امروزه در حوزه پردازش سیگنالهای حیاتی، پردازش سیگنال الکتروانسفالوگرام (eeg) در فعالیت ها و حالت های مختلف مغز، از جمله خواب، بیهوشی، صرع، فعالیت ها و عملیات محاسباتی و هیپنوتیزم مورد توجه محققان قرار گرفته است. در ادامه این تحقیقات در این مطالعه نیز به بررسی پدیده هیپنوتیزم و اثرات آن برروی فعالیت الکتریکی مغز پرداخته شده است. در این تحقیق با بکارگیری سیگنال eeg و استفاده از الگوریتم بهبود یافته¬ی تجزیه تجربی سیگنال به مولفه ها (emd)، ویژگی های مختلفی از روی سیگنال eeg هیپنوتیزم 32 مرد راست دست که نمره هیپنوتیزم پذیری آنها براساس مقیاس واترلو-استنفوردتعیین شده، استخراج شده است. نتایج حاصل از بررسی های آماری حاکی از آن است که القای هیپنوتیزم و همچنین سطح هیپنوتیزم پذیری اثرات معناداری برروی تعدادی از این ویژگی ها در بعضی از امواج مغزی و یا نواحی خاصی از مغز دارد. نتایج حاصل از طبقه بندی و اعتبار سنجی به کمک روش loo نیز نشان می داد که ویژگی استخراج شده براساس بعد هیگوچی، از لحاظ تعداد الکترودهای لازم برای ثبت سیگنال ( با خطای حدود 6.25%) و ویژگی ترکیب خطی پارامتر خود شباهت در باند تتا در کانال 9 و بعد هیگوچی و پتروشن در کانال 13 (بدون خطا) به عنوان بهینه ترین ویژگی ها، جهت تعیین میزان هیپنوتیزم پذیری می باشند. نتایج حاصل از تبدیل سیگنال eeg به نگاشتهای خوشه زمان، با استفاده از الگوریتم خوشه یابی kmeans نشان می دهد که بررسی انرژی امواج بتا در پنجره های زمانی 3 دقیقه ای می تواند جهت تخمین عمق هیپنوتیزم در طول القا به کار رود. همچنین با تبدیل ویژگی ها به مقادیر z-score ، چند ویژگی دیگر به عنوان شاخصی جهت تعیین عمق هیپنوتیزم در طول القا معرفی شده است.

امروزه ویروس درمانی به عنوان یک روش نوین در درمان تومور تلقی می شود. در واقع ویروس درمانی حاصل بخشی از تحقیقات دانشمندان در زمینه ژن درمانی است. ایده اصلی در ژن درمانی، تغییر و دستکاریdna سلول های سرطانی است تا بتوان تکثیر آنها را به نحو دلخواه کنترل کرد. فرآیند ویروس درمانی شامل تکرار سیکل تکثیر ویروسی در سلول های تومور و از هم گسیختگی سلول ها است. این فرآیند موجب تولید پروتئین cytotoxic و در نهایت از بین رفتن سلول ها می شود. یکی از اهدافی که طی این مراحل دنبال می شود عدم تکثیر ویروس در سلول های سالم نسوج می باشد. ویروس درمانی حاصل یک فرآیند پیچیده است که با مدلسازی مناسب این روش می توان نحوه رفتار تومور در واکنش با فرآیند درمان را بررسی کرد. در این پایان نامه، ابتدا مدل های ویروس درمانی wu و wein بررسی می شوند و سپس با استفاده از تئوری بازی ها این دو مدل بسط داده و به صورت مدل های تکاملی wu و تکاملی wein در نظر گرفته می شوند. در مدل wu، تعامل بین دو گونه سلول های آلوده و غیر آلوده در نظر گرفته شده است و از تاثیر سیستم ایمنی بر ویروس ها صرف نظر شده و تنها برای تکثیر ویروس در تومور یک رابطه خطی باسلول آلوده، نوشته شده است. اما در مدل wein سیستم ایمنی به عنوان اثری نامطلوب بر فر آیند ویروس درمانی در نظر گرفته شده است. در مدل های wu وwein پارامترهای مدل در طول زمان ثابت هستند یعنی گونه ها با یک استراتژی رفتار ثابت با یکدیگر بازی می کنند در حالیکه در محیط فیزیولوژیک واقعی، گونه ها قادر به تکامل هستند یعنی می توانند در هر شرایط، استراتژی رفتار خود را در راستای بدست آوردن حداکثر منافع تغییر دهند. این موضوع در مدل های تکاملی پیشنهادی در نظر گرفته می شود. همچنین در این شرایط انواع پایداری های تکاملی و اکولوژیکی مدل نیز مورد بررسی قرار می گیرد. پایداری اکولوژیکی، پایداری حول نقاط ثابت جمعیت گونه ها است در حالیکه پایداری تکاملی، پایداری حول نقاط ثابت استراتژی در گونه های که مجاز به تکامل هستند، می باشد. در واقع پایداری تکاملی حالت محدودتری از پایداری اکولوژیکی است و اگر یک سیستم پایدار تکاملی باشد حتما پایدار اکولوژیکی است. در بررسی مدل های تکاملی و شبیه سازی آنها مشاهده می شود که در مدل تکاملی wu، بر اساس باقی ماندن یا از بین رفتن هر یک از گونه ها چهار حالت نهایی برای سیستم