ارزیابی SAR از تلفن همراه نزدیک به ضربان ساز کاشته شده در بدن انسان

SAR Evaluations of Mobile Phone Close to a Pacemaker Implanted in Human Body

چکیده
1 . مقدمه
2 . تحلیل عددی
3 . نتایج عددی
4 . ارزیابی های تجربی
5 . نتیجه گیری
منابع

چکیده
اخیرا، تداخل الکترومغناطیسی (EMI) تنظیم کننده ضربان قلب ایمپلنت شده با تلفن همراه بسیار مورد بررسی قرار گرفته است. برای این دستگاه، انجمن متخصصان ملی ژاپن توصیه کرده است که تلفن همراه را در فاصله ای امن از دستگاه تنظیم کننده ضربان قلب قرار دهید. بعلاوه، ارزیابی تعامل بین موج الکترومغناطیسی (EM) و بدن انسان در حال انجام است. بنابراین، جذب انرژی EM توسط بدن انسان به ویژه در اطراف تنظیم کننده ضربان قلب، که در این حالت تلفن همراه در جیب پیراهن بیمار حامل دستگاه قرار دارد، کاملا ارزیابی شده است. محاسبه ی توزیع نرخ جذب خاص (SAR) اطراف مدل دستگاه تنظیم کننده ضربان، که در یک مدل نیم تنه مستطیلی متوازی الاضلاع قرار داده شده است، و هنگامی که یک مدل تلفن همراه در مجاورت آن قرار دارد، فراهم شده است. بعلاوه، SAR به صورت تجربی نیز به کار رفت، تا این محاسبات عددی ارزیابی شوند. تاکید می شود که توزیع SAR می تواند از حضور یا غیاب مدل تنظیم کننده ضربان، تخمین شود. بعلاوه، نتایج اندازه گیری توزیع SAR با محاسبات سازگار می باشند، بنابراین اعتبار آن تایید شده است.

2 . تحلیل عددی
شکل های 1a و 1b، آنتن PIFA قرار گرفته روی یک پایه فلزی، و ویژگی S11 آنتن را در فضای آزاد نشان می دهند. شکل 1b نشان می دهد که PIFA در فرکانس 2GHz رزونانس می کند (تشدید می شود). خط ثابت، نتایج محاسبه، و خط منقطع نتایج اندازه گیری می باشند. قراردادی مناسب بین اندازه گیری و محاسبه به دست آمد. شکل 2 یک مدل تنظیم کننده ضربان را نشان می دهد. این مدل در مرجع [6] آمده است. محفظه ی تنظیم کننده ابعادی برابر 40 x 30 x 6 mm3 دارد، و قطر سیم سربی 2 mm و طول آن 240 mm می باشد. الکترود در قلب جاگذاری می شود تا پتانسیل میوکاردی مشخص شود. ابعاد آن 6 x 6 x 6 mm3 می باشد.

شکل 3 مدل ارائه شدهبرای محاسبات عددی را نشان می دهد. مدل تنظیم کننده در یک فانتوم نیم تنهی مستطیلی قرار گرفته است، و PIFA روی یک پایه فلزی در مجاورت این نیم تنه قرار گرفته است. PIFA در فرکانس 2 GHz عمل می کند، و توان خروجی 0.25 W خواهد بود. در این بخش، نیم تنه به یک مستطیل متوازی الاضلاع ساده شده است، که ویژگی های الکتریکی آن با عضلات انسان یکسان می باشند [7]. این خصوصیات به صورت زیر می باشند – گذردهی نسبی εr = 54.2، رسانایی σ = 1.5 S/m در فرکانس 2 GHz، و چگالی ρ = 1040 kg/m3. PIFA در فاصله 15 mm از سطح مدل نیم تنهی قرار می گیرد. این فاصله با استفاده از مرجع [8] انتخاب شده است. بعلاوه، PIFA در جهت z ( شکل 4a) و x (شکل 4b) قرار گرفته است، تا وابستگی آن به جهت پایه ی فلزی بررسی شود. جدول 1 پارامترهای محاسبات FDTD را لیست کرده است.

3 . نتایج عددی
در محاسبه ی SAR در اطراف مدل تنظیم کنند، PIFA در صفحه ی x-z اسکن می شود. شکل 4 ناحیه ی اسکن نقطه ی تغذیه ی PIFA قرار گرفته بر پایه فلزی را نشان می دهد. SAR زمانی محاسبه می شود، که نقطه ی تغذیه ی PIFA، با هر نقطه ی شبکه در شکل 4 تطابق داشته باشد. بعلاوه، SAR در هر موقعیت، به SAR میانگین 10-g تبدیل می شود [9]. در این قسمت، SAR میانگین 10-g در مقداری که SAR محلی دارای میانگین بافت 10 g باشد، تعریف می گرد.

محاسبات SAR در اطراف ضربان ساز قلبی کاشته شده توسط ترمینال رادیویی بی سیم

Calculations of SAR around Implanted Cardiac Pacemaker Induced by Wireless Radio Terminal

چکیده
1 . مقدمه
2 . مدل عددی
3 . نتایج محاسبات
4 . نتیجه گیری
منابع

چکیده
اخیرا، تداخل الکترومغناطیسی (EMI) یک تنظیم کننده ی ایمپلنت شده القایی با یک پایانه ی رادیویی سیار، بررسی شده است. با این حال، مطالعات کمی در مورد نرخ جذب خاص (SAR) در اطراف تنظیم کننده ی ضربان القایی توسط پایانه ی رادیویی سیار وجود دارند. در این مقاله، رابطه ی بین موقعیت تنظیم کننده قرار گرفته در یک مدل نیم تنه، مدل پایانه رادیویی بیسیم، و SAR مورد بررسی قرار می گیرند. در نتیجه محاسبات، احتمال افزایش SAR در برخی موارد مشاهده شده اند.

