در این پایان نامه الگوریتمی برای ناحیه بندی و تشخیص پلاک در تصاویر ivus پیشنهاد شده است. هدف ما ناحیه بندی و تشخیص پلاک در این نوع از تصاویر توسط تکنیک های پردازش تصویر می باشد. در این طرح از تصاویر جمع آوری شده توسط دستگاه ivus مرکز تخصصی قلب شهر اصفهان به عنوان پایگاه داده استفاده گردید. به دلیل وجود نویز در تصاویر جمع آوری شده، در ابتدا به ارتقای کیفیت این تصاویر پرداخته شد. روش استفاده شده در این زمینه نتایج قابل قبولی دربرداشت. به منظور حذف نویز و ارتقای تصویر از عمل مثل تیز کردن لبه ها، میانه گیری، تغییر میزان شدت روشنایی و غیره در تصاویر اصلی استفاده شد. به منظور تعیین محل نواحی مختلف تصویر از روش های تحلیل بافت استفاده گردید. توسط عملگر ماتریس هم رخداد الگویی از بافت تصویر به دست آمد و با استفاده از روش های دسته بندی فازی، تنظیم منحنی و نهایتا ریخت شناسی بافت نواحی مختلف را تشخیص داده شد.هم چنین برای تصاویری که دارای سایه ی نسبتاً قابل توجهی بودند از روش آستانه گذاری اتسو برای تشخیص پلاک کلسیم استفاده شده است. در روش پیشنهادی به استخراج ویژگی هایی از نواحی مختلف پرداخته شد به طوری که این ویژگی ها بتوانند به صورت کامل نواحی مختلف را توصیف نمایند. ویژگی های استخراج شده شامل ویژگی های آماری و ویژگی های ماتریس هم رخداد می باشند. به منظور دسته بندی نواحی مختلف از دسته بندی فازی طی دو مرحله استفاده کردیم، مرحله اول دسته بندی فازی پنج سطحی، مرحله دوم دسته بندی دو سطحی. سپس برای اطمینان از دقت کافی در ناحیه بندی از تنظیم منحنی و ابزار ریخت شناسی استفاده کردیم. سپس با استفاده از روش آستانه گذاری اتسو در تصاویری که دارای سایه ی بزرگ بودند و روش قبلی کارا نبود به تشخیص پلاک پرداختیم.

در مطالعات عصب شناسی که در دهه اخیر انجام شده است، از تفاوت بین افراد برای شناخت بیشتر مغز استفاده شده است. این مطالعات به صورت غیر تهاجمی و با استفاده از تصاویر آناتومی مغز انجام می گیرد. یکی از تفاوت های بین افراد که در این مطالعات مورد توجه قرار گرفته است، تفاوت انسان ها در ویژگی های شخصیتی آن ها است. ویژگی های شخصیتی معمولا برای یک فرد ثابت هستند و بین انسان های مختلف متفاوتند. کمال گرایی یکی از ویژگی های شخصیتی است. چون کمال گرایی برای یک شخص در طول زمان معمولا ثابت و بین انسان های مختلف متفاوت است، این سوال پیش می آید که آیا اختلاف در میزان کمال گرایی افراد ریشه در تفاوت هایی بین ساختار مغز آنها دارد؟ هدف از مطالعه انجام شده بررسی ارتباط معنادار بین ساختار مغز با خصلت کمال گرایی با استفاده از تصاویر mri بود. در مطالعه انجام شده از پرسشنامه استاندارد سنجش کمال گرایی که دو جنبه مثبت و منفی کمال گرایی را اندازه می گیرد، استفاده شد. 49 نفر با تکمیل پرسشنامه در این مطالعه شرکت کردند و سپس تصویر mri مغز آن ها نیز ثبت شد. برای تحلیل تصاویر از روش ریخت شناسی مبتنی بر وکسل استفاده شد که شامل پیش پردازش و تحلیل آماری است. ابتدا هر یک از تصاویر ثبت شده به سه بافت ماده سفید، ماده خاکستری و مایع مغزی نخاعی تفکیک شدند. سپس از تصاویر ماده خاکستری جدا شده مغز ، یک الگوی میانگین بدست آمد. در مرحله بعد تصاویر نرمالیزه شدند و با الگو هماهنگ شدند تا از نظر ابعاد مغز یکسان سازی شوند. سپس برای بررسی ارتباط معنادار بین کمال گرایی مثبت و منفی با چگالی ماده خاکستری بخش های مختلف مغز، از یک مدل آماری استفاده شد. نتیجه تحلیل آماری برای کمال گرایی مثبت، ارتباط معناداری را با ساختار مغز نشان نداد. اما نتایج بیانگر آن است که همبستگی مثبت معناداری بین کمال گرایی منفی افراد با چگالی ماده خاکستری مغز آنها در ساختار تالاموس و قسمت پشتی قشر آهیانه ای عقبی چپ وجود دارد. مطالعات گذشته نشان داده بود که قسمت پشتی قشر آهیانه ای عقبی چپ با فکر کردن به وظایف و تعهدات و افسردگی، و تالاموس با ocd مرتبط است که ارتباط این ویژگی ها با کمال گرایی می تواند تاییدی بر نتیجه این مطالعه باشد.