امکان خواهد داشت. هیچ یک از حالت ها به تعادل تکاملی نخواهند رسید و تنها در دو حالت که سلول های غیرآلوده از بین نمی روند، سیستم بسته به شرایط می تواند به تعادل اکولوژیکی برسد. همچنین مشاهده می شود که در مدل تکاملی wu، اثر سیستم ایمنی بدن بر تعامل رفتار دو گونه بصورت مستقیم و با تعداد معادلات کمتر بیان می شود؛ درحالیکه در مدل wu برای مشاهده این اثر نیاز به تعریف دینامیک مراتب بالاتر است که منجر به ارائه مدل wein شده است. به علاوه مدل تکاملی wu قابلیت امکان رشد مجدد تومور پس از کاهش حجم آن را داراست در صورتیکه این نوع رفتار تومور در مدل wu امکان پذیر نمی باشد. در مدل تکاملی wein تنها دو حالت به پایداری اکولوژیکی دست می یابند که در هر دو حالت سلول های غیرالوده باقی می مانند و سلول های آلوده و سیستم ایمنی به حالت نهایی مشابه دست می یابند(تومور از بین نمی رود). در مدل تکاملی wein، سلول آلوده و غیر آلوده نمی توانند به استراتژی پایدار تکاملی دست یابند بنابراین سیستم نمی تواند در مقابل تاثیر سیستم ایمنی مقاومت کند و همانطور که انتظار می رود، سیستم ایمنی باعث کاهش یا از بین رفتن سلول های آلوده می گردد وشرایط از بین رفتن تومور را محدودتر می سازد.

عملکرد سیستم های بازشناسی گفتار (asr) زمانی که گفتار توسط نویز تخریب شده باشد، به شدت کاهش می یابد. روش های ویژگی های مفقود قصد دارند که این کاهش بازشناسی را با حذف مولفه هایی از نمایش زمانی- فرکانسی گفتار (اسپکتروگرام) که بیانگر نسبت سیگنال به نویز (snr) پایین باشند، کاهش دهند. این روش ها اثر خود را در نتایج صحت بازشناسی نشان می دهند که در مقابل اثر نویز جمعی، مقاوم بودن بالای خود را بروز می دهند. در این پایان نامه، ما از یک شیوه ی رایج جبران سازی دادگان که در آن عناصر مفقود، برای بدست آوردن اسپکتروگرام کامل بازسازی می شوند استفاده خواهیم کرد که از آن با عنوان جبران سازی مبتنی بر دادگان مفقود یاد می شود. در این شیوه برای تخمین مولفه های مفقود اسپکتروگرام، از همبستگی بین مولفه ها، استفاده می شود. در ادامه یک شیوه جدید مطرح می کنیم که الگوی ویژگی های مفقود را با دیدگاهی نو به عنوان مسئله جبران سازی دادگان مطرح می کند. در این روش از شبکه عصبی دوسویه بهره گرفته می شود که به صورت هم زمان بر روی دادگان تمیز و نویزی جهت بازشناسی آواهای گفتار آموزش داده می شود تا با انجام یک سری پردازش های غیر خطی و دوطرفه (جلوسو و برگشتی) بتوان از دانش نهفته در مدل، ناشی از یاد گرفتن گفتار تمیز و نویزی بهره گرفته و بردارهای بازنمایی گفتار را در جهت افزایش صحت بازشناسی آواهای گفتار بهبود بخشید. در هر دو روش ویژگی های کپستروم بدست آمده از اسپکتروگرام بازسازی شده، برای بازشناسی مورد استفاده قرار می گیرند بدون اینکه سیستم بازشناسی نیازی به اصلاح داشته باشد. روش مبتنی بر دادگان مفقود، از دو بخش شناسایی مولفه های مفقود و اصلاح آن ها تشکیل شده است. روش اصلاح ویژگی مبتنی بر شبکه عصبی دوسویه، از این قاعده مستثنی بوده چرا که نیازی به شناسایی مولفه های مفقود ندارد و بازسازی را در جهت هرچه شبیه تر شدن تمامی مولفه ها (خواه معتبر باشد خواه نامعتبر) به مولفه های گفتار تمیز صورت می دهد و این یک برتری بسیار چشمگیری است که در این تحقیق حاصل شده است؛ چرا که در عمل، بحث شناسایی مولفه های مفقود، که یک بحث چالش برانگیز در تمامی روش های بکارگرفته شده در جهت بازشناسی مقاوم گفتار است و ارتباط مستقیمی با میزان صحت بازشناسی دارد را حذف می کند. ارزیابی هایی که در این تحقیق بر روی دو روش ذکر شده صورت گرفت، بهبود 2/4 درصدی بر روی صحت بازشناسی بدست آمده برای گفتار نویزی تخریب شده توسط نویز با نسبت سیگنال به نویز 0 db با استفاده از روش اصلاح ویژگی مبتنی بر دادگان مفقود، حاصل کرد و بهمان نحو بهبود 5/8 درصدی را برای همان نرخ نویز تخریبی با استفاده از روش اصلاح ویژگی مبتنی بر شبکه عصبی دوسویه، به نمایش گذاشت. در آخر کار با ترکیب دو روش یاد شده، توانستیم پیشرفت چشمگیری در حدود 10 درصد در روند بازشناسی سیگنال های تخریب شده بدست آوریم.