2 . مدل عددی
شکل 3 یک آنتن F معکوس صفحه ای با پایه ی فلزی را نشان می دهد، که پایانه ی رادیویی سیار را شبیه سازی می کند، و ضریب بازتاب آن در نقطه ی تغذیه محاسبه شده است. این آنتن در فرکانس 2 گیگاهرتز عمل می کند و توان خروجی برابر 0.25 وات می باشد. شکل 4 یک مدل تنظیم کننده ایمپلنت شده در مدل نیم تنه انسان را نشان می دهد. این مدل همانند مدل ارائه شده در مرجع [5] می باشد. در این بخش، محفظه ی تنظیم کننده دارای ابعاد 40 x 30 x 6 mm3 می باشد، و سیم سربی دارای قطر 2 میلی متر و طول 240 میلی متر می باشد. رابط بین محفظه ی تنظیم کننده و سیم سربی، یک فضای خالی 2 میلی متری دارد. شکل 5 آرایش مدل نیم تنه و مدل پایانه رادیویی سیار را نشان می دهد. نیم تنه با یک متوازی الاضللاع مستطیلی شکل شبیه سازی می شود، که ویژگی های الکتریکی آن همانند عضلات انسانی است [6]. آنتن در دو حالت، در راستای محور z ( شکل 5a) و در راستای محور x (شکل 5b)، قرار می گیرد. شکل 6 ناحیه ی اسکن نقطه ی تغذیه را نشان می دهد. در این مقاله، به منظور یافتن بدترین حالت ( موقعیت مدل پایانه ی رادیویی سیار و مدل تنظیم کننده ضربان)، تحت برخی فرضیات، مدل پایانه ی رادیویی سیار در ناحیه ی اسکن، تصویربرداری (اسکن) خواهد شد. در این بخش، مبدا مختصات در ناحیه ی اسکن، فضای خالی بین محفظه ی تنظیم کننده و سیم سربی می باشد. ناحیه ی اسکن تا زمانی که مقادیر SAR در مجاورت خود به طور مناسب کم باشد، بزرگ می شود.

مقادیر SAR هنگامی که نقطه ی تغذیه بر نقطه شبکه ی ناحیه ی اسکن، با تعریف زیر، منطبق شد، محاسبه می شوند.
(1) که در آن σ رسانایی بافت بیولوژیک [S/m]، ρ تراکم بافت بیولوژیک [kg/m3]، و E میدان الکتریکی (rms) [V/m] می باشند. به منظور محاسبه ی مقادیر SAR در هر نقطه، روش دامنه زمانی اختلاف متناهی (FDTD) [7] به کار رفته است. جدول 1 پارامترهای محاسبات FDTD را نمایش می دهد.

3 . نتایج محاسبات
شکل 7 ، SAR میانگین 10-g محاسبه شده را در منطقه ی اسکن، هنگامی که عمق تنظیم کننده برابر d = 14 mm می باشد، را نشان می دهد. از شکل 7a، حداکثر SAR میانگین 10-g در مبدا ناحیه ی اسکن، در جهت z آنتن، مشاهده می شود. از سوی دیگر در شکل 7b، حداکثر SAR ماینگین 10-g در نقطه ی x= 10mm و z= -30 mm مشاهده می شود. این نقطه موقعیتی است که سیم سربی در جهت x (قسمت طویل تر) تقریبا با مرکز پایه ی فلزی مدل پایانه ی رادیویی سیار هم پوشانی دارد. بعلاوه، حداکثر مقادیر هر دو SAR میانگین 10-g برابر 1.36 W/kg می باشند.

تصویربرداری آکوستیک قلب با استفاده از آرایه های میکروفون

Acoustic Imaging of Heart Using Microphone Arrays

چکیده
1.مقدمه
2.شبیه سازی ها
3.قطعه بندی
4.تست های تجربی
5.نتیجه گیری
منابع

چکیده
در این مطالعه یک روش جدید برای تصویربرداری صوتی از قلب پیشنهاد شده است. تصور می شود که قلب یک منبع صوتی گسترده است که از قسمت های مختلف خود صدا ایجاد می کند. از یک روش ثبت مالتی سنسور همزمان برای ثبت صدای قلب از دیواره قفسه سینه ی استفاده شد. با استفاده از تکنیک های جهت دهی پرتو، داده های ثبت شده با همدیگر ترکیب شده و یک نمایش دو بعدی یا سه بعدی از توزیع صدای قلب ایجاد کردند. این نقشه انرژی صوتی قلب در نقاط مختلف را نشان می دهد. شبیه سازی ها با آرایش های مختلف برای ارزیابی کارایی این سیستم انجام می شوند. صدای قلب بدون هیچگونه نیازی به سیگنال های زیستی دیگر و با استفاده از یک روش بدون نظارت قطعه بندی می شود. از این روش برای تفکیک صدای اول و دوم قلب استفاده می شود. سیگنال قطعه بندی شده در الگوریتم جهت دهی پرتو استفاده می شود. این کار منجر به ایجاد نقشه فضا-زمان برای صدای قلب در بازه های عملکردی مختلف می شود. دستگاهی برای ثبت صدای قلب از روی قفسه سینه طراحی و به کارگرفته شد.برای پردازش سیگنال جهت تشکیل یک تصویر دو یا سه بعدی، داده ها روی یک کامپیوتر شخصی ذخیره شدند. این روش تصویربرداری کم هزینه و غیر تهاجمی جنبه های جدیدی ارائه می دهد که با مطالعات بیشتر می تواند به پزشکان در تشخیص دقیق تر بیماری های قلبی کمک کند.

2.شبیه سازی ها
صوت یک موج مکانیکی است که با سرعتی در محیط پخش می شود که عمدتا به جنس محیط و شرایط آن بستگی دارد. صوت از یک منبع ایجاد شده و در محیط جریان می یابد و ما می توانیم با استفاده از یک سنسور مانند میکروفون آن را حس کنیم. قلب یک منبع صوت گسترده است که از بخش های مختلف خود صدا تولید می کند. این منبع را میتوان با برخی از نقاط منبع دیگر که جداگانه صوت تولید می کنند تخمین زد. اگر ما بتوانیم انرژی سیگنال هر نقطه را تخمین بزنیم با تلفیق این داده ها نقشه ای خواهیم داشت که انتشار صدای قلب از طریق توراکس را نمایش خواهد داد. در نتیجه تصویری شکل می گیرد که می توان آن را تصویری صوتی قلب نامید.

