ارزیابی اثر سکته مغزی ایسکمیک بر سیگنال راه رفتن در مسیر دایرهای به کمک روشهای بازشناسی الگو
نام عام مواد
[پایان نامه]
نام نخستين پديدآور
زهرا اتراچالی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
صنعتی سهند
تاریخ نشرو بخش و غیره
۱۴۰۱
مشخصات ظاهری
نام خاص و کميت اثر
۹۴ص.
ساير جزييات
مصور، جدول، نمودار
مواد همراه اثر
CD
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی پزشکی- بیوالکتریک
زمان اعطا مدرک
۱۴۰۱/۱۱/۰۱
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
سکته¬مغزی یک حادثه عصبی جدی است که به دلیل انسداد و یا خونریزی عروق مغزی روی می¬دهد که منجر به قطع یا کاهش جریان خون مغزی می¬گردد. این بیماری می¬تواند منجر به ناتوانی¬های شدید یا ماندگار مانند مشکلات حرکتی ناشی از سستی عضلات و اختلالات راه رفتن گردد. این ناتوانی¬ها می¬تواند باعث اثرگذاری روی مشارکت اجتماعی، فعالیت¬های روزانه، وابستگی و کیفیت سلامتی فرد به صورت عمومی گردد. بنابراین توسعه روش¬های تشخیصی قابل اعتماد و کم¬هزینه که درمان و توانبخشی سکته را بهبود بخشد، از اهمیت زیادی برای کمک به این بیماران برخوردار است. در این مطالعه از دو سیستم جدید تشخیص کامپیوتری سکته¬مغزی مبتنی بر تحلیل¬ سیگنال¬های فشار کف پا با استفاده از تجزیه فوریه تجربی و تبدیل موجک عامل Q قابل¬تنظیم ارائه شده است. نوآوری این روش¬ها در استخراج هر دو اطلاعات گذرا و کلی سیگنال فشار با استفاده از ویژگی¬های تطبیقی و زمانی-فرکانسی و روش¬های تجزیه فوریه و تبدیل موجک عامل Q قابل¬تنظیم است. جهت کمی¬سازی تفاوت¬های ضرایب تجزیه¬شده، یک دسته ویژگی¬های آماری با بارمحاسباتی کم از توابع باند ذاتی فوریه و زیرباندهای موجک استخراج شده است. همچنین روش reliefF برای کاهش بعد و انتخاب ویژگی¬های با اطلاعات بالا مورد استفاده گرفته است. در انتها از روش¬های ماشین بردار پشتیبان و K نزدیک¬ترین همسایگی برای تفکیک گروه سالم و بیماران مبتلا به سکته¬مغزی بهره گرفته شده است. عملکرد روش¬های پیشنهادی با استفاده از سیگنال¬های راه رفتن 46 فرد سالم و 36 فرد مبتلا به سکته¬مغزی مورد ارزیابی قرار گرفته است. نتایج به¬دست¬آمده نشان¬داده است که بهترین عملکرد مربوط به روش پیشنهادی اول است که مبتنی بر تجزیه فوریه تجربی بوده است. این روش موفق به کسب میانگین صحت 19/99% با تنها 20 ویژگی و عملکرد مقاوم در برابر متغیر پارامترهای تکنیکی و کلینیک بوده است.
متن يادداشت
A brain stroke is a serious neurological condition that occurs due the blockage or bleeding of the vessels which interrupts or reduces the blood supply to the brain. Strokes can result in different kinds of severe or lasting disabilities, such as motor deficits due to paresis and walking impairments that can affect patient's social participation, everyday activity/function, dependency and the health-related quality of life globally. Therefore, the development of reliable but cost-effective detection method which improves stroke treatment and rehabilitation progress is significantly valuable for these patients. In this study, two new computer-aided stroke detection systems have been proposed based on the analysis of feet pressure signals using Empirical Fourier Decomposition (EFD) and Tunable Q-factor Wavelet Transform (TQWT). The contribution of these methods is to extract both transient and global information of the pressure signals using adaptive or enhanced time-frequency properties of EFD and TQWT techniques. To quantify distribution difference of the decomposed coefficients, a set of statistical features with low computational complexity has been extracted from intrinsic band functions and wavelet sub-bands. The reliefF technique has also been used for dimensionality reduction and more informative feature selection. Finally, support vector machine and K-Nearest neighbors have been utilized to discriminate between healthy controls and patients with brain stroke. The performance of the proposed method has been evaluated using gait signals of 46 healthy controls and 36 patients with ischemic strokes. The obtained results have demonstrated the best performance of the first method based on EFD technique. It has achieved high average accuracy rate of 99.19% with only 20 features and robust performance against variety of clinical and technical parameters.
عنوانهای گونه گون دیگر
عنوان گونه گون
Investigating the effects of ischemic stroke on gait signals in a circular hallway using pattern recognition techniques