یکی از مدلهایی که در خصوص سـیستم گـردش خون وجود دارد مدل مینیمم شده قلبـی میباشـد. نتـایج ثبت شده برروی این مدل نشان می دهد که این مدل عمده روند عملکرد فیزیولوژیکی دستگاه قلبی- عروقی را دنبال می کند و برخلاف بسیاری از مدل ها، به سرعت شرایط گذرا سپری شده و مدل به وضعیت ماندگار می رسد. در این مدل از حداقل تعداد پارامتر استفاده شده است و به سادگی قابل پیاده سازی است. در این تحقیق ما مدل مینیمم شده سیستم گردش خون را با سیستم کنترل بارورفلکس، کنترل حلقه بسته کرده و رفتارهای مدل سیستم گردش خون را به ازای تغییر مقدار پارامتر تاخیر در سیستم بارورفلکس بررسی کرده ایم. یکی از روشهایی که در طی آن رفتار سیستم قلبی را بررسی کرده ایم، بررسی تغییر پذیری ضربان قلب به ازای تغییر مقدار پارامتر تاخیر سیستم بارورفلکس بود. در این تحـقیق ملاحظه شد که سیستم تکمیـل شده به خـوبی رفتارهای سیستم فیـزیولوژیکی واقعی را دنبال می کند. به این ترتیب در عین تکمیل مدل، به آن اعتبار بیشتری بخشیده شد.

خستگی ذهنی به عنوان یک عامل بازدارنده فعالیت ها، یکی از مشکلاتی است انسان امروز با آن روبرو است. هنگامی که فرد در وظایف روزانه خود ملزم به اجرای فعالیت هایی باشد که برای مدت طولانی و با دقت باید انجام پذیرند، پس از مدتی احساس خستگی می کند. در ایجاد این نوع خستگی الزاماً فعالیت جسمی وجود ندارد. بروز خستگی ذهنی آثار متعددی به همراه دارد؛ مانند کاهش کارآیی، توان برنامه ریزی، کنترل کارها و از همه مهمتر کاهش میزان تمرکز در مسائلی که به توجهی ماندگار برای اجرا نیاز دارند. این امر سبب می شود که فعالیتهای شناختی شخص به شدت کاهش یابد و حتی در مواردی (مانند رانندگی و نگاهبانی) می تواند خطرناک باشد. برای دستیابی به راهکاری جهت مقابله با بروز خستگی ذهنی باید به صورت دقیق پدیده و آثار فیزیولوژیکی و ذهنی مرتبط با آن را شناخته و در مرحله بعد با کامل شدن شناخت از ظهور آن جلوگیری نمود و یا در صورت اتفاق افتادن بتوان آن را با روشهای علمی و عینی تشخیص داد. هدف از این تحقیق آشنا شدن با تغییرات فعالیت الکتریکی مغز در اثر بروز خستگی ذهنی به عنوان یکی از موضوعات جدید در حوزه علوم شناختی و تأثیر آن بر توجه ماندگار به عنوان یکی از فعالیت های مهم شناختی است. برای اجرای این تحقیق ابزاری که استفاده شده است، ثبت فعالیت الکتریکی مغز طی یک فرآیند طراحی شده برای ایجاد خستگی ذهنی طی یک کار همراه با توجه است. برای تحلیل و ارزیابی وضعیت خستگی، سیگنالهای ثبت شده مورد پردازش قرار گرفت، که از بین روشهای موجود از تبدیل ویولت استفاده شده است. با اعمال تبدیل ویولت گسسته با پایه ویولت db10 روی سیگنال eeg ، و سپس استخراج ویژگی از ضرایب ویولت و با استفاده از آزمون آماری anova ویژگی هایی که در طول خستگی تغییرات قابل ملاحظه داشته اند، به عنوان ویژگی های نشان دهنده خستگی ذهنی معرفی گردیدند. بدین ترتیب کانال های f43,f4,f7,fz,c4,o1,o2,… کانال های موثر، و میانگین و بعد هیگوچی ضرایب ویولت، به عنوان ضرایب موثر شناسایی گردیدند.