A. بیم فرمر تاخیر و جمع (Delay-and-sum beamformer)
بیم فرمینگ یکی از متداولترین راه حل ها برای یافتن مکان صوت است. در این پژوهش از یک بیم فرمر تاخیر و جمع برای یافتن منشاء صوت استفاده شد. روشن شده است که رزولوشن تصویربرداری برای قفسه سینه انسان نمی تواند بهتر از حدود 2 سانتیمتر باشد. بنابراین، بیم فرمر ناحیه کل سینه را با تمرکز بر هر نقطه در فاصله 1 سانتیمتری اسکن می کند. و انرژی سیگنال هر نقطه را تخمین زده و یک عدد بین 0 تا 1 بر اساس بیشنه و کمینه انرژی به آن نقطه می دهد.

B. مدل انتشار صوت در قفسه سینه انسان
خصوصیات صوتی قفسه سینه انسان به دلیل پیچیدگی کمتر شناخته شده اند. سرعت صدا از 23 متر بر ثانیه تا 1500 متر بر ثانیه متغییر است. با توجه به مطالعات پیشین، سرعت صوت در توراکس کم و در حدود 10 متر بر ثانیه است. سرعت صوت در دیواره قفسه سینه و بافت قلب حدود 1500 متر بر ثانیه است. مسیرهای هوایی بزرگ صوت را از با سرعت 222 تا 312 متر بر ثانیه انتقال می دهند. سرعت صوت پارانشیمی بین 23 و 6

دستگاه هشدار و پیش بینی افتادن مبنی بر اینترنت اشیا (IoT)

Internet of Things based Fall Prediction and Alerting Device

چکیده

مقدمه

روش شناسی

1- سامانه ی پیشنهادی

2- Twilio و اینترنت اشیاء

3- بستر اینترنت اشیای Thingspeak

نتایج و بحث

نتیجه گیری

منابع

چکیده

     بیش تر اوقات افراد کهنسال تنها زندگی می کنند یا به دلایل بسیار، از افراد جوان تر جدا هستند. از آنجا که آنان تنها زندگی می کنند، معمولاً بر زمین می افتند. این زمین خوردن منجر به مسائل گوناگونی مرتبط با سلامت می-شود و حتی به مرگ می انجامد. در این مقاله، یک دستگاه پیش بینی و هشداردهنده ی افتادن مبتنی بر اینترنت اشیاء نقش عمده ای در کمک کردن به این افراد کهنسال ایفا می کند، چرا که مراقبت و پرستاری مستمر و پیوسته از آنان دشوار است. افزون بر این، دستگاه پیشنهادی به شکلی طراحی شده است که هرگاه بیمار در آستانه ی افتادن باشد، با حس کردن مقدار مربوط به حسگرهای شتاب سنج و چرخش سنج و مقایسه ی آن ها با مقدار آستانه، زنگ مربوط صدای هشداردهنده ای تولید می کند تا موضوع را به بیمار منتقل کند. همچنین، این دستگاه پس از به زمین افتادن بیمار، پیام های هشداردهنده ای برای سرپرست می فرستد. نتیجه نشان می دهد که پیام به سرپرست بیمار هشدار می دهد و باعث می شود که بیمار کمک را به موقع دریافت کند. بدین ترتیب، مراقبت ویژه تضمین می شود تا از آن افراد مراقبت شود و می توان مانع از رخ دادن مسائل مربوط شد.

سامانه ی پیشنهادی

مدل های کنونی فاقد یک دکمه ی چُرت (خاموشی موقت) برای جلوگیری از هشدار کاذب هستند و هیچ گزینه ای برای هشدار دادن به افراد ناشنوا وجود ندارد. محدودیت زمانی برای دریافت پیام هشدار زمان می برد. بیش تر مدل-های کنونی به صورت دستگاه های پوشیدنی طراحی می شوند که می تواند باعث ناراحتی برای کاربر (استفاده کننده) شود. مدل های کنونی عمدتاً با بوردهای آروئینو طراحی می شوند که نسبت به رزبری پای نسبتاً کندتر هستند.

سامانه ی پیشنهادی در مقایسه با مدل های موجود دارای ارتقاهای زیر است:

• مدل پیشنهادی با دکمه ی چُرت برای جلوگیری از هشدار کاذب طراحی می شود.
• این مدل در هشدار دادن به افراد ناشنوا سودمند است چون با LED طراحی می شود.
• کاربرد Twilio تضمین می کند که پیام هشدار به موقع تحویل داده می شود.
• مدل پیشنهادی یک دستگاه تعبیه شده در ویلچر است که نمی تواند هیچ ناراحتی برای کاربر در پی داشته باشد.
• این سامانه با رزبری پای 3 مدل B+ طراحی می شود که سریع تر و دقیق تر است.

شکل 1 نمودار بلوکی این مدل پیشنهادی را نشان می دهد که هم شامل پیش بینی افتادن و هم سامانه ی هشداردهنده است.