بازشناسی خودکار حالت عاطفی می تواند در تحقیقات روان شناسی، روان پزشکی، علوم رفتاری، علوم اعصاب و همچنین در بهبود ارتباط انسان و رایانه، پژوهش های روباتیک، پژوهش های بازاریابی و بسیاری از زمینه های متنوع دیگر مفید واقع شود. از جمله روش های بازشناسی خود کار حالت عاطفی که نسبت به روش های دیداری- شنیداری، به آن توجه کمتری شده است، نظارت بر تغییرات فیزیولوژیک به وسیله ثبت سیگنال های محیطی است. حالت های مختلف عاطفی باعث تحریک دستگاه عصبی خودمختار و به دنبال آن تغییرات فیزیولوژیک به وسیله دو بخش سمپاتیک و پاراسمپاتیک و در نهایت ایجاد الگوهای مشخص در سیگنال های محیطی می شود. در نتیجه می توان با ثبت این سیگنال ها و استخراج ویژگی های مناسب از آن ها به دسته بندی قابل قبولی برای حالت های عاطفی دست یافت. با این وجود بسیار مشکل است که نگاشت واحدی بین الگوهای فیزیولوژیک و حالت های عاطفی مشخص برقرار کرد. زیرا علاوه بر آن که دستگاه عصبی خودمختار یک سیستم چند منظوره برای بسیاری از فرآیند های غیر عاطفی نیز می باشد، با محدودیت های متنوع دیگری نیز برای کاربرد های عملی مواجه هستیم. در این پژوهش با توجه به نتایج پژوهش های پیشین، آزمایشی مطمئن به منظور ایجاد چهار وضعیت عاطفی شادی، خشم، حزن و لذت در 25 داوطلب سالم برپا می شود. در حین انجام آزمایش سیگنال فعالیت الکتریکی قلبی، سیگنال رسانایی پوست، فعالیت الکتریکی ماهیچه ای قسمت بالای عضله ذوزنقه ای و سیگنال تنفسی داوطلبان بطور همزمان ثبت می گردد. همچنین روش مناسبی به منظور انتخاب افراد شرکت کننده در آزمایش پیشنهاد می گردد. پس از جمع آوری داده های معتبر و ثبت سیگنال در شرایط کاملاً کنترل شده، در ابتدا پیش پردازش های لازم بر روی سیگنال ها از قبیل قطعه بندی، هموارسازی، حذف نویز و درست نماها و حذف انحراف خط پایه انجام می گیرد. سپس ویژگی های متنوعی از هر نوع از سیگنال ها استخراج می شود. در ادامه مقایسه ای بین روش های کاهش بعد، انتخاب ویژگی، دسته بندی کننده و نتایج اعمال آن ها بر روی ماتریس نمونه ها و ویژگی ها برای حذف ویژگی های غیرمربوط و نیل به بهترین درصد صحت تفکیک چهار وضعیت عاطفی انجام می شود. نتایج به دست آمده نشان می دهد روش پیشنهاد شده می تواند چهار حالت عاطفی مشخص را با روش های متفاوت دسته بندی، با دقت بالاتر از 70% تفکیک کند. در ادامه یک مطالعه تکمیلی نیز انجام می شود و این آزمایش با ایده جدیدی مبتنی بر الکترودگذاری سه گانه برای ثبت سیگنال الکتریکی صورت تکرار می گردد. این روش الکترودگذاری، دارای محتوی اطلاعاتی بالایی است و می تواند نتایج بازشناسی را بهبود بخشد. به علاوه این نحوه الکترود گذاری برای استفاده در پیشانی بند، کلاه و عینک مناسب خواهد بود. نتایج این آزمایش بیانگر توانایی قابل قبول سیگنال های فیزیولوژیکی برای تفکیک چهار حالت عاطفی مشخص است. روش های پیشنهاد شده می تواند در آینده به طراحی یک سیستم دقیق بازشناسی خودکار حالت عاطفی مستقل از فرد برای استفاده در شرایط برون آزمایشگاهی کمک نماید.