انسان همواره در پی راهی بوده است که از طریق آن به صحت و سقم گفتار افرادی که با آنها سروکار دارد، پی ببرد. به همین دلیل در تاریخ اقوام و تمدن های مختلف، اشاره هایی به روش های مختلف سنجیدن صداقت افراد شده است. اما شروع علمی این مسئله را می توان از قرن 18 میلادی و تجربیات دانیل دفو عنوان کرد. از آن زمان تا کنون نیز، به دلیل اهمیت بسیار این موضوع در مسائل امنیتی و قضایی، ورود روزافزون جوامع علمی مرتبط از حقوق دانان تا سایکوفیزیولوژیست ها در این زمینه بسیار چشم گیر بوده است. امروزه با پیشرفت کامپیوترها و ورود این وسیله به حوزه مهندسی، رشد بسیاری در ابزارهای مهندسی تفکیک و طبقه بندی دادگان ایجاد شده است که منجر به ورود این قشر در زمینه دروغ سنجی شده است. در یک تقسیم بندی کلی می توان روش های دروغ سنجی را به سه دسته: روش های کلاسیک – مبتنی بر اندازه گیری استرس فرد از طریق سیگنال های سایکوفیزیولوژیک- روش های مغزی – مبتنی بر بررسی مولفه های شناختی سیگنال های الکتریکی مغز- و روش های تلفیقی – مبتنی بر تلفیق دو روش کلاسیک و مغزی- تقسیم بندی نمود. هدف از این تحقیق نیز ارائه روشی برای ثبت همزمان سیگنال های کلاسیک و پتانسیل های برانگیخته مغزی برای ایجاد بهبود در صحت های حاصل از دروغ سنجی های مغزی و کلاسیک محض بوده است. در بررسی های انجام شده، این نتیجه حاصل شد که در ثبت همزمان کانال های مغزی و کلاسیک، دو مشکل اساسی وجود دارد که عبارتند از: اول، عدم هماهنگی زمانی بین دینامیک های مغزی و کلاسیک که منجر به بروز مشکلاتی در تنظیم بازه زمانی بین تحریک ها می گردد و دوم، وجود منشاهای متفاوت در تولید دینامیک های مغزی و کلاسیک که برای رفع آن می-بایست به دنبال سناریو و پروتکلی برای تحریک همزمان دو منشا بود. لذا با طراحی سناریوی دزدین/ندزدیدن جواهرات به تحریک همزمان مولفه های شناختی و استرسی در سوژه ها پرداخته شد. همچنین برای برطرف نمودن مشکل عدم همخوانی دینامیک ها به تنظیم فاصله زمانی بین تحریک ها برابر 3 ثانیه و همچنین چیدن تحریک های پروب و هدف با بیشترین فاصله تصادفی پرداخته شد. در پردازش های انجام شده بر روی 30 داده ثبت شده باقی مانده (شامل 16 سوژه گناه کار و 14 سوژه بی گناه)، با استفاده از طبقه بندهای bad و bcdبر روی دادگان مغزی صحت آشکارسازی گناه کار- بی گناه 93.33% حاصل شد. همچنین با استفاده از طبقه بند lda و الگوریتم ژنتیک برای بهینه سازی ویژگی ها، بر روی ویژگی های حاصل از سیگنال های ppg نیز صحت آشکارسازی گناه کار- بی گناه 93.33% حاصل شد، که این مطلب بیانگر قابلیت سناریو و پروتکل طراحی شده در تحریک و ثبت همزمان سیگنال های مغزی و کلاسیک می باشد. از سوی دیگر در ترکیب تک تک ویژگی های کلاسیک با ویژگی های مغزی نیز برترین صحت آشکارسازی گناه کار- بی گناه ، در طبقه بندی همزمان دادگان مغزی و ppg با استفاده از طبقه بند lda و بهینه کننده الگوریتم ژنتیک، برابر 96.67% بوده است. در تلفیق تمامی ویژگی های حاصل از سیگنال های مغزی، gsr، ppg و rt و استفاده از طبقه بند lda و الگوریتم ژنتیک در بهینه سازی دادگان، صحت آشکارسازی گناه کار- بی گناه 100% حاصل شد. تمامی نتایج حاصل حاکی از بهبود صحت طبقه بندی با استفاده از تلفیق ویژگی های مغزی و کلاسیک نسبت به طبقه بندی جداگانه سیگنال های مغزی و کلاسیک می باشد.

آرتیفکت های چشمی یکی از مهم ترین مشکلات در تفسیر سیگنال الکتروانسفالوگرام است. این مشکل سبب خواهد شد، ثبت سیگنال eeg به ویژه در کاربردهای تشخیصی و شناختی دارای خطاهای ناشی از آرتیفکت چشمی باشد، به این مفهوم که در صورت عدم حذف آرتیفکت، سیگنال eeg به شدت با آرتیفکت چشمی آمیخته شده و در صورت حذف آرتیفکت با یک روش نامناسب، نتایج حاصل از پردازش های لازم در کاربرد مورد نظر صحیح نخواهد بود. برای حداقل سازی این آرتیفکت ها روش تحلیل مولفه های مستقل و روش های مبتنی بر فضای فاز را بررسی نمودیم. روش تحلیل مولفه های مستقل آرتیفکت های سیگنال eeg را جدا می کند و لذا می توان با حذف مولفه ی مربوط به آرتیفکت چشمی و بازسازی سیگنال eeg از مولفه های مستقل باقیمانده، آرتیفکت چشمی را کاهش داد. برای بهبود تشخیص خودکار مولفه مربوط به آرتیفکت چشمی، مشخصه های غیرخطی بعد فرکتال هیگوچی مولفه ها، سمپل انتروپی مولفه ها، و اطلاعات متقابل بین مولفه ها و سیگنال eog را بررسی نمودیم. با استفاده از این مشخصه ها به دقت بالای 98% در تشخیص آرتیفکت های مربوط به پلک زدن دست یافتیم. برای بررسی روش های مبتنی بر فضای فاز از الگوریتم های کاهش نویز schreiber و تصویرسازی محلی استفاده شد. الگوریتم schreiber به طور کیفی اثر آرتیفکت چشمی را در فضای فاز از سیگنال eeg جدا می کند. در انتها به بررسی طبقه بندی کودکان مبتلا به adhd و سالم پس از حداقل سازی آرتیفکت چشمی پرداخته شد. این مطالعه بر روی سیگنال eeg 59 کودک سالم و 60 کودک مبتلا به adhd تحت یک پروتکل مبتنی بر توجه انجام شد. ثبت سیگنال 39 کودک سالم و 31 کودک مبتلا به adhd در این مطالعه انجام شد. سپس با توجه به حداقل سازی آرتیفکت های چشمی، ویژگی های مورد نظر شامل نمای لیاپانوف، بعد فرکتال کتز، بعد فرکتال سوکیک و بعد فرکتال هیگوچی را در قطعاتی از سیگنال به طول 5 ثانیه استخراج نمودیم و در طبقه بندی در بهترین حالت دقت 89% به دست آمد. در مقایسه با کار قبلی که بر روی سیگنال های با زمان کوتاه تر انجام شد، نتایج این تحقیق نشان می دهد در زمان-های نسبتاً طولانی (توجه ممتد) نیز می توان به قابلیت تفکیک خوبی در توجه کودکان سالم و adhd دست یافت.