     چند بخش وجود دارد که در این اثر مورد استفاده قرار می گیرند، مانند رزبری پای 3 مدل B+، حسگر شتاب-سنج و چرخش سنج (MPU6050)، زنگ فعال، دکمه ی فشار، پایداری کننده و غیره. این دستگاه بر پایه ی مقادیر ثبت شده توسط حسگر شتاب سنج و چرخش سنج که به سرپرست هشدار می دهند، عمل می کند. سامانه ی هشداردهنده در این دستگاه پیام افتادن را به نزدیکان بیمار منتقل می کند. دستگاه زمانی هشدار خود را فعال می کند که تشخیص دهنده ی افتادن سیگنال های دریافتی از حسگر شتاب سنج و چرخش سنج را بلادرنگ رصد کند و بدین وسیله هشداری مبنی بر این که او در حال افتادن است، برای بیمار فراهم می کند. این هشدار زمانی تولید خواهد شد که مقادیر حسگر از مقدار آستانه ی مشخصی فراتر روند یا زمانی که مقادیر با یک نرخ مشخصی در حال افزایش باشند. افزون بر این، دستگاه پیشنهادی شامل یک دکمه ی فشار است که بیمار می تواند آن را فعال کند تا هشدار را در صورت تولید یک هشدار کاذب قطع کند. چنانچه دکمه ی فشار ظرف 10 ثانیه فعال-سازی نشود، پیام به سرپرست بیمار فرستاده خواهد شد. کل این الگوریتم با استفاده از نرم افزار پایتون در درون محیط رزبری پای کدنویسی می شود.

Twilio و اینترنت اشیاء

     Twilio یک اَبَرتارنما از اتصالات میان ارتباطات راه دور و شبکه است که به متصل شدن بی وقفه ی مشتریان در هر نقطه ای و در هر زمانی کمک می کند. این فعال سازی با ایجاد یک حساب کاربری با استفاده از شناسه ی ایمیل سرپرست بیمار آغاز می شود و شماره ی تلفن سرپرست در این حساب لحاظ می شود. افزون بر این، SID حساب (Accounts SID)، توکن احراز هویت (Auth token) و شماره تلفن Twilio (Twilio phone number) در Twilio تولید خواهند شد. این موضوع را می توان در بخش کنسول این صفحه ی وب Twilio مشاهده کرد. شکل 2 صفحه ی وب کنسول در حساب Twilio را نشان می دهد. Twilio دارای کتابخانه هایی برای NodeJS است که با استفاده از آن می توان قابلیت کنترل با متن را برای رزبری پای خود فراهم کرد.

تشخیص احساسات انسانی با الکتروانسفالوگرافی (EEG) با استفاده از رویکرد برنامه نویسی دینامیکی

Detecting Human Emotions Using Electroencephalography (EEG) using Dynamic Programming Approach

چکیده

1 مقدمه

2 کارهای مرتبط

3 روش‌شناسی و طراحی تجربی

4 نتایج

A) احساسات طبیعی

B) احساسات القایی

5 نتیجه‌گیری

چکیده

در طول چند دهه گذشته رابطه‌ی بین احساسات انسانی و سیگنال‌های EEG بطور مستمر مورد مطالعه قرار گرفته است. در این مقاله، ما تلاش جدیدی را در راستای اندازه‌گیری فعالیت مغز انسان و آنالیز سیگنال‌های آن با استفاده از الکتروانسفالوگرافی (EEG) بمنظور طبقه‌بندی احساسات انسانی نشان داده شده توسط موجک‌ های مغز انجام می‌دهیم. در این پژوهش، ما جهت آشکارسازی یا پی‌بردن به احساساتی همچون شادی، غم و ترس موجک های مغز دانشجویان دختر را مورد بررسی قرار خواهیم داد. در این پژوهش از حسگر های مخصوص طراحی شده که بر روی پوست سر قرار داده می‌شوند، استفاده خواهد شد. سیگنال های اندازه‌گیری شده به یک دستگاه محاسبه‌گر فرستاده می‌شوند. اطلاعات جمع‌آوری شده توسط سیستم نرم‌افزاری که توسط تیم ما ایجاد شده‌است، تجزیه و تحلیل می‌شوند. زمانیکه دستگاه برای هر احساس، سیگنال خاصی را دریافت می‌کند، ما از یک برنامه نویسی دینامیکی جهت پی بردن به حداکثر تعداد خدمات با کیفیت که برای کاربران فراهم می شوند، استفاده می‌کنیم.

5- نتیجه‌گیری

EEG در بیمارستان‌ها و زندان‌ها برای پی‌بردن به احساسات مجرمان و بیماران مورد استفاده قرار می‌گیرد. آن‌ها دریافتند که برخی روابط بین ویژگی‌های EEG و تمامی حس‌ها وجود دارد. این اطلاعات توسط دکتر در بیمارستان و توسط پلیس در موارد وقوع جرم کنترل می‌شوند. بر اساس نتایجی که ما در طول مطالعه سه حس برای سه دختر به آن‌ها رسیدیم. ما برنامه C++ مبتنی بر برنامه‌نویسی دینامیکی را جهت پی‌بردن به حداکثر خدمات با کیفیت که برای کاربران فراهم می‌شود زمانیکه دستگاه سیگنال‌های بخصوصی را برای هر حس ثبت می‌کند، بکار گرفتیم. ما از این نتایج به عنوان نقطه‌ی مرجع برای مقایسه‌ی موارد جدید با آن، جهت پی‌بردن به اینکه این مورد با کدام رفتار مطابقت دارد و همچنین پی‌بردن به مقدار درصد وضعیت عاطفی با استفاده از برنامه‌نویسی جاوا، استفاده کردیم.

Abstract

The relation between human emotions and EEG signals have been actively studied during the last few decades. In this paper, we study a novel attempt to measure the human brain activity and analyze its signals using electroencephalography (EEG) in order to classify the human emotions indicated by the brain wavelets. The study will measure the brain wavelets of female students in order to detect the emotions of happiness, sadness, and fear. This study will use specially designed sensors placed around the scalp. The measured signals transfer to a computing device. The data collected analyze by a software system, which developed by our team. We use dynamic programming to extract the maximum number of quality service that provides to the user when the device captures specific signals for each emotion.

