human motor control, EMG decomposition
  • Sepideh Hatamikia, Ali Motie Nasrabadi Pages 31-43
    Multi-channels Electroencephaloram (EEG) needs a long preparation time for electrode installation. Furthermore, using a large number of EEG channels may contain redundant and noisy signals which may deteriorate the performance of the system. Therefore, channels reduction is a necessary step to save preparation time, enhance the user convenience and retain high performance for an EEG-based system. In this study, we present a simple and practical EEG-based emotion recognition system by optimizing the channels number based on two different Common Spatial Pattern (CSP) channel reduction methods. We applied feature extraction based on the Fast Fourier Transform (FFT) algorithm and classification method based on the Support Vector Machine (SVM) and K-nearest neighbor (KNN) which make our proposed system an efficient and easy-to-setup emotion recognition system. According to experimental results, the proposed system using small number of channels not only does not increase the error of the system, but also improves the performance of the system compared to the use of total number of channels.
    Keywords: Emotion recognition, Electroencephalogram (EEG), Channel reduction, Common Spatial Pattern (CSP)
  • Susan Soroush Haddady, Sayed Mahmoud Sakhaei Sakhaei* Pages 45-53
    Using adaptive minimum variance beamforming (MV) results in a significant improvement in image resolution, but it’s success in enhancing contrast has not yet been satisfactory. In some researches, eigenspace-based minimum variance beamforming (EIBMV) method has been applied to medical ultrasound imaging system, so that it has improved image contrast while maintaining its resolution. In this paper we apply another eigenspace-based beamforming called eigencanceler (EC) and show it can yield more satisfactory results. However EC needs the noise – interference covariance matrix, whereas the MV and EIBMV use the data covariance matrix. So an altered EC is proposed for the ultrasound imaging. In this method, while canceling the desired signal does not occur, any weight vector is considered to lie in the noise subspace, the subspace orthogonal to the dominant eigenvectors. Otherwise, the weight vector is defined uniformly. Simulation results show the superiority of this method over the MV and EIBMV methods in the contrast aspect. Moreover, the method is more robust against the sound speed errors and can obtain images with better definition of boundaries.
    Keywords: beamforming, eigenspace, minimum variance, minimum norm eigencanceler, ultrasaound imaging
  • Mohammad, Reza Pajoohan Pages 55-70
    Healthcare providers may need to publish their operational data for consultation as well as to allow more researches. Consequently, a lot of personal specific data with high level of details are publicly available. This data may contain time series, such as ECG. De-identification of time series is not enough to provide the requirement of privacy preservation. It is because, if a few numbers of time series are published, then appearing specific anomalies in them may reveal the sensitive information of an individual. The problem of privacy preserved time series publication is somewhat studied, but the issues of publishing the Ngrams of the time series, especially that of extracted from a small set of time series, are not considered well before.
    In this paper, we address this problem and define the k-anonymity principle for the Ngram. The proposed schema aims to provide the k-anonymization by repeating the rare n-grams to hide them in the crowd of frequent n-grams. We evaluate our method by using two datasets. Results of experiments show that our method can provide the requested anonymity level with low probability and entropy information loss.
    Keywords: Privacy Preservation, k, anonymization, Medical Data, Time Series, Ngram