احساسات نقش مهمی در زندگی روزمره انسان بازی می کنند، از این رو بازشناسی خودکار آن از اهمیت ویژه ای برخوردار است. بازشناسی احساسات به صورت کلی با استفاده از دو روش کلامی و غیرکلامی انجام می شود. در روش های کلامی از خود فرد در مورد احساسات درونی او سوال می شود. اما در روش های غیرکلامی، احساسات به صورت خودکار و از طریق پردازش عکس العمل های بروز حالت و عکس العمل های فیزیولوژیک اندازه گیری می شوند. عکس العمل های بروز حالت شامل بررسی تغییرات ایجاد شده در صدا و تصویر فرد و عکس العمل های فیزیولوژیک شامل تغییرات رخ داده در سیگنال های فیزیولوژیک مانند سیگنال الکتریکی مغز، قلب، چشم و ماهیچه می باشد. بازشناسی احساسات با استفاده از هرکدام از این روش ها کاربردها، مزایا و معایب خاص خود را دارد. به عنوان نمونه استفاده از عکس العمل های بروز حالت مشکلاتی مانند پنهان کردن احساس توسط فرد و تفاوت های فرهنگی در بروز احساسات را دارد. همچنین از معایب سیگنال های فیزیولوژیک می توان به سختی در ثبت سیگنال و احتمال از دست دادن بخش مهمی از اطلاعات در اثر حرکت و وجود نویز اشاره کرد. از این رو اگر بتوان احساسات را به طور هم زمان هم از طریق عکس العمل های بروز حالت و هم از طریق عکس العمل های فیزیولوژیک بازشناسی کرد می توان مشکلات هردو روش را تا حد قابل توجهی کاهش داد. در این مطالعه هدف طراحی سیستمی است که سیگنال الکتروانسفالوگرام و حالت چهره افراد را به صورت هم زمان بررسی کند. چنین سیستمی کاربردهای مختلفی دارد که مهم ترین آن ها عبارتند از: دروغ سنجی، کمک به بیمارانی که قادر به درک احساسات هستند اما از نشان دادن آن در چهره خود ناتوانند، تحقیقات روانشناسی، بهبود ارتباط انسان رایانه وساخت بازی های کامپیوتری و ربات های با قابلیت احساسی نزدیک به انسان. برای تحقق این هدف، نیاز به طراحی آزمایش هایی مطمئن به منظور ایجاد چهار وضعیت احساسی خوشحالی، ناراحتی، آرامش و نفرت در شرکت کننده ها وجود دارد. با توجه به فقدان مجموعه تحریک کننده های عاطفی برای انجام چنین مطالعاتی در فرهنگ ایرانی، تلاش بعدی این مطالعه، جمع آوری مجموعه ای از تحریک کننده های عاطفی متناسب با فرهنگ کشورمان است. برای رسیدن به این هدف 24 شرکت کننده یک بار از طریق سیستم تصاویر استاندارد عاطفی که در دانشگاه فلوریدا آمریکا جمع آوری شده است و از جمله شناخته شده ترین مجموعه های تحریک کننده عاطفی است، تحریک می شوند و بار دیگر از طریق مجموعه از فیلم هایی که با توجه به فرهنگ ایرانی جمع آوری شده است، آزمایش می شوند و در حین انجام آزمایش تصاویر چهره و سیگنال مغزی آن ها ثبت می شود. سپس پیش پردازش های لازم جهت حذف نویزها و درست نماها انجام می شود. بعد از انجام این مرحله ویژگی های مختلف از جمله مخصات آماری سیگنال، بعد فرکتال و ضرایب مدل ar، با یکدیگر مقایسه می شوند. پس از انتخاب بهترین ویژگی، چهار دسته بند mlp، adaboost، naivebayes و baggingبا یکدیگر مقایسه می شوند. نتایج پردازش سیگنال الکتروانسفالوگرام