V- CONCLUSIONS

The EEG used in hospital and prisons to know the emotions of the offenders and patients. They find that there some relations between the characteristics of EEG and all emotions. These data managed by the doctor in hospital and policeman in case of crime. Based on the results that we reached during studying the three emotions for three girls. We implement a C++ program based on dynamic programming to extract the maximum number of quality service that provides to the user when the device captures specific signals for each emotion. We used these results as the reference point to compare the new cases with it to know this case related to which emotion and to know how much the percentage of the emotional status by using java programming.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص احساسات انسانی با الکتروانسفالوگرافی (EEG) با استفاده از رویکرد برنامه نویسی دینامیکی

Detecting Human Emotions Using Electroencephalography (EEG) using Dynamic Programming Approach

یک سیستم خبره بر پایه شبکه عصبی برای تشخیص دیابت شیرین

A Neural Network Based Expert System for the Diagnosis of Diabetes Mellitus

چکیده

1- معرفی

2- مرور منابع

2-1- کارهای مرتبط

3- روش شناسی

3-1- طراحی شبکه عصبی

لایه ورودی

لایه های پنهان

لایه خروجی

4- پیاده سازی

5- بحث

چکیده

دیابت یک بیماری است که گلوکز خون، یا سطح قند خون در بدن، بسیار بالا هستند. آسیب های ناشی از دیابت می توانند بسیار مختلف بوده و حتی در زنان آبستن، به دلیل زمینه برای انتقال بیماری ارثی به نسل بعدی، بیشتر قابل توجه هستند. سیستم های متخصص اکنون برای تشخیص پزشکی امراض در بیماران، به منظور تشخیص بیماری و کمک به ارائه راه حل برای آن، استفاده می شوند. این تحقیق، یک مدل شبکه عصبی برای تشخیص دیابت شیرین در زنان حامله، ایجاد و به کار گرفت. مدل یک شبکه عصبی پیشخور(feed forward network) چهار لایه، که با استفاده از الگوریتم بازگشت به عقب (back-propagation)، آموزش دیده است. لایه ورودی، 8 نورون دارد، دو لایه ی مخفی، هرکدام 10 نورون داشته، و لایه خروجی یک نورون دارد، که هر کدام نتایج تشخیص (diagnosis result) هستند. مدل توسعه یافته نیز در یک برنامه مبتنی بر وب، برای تسهیل استفاده از آن، گنجانده شده است. اعتبارسنجی توسط رگرسیون، نشان می دهد که شبکه ی آموزش دیده، بیش از 92%، دقیق است.

5- بحث

این تحقیق یک مدل شبکه عصبی برای کمک به تشخیص اینکه زنان حامله دیابت دارند یا نه، ایجاد کرده است. مدل ایجاد شده همچنین در یک نرم افزار مبتنی بر وب، برای دسترسی آسان، قرار داده شد. به همین ترتیب، کارکنان بهداشتی و یا بیماران در نقاط دور دست می توانند به سیستم دسترسی داشته باشند، داده های بیمار را در زمان واقعی وارد کنند و تشخیص را بدون نیاز به حضور در اطراف بیمار، مکاتبه کنند. برخی توصیه ها برای پیشرفت آن شامل یک سکوی(سطح مذاکره، اساس) موبایل Mobile Platform می باشد. سیستم در حال حاضر روی یک پلت فرم مبتنی بر وب می باشد، اما می تواند بیشتر سودمند باشد اگر که بتواند روی یک پلت فرم موبایل، که در آن دسترسی آفلاین به گوشی ها و دستگاه های دیگر وجود دارد، قرار گیرد.

Abstract

Diabetes is a disease in which the blood glucose, or blood sugar levels in the body are too high. The damage caused by diabetes can be very severe and even more pronounced in pregnant women due to the tendency of transmitting the hereditary disease to the next generation. Expert systems are now used in medical diagnosis of diseases in patients so as to detect the ailment and help in providing a solution to it. This research developed and trained a neural network model for the diagnosis of diabetes mellitus in pregnant women. The model is a four-layer feed forward network, trained using back-propagation and Bayesian Regulation algorithm. The input layer has 8 neurons, two hidden layers have 10 neurons each, and the output layer has one neuron which is the diagnosis result. The developed model was also incorporated into a web-based application to facilitate its use. Validation by regression shows that the trained network is over 92% accurate.

5- Conclusion

This research has developed a neural network model to help in the diagnosis of pregnant women whether they have diabetes or not. The developed model has also been incorporated into a web based application for easy accessibility. As such, health workers or patients at remote locations can access the system, enter patient data in real time and communicate the diagnosis without having to be around the patient. Some recommendations for its advancement include a Mobile Platform. The system is on a web-based platform at the moment but it would be more beneficial if the system can be based on mobile platforms where there can be offline access on phones, and other devices.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک سیستم خبره بر پایه شبکه عصبی برای تشخیص دیابت شیرین

A Neural Network Based Expert System for the Diagnosis of Diabetes Mellitus

تشخیص زود هنگام صرع با استفاده از ثبت نوری و برقی

Detecting Epileptic Seizures in Advance Using Optical and Electrical Recordings

چکیده

1- مقدمه

2- ثبت EEG و fNIRS

3- روش

4- نتایج

5- نتیجه‌گیری و کار‌های آینده

چکیده

این مقاله، نتایج ابتدایی در مورد تشخیص حمله صرعی ارائه می‌دهد. ترکیب روش‌های طیف‌سنجی عملکردی نزدیک به مادون قرمز و الکتروآنسفالوگرام ، عملکرد بهتری نسبت به روش صرف EEG نشان می‌دهد. علاوه‌براین، بعضی نتایجی که پیش‌بینی می‌کند می‌توان حمله را تشخیص داد نیز ارائه شده است.

مقدمه

صرع جزء یکی از سه اختلال عصبی شایع است؛ این بیماری بعد از سکته مغزی و بیماری آلزایمر در رتبه سوم قرار دارد. تخمین زده شده 65 میلیون نفر در سراسر جهان که حدود 1% از جمعیت جهان را تشکیل می‌دهد، از صرع رنج می‌برند. به طور متوسط سالانه 60 مورد جدید شامل 100 هزار نفر اضافه می‌شوند.