امروزه در حوزه پردازش سیگنال های حیاتی، پردازش سیگنال الکتروانسفالوگرام (eeg) در فعالیت ها و حالت های مختلف مغز، از جمله خواب، بیهوشی، صرع، فعالیت ها و عملیات محاسباتی و ... مورد توجه محققان قرار گرفته است. در ادامه این تحقیقات در این مطالعه نیز به بررسی پدیده خستگی ذهنی و اثرات آن بر روی فعالیت الکتریکی مغز پرداخته شده است. چرا که اهمیت حفظ توجه در انجام وظایف روزانه بخصوص در مواردی که شخص با فعالیت های طولانی مدت و تکراری مواجه است یکی از مسائلی است که انسان امروزه با آن روبرو است. سیگنال eeg اساساً دارای طبیعت فرکتال چندگانه است. بنابراین برای پردازش و استخراج ویژگی از سیگنال های eeg خستگی ذهنی می توان روش فرکتال چندگانه را به عنوان ابزاری مناسب مورد استفاده قرار داد. از این رو برای کمی کردن طبیعت آشوبگونه و پیچیدگی این سیگنال نیاز به تخمین طیف ابعاد فرکتالی تعمیم یافته است. مطالعه حاضر تلاشی برای ارائه الگوریتمی جهت تخمین طیف ابعاد فرکتالی تعمیم یافته و استخراج ویژگی از آن است. بدین منظور پس از استخراج 4 ویژگی بیشینه، کمینه، اختلاف بین بیشینه و کمینه و شیب حول q=0 از منحنی های ابعاد فرکتالی تعمیم یافته و اعمال آزمون آماری ویلکاکسون بر آن ها، ویژگی هایی که توانسته اند بین مراحل تفکیک معنی دار (05/0>p) نشان دهند، معین شد. این تفکیک در کانال های pz، c4، c3 و fp2 -کانال های قدامی و مرکزی- بیشتر خود را نشان می دهد، که این با یافته های فیزیولوژیکی سایر تحقیقات انجام شده بر توجه از طریق پردازش سیگنال و همچنین از طریق تحلیل fmri، مطابقت دارد. ویژگی های انتخاب شده مجدداً توسط محاسبه سطح زیر منحنی roc (auc) بررسی شدند و از توانایی آن ها در ایجاد تمایز معنی دار بین مراحل مختلف آزمون اطمینان حاصل گردید. در انتها نیز قدرت ویژگی های انتخاب شده با استفاده از طبقه بندی کننده knn مورد ارزیابی مجدد قرار گرفت. کلمات کلیدی: خستگی ذهنی، توجه، eeg، فرکتال چندگانه، آزمون ویلکاکسون، roc، knn.

adhd اختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر از کودکان دیگر وجود دارد. 3 تا 5 درصد کودکان مبتلا به این اختلال هستند و در پسرها شایع تر است. علائم این بیماری قبل از 7 سالگی شروع می شود ولی اغلب در مدرسه مشکلات جدی ایجاد می گردد. در حال حاضر تشخیص کودکان adhd بر اساس استاندارد dsm-iv و وابسته به رفتار کودک است. تشخیص سنتی این اختلال وابسته به پاسخ هایی است که والدین و معلم کودک به پرسشنامه ها می دهند و اشتباهات، عدم درک مفاهیم سوال و کتمان حقایق از عمده دلایلی است که احتمال اشتباه در تشخیص را افزایش می دهد و عدم تشخیص این اختلال و عوارض ناشی از آن آینده کودک و زندگی اجتماعی او را به مخاطره می اندازد. لذا برای جلوگیری از وقوع چنین اشتباهاتی، در این مطالعه سعی بر این بوده است از روش هایی استفاده شود که احتمال اشتباه را کاهش دهد. با توجه به سهل، ارزان و سریعتر بودن ثبت سیگنال abr نسبت به سیگنال eeg ، در این مطالعه بر آن شدیم تا از سیگنال abrبه منظور تشخیص این اختلال استفاده کنیم. بنابراین از دو دسته کودک که شامل 37 کودک سالم و 31 کودک adhd بودند، سیگنال abr ثبت شد. از سیگنال پاسخ ساقه مغز ثبت شده، ویژگی هایی در حوزه زمان-فرکانس و نیز ویژگی هایی غیرخطی استخراج گردیده است. سپس این ویژگی ها از نظر میزان معناداری و تفکیک پذیر بودن مورد بررسی قرار گرفتند و در نهایت با استفاده از الگوریتم ماشین بردار پشتیبان و کرنل های متنوع آن یک طبقه بندی با استفاده از ویژگی های زمان-فرکانسی، ویژگی های بازگشتی و تلفیقی از این دو نوع ویژگی به عمل آمد؛ در بهترین حالت به صحتی برابر 98.57% دست پیدا کردیم که مربوط به طبقه بندی کل ویژگی ها با استفاده از الگوریتم طبقه بندی ماشین بردار پشتیبان با کرنل ویولت می باشد. طبق نتایج بدست آمده، طبقه بندی با استفاده از تلفیق ویژگی های غیرخطی و ویژگی های زمان-فرکانسی دقت بهتر و نتایج قابل قبول تری از خود نشان میدهد.