حاکی از موفقیت بیشتر مجموعه فیلم های جمع آوری شده جهت تحریک عاطفی افراد شرکت کننده است. پس از پردازش سیگنال، پردازش تصاویر انجام می شود و در نهایت مقایسه بین نتایج به دست آمده از این دو پردازش انجام می شود. همان گونه که انتظار می رود در زمان تحریک طبیعی، چهره افراد تمامی احساسات را به خوبی در خود نشان نمی دهد و این در حالی است که با استفاده از سیگنال الکتروانسفالوگرام احساسات به خوبی از یکدیگر بازشناسی می شوند بنابراین با استفاده از سیستم پیشنهاد شده می توان مشکلات ناشی از مشخص نبودن احساس در چهره افراد را حل نمود.

یادگیری را می توان بنیادی ترین فرایندی دانست که در نتیجه آن، موجودی ناتوان و درمانده، به فرد تحول یافته ای می رسد که توانایی های شناختی و قدرت اندیشه وی حد و مرزی نمی شناسد. اصطلاح دیس گرافی یا نوشتار پریشی برای کودکانی که علی رغم هوش طبیعی بسیار بد می نویسند، بکار می رود. روش آموزش بازخورد عصبی یا nft روشی مبتنی بر استفاده از eeg و qeeg است که افراد را قادر می سازد تا وضعیت خود را با تنظیم فعالیت الکتریکی مغز خود تغییر دهند. در سال های اخیر مطالعات محدودی پیرامون اثربخشی nft روی کودکان دارای ناتوانی یادگیری انجام شده است. نتایج برخی تحقیقات در این حوزه در تضاد با تحقیقات دیگر است، لذا به طور قطع نمی توان از تاثیر مثبت بازخورد عصبی بر روی ld و بخصوص نوشتارپریشی سخن گفت. باتلرز در سال 2011 پروتکلی را جهت رفع ld پیشنهاد کرده است که مطالعات تکمیلی در رابطه با اثربخشی این پروتکل ارائه نشده است. هدف اصلی این پژوهش، بررسی اثربخشی روش nft در کودکان نوشتار پریشی با پروتکل پیشنهادی است. در این طرح، آزمایشاتی به صورت پیش آزمون و پس آزمون طراحی شده اند که شامل موارد ذیل می باشند: پرسشنامه مشکلات یادگیری کلرادو، پرسشنامه ی کانرز والدین، آزمون دیکته نویسی، ثبت eeg در حین آزمون دیکته، پرسشنامه انواع اختلالات دیکته، پرسشنامه علل خطاهای متداول در نوشتن با دست. تمام این آزمون ها روی 12 کودک نوشتارپریش مورد ارزیابی قرار گرفته اند. سوژه ها به صورت کاملا تصادفی در دو گروه آزمایش و کنترل جای گرفته اند. 8 کودک سالم نیز در برخی آزمایشات شرکت کرده اند. کلیه کودکان نوشتارپریش به مدت 15 جلسه ی 30 تا 45 دقیقه ای، به صورت 3 جلسه در هفته، در جلسات آموزش نوروفیدبک جهت تقویت توان باند بتا و تضعیف توان باند تتا در کانال c3 و نیز تقویت توان باند آلفا و تضعیف توان باند تتا در کانال c4 شرکت کرده اند. با توجه به آزمون ثبت eeg در حین دیکته نویسی مقادیر توان های بتای نسبی، تتای نسبی و نسبت theta/beta در کودکان سالم دارای میانگینی به ترتیب برابر با 084/0، 187/0 و 352/2 بدست آمده است. میانگین این مقادیر در کودکان گروه آزمایش قبل از nft برابر با 0429/0، 2625/0 و 4372/6 و بعد از nft برابر با 0511/0، 215/0 و 4379/4 بدست آمده است. در گروه کنترل قبل از نوروفیدبک مقادیر توان های بتای نسبی، تتای نسبی و نسبت theta/beta به ترتیب 0498/0، 2664/0 و 5161/5 