نتیجه گیری

اگر چه نتایج حاصل از مطالعه موردی قطعی نیست، اما جدول 2 نشان می‌دهد که افزودن ویژگی‌های fNIRS به یک آشکارساز مبتنی بر EEG، عملکرد آن را به طور قابل توجهی بهبود می بخشد. علاوه براین براساس جدول 3 و شکل 5، تایید کردیم که اطلاعات موجود در fNIRS می‌تواند به تشخیص خیلی سریع‌تر حملات کمک کند.

با توجه به این نتایج امیدوارکننده، پژوهش‌های آتی ما در مورد به‌کارگیری این روش بر روی طبقه‌بندی‌کننده‌های دیگر و مجموعه داده‌های بزرگتر خواهد بود. همچنین بر استخراج ویژگی‌های جدیدتر و بهتر از سیگنال‌های fNIRS تمرکز خواهیم کرد و آنها را با ویژگی‌های استخراج شده از ثبت EEG ترکیب می‌کنیم. یکی از محدودیت‌های کار ما، عدم استفاده از الگوریتم انتخاب ویژگی است که اگر چه با توجه به نتایج امیدوار کننده تنها بر اساس استخراج دامنه سیگنال‌ها به عنوان ویژگی ممکن است مورد نیاز نباشد. در روش یادگیری ماشین ارائه شده، انتخاب پارامترهای بهینه مانند نوع هسته‌ی ماشین بردار پشتیبان و پارامترهای مرتبط با آن، تعداد نورون‌ها در لایه پنهان شبکه عصبی و همچنین فرآیند انتخاب ویژگی، در کار آتی بررسی خواهد شد.

Abstract

This paper presents preliminary results on epileptic seizure detection. Combination of functional Near Infrared Spectroscopy (fNIRS) and Electroencephalogram (EEG) recordings shows enhanced performance compare to EEG recordings alone. Moreover, some results concerning the anticipation at which a seizure can be detected are also presented.

INTRODUCTION

Epilepsy is one of the top three most common neurological disorders; it is just below strokes and Alzheimer disease [1]. It is estimated that 65 million people around the world suffer from epilepsy, which represents approximately 1% of the global population [2]. On average, 60 new cases of epilepsy 100,000 people emerge every year [2]–[4].

CONCLUSIONS AND FUTURE WORK

Even though results from a case-study are not conclusive, Table 2 suggests that adding fNIRS features to an EEG-based detector will considerably improve its performance. Furthermore, from Table 3 and Fig. 5 we confirmed that information contained within fNIRS can help to detect seizures much earlier. Given these promising results, our future work will be to try the same approach with others classifiers on a larger sample. We will also focus on extracting new and better classification features out of the fNIRS signals and combine them with features extracted from EEG recordings. One limitation of our work is the lack of implementation of a feature selection algorithm, although it may not be needed, given the promising results using only the amplitude of signals as features. The choice of optimal parameters in our machine learning approaches, such as SVM kernel type and its associated parameters, number of neurons in the ANN hidden layer as well as a feature selection process will be tackled in future work.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص زود هنگام صرع با استفاده از ثبت نوری و برقی

Detecting Epileptic Seizures in Advance Using Optical and Electrical Recordings

بارهای ناشی از بافت نرم بر روی زانوی سالم در انعطاف های مختلف فیزیولوژیکی: رویکرد آزمایشگاهی-عددی

Soft Tissues’ Loadings on Healthy Knee at Different Physiological Flexions: A Coupled Experimental–Numerical Approach

چکیده

مقدمه

روش

اکتساب (جمع آوری) تصاویر EOS

مدل هندسی سه بعدی

مدل سازی المان محدود

شبیه سازی عددی

نتایج

موقعیت درشت نی

نقشه فشار غضروف

فشار رباط

بحث

شرایط مرزی و خصوصیات مواد

تایید مدل FE توسط موقعیت استخوان

نواقص مدل

نقشه های فشار و فشار رباط

جمع بندی

چکیده

در این مطالعه، حرکت بالا رفتن از پله، به 4 تصویر EOS تجزیه شده است. سپس یک مدل زانوی 3 بعدی وابسته به بیمار، از روی MRI ساخته شد و چندین شبیه سازی عددی مطابق با شرایط مرزی آزمایشگاهی (زاویه ی نیرو و فلکشن) انجام شدند تا تعادل مکانیکی کلی زانو تضمین شود. به محض دستیابی به تعادل مکانیکی، به منظور تایید این مدل بیمار ویژه، ساختار استخوان وی با تصاویر EOS مورد مقایسه قرار گرفت. این مدل، تخمینی از فشار در رباط ها برای هر زاویه ی فلکشن و همچنین نقشه ی فشار روی غضروف ها را برای ما ارائه کرده است. 

مقدمه 

آرتروز زانو یکی از علل مهم ناتوانی در افراد مسن است. مطابق با مطالعه ی انجام شده در بریتانیا و هلند روی جمعیت 55 ساله و بیشتر، 25%، درد مزمن و مداوم زانو را اعلام کرده بودند (پائت و همکارانش، 2001). آرتروز، اثر ترکیبی تخریب غضروف، ضخیم شدن استخوان زیرغضروف و تشکیل استخوان جدید روی لبه های غضروف ها است. اصلی ترین ابزار تشخیصی بالینی برای آرتروز، رادیوگرافی است که اثرات آن روی تصاویر رادیوگرافی مشخص می شود ازجمله: باریک شدن فضای مفصل به دلیل تخریب غضروف، تغییر شدت سیگنال به دلیل ضخیم شدن استخوان زیر غضروف و تشکیل استخوان که مستقیما مشاهده می شود. 

جمع بندی 

به منظور مطالعه ی موضوع تخریب زانو و درد، در زمان ابتلا به آرتروز، هم در رابطه با فشار روی غضروف ها و هم ثبات زانو، یک مدل مفصل زانو ایجاد شد. ما یک رویکرد ترکیبی که هم شامل استفاده از یک تصویربرداری پزشکی (MRI، سیستم رادیوگرافی EOS) و هم پلتفرم نیرو همراه با یک مدل FE است را پیشنهاد کردیم. هدف، دستیابی به نقشه های فشار روی غضروف های زانو و فشار تحمیل شده توسط رباط های آن در طی فعالیت روزانه بود.

