اختلالات طیف درخودماندگی ذهنی (Autism Spectrum Disorder: ASD) یک تکنیک غیرتهاجمی است که امکان اندازه گیری بسیار دقیقی از عملکرد و اتصالات مغز را فراهم می سازد. این بررسی یافته هایی کلیدی از کاربردهای QEEGروش بررسی: به ارزیابی فعالیت خود به خودی مغز و سیگنال های مغزی تحت تاثیر محرک های تجربی کنترل شده می پردازد. با وجود نتایج متناقض، تجزیه و تحلیل مقالات نشان دهنده آن است که مشخصه های QEEGیافته ها: ممکن است به تشخیص مناطقی که تغییر عملکرد مغز و ناهنجاری های اتصال در آن ها رخ می دهد، کمک کند. استفاده از تکنیک های پیشرفته برای افزایش ویژگی ها و محلی سازی فضایی می تواند به یافتن الگوهای مشخص از حالت های غیرطبیعی QEEGنتیجه گیری: ابعاد چندگانه ای مانند می گردد و یک اختلال در تعادل در سیستم تحریک / مهارِ سیستم عصبی –<span lang="FA" style="font-family:;" new="" b="" mitra";="" roman";="" "times="" roman";"=""> و به تعبیر دیگر نرم افزاری - است که می­تواند منجر به اختلالات سخت افزاری متعدد و متنوعی گردد. با توجه به پیچیدگی تعاملات مغزی در مطالعه الکتروانسفالوگراف، استفاده از ابزار کل­نگر مبتنی بر دینامیک آشوبناکِ الکتروانسفالوگراف می­تواند راهی مناسب برای مطالعه تغییرات دینامیک آن، به منظور تشخیص و حتی دنبال نمودن روند درمان باشد.

کلید واژه­ها: تشخیص اختلالات طیف درخودماندگی ذهنی، الکتروانسفالوگرافی کمی، تابع شباهت همدوسی، عدم تقارن، تکنیک های غیرخطی، کل نگری

زمینه و هدف: آسیب دیدگی مفصل زانو از مهمترین آسیب­های رایج در زندگی روزمره افراد و ورزش­های پرتحرک می­باشد. از شایع­ترین آسیب­ها در مفصل زانو می­توان آسیب­های منیسک، رباط صلیبی و پارگی این اعضا را عنوان نمود. تشخیص­های پارگی منیسک عموما به صورت بالینی و با استفاده از تصاویر رزونانس مغناطیسی (Magnetic Resonance Imaging: MRI) می­باشد. هدف ما در این مقاله استفاده از ثبت و ضبط سیگنال­های ویبراسیون زانو (Vibroarthrography: VAG) برای تشخیص پارگی منیسک می باشد.

مواد و روش­ها: در این تحقیق بر روی۲۰ شخص سالم و۲۰ شخص بیمار که پارگی منیسک آنها مورد تایید پزشک و تصاویر عکس­برداری بوده است آزمایش انجام داده و درمدت ۱۵ ثانیه ۳ بار از پای مصدوم و سالم، با دستگاه الکترواستتوسکوپ سیگنال ثبت کرده ایم. از هر بیمار تاییدیه رضایت و سلامت آزمایش دریافت شد و برای ثبت سیگنال ها محل قرار گیری پروب روی زانو اصلاح شد.

یافته­ها: پس از ثبت سیگنال­ها، آنها را پردازش کرده و با کاهش نویز آنها با الگوریتم تجزیه مقدار منفرد (Singular Value Decomposition :SVD) ، چهار ویژگی از این سیگنال­ها در حوزه انرژی و فرکانس که شامل پارامتر انرژی (Energy Parameter: EP)، پارامتر انرژی بسط داده شده (Energy Spread Parameter :ESP)، پارامتر فرکانس (Frequency Parameter: FP) و پارامتر فرکانس بسط داده شده (Frequency Spread Parameter: FSP)) استخراج کرده­ایم و سپس میانگین و انحراف استاندارد هر ویژگی را در نظر گرفته و مجموعا هشت ویژگی را تجزیه و تحلیل نموده­ایم. آنالیزهای آماری نشان داده­اند که ویژگی­ها دارای ۰۵/۰  بوده­اند. در این تحقیق ما از سه روش برای طبقه­بندی داده­ها استفاده کردیم. روش پرسپترون چند لایه، ماشین بردار پشتیبان و K نزدیکترین همسایه که به ترتیب دارای (۱۶۷۰/۰ ۸۲/۰) و (۰۹۵۸/۰ ۸۴/۰) و (۰۸۹۵/۰ ۹۴۳/۰) درصد صحت و انحراف استاندارد بوده­­اند. روش k نزدیکترین همسایه دارای بیشترین درصد صحت بوده است.

نتیجه گیری: روش پردازش سیگنال های ویبراسیون زانو روشی مناسب و غیرتهاجمی برای تشخیص پارگی منیسک زانو می باشد که می­تواند باعث صرفه­جویی در زمان و همچنین کاهش هزینه باشد. 

کلید واژه ها: آسیب شناسی مفصلی، پارگی منیسک، سیگنال­های VAG، تجزیه مقدار منفرد(SVDتوزیع زمان- فرکانس