برای قبل از nft و 0503/0، 2633/0 و 4679/5 برای بعد از nft بدست آمده است. همانطور که دیده می شود این مقادیر در گروه آزمایش بعد از nft به مقادیر مطلوب (سالم) نزدیک شده است اما در گروه کنترل تغییر محسوسی ایجاد نشده است. دلیل عدم برابری مقادیر qeeg بعد از nft در گروه آزمایش با مقادیر مطلوب را می توان در کافی نبودن تعداد جلسات nft دانست. معناداری تغییرات با استفاده از روش t جفت شده بررسی و سطح معناداری p<0.05 تعیین شده است. آموزش های nft با پروتکل پیشنهادی باتلرز طی 15 جلسه، دارای تاثیر مثبت بر عملکرد 4 نفر از مجموع 6 نفر افراد گروه آزمایش داشته است و تعداد خطاها و اشکالات افراد این گروه در حین دیکته نویسی کاهش چشم گیر داشته است. پروتکل پیشنهادی با توجه به آزمایشات انجام گرفته از لحاظ زمان، پروتکل مناسبی نیست و استفاده از آن جهت درمان کامل و کوتاه مدت مفید نخواهد بود اما در یک پروسه ی درمانی 15 جلسه ای می توان انتظار یک بهبودی نسبی در کودک را داشت. اگر فاکتور زمان نادیده گرفته شود، این پروتکل، یک پروتکل مناسب جهت درمان 67 درصد از کودکان دارای نوشتار پریشی است.

عروق کرونر از انواع رگ‏هایی هستند که به احتمال زیاد دچار تصلب شریان می شوند. تصلب شریان یک بیماری دیواره رگ است که در آئورت، شاهرگ، کرونر و عروق جانبی می تواند رخ دهد. مهم‏ترین پیامد‏های تصلب شریان حمله قلبی، سکته و از بین رفتن عضو در اثر نرسیدن خون است. تصویربرداری فراصوت داخل رگی (ivus) یک روش تصویربرداری است که با تجزیه و تحلیل آن می توان اطلاعات بافت شناسی رگ های تغذیه کننده قلبی را استخراج نمود. یکی از معایب روش تصویربرداری ivus نیاز به حضور کارشناس و یا کاردیولوژیستی است که در تصویر برداری آنژیوگرافی و تشخیص بیماری های درون رگی تجربه و تخصص لازم را دارا باشد تا بتواند لایه های رگ و جنس و میزان پلاک های رسوبی را تشخیص دهد. از طرفی تشخیص لایه ها و پلاک‏های رسوبی در تمامی فریم ها به شکل دستی برای کارشناس مربوطه کاری خسته کننده و زمان بر است. یکی از مشکلات تحلیل این تصاویر، سایه های کلسیمی موجود در این تصاویر است. این سایه ها به دلیل انعکاس زیاد موج اولتراسوند در برخورد با پلاک های کلسیمی ایجاد می شوند، به صورتی که امواج به بافت های عمیق تر نفوذ نمی کنند و باعث ایجاد مناطقی با شدت روشنایی خیلی پایین می شوند که این مناطق ، سایه نام دارند.این نواحی باعث اختلال در تجزیه و تحلیل درست در تصویر می شوند. هدف در این پایان نامه تشخیص محل سایه ها و اصلاح این مناطق است. قبل از اعمال الگوریتم، پیش پردازش هایی به منظور حذف درست نماها، توسط الگوریتم هاف و آستانه گذاری اتسو بر روی تصاویر انجام می گیرد و در ادامه، الگوریتمی به کمک کانتور های فعال جهت تشخیص و مرزهای نواحی سایه دار به کار گرفته می شود و در آخر توسط دو روش نگاشت خطی و تطبیق هیستوگرام این مناطق را بهبود داده می شوند. الگوریتم پیشنهادی بر روی 100 تصویر از 2 بیمار مختلف آزمایش شد و حساسیتی برابر با 86% را دربرداشت.