Abstract

In this study, the movement of climbing a step is decomposed in 4 EOS images. A patient-dependent 3D model of the knee is then created from MRI, and several numerical simulations are carried out according to the experimental boundary conditions (force and flexion angle), so as to ensure the global knee mechanical equilibrium. To validate this patient-specific model, its bony structure is confronted with the EOS images once the mechanical equilibrium is reached. This model gave us an estimation of the stress in the ligaments for every flexion angle as well as a pressure map on the cartilages.

Introduction

Knee osteoarthritis is one of the major causes of disability in older adults. According to a study conducted in the United Kingdom and the Netherlands on a population of 55 y.o. and more, 25% declared having chronical and persistent knee pain (Peat et al. 2001). Osteoarthritis is the combined effect of degradation of the cartilage, thickening of the subchondral bone and new bone formation on the edges of the cartilages. The main clinical diagnosis tool for osteoarthritis is the radiography, with effects being apparent on X-ray images: joint space narrowing for the cartilage destruction, variation of the signal intensity for the thickening of the subchondral bone and the bone formation is directly seen.

Conclusion

In order to study on the question of knee degradation and pain when developing osteoarthritis, related to both the pressure on the cartilages and the knee stability, a knee joint model was created. We proposed a mixed approach, both using medical imaging (MRI, EOS X-ray system) and force platform in conjunction with a FE model. The goal was to obtain pressure maps on the cartilages of the knee and the stress sustained by its ligaments during a daily activity.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بارهای ناشی از بافت نرم بر روی زانوی سالم در انعطاف های مختلف فیزیولوژیکی: رویکرد آزمایشگاهی-عددی

Soft Tissues’ Loadings on Healthy Knee at Different Physiological Flexions: A Coupled Experimental–Numerical Approach

مدل های مقیاس پیوسته برای تکامل اسکارهای هیپرتروفیک و انقباضات بعد از آسیب های سوختگی

Continuum-Scale Models for the Evolution of Hypertrophic Scars and Contractions After Burn Injuries

چکیده

مقدمه

مواد و روش ها

نتایج

بحث

چکیده

ما چندین مدل ریاضی ساخته شده برای شبیه سازی انقباض و اسکارهای مورفوالاستیک که معمولا با جراحات پوستی عمیق همراه هستند (سوختگی ها) را مورد بررسی قرار می دهیم. این مدل ها براساس معادلات دیفرانسیل جزئی هستند که با استفاده از یک روش المان محدود حل شده اند. این مدل ها حاوی عناصر غیر ایزوتروپی، مورفوالاستیک برای درمان مکانیک پوست هستند. بعلاوه، ما تعادل فیبروبلاست ها، میوفیبروبلاست-ها، کلاژن و یک فاکتور رشد عمومی را در نظر گرفته ایم. ما با استفاده از این مدل ها می توانیم انقباض دائمی را با استفاده از اصول فیزیکی دقیق شبیه سازی کنیم. 

مقدمه

در سراسر جهان، حدود 11 میلیون نفر مبتلا به جراحات ناشی از سوختگی هستند. در حدود 600 هزار تا از این موارد، جراحات، به حدی جدی هستند که بیمار جان خود را از دست می دهد. بعد از سوختگی یا برش-های جدی، اسکارهای هیپرتروفیک ممکن است ایجاد شوند که نیاز به جراحی پلاستیک دارند. یک عارضه ی جانبی دیگر جراحات سوختگی، جمع شدگی پوست است که منجر به ایجاد بدشکلی ها و فشارهای دائمی روی پوست بیمار می شود. این امر باعث کاهش تحرک بیمار می شود. این کاهش، نتیجه ای از نیروهای کششی است که توسط فیبروبلاست ها و میو فیبروبلاست ها اعمال می شود.

بحث

مدل هایی که در این نسخه ی خطی نشان داده ایم، همگی بر اساس تراکم های سلولی هستند و از خصوصیات کاملا مقیاس پیوسته برخوردارند. برای در نظر گرفتن فرآیندها در مقیاس بسیار کوچک، می توان مدل های خیلی کوچک مانند فرمولاسیون های پاتز سلولی یا مدل های مبتنی بر سلول نیمه پیوسته را در نظر گرفت. به هرحال، برای مقیاس های بزرگتر، استفاده از مدل های مقیاس پیوسته ی مبتنی بر معادلات دیفرانسیل جزئی فعلی مناسب است زیرا مدل های مبتنی بر سلول، نیاز به منابع محاسباتی بیش از حدی دارند. تحقیقات مورد نظر می تواند در جهت افزایش مقیاس مدل های کوچک مقیاس به سمت مقیاس های بزرگتر هدایت شود. مدل-های فعلی، ارتباط با سیستم ایمنی را از دست می دهند. این ارتباط می تواند در آزمایش های بالینی بیشتر مورد بررسی قرار بگیرند تا مدل هایی که انقباض زخم و هیپرتروفی را با هم جفت می کنند، بتواند فرموله (تهیه) شود.

Abstract

We review several of our mathematical models that we constructed for the simulation of contractures and morpho-elastic scars that are typically associated with deep dermal (burn) injuries. The models are based on partial differential equations, which are solved by the use of finite-element methods. The models contain elements of non-isotropy, morpho-elasticity for the treatment of the mechanics of the skin. Furthermore, we take into account the balances of fibroblasts, myofibroblasts, collagen and a generic growth factor. Using the models, we are able to simulate permanent contractions using physically sound principles.

Introduction

Over the globe, about eleven million individuals are affected by burn injuries. In about six hundred thousand cases, the injury is so serious that the patient dies. After serious burns or incisions, hypertrophic scars may arise among patients, who need plastic surgery. Another side effect of burn injuries is the formation of contractures, which lead to permanent deformations and stresses in the skin of the patient. This causes a reduction of the mobility of the patient. This reduction is a consequence of the pulling forces that are exerted by the fibroblasts and myo-fibroblasts.