یکی از حالت¬های مغزی مورد توجه محققان، هیپنوتیزم است که تظاهرات جالبی بر انسان دارد. از جمله مهم¬ترین اثرات و تظاهرات هیپنوتیزم، افزایش تمرکز، بوجود آمدن حالت خلسه و حالت تلقین-پذیری است که می¬تواند در درمان بسیاری از بیماری¬ها و مشکلات روانی و کاهش درد موثر واقع شود. در هیپنوتیزم¬درمانی، باید شخص دارای هیپنوتیزم¬پذیری مناسبی باشد و به عمق لازمی از هیپنوتیزم برسد تا دستورات درمانی تاثیر داشته باشند. بنابراین توجه به میزان هیپنوتیزم¬پذیری فرد، امری ضروری است. افراد از نظر هیپنوتیزم¬پذیری به سه گروه عمده تقسیم می¬شوند که عبارتند از افراد با قابلیت هیپنوتیزم پذیری کم، متوسط و زیاد. در این مطالعه، برای ارزیابی تفکیک¬پذیری گروه¬ها با قابلیت هیپنوتیزم¬پذیری کم، متوسط و زیاد، از سیگنال مغزی حالت نرمال در سه حالت ذهنی آرامش با چشمان بسته، انجام ضرب ذهنی و چرخش تصویر استفاده شده است تا تخمین هیپنوتیزم¬پذیری، بدون هیپنوتیزم¬ کردن افراد صورت گیرد. اکثر محققان قبلی، از سیگنال مغزی ثبت شده در حالت هیپنوتیزم استفاده کرده¬اند. در بررسی انجام شده، ویژگی¬هایی مانند ویژگی¬های منحنی¬های بازگشتی، آنتروپی ویولت، آنتروپی نمونه و آنتروپی جایگشت از سیگنال، استخراج شده، سپس بردار ویژگی به طبقه¬بند اعمال می شود. معیار اعتبارسنجی طبقه¬بند، روش loo می¬باشد. مرحله¬ی طبقه¬بندی، با دو دیدگاه انجام می¬شود. در دیدگاه اول، افراد بر طبق نمره¬ی مقیاس واترلو-استنفورد به 3 گروه با هیپنوتیزم-پذیری کم، متوسط و زیاد تقسیم می¬شوند و ماشین شناخت یک مسئله¬ی طبقه¬بندی بین این گروه¬ها انجام می دهد (استفاده از دو طبقه¬بند qda وsvm با کرنل rbf). در دیدگاه دوم، نمره¬ی هیپنوتیزم-پذیری فرد با استفاده از mlp تخمین زده می¬شود. بیشترین درصد صحت تفکیک¬پذیری سه گروه، با استفاده از دیدگاه اول و طبقه¬بندsvm بوده که مربوط به حالت ذهنی آرامش با چشمان بسته و برابر 81/81، در حالت ذهنی ضرب دو عدد، برابر 72/72 و در حالت ذهنی چرخش تصویر نیز، برابر 78/78 درصد است. نتایج حاصل از تلفیق ویژگی¬های سه حالت ذهنی و اعمال آن¬ها به طبقه¬بند svm نیز برابر 81/81 به دست آمده است. بیشترین صحت طبقه¬بندی با دیدگاه دوم نیز متعلق به حالت ذهنی آرامش با چشمان بسته و برابر با 50/71 درصد می¬باشد. افراد از نظر هیپنوتیزم¬پذیری به سه گروه عمده تقسیم می¬شوند که عبارتند از افراد با قابلیت هیپنوتیزم پذیری کم، متوسط و زیاد. در این مطالعه، برای ارزیابی تفکیک¬پذیری گروه¬ها با قابلیت هیپنوتیزم¬پذیری کم، متوسط و زیاد، از سیگنال مغزی حالت نرمال در سه حالت ذهنی آرامش با چشمان بسته، انجام ضرب ذهنی و چرخش تصویر استفاده شده است تا تخمین هیپنوتیزم¬پذیری، بدون هیپنوتیزم¬ کردن افراد صورت گیرد. اکثر محققان قبلی، از سیگنال مغزی ثبت شده در حالت هیپنوتیزم استفاده کرده¬اند. در بررسی انجام شده، ویژگی¬هایی مانند ویژگی¬های منحنی¬های بازگشتی، آنتروپی ویولت، آنتروپی نمونه و آنتروپی جایگشت از سیگنال، استخراج شده، سپس بردار ویژگی به طبقه¬بند اعمال می شود. معیار اعتبارسنجی طبقه¬بند، روش loo می¬باشد. مرحله¬ی طبقه¬بندی، با دو دیدگاه انجام می¬شود. در دیدگاه اول، افراد بر طبق نمره¬ی مقیاس واترلو-استنفورد به 3 گروه با هیپنوتیزم-پذیری کم، متوسط و زیاد تقسیم می¬شوند و ماشین شناخت یک مسئله¬ی طبقه¬بندی بین این گروه¬ها انجام می دهد (استفاده از دو طبقه¬بند qda وsvm با کرنل rbf). در دیدگاه دوم، نمره¬ی هیپنوتیزم-پذیری فرد با استفاده از mlp تخمین زده می¬شود. بیشترین درصد صحت تفکیک¬پذیری سه گروه، با استفاده از دیدگاه اول و طبقه¬بندsvm بوده که مربوط به حالت ذهنی آرامش با چشمان بسته و برابر 81/81، در حالت ذهنی ضرب دو عدد، برابر 72/72 و در حالت ذهنی چرخش تصویر نیز، برابر 78/78 درصد است. نتایج حاصل از تلفیق ویژگی¬های سه حالت ذهنی و اعمال آن¬ها به طبقه¬بند svm نیز برابر 81/81 به دست آمده است. بیشترین صحت طبقه¬بندی با دیدگاه دوم نیز متعلق به حالت ذهنی آرامش با چشمان بسته و برابر با 71/50 درصد می¬باشد.