بیماری های قلبی عروقی یکی از مهم ترین عوامل مرگ و میر در کشور های توسعه یافته و در حال توسعه شناخته می شود بنابراین شناسایی سریع و پیشگیری از شدت یافتن آن موثرترین روش مواجهه با آن است. یکی از شایع ترین مشکلات قلبی عروقی، ایسکمی قلبی است. این عارضه به صورت عدم تأمین خون کافی به عضله ی قلب بروز می کند و موجب تغییر در قطعه ی st و موج t می شود. روش مناسب و غیر تهاجمی برای شناسایی ایسکمی، بررسی ثبت های طولانی مدت سیگنال الکتریکی قلب است. به همین علت یک تحلیلگر خودکار بلند مدت الکتروکاردیوگرام برای شناسایی ایسکمی در مراحل اولیه ضروری است. هدف این پایان نامه، بهبود کارایی روش مبتنی بر قواعد در شناسایی واقعه ی ایسکمی (نواحی گذرای ایسکمی) در ثبت های طولانی مدت سیگنال قلبی با استفاده از ویژگی های استخراج شده از قطعه ی st و موج t است. ویژگی های استخراج شده از قطعه ی st شامل شکل قطعه و میزان انحراف قطعه نسبت به سطح ایزوالکتریک است. ابتدا مراحل پیش پردازش به منظور کاهش نویز های فرکانس بالا و پایین و شناسایی نقاط بحرانی مطابق روش های بررسی شده در مطالعات انجام می گیرد. سپس با تکیه بر ویژگی های شکل شناسی و استفاده از شیب، شکل قطعه ی st به پنج دسته ی مقعر، محدب، بالارونده، پایین رونده و افقی دسته بندی می شود. به منظور بهبود صحت روش های موجود دسته بندی شکل قطعه، از ترکیب این روش ها و نیز در نظر گرفتن تصحیح خطا استفاده شده است. سپس با توجه به شکل قطعه و استفاده از مشتق، نواحی گذرا که در آن قطعه ی st نسبت به ضربان مرجع دارای انحراف است (واقعه قطعه ی st)، مشخص می شود. پس از مشخص کردن وقایع قطعه ی st و ابتدا و انتهای آن ها، به بررسی ایسکمی یا غیر ایسکمی بودن این نواحی گذرا بر اساس مجموعه ی کامل الگو های تعریف شده برای ضربان های ایسکمی توسط متخصصان، پرداخته می شود. به منظور ارزیابی روش پیشنهادی از پایگاه اطلاعاتی اروپایی st-t esc استفاده می شود. در قسمت دسته بندی شکل قطعه، با بررسی روش بر روی ده ثبت از این پایگاه، صحت 20/94 حاصل شده است. در قسمت شناسایی واقعه قطعه ی st با بررسی روش بر روی هشتاد و پنج ثبت از پایگاه داده، کارایی روش در قالب حساسیت و ارزش پیش گویی مثبت به ترتیب 45/95 و 29/91 برای تعداد وقایع و 15/83 و 35/86 برای مدت زمان واقعه به دست آمده است و در قسمت شناسایی واقعه ایسکمی حساسیت و ارزش پیش گویی مثبت به ترتیب 21/94 و 65/92 برای تعداد وقایع و 14/80 و 59/88 برای مدت زمان واقعه حاصل شده است. جمع بندی: نتایج به دست آمده نشان می دهد با انتخاب روش های دقیق و مناسب در استخراج ویژگی ، می توان شناسایی ایسکمی با استفاده از روش مبتنی بر قواعد را بهبود بخشید.