Discussion

The models that we have shown in this manuscript are all based on cell densities and they have a fully continuum-scale character. In order to consider the processes on a very small scale, it could be worth to consider small-scale models like the cellular Potts formulations or semi-continuous cell-based models. However, for larger scales, it is appropriate to use the current partial differential equations-based continuum-scale models since cell-based models would require too many computational resources. Research of interest could be directed to the upscaling of small-scale models to larger scales. The current models further miss the link to the immune system. This link could be investigated more in clinical experiments so that models that couple wound contraction and hypertrophy can be formulated.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدل های مقیاس پیوسته برای تکامل اسکارهای هیپرتروفیک و انقباضات بعد از آسیب های سوختگی

Continuum-Scale Models for the Evolution of Hypertrophic Scars and Contractions After Burn Injuries

تاثیرات تصمیمات اتخاذ شده درباره اعزام و مکان یابی مجدد آمبولانس ها بر کیفیت سیستم فوریت های پزشکی

Effects of ambulance dispatching and relocation decisions on EMS quality

چکیده

1. مقدمه

2. روش ها

2-1 طراحی و ساختار مطالعه

2-2 پروتکل مطالعه

2-3 اجرای تنظیمات

3. نتایج

4. بحث

4-1 محدودیت ها

5. نتیجه گیری ها

چکیده

هنگامی که یک تماس توسط یک ارائه دهنده سرویس های فورت پزشکی  (EMS) دریافت می شود، می بایست تصمیم گیری شود که کدام وسیله نقلیه برای کمک ارسال شود. وسیله نقلیه اعزام شده درگیر می شود و در نتیجه آمادگی سیستم برای پاسخگویی به تماس جدید کاهش می یابد. بنابراین به منظور افزایش این مقدار، خودروهای بیکار سیستم EMS در بین سایت های آماده کار قابل مکان یابی مجدد هستند. هدف این مطالعه ارزیابی اثر بر معیارهای حیاتی عملکرد سیستم، به کارگیری متوالی یک مدل ریاضی اعزام و یک مدل مکان یابی مجدد با در نظر گرفتن نیازهای عملیاتی یک ارائه دهنده خدمات EMS در کلمبیا است.

چهار سناریو در طی مدت زمان حداکثر فعالیت به منظور ارزیابی وضعیت دینامیکی سیستم ارائه شده براساس تصمیم های مربوط به اعزام و مکان یابی مجدد شبیه سازی شده است. تصمیمات اعزام می بایست از متداول ترین قانون یعنی اعزام نزدیک ترین خودر یا راهکار بهینه یک مدل اعزام پیروی کنند. گزینه های مکان یابی مجدد یا کاری انجام نمی دهند یا از راهکار بهینه مدل ریاضی مکان یابی مجدد پیروی می کنند. هر دو مدل ناهمگونی های خدمات و ناوگان را در نظر می گیرند و به دنبال بهبود سطح آمادگی سیستم هستند. سیستم شبیه سازی شده بهبودهایی را در دفعات پاسخگویی و سطوح آمادگی تا حداکثر 40 درصد نشان داده است هنگامی که اعزام از راهکار مدل ریاضی تبعیت کرده و هیچ گونه مکان یابی مجددی رخ نمی دهد.

1. مقدمه

کیفیت مراقبت میزانی است که براساس آن خدمات سلامت برای افراد و جمعیت ها سبب افزایش احتمال نتایج مطلوب سلامتی می شود و با دانش حرفه ای موجود سازگار است (Sanders, 2002). خدمات فوریت های پزشکی (EMS) بخشی از این خدمات هستند. اعزام و مکان یابی مجدد آمبولانس در زمان مناسب در یک منطقه داده شده پوشش دهی دو عنصر کلیدی در کاهش زمان انتظار یک بیمار بالقوه و آغاز یک خدمت مراقبت از سلامت است. در طی عملیات یک ارائه دهنده سرویس EMS، تصمیم های مکرری درباره ارسال خودروها برای پاسخگویی به تماس های مورد نیاز خدمات گرفته می شود. 

Abstract

When a call for a service is received by an Emergency Medical Services (EMS) provider, a decision must be made on which vehicle to send to provide assistance. The dispatched vehicle becomes busy and the system’s preparedness to attend a new call decreases. Therefore, to increase this value, idle EMS vehicles could be relocated among the standby sites. This study aims to evaluate the effect on the critical performance measures of the system, the sequential application of a dispatching mathematical model and a relocation model, taking into account the operational requirements of an EMS provider in Colombia.

Four scenarios were simulated during a period of maximum activity to evaluate the dynamic state of the system given by the dispatch and relocation decisions. Dispatch decisions should follow the most common rule -dispatch the nearest vehicle- or the optimal solution of a dispatching model. Relocation options were either doing nothing and following the optimal solution of a mathematical relocation model. Both models consider the fleet and the services heterogeneous, and look for to improve the system’s preparedness level. The simulated system showed improvements in response times and preparedness levels of up to 54% when the dispatch follows the solution of the mathematical model and no relocation occurs.

1 Introduction

Quality of care is the degree to which health services for individuals and populations increase the likelihood of desired health outcomes, and are consistent with current professional knowledge (Sanders, 2002). Emergency Medical Services (EMS) are part of these services. The dispatch and relocation of the ambulance -when appropriate-, in a given area of coverage are two of the key elements to reduce the waiting time of a potential patient and the initiation a health care service. During the operation of an EMS provider, frequent decisions about which vehicle to send to respond to a service call are taken.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تاثیرات تصمیمات اتخاذ شده درباره اعزام و مکان یابی مجدد آمبولانس ها بر کیفیت سیستم فوریت های پزشکی

Effects of ambulance dispatching and relocation decisions on EMS quality