صرع یکی از مهمترین بیماری های دستگاه عصبی است که حدود 1% از مردم جهان به آن مبتلا هستند. امکان پیش بینی وقوع حملات صرعی از روی سیگنال های الکتروانسفالوگراف برای بیماران صرعی، فرصت های درمانی جدیدی را فراهم می کند. پیش بینی دقیق حملات صرعی هنوز هم غیرممکن است چرا که این حملات رفتاری آشوبگونه دارند. آشوب قابلیت پیش بینی پذیری را محدود می کند و در نتیجه، پیش بینی بلند مدت سری های زمانی آشوبگونه مسئله ی پیچیده ای است که از عوامل شناخته شده و ناشناخته بسیاری تاثیر می گیرد. در این پژوهش با این دیدگاه که در هنگام وقوع حمله صرعی مدل و یا پارامترهای مدل تولید سیگنال تغییر می کند و با مدل کردن سیگنال بین صرعی و دنبال کردن مدل تولید سیگنال می توان به این تغییر مدل پی برد، به مطالعه روشی جدید مبتنی بر شبکه های عصبی با هدف پیش بینی شروع حملات پرداخته شده است. دو نوع شبکه عصبی، پرسپترون چند لایه ی جلوسو و المن، برای پیش بینی یک گام بعد سیگنال دیتای خام الکتروانسفالوگراف مورد استفاده قرار گرفتند. پایگاه داده شامل سیگنال الکتروانسفالوگراف 19 بیمار است که به صورت تهاجمی در مرکز صرع بیمارستان دانشگاه فرایبورگ آلمان ثبت شده بود. سپس سیگنال کاهش نرخ نمونه برداری شده و سیگنال آنتروپی ویولت به عنوان شاخصی از نظم/بی نظمی سیگنال برای پیش بینی استفاده شد. سپس با استفاده از منحنی میانگین مجذور مربعات خطای پیش بینی برحسب پنجره های زمانی و استفاده از آستانه های ثابت و تطبیقی تغییرات منحنی خطا در بازه ی پیش از حمله ارزیابی شدند و عملکرد شبکه ها با ورودی ها و آستانه های مختلف بر حسب دو مقدار حساسیت و نرخ پیش بینی اشتباه گزارش شدند. با توجه به نتایج، عملکرد شبکه های عصبی با استفاده از آستانه های تطبیقی عموما از پیش بینی کننده های تصادفی و پریودیک بهتر بوده است. لذا امکان پیش بینی وقوع حملات صرعی با این شبکه ها وجود دارد. بیشترین حساسیت در پیش بینی با شبکه ی mlp با ورودی سیگنال کاهش نرخ نمونه برداری شده و آستانه تطبیقی به دست آمده است. در این حالت امکان پیش بینی حمله به طور متوسط با حساسیت حدود 48% وجود دارد. پس از آن شبکه المن با ورودی سیگنال کاهش نرخ نمونه برداری شده با استفاده از آستانه تطبیقی قرار دارد که به طور متوسط با حساسیت حدود 46% می تواند حمله را پیش بینی کند. از منظر دسته بندی نوع بیماری، پیش بینی وقوع حمله در بیمارانی که صرع آنها از نوع sp,cp,gtc بوده موفق تر بوده است. در تحلیل این دسته از بیماران با شبکه های مختلف و آستانه های متفاوت، به طور معمول در بیش از یک سوم تحلیل ها عمل پیش بینی بهتر از پیش بینی کننده های تصادفی و پریودیک بوده است

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