آپنه خواب انسدادی یک ناهنجاری تنفسی رایج ولی درمان-پذیر است. آپنه انسدادی از یک طرف باعث کاهش کیفیت زندگی فرد مبتلا می¬شود و علت بسیاری از تصادفات رانندگی و سوانح حین کار است و از طرف دیگر به عنوان یک عامل خطر ساز بیماری¬های قلبی عروقی مطرح می¬شود. آپنه خواب انسدادی درمان نشده می¬تواند سبب افزایش فشار خون، نارسایی قلبی و سکته¬ مغزی شود. در حال حاضر آزمون پولی-سومنوگرافی روش استاندارد تشخیص آپنه انسدادی خواب است. پولی¬سومنوگرافی یک آزمون تشخیصیگران قیمت است زیرا نیاز به بستری شدن بیمار به مدت یک شب در آزمایشگاه خواب و حضور افراد متخصص برای تشخیص دارد. با توجه به پیچیدگی و هزینه¬ی بالای آزمون پولی¬سومنوگرافی، تاکنون تلاش¬هایی برای توصیف وقفه¬های تنفسی از طریق تغییرات ضربان قلب که در ثبت¬های معمول سیگنال الکتروکاردیوگرام قابل مشاهده است انجام شده است. زیرا آپنه خواب معمولا با تغییراتی در نرخ ضربان قلب همراه است. هدف از تعریف این پایان¬نامه نیز تحلیل غیر خطی تغییرات ضربان قلب به منظور ارایه یک روش ساده و کم¬¬ هزینه برای تشخیص آپنه خواب انسدادی است. اندازه¬گیری تغییرات ضربان قلب به عنوان ابزاری ساده و غیرتهاجمی برای پیش¬بینی و تشخیص بسیاری از بیماری¬های قلبی و غیر قلبی مورد توجه محققین است. تحلیل تغییرات ضربان قلب می¬تواند با روش¬های معمول حوزه زمان و حوزه فرکانس و همچنین روش¬های دینامیک غیرخطی صورت گیرد. تحقیقات نشان داده-اند که به علت ذات غیرخطی سیگنا¬ل¬های حیاتی روش¬های غیرخطی می¬توانند اطلاعات بیش¬تر و کامل¬تری نسبت به روش¬های حوزه زمان و حوزه فرکانس فراهم کنند. قلب انسان به صورت یک نوسان¬گر غیرخطی عمل می¬کند و تغییرات ضربان قلب تنها یک متغیر مشاهده شده از سیستم قلبی عروقی است. بنابراین با تحلیل غیرخطی تغییرات ضربان قلب می¬توان ویژگی¬ها و پیچیدگی-های موجود در دینامیک سیستم قلب و نیز سیستم اعصاب خودکار را آشکار ساخت. در این پایان¬نامه از مجموعه داده¬هایی شامل بیست و چهار ساعت سیگنال¬ الکتروکاردیوگرام یک گروه از بیماران آپنه خواب انسدادی و یک گروه از افراد سالم، استفاده شده است. این مجموعه داده توسط دانشگاه علوم پزشکی اصفهان از بین مراجعه¬کنندگان آزمایشگاه خواب بامداد در شهر اصفهان که هیچ گونه بیماری قلبی عروقی نداشته¬اند، جمح-آوری گردیده است. سری زمانی تغییرات ضربان قلب مجموعه داده¬ها به کمک نرم¬افزار دستگاه هولتر مانیتور شرکت کاوشگران طب خوارزمی بدست¬ آمده است و تنها یک ساعت از این داده¬ها (12 شب تا 1 بامداد) مورد بررسی قرار گرفته است. مجموعه داده به کار گرفته شده شامل 17 فرد با آپنه خواب انسدادی و 9 فرد سالم است. نمودار پوانکاره، بعد همبستگیو تحلیل نوسانات دی¬ترند شده، روش¬های غیرخطی به کار گرفته شده در این پایان¬نامه هستند. همه نتایج بدست آمده از تحلیل¬های غیرخطی با استفاده از آزمون آماری t مورد بررسی قرار گرفته¬اند. تحلیل¬های غیرخطیبا نرم¬افزار matlab و تحلیل¬های آماری با نرم¬افزار spss صورت گرفته ¬است. با توجه این¬که نتایج بدست آمده از نظر آماری معنادار است (05/0>p-value) می¬توانشاخص¬های غیرخطی را معیار مناسبی برای تشخیص آپنه خواب انسدادی دانست. نتایج این پایان¬نامه نشان¬می¬دهد که تحلیل غیرخطی تغییرات ضربان قلب می¬تواند برای تشخیص ساده و کم¬هزینه آپنه خواب انسدادی بسیار ارزشمند باشد.