در این پایان نامه روشی برای فشرده سازی ecg که مبتنی بر الگوریتم spiht و دوبعدی سازی سیگنال ecg است، معرفی می گردد. در سیگنال ecg دو نوع وابستگی بین نمونه ها وجود دارد که با کاهش این وابستگی ها می توان به نرخ فشرده سازی خوبی رسید. در روشهای قبلی فشرده سازی تک بعدی صورت می گرفته است. اخیرا روشهای دو بعدی مورد توجه قرار گرفته است. با بررسی پایه ویولت ها و الگوریتم های مناسب ویولت، بهترین پایه ویولت و الگوریتم ویولت انتخاب و با سایر روشهای موجود مقایسه شده است . همچنین دیگر روشهای جداسازی نواحی فرکانسی مانند dct و emd بررسی شده و با روش فشرده سازی فرکتالی ترکیب کرده و نتیجه با الگوریتم spiht استاندارد مقایسه شده است. در آخر روشی جدید برای فشرده سازی سیگنال دوبعدی ecg با استفاده از الگوریتم spiht سه بعدی ارائه شده است. این الگوریتم از ویولت سه بعدی و درخت جهت یابی مکانی- زمانی استفاده می کند. علاوه بر حذف تکرارهای بین ضربانی و میان ضربانی، استفاده از همبستگی بین فریمها در فضای ویولت سه بعدی، سبب بهبود نتایج نسبت به سایر روشهای موجود فشرده سازی شده است و خطای prd برای سیگنال 117( از پایگاه داده mit/bih در پروژه استفاده شده است)، به 0.6 کاهش یافته است.

سیستم گردش خون تحت تأثیر عوامل محیطی زیادی قرار می گیرد. پاسخ سیستم گردش خون به تغییر وضعیت توسط محققان مورد توجه و بررسی قرار گرفته است. عدم کنترل یا درست کار نکردن سیستم کنترل گردش خون در پایداری فشار خون در هنگام تغییر وضعیت یا ایجاد تحریک ارتواستاتیک منجر به آسیب های جدی یا حتی مرگ می شود. تحریک ارتواستاتیک به تحریک ایجاد شده بر روی سیستم گردش خون گفته می شود که به سبب تأثیر جاذبه ایجاد شده است، موقعیکه فرد تغییر وضعیت می دهد. فرضیات زیادی در مورد "عدم تحمل ارتواستاتیک" وجود دارد. هنوز برخی از این فرضیات تحت بررسی و مطالعه هستند و نبودن تئوری واحد پاتوفیزیولوژی در مورد تحریک ها و بیماریهای ارتواستاتیک، مشکلاتی را سبب شده است. همچنین بررسی بسیاری از مکانیسم های کنترلی در هنگام تحریک ارتواستاتیک در انسان مشکل است. برای فهم بهتر آنکه چه طور می شود عملکرد نادرست سیستم گردش خون را در عدم تحمل ارتواستاتیک درمان کرد، نیاز است که در مورد مکانیسم های کنترلی سیستم گردش خون بیشتر بررسی شود. دیدگاهی که در اینجا مطرح شده است، مطالعه این سیستم های کنترلی از طریق مدلسازی ریاضی است. در این پایان نامه، مدل جامعی از قسمت همودینامیک سیستم گردش خون را در شبیه سازی پاسخ به تحریک ارتواستاتیک بسط داده شده است. دو مدل برای قسمت کنترلی سیستم گردش خون ارائه شده است که مکانیسم های کنترل کوتاه مدت با هدف شبیه سازی پاسخ های کوتاه مدت و گذرا به تحریک ارتواستاتیک و با توجه آنالیزهای حساسیت انجام شده تنظیم شده اند. مدل دوم سیستم کنترل رفلکس بسط یافته مدل اول است. مدلهای ارائه شده می توانند نتایج به دست آمده از آزمایشات فیزیولوژی را شبیه سازی کنند. معمولاً برای بررسی "عدم تحمل ارتواستاتیک" دو نوع آزمون انجام می شود: head-up tilt(hut) و فشار منفی پایین بدن (lbnp). این دو نوع تحریک در سیستم گردش خون ارائه شده، بررسی شد. در شبیه سازیها نشان داده می شود که تأثیرات محلی آنها بر روی سیستم گردش خون یکسان است و تفاوت آنها در فشارهای داخلی در قسمتهای پایینی بدن می باشد. پاسخهای شبیه سازی شده در حالت دینامیک و پایدار به آزمون های ارتواستاتیک در زوایا و فشار های مختلف با جوابهای به دست آمده از فیزیولوژی مقایسه شد و تطابق خوبی بین جوابهای شبیه سازی شده و جوابهای فیزیولوژی برقرار بود. پاسخهای شبیه سازی شده دو مدل سیستم کنترل رفلکس در پاسخ به دو نوع تحریک ارتواستاتیک جز در زوایا و اندازه های پایین فشار منفی اختلاف چندانی نداشتند. پس می توان گفت در کل مدل دوم سیستم کنترل رفلکس بهتر از مدل اول با جوابهای فیزیولوژی سازگاری دارد.